Altuzay yöntemleri ile trafik işareti tanıma
Traffic sign recognition with subspace methods
- Tez No: 367553
- Danışmanlar: DOÇ. DR. RİFAT EDİZKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Trafik işaretleri, Traffic signs
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında görüntü işleme uygulamalarından biri olan ve sürücülere görsel olarak yardım sağlamak amacıyla geliştirilmeye çalışılan trafik işareti tanıma problemi üzerinde çalışılmıştır. Bu çalışmada, imge tanımlayıcıların trafik işaret tanımadaki başarımları altuzay temelli sınıflandırıcılar kullanılarak elde edilmiştir. Altuzay yöntemleri sınıflandırma başarımını en iyilerken aynı zamanda özellik uzayında boyut indirgeme de sağlarlar. İmgeler üzerindeki trafik işareti içeren bölgeden imge tanımlayıcıları ile öznitelik vektörleri elde edilir. Bu çalışmada, imge tanımlayıcı olarak griseviye, Yerel Gradyan Histogram (YGH), Yerel İkili Örüntü (YİÖ), Yerel Faz Kuantalama (YFK) ve Gabor imge tanımlayıcıları kullanılmıştır. Öznitelik vektörleri; Temel Bileşen Analizi (TBA), Doğrusal Ayırtaç Analizi (DAA) ve Ayırtedici Ortak Vektör (AEOV) altuzay yöntemlerinde işlenerek trafik işareti tanıma yapılmıştır. Deneysel çalışmada üçgen ve dairesel işaret içeren veri tabanı kullanılmıştır. Veri tabanı ötelenmiş ve dönmüş trafik işaretleri de içermektedir. Altuzay temelli sınıflandırıcılarda tanıma performansları, şablon eşleme yöntemi ile karşılaştırılmıştır. En iyi başarımları AEOV altuzay yöntemi ve YGH imge tanımlaycısı vermiştir.
Özet (Çeviri)
In this thesis, one of image processing applications and drivers which is being developed to provide a visual aid on the problem of traffic sign recognition has been studied. In this study, the performance of some image descriptors in traffic sign recognition is obtained using the subspace-based classifiers. The subspace methods make both dimension reduction in feature space and maximize the classification rate. The feature vectors are extracted from the images containing a traffic sign by image descriptors. Gray scale, Histogram of Oriented Gradients (HOG), Local Binary Patterns (LBP), and Local Phase Quantization (LPQ) are used as image descriptors in our study. The feature vectors are processed by the subspace methods, Principle Component Analysis (PCA), Linear Discriminant Analysis (LDA), and Discriminative Common Vector (DCV), for recognizing traffic signs. In the experimental study, the database containing triangular and circular signs was used. The database also includes shifted and rotated traffic signs. The recognition performances of the subspace-based classifiers were compared with the template matching method. The best classification performances are obtained for the HOG features and DCV method.
Benzer Tezler
- Data-driven anomaly detection for airspace security using ADS-B surveillance data
ADS-B gözetim verisi ile hava sahası güvenliği için veri tabanlı anomali tespiti
ABDULLAH ÇERKEZOĞLU
Yüksek Lisans
İngilizce
2025
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. BARIŞ BAŞPINAR
- Contributions to machine learning in biomedical informatics
Biyomedikal enformatikte makine öğrenmesine katkılar
İNCİ MELİHA BAYTAŞ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMıchıgan State UnıversıtyBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ANIL KUMAR JAIN
- A multi-fidelity prediction framework with convolutional neural networks using high-dimensional data
Yüksek boyutlu veriler ile çok-doğruluklu evrişimsel sinir ağı tabanlı kestirim
HÜSEYİN EMRE TEKASLAN
Yüksek Lisans
İngilizce
2022
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY
- Implementation and assessment of machine learning methods for multidisciplinary aerospace problems
Makine öğrenmesi yöntemlerinin çok disiplinli hava-uzay problemlerine uygulanması ve değerlendirilmesi
DİLAN KILIÇ
Yüksek Lisans
İngilizce
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY
- Telsiz ağlarda enerji verimlilikli yeni iletim protokolleri
Energy-efficient novel transmission protocols for wireless networks
İBRAHİM AYDIN
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ÜMİT AYGÖLÜ