Pattern recognition methods for texture analysis case study; Steel surfaces
Doku analizi için veri tanıma yöntemleri çalışma: Çelik yüzeyler
- Tez No: 76545
- Danışmanlar: DOÇ. DR. AYŞIN ERTÜZÜN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1998
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
ÖZETÇE Bu tezde, doku analizi için veri tanıma teknikleri incelenmiş, sonuçlar çelik yüzeylerin sınıflandırılmasında kullanılmıştır. Çeşitli doku analizi yöntemleri ile çelik yüzeylerden öznitelikler çıkarılmıştır. İki yeni doku analizi yöntemi önerilmiş ve eldeki doku örnekleri ile denenmiştir. Öznitelik seçme yöntemleri kullanılarak sınıflandırma işleminde kullanılabilecek öznitelikler seçilmiştir. İki yeni öznitelik seçme yöntemi önerilmiş ve eldeki özniteliklerle denenmiştir. Öznitelik seçme yöntemlerinin gücünün karşılaştırılması amacı ile öznitelik seçme yöntemlerinin güçlerini bulan bir yöntem geliştirilmiştir. Değişik öznitelik seçme yöntemleri ile seçilen öznitelikler sınırlandırıcılara verilerek çelik yüzeyin pas derecesi bulunmuş ve eldeki öznitelikler ile değişik sınıflandırıcıların güçleri karşılaştırılmıştır. Sınırlandırıcıları birleştirme yöntemi olarak ençok oy kuralı denenmiştir.
Özet (Çeviri)
ABSTRACT The problem of studying pattern recognition techniques for analyzing textured surfaces is considered in this thesis and the results are applied to the classification of steel surfaces according to their surface properties. Various texture analysis techniques are studied and features are extracted from steel surfaces. Two new texture analysis methods are introduced and tested. To simplify and enhance the classification operation, only representative features extracted from the steel surfaces are selected by feature selection algorithms. Two new feature selection algorithms are introduced and are tested. Relative performances of feature selection algorithms are also tested on the features obtained. For this reason a performance measure for feature selection algorithms is introduced. Selected features by various feature selection algorithms are fed into classifiers to discriminate between different classes. To test the performances of different classification algorithms on the selected features, various classification algorithms are used. The majority voting technique is also tested for combining the results of various classifiers.
Benzer Tezler
- Elmalı ve Alibey su havzalarının uydu görüntü verileriyle izlenmesi ve bilgi sistemi oluşturma olanakları
Başlık çevirisi yok
ÇİĞDEM GÖKSEL
- Utilization of 3D data in face recognition
Başlık çevirisi yok
NESLİ ERDOĞMUŞ
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolInstitut Mines-TélécomPROF. DR. JEAN-LUC DUGELAY
- Generalized texture models for detecting high-level structures in remotely sensed images
Uzaktan algılanan resimlerde üst düzey yapıları bulmak için genel doku modelleri
EMEL DOĞRUSÖZ
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. SELİM AKSOY
- Doku analizi sınıflandırma ve bölütleme için yöntemler
Techniques for texture analysis, segmentation and classification
OSMAN NURİ USLU
- Dalgacık dönüşümü ve yapay sinir ağı kullanarak doku tanıma
Pattern recognition by using wavelet transform and artificial neural network
A.SAMET HAŞİLOĞLU
Doktora
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN GÖK