Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: MAHMUT KILIÇASLAN
Danışman: RECEP DEMİRCİ
Özet:Renk, doku veya şekil bilgilerinden faydalanılarak veri tabanında istenilen görüntüye ulaşma süreci içerik tabanlı görüntü erişimi (İTGE) olarak tanımlanır. İlgili sistemlerde görüntülerin benzerliklerinin değerlendirilmesi piksel seviyesinde değil, görüntüleri temsil eden özellik vektörleri aracılığıyla gerçekleştirilmektedir. Böylece özellik vektörleri farklı boyutlardaki görüntülerin karşılaştırılmalarına olanak sağlamaktadır. Bu nedenle sayısal görüntülerin vektörler ile temsil edilmesi içerik tabanlı görüntü erişiminin (İTGE) en önemli aşamasıdır. Gri ölçekli görüntülerin histogramları en tipik özellik vektörleridir. Diğer taraftan renkli görüntüyü temsil edebilecek histogram üç boyutlu bir dizi oluşturur ki bu durum sistemin hesapsal maliyetini oldukça artırmaktadır. Bundan dolayı araştırmacılar renkli görüntülerdeki renk sayılarını azaltmayı başka bir ifadeyle renk indirgeme yaklaşımını önermişlerdir. Diğer taraftan vektör kuantalama olarak bilinen renk indirgeme sürecinde ise her zaman aynı sonucu üretmek mümkün olmamıştır. Bunun nedeni ise önerilen algoritmaların başlangıçta rastgele üretilen renk vektörleri ile çözüm aramalarıdır. K-ortalamalar, Linde-Buzo-Gray (LBG) ve bulanık c-ortalamalar gibi algoritmalar bu tür çözüm yaklaşımlarına tipik örneklerdir. Bu çalışmada yeni bir İTGE sistemi geliştirilmiştir. Önerilen stratejide öncelikle tekrarlı ortalama veya histogramın ağırlık merkezi (HAM), Otsu ve Kapur yöntemleri ile çok seviyeli eşikler elde edilmiştir. Elde edilen eşikler kullanılarak RGB renk uzayı alt prizmalar şeklinde dilimlenmiştir. Oluşan alt prizmaların içinde kalan pikseller aynı sınıfa atanmış ve ilgili sınıftaki piksellerin ortalamaları kullanılarak renk indirgemesi yapılmıştır. Sınıf indisleri ve ilgili sınıflara tahsis edilen piksel sayıları yardımıyla renkli görüntüleri temsil eden sınıf tabanlı tek boyutlu histogramlar elde edilmiştir. Son aşamada ise renkli görüntüler için üretilen tek boyutlu histogramlar özellik vektörü olarak kullanılmış ve içerik tabanlı görüntü erişimi gerçekleştirilmiştir. Önerilen algoritma ve LBG algoritması Corel1K (Wang) veri tabanında test edilmiş ve karşılaştırmalar yapılmıştır. Geliştirilen algoritmada renkli görüntüleri 8, 27 veya 64 renge indirmek mümkün olmuştur. Renk sayısı aynı zamanda özellik vektörünün eleman sayısını temsil etmektedir. 64 renkli HAM yöntemi geleneksel LBG yaklaşımından %22 daha başarılı olmuştur. Ayrıca Otsu ve Kapur tabanlı İTGE sistemi ise LBG tabanlı İTGE yaklaşımlarından %18 daha doğru sonuçlar üretmiştir.