Object recognition and segmentation via shape models
Şekil modelleri aracılığıyla nesne tanıma ve bölütleme
- Tez No: 442049
- Danışmanlar: DOÇ. DR. İLKAY ULUSOY PARNAS, PROF. DR. ZEHRA SİBEL TARI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Sayısal görüntü işleme, Digital image processing
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, bilgisayar görmesi alanında şekil tabanlı olarak nesne bulma, tanıma ve bölütleme problemi çözülmektedir. Seyrek iskelet tabanlı verimli bir nesne tespit yöntemi önerilmiştir. Önerilen yöntem, oluk şablon eşleştirme yönteminin eklemli nesneleri tanımak için geliştirilmisidir. Bir olasılıksal grafik model yapısı ile, şekilde deği¸sikler bir iskeletsel şekil modelinde tanımlanmıştır, düğümler doğrulardan oluşan parçalara, kenarlar da bu parçalar arasındaki ikili ilişkiye karşılık gelmektedir. Doğruların kenar destek fonksiyonu için, yönlü oluk eşleştirme maliyeti hesaplanmaktadır. Bu yeni yöntem şekil tabanlı nesne tanıma yöntemlerine uygun veritabanında yapılan deneylerle değerlendirilmiştir. Önerilen yöntem yeterince başarılıdır ve ilgili diğer yöntemlere göre daha hızlı çözüm bulmaktadır.
Özet (Çeviri)
In this thesis, the problem of object detection, recognition and segmentation in computer vision is addressed with shape based methods. An efficient object detection method based on a sparse skeleton has been proposed. The proposed method is an improved chamfer template matching method for recognition of articulated objects. Using a probabilistic graphical model structure, shape variation is represented in a skeletal shape model, where nodes correspond to parts consisting of lines and edges correspond to pairwise relation between parts. For edge support function of lines, directional chamfer matching cost is calculated. The performance of the new method has been evaluated with experiments using databases especially suitable for shape based object detection methods. The proposed method performs well, and it is much faster as compared to related methods.
Benzer Tezler
- Markov ve Gibbs rastlantı alan modelleri ile doku sentezleme ve sınıflandırma
Texture synthesis and classification using Markov and Gibbs random field models
ERDOĞAN CAMCIOĞLU
Yüksek Lisans
Türkçe
1990
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. ERDAL PANAYIRCI
- Makine öğrenmesi ve görüntü işleme tekniklerini kullanarak drone ile yaprak sınıflandırma
Leaf classification with drone by using machine learning and image processing techniques
MEHMET ÖZTÜRK
Yüksek Lisans
Türkçe
2018
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE
- Panoramik X-ray diş görüntülerinde diş bölgesinin ve dişlerin makine öğrenimi ve derin öğrenme ile bölütlenmesi
Segmentation of teeth region and teeth boundaries via machine learning and deep learning in panoramic X-ray dental images
ALİ GÜVEN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTobb Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İMAM ŞAMİL YETİK
- Histopatolojik görüntülerin makine öğrenmesi yöntemleri ile analizi
Analysis of histopathological images via machine learning methods
ABDÜLKADİR ALBAYRAK
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- A fully automatic shape based geo-spatial object recognition
Tam otomatik şekil tabanlı yer uzamsal nesne tanıma
MUSTAFA ERGÜL
Yüksek Lisans
İngilizce
2012
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. A. AYDIN ALATAN