Geri Dön

Improved fuzzy logic based edge detection method on clinical images

Klinik görüntülerde bulanık mantık temelli iyileştirilmiş kenar tespit yöntemi

PDF İndir

  1. Tez No: 706845
  2. Yazar: MURAT MERT ÇELEN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ İLKER ÜSTOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 83

Özet

Sinyal işleme, dijital sinyaller ile analog sinyalleri analiz etmeye yarayan elektrik mühendisliği ve matematiğin birleşiminden oluşan temel bir alandır. Sinyal işleme alanı, sinyallerin barındırdığı bilgiler üzerinde depolama, sinyallerin barındırdığı bilgileri sıkıştırma, filtreleme ve benzeri işlemlerle ilgilenir. Bu sinyaller tiplerine göre çeşitli alanlara ayrılırlar. Örneğin ses sinyalleri, görüntü sinyalleri vb. olabilir. Günümüzde, görüntüler birçok çalışma alanı için vazgeçilmez bir kaynaktır. Görüntüler içerdikleri bilgiler sayesinde günlük hayatımızdaki aktiviteler de dahil olmak üzere geniş bir kulanım alanına sahiptir. Görüntüler uzay araştırmalarında bir nesnenin veya yeni bir yıldızın keşfedilmesinde, askeri uygulamalarda savunma amaçlı geliştirilen görüntü işleme algoritmalarında, denizcilikte dalgalardan kaynaklı etkilerin kestirimi için, otomotiv endüstrisinde insansız araçların kontrolü veya daha basit uygulamalar olan araç kullanıcısını bilgilendirmeye yarayan ekranlarda, çevrecilik alanı için haritalama ve bunun yardımıyla oluşturulan uygulamalarda, tarım alanı için üretimin verimliliğini arttıracak uygulamalara yardımcı görüntü işleme algoritmalarında ve tıp bilimlerinde insanlar veya hayvanlar için hayati önem taşıyan rahatsızlıkların tespiti gibi alanlarda kullanılabilir. Girdisi bir görüntü ve çıktısı da bir görüntü olan sinyallerin türüyle ilgilenen alan görüntü işleme olarak adlandırılır. Görüntü işleme, bilgisayar bilimi ve mühendislik disiplinlerinin ana araştırma alanlarından biridir. Görüntü işleme, görüntüden bilgi elde etmek için görüntü üzerinde işlemler gerçekleştirmeye yarayan yöntemler bütünüdür. Bu yöntemler çeşitli alanlardaki ihtiyaçları karşılamak için gelişmiştir. Temel nedenler olarak görüntü işlemenin ilerlemesi aşağıdakiler sayesinde gerçekleşmiştir: günümüz için en önemli alanlardan biri olan teknolojinin hızlı gelişimi, ayrık matematik teorisinin gelişimi, uygulanabilirlik açısından geniş bir uygulama alanı için oluşan talep. Görüntü işleme, analog görüntü işleme ve dijital görüntü işleme olarak ikiye ayrılabilir. Fotoğrafların basılı kopyaları elde edilerek yapılan görüntü işleme tekniklerini içinde barındıran alan analog görüntü işleme olarak adlandırılır. Dijital görüntü işleme, dijital görüntülerin bilgisayarlar kullanılarak görüntüden bilgi elde etmek için görüntü üzerinde işlemler gerçekleştirmeye yarayan yöntemler bütününün genel adıdır. Dijital görüntü işlemede, görüntüler içinden bilgi elde etmek için görüntü üzerinde gerçekleştirdiği işlemlerden bazıları şunlardır: bulanık görüntülerdeki bilgiyi anlaşılır hale getirmek için keskinleştirme, gürültülü görüntülerdeki gürültü miktarını azaltarak görüntü iyileştirmesini sağlamak için bulanıklaştırma, parlaklık değerinin görünüyü bozduğu durumlardaki görüntüyü iyileştirmek için kontrast ayarı ve görüntülerden bir nesnenin takibi, algılanması gibi işlemler için kenar tespiti gibi çeşitli uygulama alanlarına sahiptir. Kenar tespiti uygulamaları: güvenlik gerektiren işlemler