Geri Dön

Comparison of multi-scale feature extraction methods for image processing

İmge işleme için kullanılan çok ölçekli yönsel öznitelik çıkarma yöntemlerinin karşılaştırılması

  1. Tez No: 335606
  2. Yazar: ALİCAN BOZKURT
  3. Danışmanlar: PROF. DR. AHMET ENİS ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 161

Özet

Doğal imgelerin neredeyse tamamında yönsel veriler resmin dokusuna işlenmiş durumdadır. Bu bilgiyi özutleyecek halihazırda birçok yöntem bulunsa da, bu yöntemlerin hiçbiri bütün resim türlerinde en iyi başarımı gösterememektedir. Geliştirilmiş yöntemlerin başarımlarını test etmek için 7 farklı cok ölçekli yönsel öznitelik çikarma yöntemleri ile bu tezde geliştirilen yönsel süzgeçleme yöntemini karşılaştırdık. İngilizce, Arapça, Çince, Farsça ve Osmanlıca gibi farklı dillerde yazitipi tanıma, folikuler lenfoma imgelerenin notlandırılması, stratum corneum kalınlıgının hesaplanması gibi birçok farklı alandan ve farklı yapıda resimlerle testler gerçekleştirdik. Test edilen her yöntem icin karşılıklı sağlama yüzdeleri ve öznitelik çıkarma zamanları gibi başarım olçütlerini ilgili alanın en gelişmiş teknikleriyle karşılaştırdık. Geliştirdiğimiz çok olçekli hesapsal verimli yönsel yaklaşımımız en gelişmiş çok ölçekli yönsel öznitelik çıkarma yöntemleriyle benzer başarım sergilemektedir.

Özet (Çeviri)

Almost all images that are presented in classi cation problems regardless of area of application, have directional information embedded into its texture. Although there are many algorithms developed to extract this information, there is no `golden' method that works the best every image. In order to evaluate performance of these developed algorithms, we consider 7 different multi-scale directional feature extraction algorithms along with our own multi-scale directional ltering framework. We perform tests on several problems from diverse areas of application such as font/style recognition on English, Arabic, Farsi, Chinese, and Ottoman texts, grading of follicular lymphoma images, and stratum corneum thickness calculation. We present performance metrics such as k-fold cross validation accuracies and times to extract feature from one sample, and compare with the respective state of art on each problem. Our multi-resolution computationally efficient directional approach provides results on a par with the state of the art directional feature extraction methods.

Benzer Tezler

  1. New clutter removal methods for through obstacle target detection

    Engel arkası hedef tespitinde yeni kargaşa giderme yöntemleri

    DENİZ KUMLU

    Doktora

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. IŞIN ERER

  2. Panoramik görüntüler üzerinden su altı hedef tespiti: DBSCAN ve derin öğrenme ağları ile bütünleşik bir yaklaşım

    Underwater target detection via panoramic images: An integrated approach with DBSCAN and deep learning networks

    FATMA KÜBRA AKIN KÜÇÜK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    PROF. DR. İBRAHİM ÖZKOL

  3. Yüksek çözünürlüklü uydu görüntüleri kullanarak benzer spektral özelliklere sahip doğal nesnelerin ayırt edilmesine yönelik bir metodoloji geliştirme

    Developing a methodology for discriminating natural objects having spectrally similar features using very high resolution satellite imagery

    İSMAİL ÇÖLKESEN

    Doktora

    Türkçe

    Türkçe

    2015

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. TAHSİN YOMRALIOĞLU

  4. Değişken rezolüzyonlu görüntü örnekleyici

    Multi resolution image sampler

    RIZA CAN TARCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. M. SAİT TÜRKÖZ

  5. Implementation and performance evaluation of classifiers SVM, CNN and ANN in vineyard estimation

    Üzüm salkımı meyvelerinin tanınması amacıyla DVM, ESA ve YSA sınıflayıcılarının gerçekleştirilmesi ve başarılarının belirlenmesi

    BASHAR SAAD FALIH AL-SAFFAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SAMİ ARICA