Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Öğrenci: AHMET SELİM KAHRAMAN
Danışman: RECEP DEMİRCİ
Özet:Görüntü sınıflandırma veya ayrıştırma bir görüntünün kendisini oluşturan alt küme veya nesne bileşenlerine ayrılması olup, görüntü analizi ve örüntü tanıma işlemlerindeki en önemli adımlardan birisini teşkil eder. Ayrıştırma işleminin temel amacı görüntü üzerinde farklı konumlardaki pikselleri gruplandırarak anlamlı ve yararlı bilgi elde etmektir. Günümüzde görüntü ayrıştırma alanında birçok çalışma bulunmakla birlikte, bu alanda yer etmiş standart bir algoritma veya çözüm bulunmamaktadır. Görüntü sınıflandırmaya yönelik çalışmalarda hedefe ulaşmak adına günümüze kadar geliştirilen yöntemler kümeleme ve eşikleme esaslı olmuştur. Kümeleme yöntemleri güçlü yaklaşımlar olmasına rağmen hesapsal maliyeti görüntü boyutuna bağlıdır. Dolayısıyla gerçek zamanlı görüntü işleme uygulamalarında yetersiz kalmaktadır. Ayrıca iteratif yapıları ciddi bir dezavantaj oluşturmaktadır. Eşikleme metotları ise görüntü ayrıştırma konusunda tercih edilen yaklaşımlardan bir diğeridir. Otsu ve Kapur yöntemleri bu alanda sıklıkla faydalanılan iki çözümdür. Söz konusu yöntemler gri ölçekli görüntülerde sonuç verirken, renkli görüntülerde yetersiz kalmaktadır. İlave olarak eşik sayısı arttıkça hesaplama maliyeti de artmaktadır. Bu çalışmada renkli görüntülerin çok seviyeli eşiklemesine dayalı yeni bir yöntem önerilmiştir. İlk olarak renkli görüntülerin her bir kanalının histogramının hesaplanmasının ardından yapay arı koloni algoritması ile eşik değerleri bulunmuştur. Akabinde elde edilen eşik değerleri ile renk uzayı bölümlenmiştir. Bu sayede elde edilen küpler içerisinde kalan pikseller aynı sınıfa atanmış ve sınıflandırma yapılmıştır