Geri Dön

Detection and classification of objects and texture

Obje ve doku tespiti ve sınıflandırması

  1. Tez No: 246734
  2. Yazar: HAKAN TUNA
  3. Danışmanlar: PROF. DR. A. ENİS ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
  12. Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  13. Sayfa Sayısı: 57

Özet

Obje ve doku tanımlaması bilgisayar görüşü konusundaki iki önemli konudur. Resimleri sınıflandırmak için, kısa ve etkili bir nitelik vektörünü hesaplayacak yine hızlı ve etkili bir algoritma, video gözetim sistemleri için kritik bir önem taşır. Bu tezde obje ve doku sınıflandırması için nitelik çıkarma metodları incelemesi, karşılaştırması ve geliştirilmesi yapıldı.Şekil karakteristiğine dayalı bir obje sınıflandırma sistemi geliştirildi. Arkaplan çıkarımı tekniği ile obje silüetleri çıkarıldı. Bu silüetlerden objelerin çevreleri elde edildi ve bu iki boyutlu sinyal bilgisi, bir tür dairesel dönüşüm ile tek boyutlu sinyal bilgisine dönüştürüldü. Ayrık kosinüs dönüşümü kullanılarak bu tek boyutlu sinyallerin frekans bilgisi elde edildi ve bu frekans bilgisi ile destekçi vektör makineleri kullanılarak sınıflandırmaya sokuldu. Bu metod uygulamaya geçirildi ve obje takibi yapan gerçek zamanlı bir sisteme entegre edildi.Doku tanımlaması için, reel sayılarda verimli hesap yükü olan ve yarı grup tanımlamasına giren yeni bir işlem tanımlandı. Yeni işlem çarpma işlemine ihtiyaç duymamakta. Bu yeni işleme dayalı bir ortak fark matrisi tanımlandı, ve bu ortak fark matrisine dayanan bir görüntü tanımlayıcı geliştirildi. Bu yeni görüntü tanımlayıcıya dayanan doku tanımlama ve araç plakası tespit örnekleri sunuldu. Yeni geliştirilen bu metod, ortak değişinti matrisi ile karşılaştırıldı. Kendi metodumuzun daha az karmaşık hesap ihtiyacına rağmen ortak değişinti matrisi ile benzer sonuçlar verdiği deneysel olarak gösterildi.

Özet (Çeviri)

Object and texture recognition are two important subjects in computer vision. An efficient and fast algorithm to compute a short and efficient feature vector for classification of images is crucial for smart video surveillance systems. In this thesis, feature extraction methods for object and texture classification are investigated, compared and developed.A method for object classification based on shape characteristics is developed. Object silhouettes are extracted from videos by using the background subtraction method. Contour of the objects are obtained from these silhouettes and this 2-D contour signals are transformed into 1-D signals by using a type of radial transformation. Discrete cosine transformation is used to acquire the frequency characteristics of these signals and a support vector machine (SVM) is employed for classification of objects according to this frequency information. This method is implemented and integrated into a real time system together with object tracking.For texture recognition problem, we defined a new computationally efficient operator forming a semigroup on real numbers. The new operator does not require any multiplications. The codifference matrix based on the new operator is defined and an image descriptor using the codifferencematrix is developed. Texture recognition and license plate identification examples based on the new descriptor are presented. We compared our method with regular covariance matrix method. Our method has lower computational complexity and it is experimentally shown that it performs as well as the regular covariance method.

Benzer Tezler

  1. Histopatolojik görüntülerin makine öğrenmesi yöntemleri ile analizi

    Analysis of histopathological images via machine learning methods

    ABDÜLKADİR ALBAYRAK

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN BİLGİN

  2. Ortofoto haritalardan ağaç türlerinin otomatik olarak bölütlenmesi

    Tree species classification from high resolution digital orthophoto maps

    AKHTAR JAMIL

    Doktora

    Türkçe

    Türkçe

    2018

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT BAYRAM

  3. The effect of task on cue usefulness for visual scene classification

    Görsel görüntü sınıflandırmasında görev türünün ipucu kullanışlılığı üzerine etkisi

    MELTEM KARACA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Psikolojiİhsan Doğramacı Bilkent Üniversitesi

    Nörobilim Ana Bilim Dalı

    YRD. DOÇ. DR. AARON MICHAEL CLARKE

  4. Texture analysis and classification by deep architectures for paper fraud detection

    Evrakta sahtecilik tespiti için derin mimariler ile doku analizi ve sınıflandırma

    EZGİ EKİZ EMİROĞLU

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EROL ŞAHİN

    PROF. DR. FATOŞ TUNAY YARMAN VURAL

  5. Uzaktan algılama yöntemleriyle Söke Alt Havzasında yer alan Menderes Nehri, Bafa ve Azap Göllerinin yüzeysel su alanlarının zamansal olarak belirlenmesi

    Determination of surface water areas with remote sensing methods: a case study, Söke Sub Basin (Menderes River, Bafa Lake, Azap Lake)

    BERFİN YÜCEER

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÇİĞDEM GÖKSEL