Yüksek boyutlu imge özniteliklerine dayalı ilgi bölgesi tespiti
High dimensional image features based interest region detection
- Tez No: 275511
- Danışmanlar: YRD. DOÇ. DR. NAFİZ ARICA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Deniz Harp Okulu Komutanlığı
- Enstitü: Deniz Bilimleri ve Mühendisliği Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Anahtar Kelimeler : İlgi Bölgesi, İlgin, Süzgeç, Maksimum Stabil, Desen, Detektör.Bu tezde çok sayıda bilgisayarla görme uygulamasında kullanılan ilgi bölgelerinin üst düzey imge özniteliklerine dayalı olarak tespit edilmesi önerilmektedir. Bu amaçla ilk olarak Maksimum Stabil Bölgeler yaklaşımı, imge noktalarının desen bilgisi kullanılarak genişletilmektedir. Değişik ölçek ve yönelimdeki süzgeçler ile imgenin evrişimi sonucunda elde edilen çok boyutlu piksel öznitelikleri kullanılarak etrafından daha farklı desene sahip imge bölgeleri çıkarılmaktadır. Maksimum Stabil Desenli Bölgeler (MSTR) olarak adlandırılan bu yöntemin yanı sıra desen bilgisine parlaklık ve renk bilgisi eklenerek Maksimum Stabil Birleşik Bölgeler (MSComR) yöntemi gerçekleştirilmektedir. MSComR yönteminde komşu piksellerin kenar uzaklıkları MSTR'dan farklı olarak desen, parlaklık ve renk uzaklıkları ağırlıklandırma yöntemiyle tespit edilmektedir.Literatürde kullanılan deney düzeneği ile önerilen yaklaşımların tekrarlanma ve eşleştirme oranları, sadece gri-ton ve renk bilgisi kullanan diğer çalışmalarla karşılaştırılmış ve özellikle farklı desen bilgisine sahip bölgeler içeren imgeler ile bulanıklık, bakış açısı, ışık ve JPEG sıkıştırma dönüşümü uygulanmış imgelerde daha yüksek performans oranları elde edilmiştir.
Özet (Çeviri)
Keywords : Interest Region, Affine, Filter, Maximally Stable, Texture, Detector.In this thesis, we propose to detect interest regions based on high level image features. For this purpose, Maximally Stable Extremal Regions (MSER) approach is extended using the texture information of image pixels. After the image is convolved with the filters of various scales and orientation, each pixel is represented by the responses to those filters. The regions with different textures than their vicinity are detected using high dimensional pixel features. This algorithm is named as Maximally Stable Texture Regions (MSTR). Besides MSTR, another algorithm which is called Maximally Stable Combined Regions (MSComR) is implemented with the combination of texture, intensity and color information. In MSComR, neighboring pixel edge distances are computed by weighting texture, intensity and color distances seperately.The proposed approaches are evaluated in terms of repeatibility and matching scores using an experimental setup in the literature. It outperfoms the intensity and colour based studies, especially in the images containing textured regions and in the images which are applied viewpoint change, blurring, lighting and JPEG compression transformations.
Benzer Tezler
- Derin öğrenme tabanlı görüntü gürültü giderme için yoğun bağlantı kullanan yeni yaklaşımlar
Densely connected structures in deep learning based image denoising
VEDAT ACAR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Learning shape from focus
Odaklanmayla şekil öğrenme
MOHAMMAD AWAD
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. TARKAN AYDIN
- Face track retrieval and recognition across age
Yaşlar arası yüz iz çıkarımı ve tanıması
ESAM GHALEB
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Algısal özet fonksiyonları tabanlı derin öğrenme yöntemleri kullanılarak imgelerin sınıflandırılması
Classification of images by using deep learning methods based on perceptual hash functions
FATİH ÖZYURT
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- Efficient image matching using hyperdimensional computing and group testing
Hiper boyutlu hesaplama ve grup testi kullanarak verimli imge eşleme
ERSİN ÇİNE
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YALIN BAŞTANLAR
DOÇ. DR. MUSTAFA ÖZUYSAL