Geri Dön

An optimization method for two-dimensional LBP feature vectors

İki-boyutlu YİÖ öznitelik vektörleri için bir optimizasyon yöntemı

  1. Tez No: 588185
  2. Yazar: LLUKMAN ÇERKEZİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ CİHAN TOPAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Yerel ikili örüntüler (YİÖ) bir çok bilğişayarlı ğörü uyğulamasinda en ayırt edici ve hesaplama açısından etkin tanımlayıcılarından biri olarak nitelendirilir. Alayazınnda bulunan çok şayıda YİÖ versiyonunun (biçimlerinin) yanı sıra doku örüntülerini daha iyi bir ğösterim sağlaması için 2-boyutlu (2B) histoğram yaklaşımları mevcuttur. Bü yaklaşımda final öznitelik vektörü ya 2B dağılımının marjinal histogramlarını birleştirerek ya da 2B dağılımını düzleştirerek tek bir vektör olarak elde edilir. Birinci durumda elde edilen öznitelik vektörü daha iyi performans göstermektedir. Bu tezde birleşik YİÖ dağılımından elde edilen marjinal histogramlarını optimize ederek (eniyiliştirerek) daha iyi sınıflandırma sağlayan öznitelikler elde edilmesi için bir eniyileme yöntemi geliştirilmiştır. Öznitelik vektörünün daha etkili bir göşteri bulmak amacıyla, çeşitli sınırlamalar optimize ederek (eniyiliştirerek) birleşik YİÖ dağılımının en az artıklık içeren marjinal histogramları araştırılmıştır. Böylelikle, birleşık dağılımı düzleştirerek tek bir vektöre indirgeyen yöntemlerin aksine doğruluk performansını düşürmeyerek daha kompakt bir öznitelik vektörünün elde edilmesi hedeflenmiştır. Beş farklı doku verr setinde yapılan deneylerde önerilen yöntemin aynı boyutta olan öznitelik yaklaşımından daha yüksek tanıma perförmansı ve hatta daha küçük boyutlu öznitelik vektörüyle kıyaşlanabilir sonuçlar elde ettiğı görülmüştür.

Özet (Çeviri)

Local binary patterns (LBP) is considered to be one of the most discriminative and computationally efficient descriptor for many computer vision applications. Among numerous variants of LBP, there are also approaches that construct 2-dimensional (2D) histograms to provide a better representation of texture patterns. Those approaches obtain final feature vector by either concatenating marginal histograms of 2D distribution; or flattening the whole distribution in a higher dimensional vector. The resulted feature vector is a more compact one in the former scenario, however, the vector in the latter can provide better accuracy. In this thesis, we propose a method to make LBP features more discriminative by optimizing projections of joint LBP distribution onto the marginal histograms. In order to find a more efficient representation of the feature vector, we seek for the least redundant marginal histograms of a joint LBP distribution via optimizing several constraints. In this way, we aim to have a more compact feature vector in contrast to the methods which flatten the joint distribution without sacrificing accuracy. Experiments we perform on five popular texture datasets show that the proposed method provides higher recognition rates with the same size feature vectors and comparable results even with lower dimensional vectors.

Benzer Tezler

  1. Bir robot manipülatör için adaptif model izleme kontrol sistemi

    An Adaptive model following control system for robotic manipulators

    İHSAN ÖMÜR BUCAK

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. FUAT GÜRLEYEN

  2. Cisim tanıma problemine yapay sinir ağlarının uygulanması

    Application of artificial neural networks to object recognition

    ATİLLA ÜSTÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. A. TALHA DİNİBÜTÜN

  3. A new approach for facial expression recognition with an adaptive classification

    Uyarlanabilir sınıflandırma ile yüz ifade tanıma için yeni bir yaklaşım

    ABUBAKAR MUHAMMAD ASHIR

    Doktora

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BAYRAM AKDEMİR

  4. Kur'an-ı Kerim'de nasih-mensuh ayetlerin tesbiti

    Başlık çevirisi yok

    REMZİ KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    DinUludağ Üniversitesi

    Tefsir Ana Bilim Dalı

    DOÇ. DR. SAKIP YILDIZ