IR image edge detection using neural network and clustering
Kızılötesi görüntüde sinir ağı ve kümeleme ile kenar belirleme
- Tez No: 521657
- Danışmanlar: DR. ÖĞR. ÜYESİ TARKAN AYDIN, DR. ÖĞR. ÜYESİ PINAR BÖLÜK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayarla görme, Sayısal görüntü işleme, Computer vision, Digital image processing
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde görüntü işleme ve özellik çıkarma yöntemleri, görüntüler hakkında önemli bilgiler sağlamaktadır. Bir görüntüdeki nesneleri tanımlamak için ilk adım görüntü özelliklerini ayıklamaktır. Kenar belirleme, görüntü işlemenin ortak özelliklerinden biridir, çünkü kenarlar bir görüntü hakkında faydalı bilgiler içerir. Genel halk doğrudan Kızılötesi görüntülerle ilgilenmese de bu alan birçok bilimlerinde yaygın olarak kullanılmaktadır. Bu nedenle, uygun bir kenar belirleme metodu ile kızılötesi görüntüde, kapsamlı anlayış sonuçlanabilir. Bu çalışmada, kenar belirleme metodu kızılötesi görüntüler için seçilmiştir; çünkü bu görüntüler çeşitli teknolojilerde mesela medikal, askeri alanlar ve gözetim amaçları için uygulanmaktadır. Bu görüntülerin yapısına göre, kenarlarını ortak belirleme metotlarla mümkün değildir. Bu nedenle, kızılötesi görüntülerin kenar bulması için yeni bir yöntem önerilmiştir. Önerilen yöntemde, önce görüntü bir Kümeleme algoritması ile bölümlere ayrılır. Ardından, ayrılmış bölümler arasında ilgi bölgesi çıkarmak için Sinir Ağı algoritması seçilir. Son adımda, ilgi bölgesinde Morfolojik işletmeciler kenarları çıkarmak için kullanılır. K-Ortalamalar Kümeleme ve Ortalama Kaydırma yöntemleri ile görüntü bölünür ve kümelerin özellikleri Sinir Ağının girişleri olarak kullanılır. Küme sayısının belirlenmesi için Ortalama Kaydırma ile Kümeleme algoritmasının avantajına göre, bu yöntem birçok durumda uygun olabilir. Önerilen yöntemin değerlendirme sonuçlara göre ve diğer mevcut yöntemlerin karşılaştırmanın neticelere göre, yöntemin kızılötesi görüntü kenarı belirleme için iyi performansını göstermektedir.
Özet (Çeviri)
Nowadays image processing and feature extraction methods provide significantly important knowledge about images. The first step for identifying objects in an image is extracting the image properties. Edge detection is one the common features of image processing, because edges include useful information about an image. Although general public may not deal with Infrared images directly, this field is widely benefited in many sciences. Therefore, a proper infrared image edge detection method could result in thorough comprehension. In this study, infrared images are selected for edge detection due to their application in various technologies such as medical, military fields and surveillance purposes. According to the structure of these images, it is not possible to extract their edges using common methods. Therefore, a new method is proposed for edge detection of infrared images. In the proposed method, first the image is segmented by a clustering algorithm. Then, Neural Network algorithm is selected to extract the region of interest among the segmented clusters. In the last step, morphological operators are used to extract the edges from the Region of Interest. For segmentation, two K-means and Mean Shift clustering methods are applied separately, and their cluster features are used as the Neural Network inputs. Pursuant to the advantage of Mean Shift clustering algorithm in cluster number determination this method may be favorable in many cases. The evaluation results of the proposed method and comparison with other available methods indicate the method's good performance for infrared image edge detection.
Benzer Tezler
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Hücresel yapay sinir ağları için iki öğrenme algoritması ve görüntü işleme uygulamaları
Two learning algorithms for cellular neural networks and their image processing applications
SİNAN KARAMAHMUT
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Hücresel nöral ağlar ve uygulamaları
Cellular neural networks and applications
SEVİLAY ÖZDEMİR
Yüksek Lisans
Türkçe
1991
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. I. CEM GÖKNAR
- Monocular depth estimation from thermal images via edge-guided RGB synthesis
Kenar yönlendirmeli RGB sentezi ile termal görüntülerden moleküler derinlik tahmini
MUHAMMED SELMAN ARTIRAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OSMAN SERDAR GEDİK
- Değişken bir yörünge üzerinde hız ve konum kontrolü
Speed and position controls on a variable trajectory
MAHİT GÜNEŞ
Doktora
Türkçe
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ.DR. FEVZİ BABA