Unsupervised detection of compound structures using image segmentation and graph-based texture analysis
Bileşik yapıların görüntü bölütleme ve çizge tabanlı doku analizi ile öğreticisiz bulunması
- Tez No: 246701
- Danışmanlar: YRD. DOÇ. DR. SELİM AKSOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 84
Özet
Literatürdeki nesnesel görüntü analizi tekniklerinin ortak amacı görüntü türdeş bölgelere bölütlemek ve bunları sınıflandırmaktır. Fakat bu türdeş bölgeler, yeni nesil algılayıcılardan elde edilen yüksek uzamsal çözünürlüklü görüntülerde çok küçük detaylara karşılık gelmektedir. Görüntü içeriğini üst düzeyde anlamamızı sağlayan dikkate değer bir yöntem içsel olarak heterojen bölgelerin tanımlanmasıdır. Farklı tip temel nesnelerin birleşmesinden oluşan bu tür imge bölgeleri bileşik yapılar olarak da adlandırılır. Bileşik yapıların saptanması, pikseller yerine temel nesneler kullanan genellenmiş bölütleme veya doku analizi problemi olarak görülebilir. Geleneksel bölütleme yöntemleri benzer spektral içerikli bölgeleri bulurken, doku bulma teknikleri ise belirli bir ölçek ve yönelim gerektirir. Bundan dolayı bu iki teknik de değişik spektral içerik ve gelişigüzel ölçek ve yönelimli bileşik yapıların karmaşıklığıyla başa çıkamamaktadır.Bu tez çalışmasında temel nesnelerden oluşan bileşik görüntü yapılarının bulunmasını sağlayan öğreticisiz bir yöntem önerilmektedir. İlk bölütleme adımı homojen spektral içerikli görüntü bölgeleri üretir. Sonrasında bölütleme sonuçları, düğümleri bölgeler ve kenarları bölgeler arasındaki ilişkiler olan bir ilişkisel çizgeye aktarılır. Birlikte sıkça görülen bölgeler çok ilgili olarak değerlendirilir. Bu ilişki komşu bölgelerdeki geçişlerin sıklığına bağlı olarak modellenir ve önemli ilişkiler, geçişlerin öznitelikleri kullanılarak oluşturulan olasılık dağılımındaki yerel enbüyük olarak bulunur. Ayrıca çok ilgili bölgeler içeren altçizgeler de bileşik yapılara karşılık gelmektedir. Bu yüzden kurulan çizgedeki altçizgeleri ortaya çıkarmak için iki farklı yöntem kullanılmaktadır. İlk yöntemde çizge ayrıklaştırılır ve tekrar eden altçizgeler çizge bazlı bilgi çıkarma algoritmasıyla bulunur. Tek başına bir altçizge belirli bir bileşik yapıya karşılık gelmese bile farklı altçizgeler bir bileşik yapının parçaları olabilir. Bundan dolayı bileşik yapılar, altçizgeler histogramlarının kayar imge pencereleri ile gruplandırılmaları sayesinde bulunur. İkinci yöntem düzgelenmiş kesitler algoritmasıyla çizge bölütlemesi içerir. Önemli ilişkilerin altçizgelerdeki dağılımı bize bileşik yapılar hakkında bir fikir vereceğinden, altçizgeler en önemli ilişkiler histogramı ile tekrar gruplandırılır.Önerilen yöntem Ikonos görüntülerinde test edilmiştir. Deneyler sonucunda bulunan bölgelerin yüksel yoğunluklu yerleşim alanı, düşük yoğunluklu yerleşim alanı ve arazi gibi heterojen içerikli farklı üst düzey yapılara karşılık geldiği görülmüştür.
Özet (Çeviri)
The common goal of object-based image analysis techniques in the literature is to partition the images into homogeneous regions and classify these regions. However, such homogeneous regions often correspond to very small details in very high spatial resolution images obtained from the new generation sensors. One interesting way of enabling the high-level understanding of the image content is to identify the image regions that are intrinsically heterogeneous. These image regions are comprised of primitive objects of many diverse types, and can also be referred to as compound structures. The detection of compound structures can be posed as a generalized segmentation or generalized texture detection problem, where the elements of interest are primitive objects instead of traditional case of pixels. Traditional segmentation methods extract regions with similar spectral content and texture models assume specific scale and orientation. Hence, they cannot handle the complexity of compound structures that consist of multiple regions with different spectral content and arbitrary scale and orientation.In this thesis, we present an unsupervised method for discovering compound image structures that are comprised of simpler primitive objects. An initial segmentation step produces image regions with homogeneous spectral content. Then, the segmentation is translated into a relational graph structure whose nodes correspond to the regions and the edges represent the relationships between these regions. We assume that the region objects that appear together frequently can be considered as strongly related. This relation is modeled using the transition frequencies between neighboring regions, and the significant relations are found as the modes of a probability distribution estimated using the features of these transitions. Furthermore, we expect that subgraphs that consist of groups of strongly related regions correspond to compound structures. Therefore, we employ two different procedures to discover the subgraphs in the constructed graph. During the first procedure the graph is discretized and a graph-based knowledge discovery algorithm is applied to find the repeating subgraphs. Even though a single subgraph does not exclusively correspond to a particular compound structure, different subgraphs constitute parts of different compound structures. Hence, we discover compound structures by clustering the histograms of the subgraph instances with sliding image windows. The second procedure involves graph segmentation by using normalized cuts. Since the distribution of significant relations within resulting subgraphs gives an idea about the nature of corresponding compound structure, the subgraphs are further grouped by clustering the histograms of the most significant relations.The proposed method was tested using an Ikonos image. Experiments show that the discovered image areas correspond to different high-level structures with heterogeneous content such as dense residential areas with high buildings, dense and sparse residential areas with low height buildings and fields.
Benzer Tezler
- Non-faradaic electrochemical sensors and their data analysis
Faradaik olmayan elektrokimyasal sensörler ve veri analizleri
MUHAMMET ZAHİD SAĞIROĞLU
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENOL MUTLU
- Nmr spectroscopy for metabolic profiling of plant extracts
Başlık çevirisi yok
ALİ YILMAZ
Doktora
İngilizce
2012
Eczacılık ve FarmakolojiKøbenhavns Universitet (University of Copenhagen)DR. ANNA K. JAGER
DR. NILS T. NYBERG
- Unsupervised detection of coordinated fake followers on social media
Sosyal medyada koordineli sahte takipçi denetimsiz tespiti
YASSER ZOUZOU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiVeri Bilimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR VAROL
- Detection and identification of greenhouse gases using infrared hyperspectral imagery
Kızılötesi hiperspektral görüntüleme kullanılarak sera gazlarının tespiti ve tanımlanması
YUSUF GÜR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. YASEMİN ÇETİN
- Unsupervised anomaly detection algorithms
Denetimsiz anomali tespit algoritmaları
BEYZA KIZILKAYA
Yüksek Lisans
İngilizce
2019
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENGİN YILDIZTEPE