Geri Dön

Hücresel hareketli tekniği ile yüz tanıyış

Face recognition using cellular automata technique

  1. Tez No: 321486
  2. Yazar: SERKAN PELDEK
  3. Danışmanlar: PROF. DR. DOĞAN ÇALIKOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

Bu tezde Hücresel Hareketliler(Cellular Automata) denen hesap mekanizmaları ileörüntü sınıflandırıs ve tanıyıs teknikleri yüz tanıyısa uygulanmıstır. Çalısmadasınıflandırıs islemi için Çoklu Cezbedici Hücresel Hareketliler (ÇCHH) örüntüsınıflandırıcısı kullanılmıstır. ÇCHH sınıflandırıcıları ikiye ayrılır; devir uzunlugu bircezbediciler ve devir uzunlugu birden çok cezbediciler. Bu iki sınıflandırıcıÇCHH'yı olusturan kurallara göre olusur. Siyah beyaz ve gri olmak üzere iki farklıresim biçimi üzerinde tanıma islemi yapılmıstır. Gri seviyedeki resimlerde her birpikselin degeri sekiz bit uzunlugundaki ikili sayı formatına dönüstürülür. Dört bitlikiki parçaya bölünen sayı ÇCHH sınıflandırıcıları ile sınıflandırılır. Siyah beyazbiçimindeki resimde her piksel 0 veya 1 degerini tasır. Yüz resmindeki piksel verilerisoldan saga dogru olusturulan sınıflandırıcıyı olusturan kural sayısına göre bellisayılarda alınır. Alınan pikseller kullanılan ÇCHH'nin olusturdugu sınıf sayısı kadarsınıflara ayrılır. Tanınması istenen yüz resmine ait sınıf kümeleri benzerlik dereceleribulunmak üzere diger yüzlere ait sınıf kümeleri ile karsılastırılır. Benzerlik oranı enfazla saglayan veri tabanındaki resim bezeyen kisi olarak kabul edilir. Elde edilensonuçlar geleneksel yüz tanıma yaklasımları ile karsılastırılmıstır. HH yüz tanıyısyaklasımının zayıf ve güçlü yanları degerlendirilmistir.Gelistirilen yüz tanıma sistemi iki asamadan olusuyor. Birincisi yüz kaydetmeasamasıdır; yüz veritabanına belli sayıda yüz kaydedilir. Kaydedilen her bir yüzünpiksel degerlerinin sınıflandırması yapılır. Yüzlere ait sınıflandırılmıs veriler ayrı birdosyada kaydedilir. İkinci asamada programa tanınması için bir yüz girdi olarakverilir.İlk önce girdi olarak verilen yüzün piksel degerlerini sınıflandırması yapılır.Sınıflandırılmıs yüz verisi veritabanındaki sınıflandırılmıs yüz verileri ilekarsılastırılır. Benzerlik oranı en fazla olan yüz benzetilen yüz olarak kabul edilir.Anahtar Sözcükler : Cellular Automata, yüz tanıma, ÇCHH sınıflandırıcıları,hücresel hareketliler, devir uzunlugu bir cezbediciler, deviruzunlugu birden çok cezbediciler, örüntü sınıflandırma.

Özet (Çeviri)

In this study, computing mechanism called Cellular Automata (CA) was used toclassify patterns for face recognition purposes. Multiple Attractors CellularAutomata (MACA) was used as a pattern classifiers to classify face image pixels.MACA classifiers consist of two type classifiers; single length cycle attractors andmultiple length cycle attractors. These two classifiers exist according to the rules ofMACA. Recognition process performed on both binary and gray scale images. Forgray scale image decimal values of each pixel convert to 8 bit binary numbers. Thenclassification had done using MACA. Each pixel on binary image was representedby 0 or 1 (black or white). The pixel values in face image are gotten from left to rightas block. Block length are defined by number of rules which belong to the MACAclassifiers. Classified blocks of given face are compared to the classified blocks offaces in database to find out similarity index. The face which has the high similarityindex is accepted as recognized person. Empirical results compared withconventional face recognition techniques. Approach of CA face recognition wasevaluated and its strong and poor sides were noted.Powered face recognition system consist of two phases. First one is the facerecording; a number of face are recorded to the face database. Pixel values of eachrecorded face are classified. Classified values belong to the faces are written anotherfile. In the second phase program get a face as input to classify pixel values. Thenclassified face values are compared with classified values of faces in database. Aface has highest similarity index is accepted as recognized person.Key Word:Cellular automata, face recognition, MACA classifiers, singlelength cycle attractor, multiple length cycle attractor.

Benzer Tezler

  1. Kablosuz sistemlerde kayıt sinyal trafiğini en aza indirmek için optimum bölge alanı tasarım tekniği

    Optimal location area design technique to minimize registration signalling traffic in wireless systems

    ÜMİT ASLIHAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. FEZA BUZLUCA

  2. New lightweight DoS attack mitigation techniques for RPL based IoT networks

    RPL temelli IoT ağları için DoS saldırılarının etkisini azaltacak yeni teknikler

    AHMET ARIŞ

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMA FATMA OKTUĞ

  3. Implementation of gaussian minumum shift keying for cellular mobile applications

    Hareketli hücresel uygulamalar için 'Gaussian' en az kaydırmalı anahtarlama uygulaması

    İBRAHİM CANTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    1992

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    PROF. DR. RÜYAT ERGÜL

  4. Design of vehicular communication systems employing physical layer network coding over cascaded fading channels

    Kaskad sönümlemeli kanallarda fiziksel katman ağ kodlama yapan araçlar arası haberleşme sistemlerinin tasarımı

    SERDAR ÖZGÜR ATA

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM ALTUNBAŞ

  5. A survey of transcriptomic changes in the colon carcinoma model of HCT116 parental and CDK2-phospho-mutant EEF2 expressing cells under complete growth and nutrient deprivation

    Parental ve CDK2-fosfo-mutant EEF2 eksprese olan HCT116 kolon karsinoma hücrelerinin normal büyüme ve besin yokluğundaki transcriptomik değişikliklerinin araştırılması

    ABDULAHI DABO JAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Moleküler TıpBiruni Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ESRA AYDEMİR ÇOBAN