Developing 3 dimensional image analysis methods for determining characteristic and classification of aggregates
Agregaların sınıflandırılması ve karakterize edilmesi için üç boyutlu görüntü analiz metotları geliştirme
- Tez No: 297893
- Danışmanlar: YRD. DOÇ. DR. METEHAN MAKİNACI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Bu tezde, disiplinler arası bir çalışma sunulmuştur. Bu çalışmada, altı farklı agrega türü için üç-boyutlu (3B) şekil karakterizasyonu ve sınıflandırılması sunulmuştur. İlk aşamada, agrega görüntülerini çekmek için yeni bir 3B lazer tabanlı görüntüleme sistemi oluşturulmuştur. Görüntüleme sistemi görüntü alımı sırasında yaşanan sorunları minimize etmek için optimize edilmiştir. İkinci aşamada, agregaları karakterize eden yeni 3B şekil parametrelerini elde etmek amaçlanmıştır. Agregaların geometrik parametreleri 3B uzamsal düzlemde hesaplanmıştır. Son aşamada, agregalar bu parametreler yardımıyla farklı sınıflandırıcılarda (YSS, FLAA ve KNN) sınıflandırılmıştır. Bu sınıflandırıcı türlerinden en iyi başarımı (yüzde 99.20) veren çok katmanlı algılayıcı sinir ağı modelidir. Amaçlanan sistemin performansı elle ölçüm ve iki-boyutlu (2B) görüntü işleme yöntemleri kullanılarak değerlendirilmiştir. Sonuçlar literatürdeki çalışmalar ile karşılaştırılmış ve analiz edilmiştir.
Özet (Çeviri)
In this thesis, an interdisciplinary study is presented. In this study, a method for three-dimensional (3D) shape characterization and classification is proposed for the six different aggregates. In the first phase, a new 3D laser based imaging system is designed to capture images of aggregates. The imaging system has been optimized to minimize the errors during image capturing. In the second phase, novel 3D shape characterization parameters of the aggregates are extracted. Geometrical parameters of the aggregates are calculated in 3D spatial domain. The last phase, the aggregates are classified by using different classifier models (ANN, FLDA and KNN) with the help of these parameters. Among the classifier types, multi-layer perceptron neural network model that has two hidden layers gives the best performance that is 99.20 percent. The performance of the proposed system is evaluated using manual measurement method and two-dimensional image processing method. Results are analyzed and compared with other studies given in the literature.
Benzer Tezler
- Uzaktan algılama verileriyle orman yangını analizi
Forest fire analysis with remote sensing data
COŞKUN ÖZKAN
Yüksek Lisans
Türkçe
1998
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİLİZ SUNAR
- Bakacak- Hendek (Sakarya) bölgesi metalik maden yatağının jeofizik ve uzaktan algılama yöntemleri ile incelenmesi
Detection of geological structures by remote sensingmethods using satellite images
FAZLI AHMET ZENGİN
Yüksek Lisans
Türkçe
2023
Jeofizik MühendisliğiSakarya ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜNAY BEYHAN
- Mekan tasarlama, temsil, deneyimleme yöntemi olarak sinematografik kavramlar
Cinematographic notions as a method for space design, representation, experimentation
MÜGE KUZUBAŞIOĞLU
Yüksek Lisans
Türkçe
2014
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. AHMET ARDA İNCEOĞLU
- Mamogram görüntülerinden makine öğrenmesi yöntemleri ile meme kanseri teşhisi
Breast cancer detection on mammogram images by using machine learning techniques
İSMAİL İŞERİ
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMİL ÖZ