İmge arama sonuçlarının baskın kümeler kullanılarak gruplandırılması
Clustering of image search results using dominant sets
- Tez No: 295607
- Danışmanlar: DOÇ. DR. ZİYA TELATAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
Bu çalışmanın amacı, Google? ve benzeri imge arama motoru sonuçları ve masaüstü arama motoru sonuçları üzerinde içeriğe dayalı çizge tabanlı bir gruplandırma çalışması yapmaktır. Başka bir deyişle, veri tabanını kendimizin oluşturmamızdan ziyade, daha önceden oluşturulmuş veri tabanlarının içindeki imgelerin gruplandırılması optimizasyonu bu çalışmanın vizyonunu oluşturmaktadır. Bunun için imge bölütleme çalışmalarında başarılı sonuçlar elde edildiği görülmüş olan baskın kümeler yöntemi seçilmiştir. Yöntemin uygulanabilmesi için, imgelerin içerikleri hakkında bilgi veren histogramlar kullanılmıştır. Bir imgenin histogramı büyük bir veri kaybına rağmen halen imge hakkında önemli bilgiler içermektedir ve ihtiyaç duyduğumuz daha küçük veri yığınlarını bize sağlayabilmektedir. Gruplandırılacak imge kümeleri Google? imge arama motoru kullanılarak ?ocean?, ?football? ve ?sky? anahtar kelimeleriyle yapılan arama sonuçları ve İstanbul konulu kişisel imgelerden oluşmaktadır. Baskın kümeler yönteminin uygulaması bu dört imge kümesi üzerinde çeşitli uzaklık ölçütlerinin hesaplanarak, elde edilen sonuçlarla oluşturulan benzerlik matrisleri üzerinde yapılan çizge kuramsal gruplandırmalar ile gerçekleştirilmiştir. Baskın kümelerle gruplandırma sonuçlarına bir kıyas oluşturması açısından K-means gruplandırma yöntemiyle de uygulamalar yapılmıştır. K-means ile yapılan uygulamalarda da aynı imge kümeleri kullanılmış, ancak uzaklık ölçütü olarak seçili bazı uzaklık ölçütleri kullanılmıştır. Elde edilen sonuçların başarımlarının hesaplanması, 12 kişilik bir test grubunun aynı imgeleri elle gruplandırması suretiyle elde edilen ?olması beklenen? sonuçlar kümeleriyle karşılaştırma yapılarak F performans ölçütlerinin hesaplanması aracılığıyla gerçekleştirilmiştir. Baskın kümeler için uygulaması yapılan pek çok uzaklık ölçütü içinde en başarılı sonucun Soergel uzaklık ölçütünün kullanılmasıyla elde edildiği görülürken, K-means ile yapılan uygulamada City Block uzaklık ölçütünün diğer ölçütlere göre daha başarılı olduğu gözlenmiştir.
Özet (Çeviri)
The purpose of this thesis is to perform a graph based clustering over the contents obtained from Google? and similar image search engines and desktop search engine results. In other words, instead of creating the database by ourselves, the vision of this work is the optimization of image clustering of previously created databases. For this purpose, the dominant sets method, which has given promisingly successful results on image segmentation, is chosen. To be able to apply the method, the histograms, which present information on the contents of the images, are used. A histogram of an image gives valuable information about the image even though there is some amount of loss of information and it provides small data blocks we need. The image sets, which will be clustered, are obtained by the results gathered from Google? image search engine with the keywords ?ocean?, ?football?, and ?sky? and the personal images with the subject of İstanbul. The application of dominant sets method is implemented with graph theoretic clustering over these four image sets by calculating different distance metrics, and creating a similarity matrix from these calculations. To be able to compare the results obtained from dominant sets clustering, similar implementations are done for K-means clustering. For the implementation of K-means clustering, the same image sets are used, while only a few selected distance metrics are applied. To calculate the success of the results obtained, F performance metrics are used by comparing the results obtained and the results gathered from 12 people?s manual clustering of images. The most successful results are obtained from dominant sets clustering with the use of Soergel distance metric over all the other distance metrics, while City Block distance metric is more successful over the metrics used for K-means clustering case.
Benzer Tezler
- Diasporanın sembolik sermayesi: Atina'da yaşayan İstanbullu Rumların aile fotoğrafları
The symbolic capital of the diaspora: Family photographs of the Rum Istanbulites of Athens
CEREN ACUN
Doktora
Türkçe
2021
AntropolojiGalatasaray ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
DR. ÖĞR. ÜYESİ Ö. MURAD ÖZDEMİR
- Analysis of textural image features for content based retrieval
İçerik tabanlı arama sistemleri için imge doku metrik incelemesi
ERAY KULAK
Yüksek Lisans
İngilizce
2002
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYTÜL ERÇİL
- Inverse distance weighted interpolation based on image topology for super-resolution
Süper-çözünürlük için imge topolojisine dayalı ters mesafe ağırlıklı interpolasyon yöntemi
BARIŞCAN DEDEŞ
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN GÜRAY ŞENEL
- Visual attention and visual distortion sensitivity based regional rate allocation in JPEG2000
JPEG2000'de görsel dikkat ve görsel bozunum duyarlılığı tabanlı bölgesel bit hızı dağıtımı
MESUT PAK
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Error resilient stereoscopic video streaming using model-based fountain codes
Model tabanlı fountaın kodları kullanarak hataya dayanıklı stereo video akıtımı
A. SERDAR TAN
Doktora
İngilizce
2009
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. ERDAL ARIKAN