Yazar "Öztürk, Şaban" seçeneğine göre listele

Listeleniyor 1 - 7 / 7
  • Küçük Resim Yok
    Öğe
    Application of Feature Extraction and Classification Methods for Histopathological Image using GLCM, LBP, LBGLCM, GLRLM and SFTA
    (Elsevier B.V., 2018) Öztürk, Şaban; Akdemir, Bayram
    Classification of histopathologic images and identification of cancerous areas is quite challenging due to image background complexity and resolution. The difference between normal tissue and cancerous tissue is very small in some cases. So, the features of the tissue patches in the image have key importance for automatic classification. Using only one feature or using a few features leads to poor classification results because of the small difference between the textures. In this study, the classification results are compared using different feature extraction algorithms that can extract various features from histopathological image texture. For this study, GLCM, LBP, LBGLCM, GLRLM and SFTA algorithms which are successful feature extraction algorithms have been chosen. The features obtained from these methods are classified with SVM, KNN, LDA and Boosted Tree classifiers. The most successful feature extraction algorithm for histopathological images is determined and the most successful classification algorithm is determined. © 2018 The Authors. Published by Elsevier Ltd.
  • Küçük Resim Yok
    Öğe
    Automatic leaf segmentation using grey Wolf optimizer based neural network
    (Institute of Electrical and Electronics Engineers Inc., 2017) Öztürk, Şaban; Akdemir, Bayram
    This study proposes a hybrid neural network model for the segmentation of leaf images with various illumination conditions. Segmentation of images with different illumination conditions is a quite challenging process. In particular, the shadows and dark regions in the image can be quite misleading for traditional segmentation algorithms. Using a single feature or reviewing them in a single colour space may work for some images, but this approach does not work on the entire dataset that have different colour. For this reason, automatic segmentation method is proposed in this study by using components from four different colour spaces. Firstly, the image is converted into RGB, HSV, XYZ and YIQ channels. Then, B, S, Z and I components are used to train hybrid neural network. Grey wolf optimizer is used for neural network optimization. The segmentation results of proposed method are compared with the well-known segmentation algorithms and are more successful. The results of proposed method are that sensitivity is 99.66 %, specificity is 98.42 % and accuracy is 99.31 %. © 2017 IEEE.
  • Küçük Resim
    Öğe
    Cam üretim hatalarının görüntü işleme tabanlı bulunması
    (Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2015-07-07) Öztürk, Şaban; Akdemir, Bayram
