Geri Dön

R-LZMF: Robust local zernike moment based features

G-YZMÖ: Gürbüz yerel zernike moment tabanlı özellikler

  1. Tez No: 381862
  2. Yazar: GÖKHAN ÖZBULAK
  3. Danışmanlar: PROF. DR. MUHİTTİN GÖKMEN
  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: 2015
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 73

Özet

Bu tez çalışmasında, özgün bir döndürme ve ötelemeye değişimsiz Yerel Zernike Moment (YZM) tabanlı ilgi noktası saptama algoritması sunulmaktadır. Sunulan bu algoritma Yerel Zernike Moment tabanlı Özellikler (YZMÖ) olarak isimlendirilmiştir. Aynı çalışmada, YZMÖ, ölçek değişimsiz karakteristiğe sahip olması için ölçek-uzayında imge piramidi oluşturmak suretiyle genişletilmiştir. Sonuçta elde edilen ilgi noktası saptayıcı ölçek, döndürme ve ötelemeye değişimsiz olmakla birlikte arkaplan karışıklığına ve engellere karşı sağlam bir karakteristik göstermektedir. Elde edilen bu ilgi noktası saptayıcı Gürbüz Yerel Zernike Moment tabanlı Özellikler (G-YZMÖ) olarak isimlendirilmiştir. G-YZMÖ, köşe tabanlı bir ilgi noktası saptayıcıdır ve uzamsal-uzayda köşeleri saptamak için YZM'leri evrişimsel işleçler şeklinde kullanır. Bu sayede, köşe noktalarının yapılarını başarılı bir şekilde ortaya çıkarmak için Zernike momentleri imge piksellerine yerel olarak uygulanarak bu momentlerin betimlemesel gücünden faydalanılmış olunur. Önerilen ilgi noktası saptama algoritmaları olan YZMÖ ve G-YZMÖ için performans ölçümü Inria veri kümesi üzerinde yinelenebilirlik skoru kullanılarak gerçekleştirilmiştir. Yinelenebilirlik skoru, ilgi noktası saptayıcısının başarımını ölçmek için kullanılan temel kriterdir. Sunulan ilgi noktası saptama algoritmalarının Inria veri kümesinde elde edilen yinelenebilirlik skorları iyi bilinen ilgi noktası saptayıcılar ile karşılaştırılmıştır. Bu kapsamda; YZMÖ için Harris, SIFT, SURF, CenSurE, BRISK ve G-YZMÖ için SIFT, SURF, CenSurE, ORB, BRISK ilgi noktası saptayıcıları ile performans karşılaştırması amacıyla çalışılmıştır. Inria veri kümesindeki“Rotation”,“Zoom”ve“Zoom&Rotation”imge dizileri ile elde edilen sonuçlar, YZMÖ ve G-YZMÖ ilgi noktası saptayıcılarının karşılaştırıldıkları neredeyse bütün ilgi noktası saptayıcılara yinelenebilirlik skoru bakımından üstünlük sağladığını göstermektedir. Sunulan algoritmaların ayırt edicilikleri bakımından performansları ise üretilen sentetik ve gerçek test resimlerindeki köşe noktalarının saptanmasındaki başarım ile gösterilmektedir.

Özet (Çeviri)

In this thesis, a novel rotation and translation invariant local Zernike moment based interest point detection algorithm is presented and named as Local Zernike Moment based Features (LZMF). LZMF is then extended to have scale-invariant characteristic by constructing image pyramid in scale-space. Final detector is scale, rotation and translation invariant, and also robust to background clutter and occlusion. This final detector is named as Robust Local Zernike Moment based Features or R-LZMF shortly. R-LZMF is a corner based interest point detector and uses local Zernike moments as convolutional operators in order to detect corners in spatial-space. In this way, descriptive power of Zernike moments is utilized in local sense by applying them to the image pixels and thus structure of corners can be successfully exposed. Performance of proposed interest point detection algorithms, LZMF and R-LZMF, are evaluated on the Inria Dataset by using repeatability score, which is the main criterion for detector accuracy, and the performance of proposed algorithms is compared to well known interest point detectors such as Harris, SIFT, SURF, CenSurE, BRISK for LZMF and SIFT, SURF, CenSurE, ORB, BRISK for R-LZMF. Evaluation results on“Rotation”,“Zoom”and“Zoom&Rotation”sequences of the Inria Dataset show that LZMF and R-LZMF outperform almost all interest point detectors to be compared in terms of repeatability score. Distinctiveness performance of LZMF and R-LZMF are also presented by applying the detectors on to the synthetic and real images that contain corner points.

Benzer Tezler

  1. Globularia trichosantha fisch. and mey: üzerinde fitokimyasal araştırmalar

    Phytocemical research on Globularia trichosanttha fisch. and mey

    HASAN KIRMIZIPEKMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Eczacılık ve FarmakolojiHacettepe Üniversitesi

    Farmakognozi Ana Bilim Dalı

    PROF. DR. İHSAN ÇALIŞ

  2. Ulukışla Öküz Mehmet Paşa Külliyesi

    Ulukışla The Öküz Mehmet Paşa Complex

    R. ESER GÜLTEKİN

    Doktora

    Türkçe

    Türkçe

    1999

    Sanat TarihiEge Üniversitesi

    Sanat Tarihi Ana Bilim Dalı

    PROF. DR. RAHMİ HÜSEYİN ÜNAL

  3. Türk kültüründe dini törenler ve mevlid kutlamaları

    Religious ceremonies in Turkish culture and celebrations of mawlid

    R. BAHAR AKARPINAR

    Doktora

    Türkçe

    Türkçe

    1999

    Halk Bilimi (Folklor)Hacettepe Üniversitesi

    Türk Dili ve Edebiyatı Ana Bilim Dalı

    PROF. DR. DURSUN YILDIRIM

  4. Başkent Üniversitesi öğrencilerinin stresle başaçıkma stratejilerinin bazı değişkenlere göre incelenmesi

    Analysis of Başkent University students stress coping strategies according to certain variables

    TÜRKAN DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    PsikolojiHacettepe Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF.DR. NİLÜFER VOLTAN ACAR