Görüntü bölütleme tabanlı görüntü iyileştirme yöntemlerinin geliştirilmesi
Development of image enhancement methods based on image segmentation
- Tez No: 803718
- Danışmanlar: DOÇ. DR. SERKAN ÖZTÜRK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü iyileştirme, görüntü bölütleme, hibrit yöntem, kontrast iyileştirme, parlaklık ayarlama, Image enhancement, image segmentation, hybrid method, contrast enhancement, brightness adjustment
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 130
Özet
Bilgisayarlı görme sistemlerinin yaygınlaşmasıyla birlikte görüntünün doğru analizi, yorumlanması ve sınıflandırılması için uygulanan yöntemlerin önemi artmaktadır. Bu tez çalışmasında aktif kontur tabanlı bölütleme yöntemi, adaptif gamma düzeltmesi ve histogram eşitleme tabanlı görüntü iyileştirme yöntemi ve birleştirme tabanlı görüntü iyileştirme yöntemi önerilmektedir. Aktif kontur tabanlı yöntemde, yeni gradyan iniş fonksiyonları uygulanan Chan-Vese (C-V) ve Local Gaussian Distribution Fitting (LGDF) yöntemleri ile hibrit bölütleme yöntemi geliştirilmektedir. Yöntemde, ilk olarak görüntünün homojen bölgeleri C-V tabanlı yöntem ile hızlı ve başarılı şekilde bölütlenmektedir. Daha sonra görüntünün homojen olmayan bölgedeki ayrıntılarının tespiti için bu alanlara LGDF tabanlı yöntem uygulanmaktadır. Önerilen hibrit yöntem ile farklı görüntü türlerinde detaylı ve başarılı bölütleme elde edilmektedir. İyileştirme yönteminde, görüntü pozlama eşik değerine göre bölgelere ayrılmaktadır. Görüntünün karanlık bölgesi, uygulanan adaptif gamma yöntemi ile iyileştirilmektedir. İyileştirilen görüntünün histogram haritası ile giriş görüntüsüne histogram eşitleme yöntemi uygulanmaktadır. Bu yöntem ile görüntüde daha dengeli kontrast ve parlaklık ayarlaması sağlanmaktadır. Birleştirme tabanlı iyileştirme yönteminde, önerilen bölütleme yöntemi ile görüntü nesne alanı ve arkaplan alanı olarak iki bölgeye ayrılmaktadır. Her görüntü bölgesi kendi yapısına göre uyarlanan yeni adaptif gamma düzeltmesi yöntemi ile iyileştirilmekte ve bölgeler tekrar bölütleme yöntemine göre birleştirilmektedir. Elde edilen görüntünün histogram haritası ile giriş görüntüsüne histogram eşitleme uygulanarak görüntüde doğal kontrast ve parlaklık iyileşmesi sağlanmaktadır. Önerilen yöntemlerin bölütleme ve iyileştirme başarımları, yapılan deneysel çalışmalarla gösterilmektedir.
Özet (Çeviri)
With the spread of computer vision systems, the importance of the methods image processing has increased for the correct analysis, interpretation, and classification of the image. In the active contour-based method, a hybrid segmentation method is developed using Chan-Vese (C-V) and Local Gaussian Distribution Fitting (LGDF) methods with newly applied gradient descent functions. In this method, the homogeneous regions of the image are initially segmented rapidly and successfully using the C-V-based method. Then, the LGDF-based method is applied to these non-homogeneous regions to detect the details. The proposed hybrid method achieves detailed and successful segmentation in different types of images. In the enhancement method, the image is divided into regions based on the exposure threshold value. The dark regions of the image are enhanced using the applied adaptive gamma method. Histogram equalization is then applied to the input image based on the histogram mapping of the enhanced image. This method provides a more balanced contrast and brightness adjustment in the image. In the fusion-based enhancement method, the proposed segmentation method divides the image into two regions: object area and background area. Each image region is enhanced using the newly adapted adaptive gamma correction method based on its own structure, and the regions are then merged according to the segmentation method. Histogram equalization is applied to the input image based on the histogram mapping of the resulting image, providing natural contrast and brightness improvement in the image. The segmentation and enhancement performances of the proposed methods are demonstrated through experimental studies.
Benzer Tezler
- Grabcut etkileşimli bölütleme yöntemi üzerinde iyileştirme çalışmaları
Improvement studies on grabcut interactive segmentation method
SAFFET MURAT AKTÜRK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT AYKUT
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Retinal fundus görüntülerde piksel tabanlı sınıflandırma yöntemleri ile kan damarlarının çıkarılması
Extraction of blood vessels with pixel based classification methods in retinal fundus images
ZAFER YAVUZ
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMAL KÖSE
- Afet bölgeleri için iha kullanarak derin öğrenme tabanlı yol optimizasyonu
Deep learning based road optimization using uav for disaster regions
MEHMET SERHAT CEYLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER