Tez Arşivi

Tez aramanızı kolaylaştıracak arama motoru. Yazar, danışman, başlık ve özetlere göre tezleri arayabilirsiniz.


İstanbul Teknik Üniversitesi / Fen Bilimleri Enstitüsü

2004

2-B dikgen kafes süzgeç yapılarıyla görüntü bölütleme

Image segmentation using 2-D orthogonal lattice filter structures

Bu tez, YÖK tez merkezinde bulunmaktadır. Teze erişmek için tıklayın. Eğer tez bulunamazsa, YÖK Tez Merkezi'ndeki tarama bölümünde tez numarasını arayabilirsiniz. Tez numarası: 152137

Tezi Bul
Özet:

2-B DİKGEN KAFES SÜZGEÇ YAPILARIYLA GÖRÜNTÜ BÖLÜTLEME ÖZET Görüntü sınıflandırmanın ilk adımı genellikle görüntünün bölütlenmesidir. Bölütleme ile, görüntünün kendi içinde benzer özellik gösteren bölgeleri birbirinden ayrılır. Bölütlemenin en temel adımlarından biri, görüntünün içindeki homojen bölgeleri temsil eden özelliklerin, yani özniteliklerin elde edilmesidir. Doğru özniteliklerin tespiti, sımflandırma başanmım da artırır. Öznitelik çıkartmada pek çok yöntem bulunmaktadır. Bu yöntemler, istatistiksel ve dönüşüm tabanlı yöntemler olmak üzere ikiye ayrılır. Ayrık dalgacık dönüşümü, bölütleme uygulamalarında sıkça kullanılan dönüşüm tabanlı bir yöntemdir. 2-B kafes yapılar da dönüşüm işlemine dayanır ancak daha önce bu yapılardan sadece üç parametreli kafes yapısı doku görüntülerinin bölütlenmesinde kullanılmıştır. Üç parametreli kafes yapı, ilk 2-B kafes süzgeç uygulamasıdır ve çok basit bir yapıdır. Daha sonra pek çok 2-B kafes yapı geliştirilmiştir. Bu tezde, bölütlemede kullanılan öznitelikleri çıkartmak için 2-B dikgen kafes süzgeç yapılar önerilmiştir. Bu yapıların seçilme nedeni, çok gelişmiş ve dikgenlik özelliği sayesinde de çok sağlam yapılar olmalarıdır. Üç parametreli kafes yapı uygulamasında olduğu gibi, öznitelik vektörünün elemanları 2-B dikgen kafes yapıların yansıma katsayılarıdır.. Bu tezde, görüntü olarak, görüntü analizinde kullanılan başlıca görüntü çeşidi olan Brodatz doku görüntüleri ile tek spektral bantlı, siyah-beyaz bir optik görüntü kullanılmıştır. Optik görüntüler, 2-B kafes yapı uygulamalarında daha önce hiç denenmemiştir. Önerilen yöntemde, öngörü destek bölgesi olarak çeyrek düzlem modeli kullanılmış ve 1., 2. ve 3. dereceler için elde edilen sonuçlar, üç parametreli beş aşamalı kafes süzgeçler ve 2 seviyeli ayrık dalgacık dönüşümü ile elde edilen sonuçlarla karşılaştınlmıştır. Yapılan çalışmada, belirli boyutlardaki pencereler görüntü üzerinde kaydırılarak pencerenin her konumunda, tezde uygulanan üç yöntem kullanılarak o pencereye ait öznitelik vektörleri bulunmuştur. Sonra bu öznitelik vektörleri daha önce eğitim aşamasında hesaplanmış olan öznitelik vektörleriyle karşılaştırılarak sınıf karan verilmiştir. Karar verme adımında minimum uzaklık sınıflayıcısı kullanılmıştır. Önerilen yöntem, doku görüntülerinde diğer yöntemlerden çok daha iyi performans göstermiştir. Ayrıca eğitim aşaması, ayrık dalgacık dönüşümüne göre önemli derecede kısadır. Oluşan hatalar pencerelemeden dolayı özellikle sınıfların sınırlarında gerçekleşmiştir. Optik görüntüde ise, önerilen yöntem diğer 2-B kafes yapısı olan, üç parametreli kafes yapısından daha üstündür. Ancak bazı yönlerden ayrık dalgacık dönüşümünden daha düşük performans göstermiştir. Bunun sebepleri, görüntünün tek spektral bantlı olması ve sınıflar hakkındaki kesin bilgilerin eksik olmasıdır. Bu yüzden, doğru öznitelikler elde edilememiştir. ıxSonuç olarak, tezde önerilen 2-B dikgen kafes yapının görüntü bölütleme için kullanılabileceği görülmüştür. Önerilen yöntemin doku görüntülerinde daha iyi performans gösterebilmesi için pencerelemeden dolayı oluşan sınır hatalarını ortadan kaldıracak bir ön işlem yapılması doğru olacaktır. Optik görüntülerde daha doğru özniteliklerin elde edilebilmesi için ise çok bantlı ve kesin sınıf bilgilerine sahip olunan görüntülerle çalışılmalıdır.

Summary:

IMAGE SEGMENTATION USING 2-D ORTHOGONAL LATTICE FILTER STRUCTURES SUMMARY Usually, the first step in image classification is to segment the image. Through segmentation, an image is partitioned into uniform regions. One of the primary steps of segmentation is to determine the characteristics of the homogeneous regions in the image. These are the features. True features increase the performance of the classification procedure. There are several methods for feature extraction. These methods are divided into statistical and transform-based methods. Discrete wavelet transform is a transform- based method which is often used in segmentation applications. Although 2-D lattice structures are also transform-based methods, only the three-parameter lattice filter structure had been used for texture segmentation before. The three-parameter lattice filter structure is the first 2-D lattice structure to be developed and has a very simple structure. Many other 2-D lattice structures are developed afterwards. In this thesis, 2-D orthogonal lattice filter structures are proposed to extract the features used in segmentation. The reason, why these structures are chosen is their improved structure and their robustness which they owe to their property of orthogonality. The elements of the feature vector are the reflection coefficients of the 2-D orthogonal lattice filter structures as it was in the three-parameter lattice filter structure case. Images used in this thesis are Brodatz texture images which belong to the main image type used in image analysis and a monospectral, black-and-white optical image. Optical images have never been used in 2-D lattice structure applications before. In the proposed method, the quarter-plane model is applied as the prediction support region and results obtained for the 1st, 2nd and 3rd orders are compared with the results of the three-parameter five stages lattice filters and the two-level discrete wavelet transform. In this work, windows of certain sizes are run on the image and at each position of the window feature vectors are extracted with the three methods applied in the thesis. Then, these feature vectors are compared with those which had been calculated at the learning stage and the class decision is made. At the decision step, the minimum distance classifier is used. The proposed method has a much better performance than the other methods on texture images. Besides, it has a much shorter learning stage than the discrete wavelet transform. Errors occur especially on the borders of classes because of windowing. In the case of optical image, the proposed image is superior to the three- parameter lattice structure. However, it has a lower performance than the discrete XIwavelet transform in some respects. The reasons for that are the monospectral behavior of the image and the lack of exact information about the classes. Therefore, true features could not be obtained. As a result, it is realized that the proposed 2-D orthogonal lattice filter structure can be used for image segmentation. In order to get a better performance on texture images in the proposed method, a preprocessing method can be applied to remove the errors on borders which appear because of the windowing. In order to obtain true features in the optical image case, one has to work with images which are multispectral and allow getting exact information about their classes. xu