Semi-automatic video object segmentation
Yarı-otomatik video nesne bölütleme
- Tez No: 96221
- Danışmanlar: PROF. DR. LEVENT ONURAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Görüntü bölütleme, video nesne bölütleme, gözetimli bölütleme. gözetimsiz bölütleme, nesne takibi, MPEG-4, MPEG-7. iv, Image segmentation, video object segmentation, supervised segmentation, unsupervised segmentation, object tracking, MPEG-4, MPEG-7. iii
- Yıl: 2000
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
ÖZET YARI-OTOMATİK VİDEO NESNE BÖLÜTLEME Ersin Esen Elektrik ve Elektronik Mühendisliği Bölümü Yüksek Lisans Tez yöneticisi: Prof. Dr. Levent Onural Eylül 2000 İçerik-tabanlı işlevsellik gelecekteki multimedya uygulamalarının özünü oluşturmaktadır. Yeni multimedya standardı MPEG-4, kodlanmış multimedya verileriyle etkileşimin yeni düzenini belirlemektedir. Standartlaşma aşamasındaki MPEG-7 ise multimedya verilerine veritabanlari üzerinden ulaşmayı kolaylaştırmak için ortak bir multimedya içerik tanımı belirlemektedir. Fakat, her iki standart da video verisindeki içeriğin nasıl bulunup çıkarılacağını tanımlamamaktadır. Video nesne bölütlemenin hedefi bir video sahnesindeki anlamlı nesneleri bulup çıkarmaktır. Gözetimli ve gözetimsiz olmak üzere iki tür video nesne bölütleme tanımlanabilir. Gözetimsiz türde kullanıcı işleme hiçbir aşamada dahil olmamaktadır. Gözetimli türde ise kullanıcıdan işlemin kalitesini artırmak için ek bilgi istenir. Bu çalişmada önerilen gözetimli görüntü bölütlemesinde kullanıcı nesneler üzerinde çizgiler çizer. Bu çizgiler yinelemeli yöntemin ilk aşamasında kullanılır. Her bir yinelemede en çok benzeyen bölgeler birleştirilir. Yinelemeler istenen bölge sayısına ulaşılana dek sürdürülür. COST211ter Analiz Modeli elden geçirilerek önerilen gözetimli bölütleme algortirmasmı kullanabilecek duruma getirilmiştir. Ortaya çıkan yeni yarı-otomatik analiz modeli, yalnızca ilk video karesi için kullanıcıdan çizgi biçimindeki ek bilgiyi istemektedir. Elde edilen sonuçlar bu yeni yöntemin video nesne bölütleme için iyi bir yöntem olduğunu kanıtlamaktadır.
Özet (Çeviri)
ABSTRACT SEMI-AUTOMATIC VIDEO OBJECT SEGMENTATION Ersin Esen M. S. in Electrical and Electronics Engineering Supervisor: Prof. Dr. Levent Onural September 2000 Content-based functionalities form the core of the future multimedia applications. The new multimedia standard MPEG-4 provides a new form of interactivity with coded audio-visual data. The emerging standard MPEG-7 specifies a common description of various types of multimedia information to index the data for storage and retrieval. However, none of these standards specifies how to extract the content of the multimedia data. Video object segmentation addresses this task and tries to extract semantic objects from a scene. Two types of video object segmentation can be identified: unsupervised and supervised. In unsupervised methods the user is not involved in any step of the process. In supervised methods the user is requested to supply additional information to increase the quality of the segmentation. The proposed weakl}' supervised still image segmentation asks the user to draw a scribble over what he defines as an object. These scribbles inititate the iterative method. At each iteration the most similar regions are merged until the desired number of regions is reached. The proposed segmentation method is inserted into the unsupervised COST211ter Analysis Model (AM) for video object segmentation. The AM is modified to handle the supervision. The new semi-automatic AM requires the user interaction for only first frame of the video, then segmentation and object tracking is done automatically. The results indicate that the new semi-automatic AM constitutes a good tool for video object segmentation.
Benzer Tezler
- Video object tracking with feedback of performance measures
Video nesnelerinin başarım geribeslemeli izlenmesi
ÇİĞDEM EROĞLU ERDEM
Doktora
İngilizce
2002
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT SANKUR
PROF. DR. EMİN ANARIM
- Web-based user interface for query specification in a video database system
Video veri tabanı için internet tabanlı sorgu belirleme arayüzü
EDİZ ŞAYKOL
Yüksek Lisans
İngilizce
2001
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. ÖZGÜR ULUSOY
Y.DOÇ.DR. UĞUR GÜDÜKBAY
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Ontology-based spatio-temporal video management system
Ontoloji tabanlı uzay-zamansal video bilgi yönetim sistemi
ATAKAN ŞİMŞEK
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN KESİM ÇİÇEKLİ
- Gözetim sistemleri için normal olmayan davranışların algılanması
Abnormal human behavior recognition for surveillance systems
ELVAN DUMAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AYHAN ERDEM