açısından parmak izi eşleştirme, hayati tehlikeye sebep olabilcek bir rahatsızlık bölgesinin bulunması açısından tıbbi teşhis, şehir içi otomasyon ve hızlı bir şekilde işlemlerin gerçekleştirilmesi açısından plaka tespiti, canlı vücudundaki kırık ve benzeri rahatsızlıkların tespiti açısından biyomedikal görüntüleme, yapay zeka ve makine öğrenmesi uygulamalarına yardımcı olabilme açısından örüntü tanıma ve endüstride kullanılan robotların verimli kullanılmasını sağlama açısından makine görüşü gibi alanlardaki uygulamalar için faydalıdır. Kenar tespiti tekniği, görüntüdeki yüksek frekanslı pikselleri görünür hale getirmeyi sağlayan bir algoritmadır. Kenar tespiti algoritması zorlu bir algoritmadır. Kenar tespiti arka plan ile aynı piksel değerine sahip görüntüler yardımıyla işleme alınması gerektiğinde veya sabit bir eşik değeri seçilerek kenarların belirlenmesini sağlayan algoritmalar kullanıldığında kenar tespiti için hatalı sonuçlar üretebilir. Bu sonuçlar da probleme neden olur. Ayrıca kenar tespit algoritması gürültü içeren görüntülere uygulanması gerektiğinde, daha zor ve karmaşık bir hale gelir. Tüm bu problemlerden kurtulmak için uzman bilgisi gerektiren bulanık mantık teorisi kullanılablir. Bulanık mantık fikri ilk olarak 1960'larda Berkeley'deki California Üniversitesi'nden Prof. Lütfi A. Zade tarafından önerildi. Zade, dilin bilgisayar diline çevirisi üzerinde çalışıyordu ancak dil 0 ve 1'lerden oluşan bilgisayar dili terimlerine kolayca çevrilmiyordu. Zade, klasik mantık doğru veya yanlış gibi kesin değerlerle çalışırken, değişkenlerin doğruluk değerinin 0 ile 1 arasında herhangi bir gerçek sayı olabileceği çok değerli bir mantık biçimi önerdi. Önerilen bulanık mantık, insanların belirsiz ve sayısal olmayan bilgilere dayalı kararlar aldıkları gözlemine dayanır. Bulanık modeller, belirsizliği ve kesin olmayan bilgileri temsil eden matematiksel araçlardır. Bu modeller, kesin olmayan veri ve bilgileri yorumlama ve manipüle etme yeteneğine sahiptir. Ayrıca kısa, çok kısa, uzun, çok uzun gibi dilsel değişkenleri bulanık mantıkla tanımlamak da mümkündür. Bulanık mantık robotik, yapay zeka, sistemlerin modellenmesi ve kontrolü veya görüntü işleme gibi çeşitli alanlara uygulanma fırsatı buldu. Bu alanlarda, 1975 yılında Prof. Lütfi A. Zade tip-2 bulanık mantığı tanıtana kadar tip-1 bulanık mantığı kullandı. Tip-2 bulanık mantık, tip-1 bulanık kurallardan kaynaklanan belirsizlikler ve doğrusal olmayan sistemler için geliştirildi, belirsizliklerin daha iyi çözümlenmesi bulanık mantıkda tip-2 sistemlerinin bulanık mantık tip-1 sistemlerinden daha başarılı olduğunu gösteriyor. Ancak, bulanık mantıkdaki tip-2 sistemleriyle çalışmak, bulanık mantık tip-1 sistemleriyle çalışmaktan çok daha karmaşık ve uygulamsı zor bir alandır. Bu tezde, sayısal görüntü ve sayısal görüntü işleme yardımıyla klinik görüntüler için tip-1 bulanık mantık tabanlı bir kenar algılama uygulamasından bahsedeceğiz. Bu tez, dijital görüntülerin görüntü iyileştirme ve restorasyon yardımıyla yorumlanması ve görüntüler üzerinde bulanıklaştırma, kontrast ayarı gibi işlemlerin gerçekleştirilmesi ile yaygın olarak kullanılan kenar algılama yöntemleri ile geliştirilmiş bulanık mantık tabanlı kenar algılama yönteminin performans karşılaştırmasını sunmaktadır. Dijital görüntülerin farklı kaynakları test edilecek ve her bir kaynak için sonuçlar sunulacaktır.

Özet (Çeviri)

Signal processing is the main field combining electrical engineering and mathematics, used to analyze digital and analog signals. Signal processing deals with the storage, compression, filtering and other processing of signals. These signals can be sound signals, image signals, and other signals. Nowadays images are essential thing for many area. Images can be used in space researches, military applications, marine workings, automotive industry, environment, agriculture and medical science. The area where the signal type is processed is that the input is an image, and the output is also an image, which is called image processing. Image Processing is one of the main research area in the disciplines of computer science and engineering. Image processing is a methods which performs operations on an image, on account of get an information from image. The progress of image processing are improved by the help of: the development of technology, the development of discrete theory, the demand for a pretty wide range of applications. It can be divided into digital and analog image processing. Image processing for analog images is used for hard copies of photos. Digital image processing uses computers to process digital images. Image processing has various kind of application such as sharpening, blurring, contrast adjustment, and edge detection etc. Edge detection is helpful for applications in the fields such as fingerprint matching, medical diagnosis, license plate detection, biomedical imaging, pattern recognition and machine vision. Edge detection technique makes the high intensity valued pixels visible. Edge detection is a compelling assignment. When edge detection must be applied to noisy images, it becomes more difficult. The idea of fuzzy logic helps to get rid of this problem with expert knowledge. The concept of fuzzy logic was first proposed in the 1960s by Professor Lütfi Aliasker Zade in Berkeley. Lütfi Aliasker Zade is committed to translating natural language into computer language, but it is not easy to translate into computer language terms 0 and 1. Zade proposed a shape of polyvalent logic within which the truth valuation of variables is also any real number between 0 and 1 whereas classical logic theory is utilizing with values false or true. Fuzzy logic can be summarized as predicated on the observation that individuals make decisions supported vague and non-numerical information. Fuzzy models are numerical implies of speaking to dubiousness and uncertain data. These models have the inclination of deciphering and controlling information and information that are non-certain. Additionally, it's conceivable to characterize linguistic variables like brief, exceptionally brief, long, or exceptionally long with fuzzy logic. Lütfi Zade's proposed theory fuzzy logic has been applied to various fields such as robotics, artificial intelligence, modeling and controlling system which is nonlinear or digital image processing. These fields used type-1 fuzzy logic until Prof. Lütfi A. Zade presented type-2 fuzzy logic in 1975. Fuzzy logic's type-2 theory was improved for uncertainties and non-linearity due on type-1 fuzzy rules, it shows fuzzy logic frameworks on type-2 are more fruitful than fuzzy logic frameworks on type-1 to unravel vulnerabilities. Be that as it may, working with fuzzy logic frameworks on type-2 are distant more advanced than working with fuzzy logic frameworks on type-1. In this thesis we will talk about a type-1 edge detection with fuzzy logic implementation for medical brain images, with the assistance of digital image, and digital image processing. This thesis gives you the performance comparison of widely used edge detection methods and improved edge detection with fuzzy logic method with interpreting digital images with the help of image enhancement and restoration and performing operations on images such as blurring, contrast adjustment. Different sources of digital images will be tested and results for each source will be provided.

Benzer Tezler

  1. Tez No

    477657

    Görüntüdeki nesneleri çevreleme yöntemleri

    Surrounds methods of image objects

    SARA ALTUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED FATİH TALU

  2. Tez No

    810507

    Detection of grain boundaries in sem images using Type-2 fuzzy logic

    Tip-2 bulanık mantık kullanılarak sem görüntülerindeki tane sınırlarının algılanması

    NESİBE CELİLE KURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Makine MühendisliğiMarmara Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. AYKUT KENTLİ

  3. Tez No

    864654

    Sıkı geçme operasyonu için ANFIS ve yapay sinir ağları modellemesinin matematiksel model ile karşılaştırılması

    Comparison of ANFIS and ann modeling with mathematical model for press-fitting operation

    OĞUZHAN ŞİMŞİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FUAT ERGENÇ

  4. Tez No

    317842

    Görüntülerdeki sayısal dürtü gürültüsünün tip-2 bulanık mantık teknikleri ile iyileştirilmesi

    Improving digital impulse noise in images by type-2 fuzzy logic techniques

    YAKUP YÜKSEL

    Doktora

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALÇI

  5. Tez No

    318057

    GPU ile hızlandırılmış bulanık mantık algoritmalarının görüntü işlemede kullanılması

    GPU-accelerated image processing algorithms using fuzzy logic

    HASAN BADEM

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. MAHİT GÜNEŞ

Geri Dön