Geri Dön

A novel hybrid approach to chan-vese algorithm for deformable contour based image segmentation

Deforme edilebilir kontur tabanlı görüntü bölütlemesi için chan-vese algoritmasına yeni bir hibrit yaklaşım

  1. Tez No: 522678
  2. Yazar: HATİCE ÇATALOLUK
  3. Danışmanlar: PROF. DR. FATİH VEHBİ ÇELEBİ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 113

Özet

Görüntü bölütleme işlemi nesne tanıma sistemlerinin en önemli ve zor adımıdır. Deforme edilebilir modellere diğer adıyla aktif kontur modellerine dayanan ve görüntülerde nesne sınırlarını bulmada kullanılan birçok nesne bölütleme yöntemi önerilmiştir. Ancak bu yöntemlerin ana tanımlamaları: ilk konturun başlangıcına ve bundan sonraki çözümün doğru yakınsamasına bağlıdır. İlk konturun düzgün konumlandırılmadığı durumlarda, bu istenilen sonuca beklenen iterasyon sayısında yakınsayamama ya da enerji fonksiyonunun minimizasyonu sırasında yerel minimum noktalara takılma gibi sorunlar yüzünden başarısız sonuçların üretilmesine neden olmaktadır. Bu tez çalışmasında, ilk kontur başlangıcı probleminin üstesinden gelmek için sezgisel bir yöntem olan yerçekimsel arama algoritması ve kenarsız aktif kontur modeli (Chan-Vese) tabanlı imge bölütleme yöntemi geliştirilmitir. Önerilen model, yerçekimsel arama algoritması ve Chan-Vese algoritmalarının melez bir şekilde birleştirilmesi ile geliştirilmiştir. Weizmann veritabanına ait bazı görüntüler ve medikal görüntüler olmak üzere çeşitli görüntüler üzerinde denenmiştir. Önerilen modelin ilk kontur seçimine karşı gürbüz yapısı ile geleneksel Chan-Vese algoritmasına göre daha verimli sonuçlar elde edilmiştir. Yeni modelin performansı, geleneksel modele göre doğruluk ve verimlilik açısından karşılaştırılarak değerlendirilmiştir.

Özet (Çeviri)

Image segmentation process is the most important and difficult step in object recognition systems. A number of object segmentation methods based on deformable models, also known as active contour models, and which are used to find object boundaries on images have been proposed. However, the main definitions of these methods depend on: the contour initialization and the correct convergence of the subsequent solution. When the initial contour is not properly positioned, this causes to produce unsuccessful results due to problems such as the inability to converge to the desired result within the expected number of iterations, or getting stuck in local minima during the minimization of the energy function. In this thesis study, an image segmentation method based on the gravitational search algorithm which is a heuristic method, and on the active contour without edges model (Chan-Vese) has been developed to overcome the problem of the contour initialization. The proposed model has been developed by combining the gravitational search algorithm and the Chan-Vese algorithm in a hybrid way. It has been tested on various images, including some images from the Weizmann database and medical images. With the robust structure against the initial contour selection of the proposed model, more efficient results were obtained than the conventional Chan-Vese algorithm. Performance of the novel model has been evaluated in terms of accuracy and efficiency compared with the conventional model.

Benzer Tezler

  1. A novel hybrid classification approach to integrate pixel- and object-based image analysis for classification of remotely sensed data

    Uzaktan algılanan verilerin sınıflandırılması için piksel ve obje tabanlı görüntü analizini entegre eden yeni bir hibrit sınıflandırma yaklaşımı

    MUHAMMED YUSUF ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Jeodezi ve FotogrametriGebze Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL ÇÖLKESEN

  2. Structural analysis under blast loading

    Patlama yüklemeleri ile yapı analizi

    DENİZ CAN ERDAYI

    Doktora

    İngilizce

    İngilizce

    2023

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. SÜHA ORAL

    PROF. DR. MUSTAFA UĞUR POLAT

  3. Self-collision aware reaching and pose control in large workspaces using deep reinforcement learning

    Büyük çalışma alanlarında derin pekiştirmeli öğrenme tabanlı kendi kendine çarpışma farkındalığına sahip erişim ve poz kontrolü

    TUMUÇİN BAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ AKGÜN

  4. Dengesiz veri kümeleriyle sınıflandırma için kümelemeye dayalı yeni bir hibrit metodoloji

    A novel hybrid methodology based on clustering for classification with imbalance datasets

    ABDULLAH MARAŞ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM EROL

  5. Customer retention via hybrid modeling for Banking industry

    Bankacılık endüstrisinde melez modelleme ile müşteriyi elde tutma

    EMRE AKARSU

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ADEM KARAHOCA