    Günümüzde artan dünya nüfusu ile birlikte tüketim ihtiyacı da oldukça fazlalaşmıştır. Oluşan bu yoğun ürün taleplerini karşılamak için üreticiler hızlı ve etkin bir şekilde kaliteyi düşürmeden ürün sayısını artırmanın yollarını aramaya başlamışlardır. Bu arayış hemen hemen tüm üretim sistemlerinde makineleşme ile sonlanmış ve sistemler otonom halde tasarlanmaya başlanmıştır. Çalışmanın temel amacı renksiz halde olan düz ve buzlu camların hatalarının tespit edilerek ürün güvenirliğini artırmaktır. Cam hayatımızın pek çok safhasında kullandığımız aynadan cam sektörüne, şişeden kozmetik sektörüne kadar yaygın bir tüketim malzemesidir. Aynı zamanda sağlıklı bir saklama aracı olarak kabul edilen camın günümüzde yoğun bir tüketim talebi mevcuttur. Bu çalışmada düz camların ve buzlu camların üretim sırasında içlerinde oluşan hava kabarcıklarının ve üzerlerinde oluşan çizik ve çatlak gibi hasarlarının tespit edilerek oluşabilecek olumsuzlukların önüne geçilmesi hedeflenmektedir. Çalışmanın temel hedeflerinden bir tanesi de tozdan ve kirden bağımsız bir hata arama modelinin oluşturulmasıdır. Cam saydamlık ve yansıtma gibi özelliklere sahip olduğundan dolayı yüzeyinin incelenmesi oldukça zor bir malzemedir. Bu işlem insan gözü tarafından yapıldığında oldukça zorlayıcı olmaktadır. Zamanla yorulan ve bazı hataları fark edemeyen insan gözü bu işlem için yetersiz kalmaktadır. Özellikle hız arttığında insan gözü ile yapılan kontrollerde hata oranı da artmaktadır. Bunun için cam gibi analizi zor yüzeylerde makine görme sistemleri hem daha hızlı hem de daha doğru sonuçlar elde edebilmektedir. Maalesef ki; cam yüzey analizi için makine görmesi ile yapılmasının da zorlayıcı tarafları olduğu açıktır. Özellikle camın renksiz oluşu ve karşıdan bakan makine gözü için ayna gibi davranması en büyük handikaplardandır. Çalışmada önerilen sistem, beklentilerle çok pahalı sistemler arasında optimum bir çözüm önerisi sunmaktadır. Geliştirilen sistem iki temel kısımdan oluşmaktadır. Bunlardan ilki ışıklandırma sistemidir. Bu kısım dış ortamdan yalıtılmış ve belirli açılara ve lümen değerlerine sahip LED'ler ile oluşturulmuştur. Cam bu bölüme geldiğinde kenar bölgelere yerleştirilmiş sistem sayesinde ışık ışınları camın içerisine enjekte olmaktadır. Snell kırılma yasaları dikkate alındığında bu ışık ışınları sayesinde ölçüm tozdan ve kirden bağımsız hale gelmektedir. Çalışmanın ikinci kısmı ise görüntünün uygun biçimde alınarak işlenmesidir. Bu kısımda alınan görüntülerin yüzey özellikleri incelenmektedir. İncelenen görüntülerde hataların olduğu kısımlarda sert geçişler olmaktadır. Bu sebepten dolayı birden fazla algoritma denenmiş ve bu çalışma için en başarılı olan algoritma belirlenmiştir. Denenen algoritmalar Gabor Filtresi, Dalgacık Dönüşümü, kenar belirleme algoritmaları ve hücresel sinir ağlarıdır. Görüntü özellikleri çıkarma işleminden önce ise görüntünün uygunlaştırılması için görüntüde iyileştirmeler yapılmıştır. Bunlar cam üzerindeki ortam yansımalarının görüntüden çıkarılması, arka plan gürültülerinin çıkarılması ve kamera yansımasının görüntüden çıkarılması gibi işlemlerdir. Bu çalışmada yüzeylerinde farklı problemler bulunan 11 adet cam ile denemeler yapılmıştır. 2 adet hasarsız sağlam cam ve üzerinde üretim sırasında oluşmuş çizikler, üretim sırasında oluşmuş cam içi baloncuklar, sonradan oluşturulan çizikler, çatlaklar, kırıklar bulunan 9 adet hasarlı cam incelenmiştir. Değerlendirme sonuçlarının kullanıcıya aktarılabilmesi için ayrıca bir bilgisayar ara yüzü tasarlanmıştır. Tasarlanan ara yüz ile kullanıcıya cam yüzeyi ile ilgili bilgiler, cam yüzeyinde bulunan hataların sayısı, bulunan hataların boyutları ile ilgili bilgiler sunulmaktadır.
