Geri Dön

El yazısı görüntülerinden kişi tanıma

Writer identification from handwriting images

  1. Tez No: 285345
  2. Yazar: ÖNDER KIRLI
  3. Danışmanlar: PROF. DR. M. BİLGİNER GÜLMEZOĞLU
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 75

Özet

Bu tez çalışmasında, metin içeriğinden bağımsız el yazısı satır görüntülerinden otomatik kişi tanıma problemi ele alınmıştır. El yazısından kişiye özgü ayırt edici öznitelikler türetmek amacıyla yeni yöntemler önerilmiştir. Önerilen yöntemlerle, verilen herhangi bir el yazısı satır görüntüsüne uygulanabilen, dinamik bir model tasarlanması amaçlanmıştır.Türetilen öznitelikler, tanıma oranları açısından performanslarının değerlendirilmesi amacıyla iyi bilinen üç sınıflandırma yöntemiyle test edilmişlerdir. Tanıma modelinde K-En Yakın Komşuluk, ?Gaussian? Karışım Modeli ve Normal Dağılımlı Fark Fonksiyonu Bayes sınıflandırma yöntemleri kullanılmıştır. Deneysel çalışmalar literatürde yaygın olarak kullanılan IAM veri tabanı üzerinde gerçekleştirilmiştir. Literatürdeki aynı veri tabanı üzerinde yapılan çalışmaların sonuçları ile karşılaştırma yapabilmek ve çeşitli deneysel çalışmalarda kullanmak amacıyla IAM veri tabanından 93 kişilik, 212 kişilik ve 650 kişilik alt veri tabanları türetilmiştir. Her üç sınıflandırma yöntemiyle alınan tatmin edici sonuçlar, önerilen özniteliklerin el yazısından kişi tanıma alanında etkin bir şekilde kullanılabileceğini göstermiştir. Bu çalışmada elde edilen sonuçlar, literatürde benzer veya aynı veri tabanları üzerinde yapılan çalışmalarda elde edilen sonuçlara göre daha iyi sonuçlardır.Türetilen özniteliklerin performansları, artan kişi sayısı ve azalan satır sayısı durumlarında analiz edilmişlerdir. Tanıma oranlarının, artan kişi sayısı ve azalan satır sayısına göre eğilimlerini görmek amacıyla çeşitli deneyler yapılmıştır. Kişi sayısının artması veya satır sayısının azalması, tanıma oranlarında keskin bir düşüşe neden olmamıştır. Elde edilen sonuçlar, önerilen özniteliklerin kalitesini ve ayırt edici gücünü göstermişlerdir.

Özet (Çeviri)

In this study, the problem of automatic writer identification from text-independent handwritten text line images is addressed. New techniques have been introduced for revealing the individual features of a person?s handwriting. These techniques are aimed at designing a dynamic model which can be formalized according to any handwritten text line.Various combinations of the extracted features are applied to three well known classifiers for evaluating the contribution of features to define the correct identification rate. The K-Nearest Neighbours (K-NN), Gaussian Mixture Model (GMM), and Normal Density Discriminant Function (NDDF) Bayes classifiers are used in the present identification model. The experimental studies are conducted using the well-known IAM database. Three datasets including 93 writers, 212 writers and 650 writers from the IAM database are constituted to make various experimental studies and to able to compare the obtained results with the results of other studies which had been done previously on the same datasets. The remarkable identification rates obtained from the three classifiers on all datasets clearly indicate that the proposed feature extraction techniques can be effectively used in writer identification systems. The identification rates obtained in this study are the best scores among results given in the literature on the same or similar datasets.The performances of the extracted features are analyzed under conditions such as an increased number of writers to discriminate in the database and a decreased number of text lines per writer. We set up various experiments for analyzing the evolution of the scores as a function of the number of text lines and the number of writers. Neither the decreases in number of text lines nor the increases in the number of writers caused a dramatic loss of performance for the features. The results demonstrate the quality and discriminative power of the proposed features.

Benzer Tezler

  1. Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models

    Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma

    NEŞE GÜNEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUĞ BAYAZIT

  2. Yerel faz niceleme ile ayak görüntülerinin kişi, yaş ve cinsiyete göre sınıflandırılması

    Classification of foot images according to person, age and gender with the local phase quantization

    MUSTAFA SHWAISH AL-AZZAWI

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DOÇ. DR. EMRAH AYDEMİR

  3. Deep convolutional neural network based unconstrained ear recognition

    Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma

    FEVZİYE İREM EYİOKUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  4. Fusion of dynamic and static features in signature verification

    İmza doğrulamada dinamik ve statik özelliklerin birleştirilmesi

    MUSTAFA SEMİH SADAK

    Doktora

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAN KAHRAMAN

    DR. UMUT ULUDAĞ

  5. Kolonoskopi görüntülerindeki poliplerin evrişimli sinir ağları ile tespiti

    Detecting polyps in colonoscopy images using convolutional neural networks

    ERDEM EZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    İş Analitiği Ana Bilim Dalı

    PROF. DR. MERT ERER