1 / 38

Sayısal Görüntü İşleme’de Özel Konular

Sayısal Görüntü İşleme’de Özel Konular. Konu: Feature Extraction Tarık TÜRK. Sunuş Planı. Feature Extraction Nedir? Hangi Uygulamalarda Kullanılır? Kenar Yakalama (Edge Detection) Nedir? Kenar Piksellerini Yakalama (Detecting Edge Pixels) Kenar Piksellerini Bağlama (Linking Edge Pixels)

ulema
Télécharger la présentation

Sayısal Görüntü İşleme’de Özel Konular

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sayısal Görüntü İşleme’de Özel Konular Konu: Feature Extraction Tarık TÜRK

  2. Sunuş Planı • Feature Extraction Nedir? • Hangi Uygulamalarda Kullanılır? • Kenar Yakalama (Edge Detection) Nedir? • Kenar Piksellerini Yakalama (Detecting Edge Pixels) • Kenar Piksellerini Bağlama (Linking Edge Pixels) • Laplacian of Gaussian (LoG) Kenar Operatörü • Çeşitli Örnek Uygulamalar • Feature Extraction Algoritması Örneği • Sonuçlar • Tartışma • Kaynaklar

  3. Feature Extraction • Kullanıldığı Alanlar: • Özelleştirilmiş belirli alanlarda kullanılır. • Güvenlik için oluşturulan insan yüzü ve parmak izi tanımlamalarında • Medical amaçlı gerçekleştirilen çalışmalarda • Daha genel bir kavramla, • Renk • Doku • Şekil • Segmentation gibi alanlarda da kullanılmaktadır.

  4. Feature Extraction • Feature Extraction her görüntü üzerine bağımsız olarak uygulanan monocular bir işlemdir. • Bir görüntüdeki farklı noktaların extract edilmesinin temeli yüksek varyansa sahip noktaların tanımlanmasına dayanır.

  5. Kenar Yakalama (Edge Detection) • Nesneleri tanımak için insan görme sisteminde nesnelerin fiziksel sınırları oldukça önemli bir role sahiptir. • Nesnelerin sınırları, bir görüntünün küçük bir kısmındaki gri düzeylerinde oldukça hızlı değişiklik göstermektedir. • Bu gri düzey fonksiyonunun süreksizliği genellikle kenar olarak ifade edilir.

  6. Kenar Yakalama (Edge Detection) • Nesnelerin sınırlarını belirlerken piksellerin yerel yoğunluk değişimlerinden sınırları ayırt etmek oldukça zor bir işlemdir. • Bu işlem şu adımlarla gerçekleştirilir. • Kenar Piksellerini Yakalama (Detecting Edge Pixels) • Kenar Piksellerini Bağlama (Linking Edge Pixels) • Kenarları Gruplama (Grouping Edges)

  7. Kenar Piksellerini Yakalama (Detecting Edge Pixels) • Bu işlem gri düzeylerdeki yerel süreksizliği belirleme işlemidir. • Bu işlemi şu soruların cevaplarıyla açıklayabiliriz. • İki komşu piksel arasındaki gri düzeylerinde ne büyüklükte fark olmalıdır (Threshold) • İki komşu piksel arasındaki gri düzeylerinde ne büyüklükte komşuluk olması gerekir (Spatial Extend)

  8. Kenar Piksellerini Bağlama (Linking Edge Pixels) • Kenar piksellerinin tanımlanması işlemidir. • Aynı zamanda bu işlem bir kenarın kesinleştirilmesi için yapılan etiketleme olarak da ifade edilebilir.

  9. Kenarları Gruplama (Grouping Edges) • Bu işlem; • Düz çizgi parçalarını, • Çoklu çizgileri, • Konikleri, • Paralel çizgileri tanımlama işlemidir. • Gruplanmış kenarlar, bu işlemin anlamlı olarak ifade edilmesi için temel unsurdur.

  10. Laplacian of Gaussian (LoG) Kenar Operatörü • LoG operatörü yumuşatma operatörleriyle birleştirilebilir. • Gürültü etkilerinin indirgenmesi için gereklidir.

  11. Kenar Yakalama (Edge Detection) • Kenar yakalama işleminde, bir kenarı oluşturan pikselleri siyah, diğer pikselleri beyaz olarak ayırdığımızı düşünelim. • Bu binary görüntüyü ekranda görüntülersek tüm kenarları açık bir şekilde görebiliriz. • Ancak komşu kenarlar arasındaki bağlantıları kesin olarak tanımlayamayız. ???Örnek??? • Bu durum yükseklik eğrilerinin gösterilmesinde uygun değildir.

  12. Kenar Yakalama (Edge Detection) • Görüntü üzerindeki kenarlarda parlaklık farkları olabilir. • Bu farklarda ani değişim olabilir (“sharp” edge) ya da genişletilmiş bir alan üzerinde meydana gelebilir (“smooth” edge). • İdeal olarak, bir kenar operatörü keskin ve yumuşatılmış kenarları yakalama yeteneğine sahip olması gerekir.

  13. Hangi Uygulamalarda Kullanılır? • Savunma • Yerel Yönetim • Ulaşım • Telekominikasyon • Çevresel Uygulamar • Ormancılık • Tarımsal Uygulamalar • Madencilik Uygulamaları • Petrol Boru Hatları • Deniz Kıyılarının Çıkarılması

  14. Görüntü Yükle Görüntüyü GRIDE’e Dönüştür Yeniden Örnekleme (Resampling) Threshold GRID’i Kenara Dönüştür Bitir Örnek Feature Extraction Algoritmasındaki İşlem Adımları

  15. Sonuçlar • Feature Extraction işlemi oldukça geniş bir alanda kullanılmaktadır. • Feature Extraction görüntü analizi ve görüntüyü yorumlamaya yardımcı olur. • GIS ancak güncel bilgilerle yaşatılabilir. Güncel bilgilere hızlı bir şekilde ulaşmada Feature Extraction önemli bir rol üstlenir. ??Örnek??

  16. Tartışma • Classification • Pattern Recognition • Image Segmentation • Image Enhancement • Image Restoration Yukarıda bahsettiğimiz konularından hangileri Feature Extraction ile alakalıdır diyebiliriz ya da hangilerine diyemeyiz. Nedenleri Nelerdir? Örnek?

  17. Kaynaklar • Image & Audio indexing and Retrieval Yunfang Zhang, Hua Ma • Digital Photogrammetry, Toni Schenk • Assisted Feature Extraction Software for GIS Database Maintenance, A Visual Learning Systems, Inc. White Paper • Extraction of buildings and trees in urban environments,Norbert Haala, Claus Brenner

More Related