  • Küçük Resim Yok
    Öğe
    Detection of PCB Soldering Defects using Template Based Image Processing Method
    (2017) Öztürk, Şaban; Akdemir, Bayram
    In this study, a predefined template-based image processing system is proposed to automatically detect of PCB soldering defects that negatively affect circuit operation. The proposed system consists of a scaled inspection structure, a camera, an image processing algorithm merged with Fuzzy and template guided inspection process. The prototype is produced using a plastic material, depending on the focal length of the camera and the PCB size. Image processing step comprises two steps. Firstly, solder joints are determined and boxed using Fuzzy C-means clustering algorithm. Then, the center of each joint is determined. In the next step, a joint template is created that contains solder joints information. This joint template contains information about the joints that includes possible touching odds to other joints. Template accelerates the algorithm diverting to closest joint that may include defect. Finally, each joint is only inspected regarding template guide that based on neighbor joints. Proposed method includes a scaled inspection structure related to focal length of camera. During the every query, PCB must be located same coordinates via mechanical guiding on the structure to obtain same picture. Thus, taken picture could be same every trying. The proposed method is executed 85 times on same sample PCB in case of any fake output error. In order to obtain commercial success, mechanical structure was improved and for inspected PCB success was obtained 100%
  • Küçük Resim Yok
    Öğe
    Effects of Histopathological Image Pre-processing on Convolutional Neural Networks
    (Elsevier B.V., 2018) Öztürk, Şaban; Akdemir, Bayram
    In this study, classification performance of histopathological images which are processed by pre-processing algorithms using convolutional neural network structure is examined. The images are divided into four different pre-processing classes with their original state and processed with three different techniques. These classes are; original, normal pre-processing, other normal pre-processing and over pre-processing. Histopathological images of these four classes include cancerous and non-cancerous image patches. For these image classes, cancer patch classification is done using the same convolutional neural network structure. In this view, pre-processing effects on the classification success of the convolutional neural network is examined. For the normal pre-processing algorithm, background noise reduction and cell enhancement are applied. For over pre-processing, thresholding and morphological operations are applied in addition to normal preprocessing operations. At the end of the experiments, the most successful classification results are produced with the normal pre-processing algorithms. This is why the meaningful features of the image are left for the CNN structure that automatically learns the feature. The over pre-processing algorithm removes most of these important features from the image. © 2018 The Authors. Published by Elsevier Ltd.
  • Küçük Resim
    Öğe
    Fused Deep Features Based Classıfıcatıon Framework For Covıd-19 Classıfıcatıon Wıth Optımızed Mlp
    (Selçuk Üniversitesi Mühendislik Fakültesi, 2020) Öztürk, Şaban; Yi̇ği̇t, Enes; Özkaya, Umut
    The new type of Coronavirus disease called COVID-19 continues to spread quite rapidly. Although it shows some specific symptoms, this disease, which can show different symptoms in almost every individual, has caused hundreds of thousands of patients to die. Although healthcare professionals work hard to prevent further loss of life, the rate of disease spread is very high. For this reason, the help of computer aided diagnosis (CAD) and artificial intelligence (AI) algorithms is vital. In this study, a method based on optimization of convolutional neural network (CNN) architecture, which is the most effective image analysis method of today, is proposed to fulfill the mentioned COVID-19 detection needs. First, COVID-19 images are trained using ResNet-50 and VGG-16 architectures. Then, features in the last layer of these two architectures are combined with feature fusion. These new image features matrices obtained with feature fusion are classified for COVID detection. A multi-layer perceptron (MLP) structure optimized by the whale optimization algorithm is used for the classification process. The obtained results show that the performance of the proposed framework is almost 4.5% higher than VGG-16 performance and almost 3.5% higher than ResNet-50 performance.
  • Küçük Resim
    Öğe
    HIC-net: A deep convolutional neural network model for classification of histopathological breast images
    (PERGAMON-ELSEVIER SCIENCE LTD, 2019) Öztürk, Şaban; Akdemir, Bayram
    In this study, a convolutional neural network (CNN) model is presented to automatically identify cancerous areas on whole-slide histopathological images (WSI). The proposed WSI classification network (HIC-net) architecture performs window-based classification by dividing the WSI into a certain plane. In our method, an effective pre-processing step has been added for WSI for better predictability of image parts and faster training. A large dataset containing 30,656 images is used for the evaluation of the HIC-net algorithm. Of these images, 23,040 are used for training, 2560 are used for validation and 5056 are used for testing. HIC-net has more successful results than other state-of-art CNN algorithms with AUC score of 97.7%. If we evaluate the classification results of HIC-net using softmax function, HIC-net success rates have 96.71% sensitivity, 95.7% specificity, 96.21% accuracy, and are more successful than other state-of-the-art techniques which are used in cancer research. (C) 2019 Elsevier Ltd. All rights reserved.