Yazar "Sağlam, Ali" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    Fast K-means color image clustering with normalized distance values
    (Selçuk Üniversitesi Mühendislik Fakültesi, 2018) Baykan, Nurdan Akhan; Sağlam, Ali
    Image segmentation is an intermediate image processing stage in which the pixels of the image are grouped into clusters such that the data resulted from this stage is more meaningful for the next stage. Many clustering methods are used widely to segment the images. For this purpose, most clustering methods use the features of the image pixels. While some clustering method consider the local features of images by taking into account the neighborhood system of the pixels, some consider the global features of images. The algorithm of the K-means clustering method, that is easy to understand and simple to put into practice, performs by considering the global features of the entire image. In this algorithm, the number of cluster is given by users initially as an input value. For the segmentation process, if the distribution of the pixels over a histogram is used, the algorithm runs faster. The values in the histogram must be discrete in a certain range. In this paper, we use the Euclidean distance between the color values of the pixels and the mean color values of the entire image for taking advantage of the every color values of the pixels. To obtain a histogram that consists of discrete values, we normalize the distance value in a specific range and round the values to the nearest integers for discretization. We tested the versions of K-means with the gray-level histogram and the distance value histogram on an urban image dataset getting from ISPRS WG III/4 2D Semantic Labeling dataset. Comparing the two histograms, the distance value histogram proposed in this paper is better than the gray-level histogram
  • Küçük Resim
    Öğe
    Minimum yayılan ağaç tabanlı sıralı görüntü bölütleme
    (Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2016-02-01) Sağlam, Ali; Baykan, Nurdan
    Bir görüntüyü belirli açılardan benzer piksellerden oluşan bölümlere (bölütlere) ayıran görüntü bölütleme (segmentasyon) işlemi görüntü işleme uygulamaları için çok önemli bir aşamadır. Görüntü bölütleme işlemi için birçok yöntem önerilmiştir. Graf tabanlı görüntü bölütleme de bu yöntemlerden birisidir. Temsil gücü ve kullanım kolaylı gibi avantajlarından dolayı graflar birçok görüntü işleme çalışmasında önemli araçlar olarak sıklıkla kullanılmaktadır. Görüntü bölütleme ile veri kümeleme konuları birbirleriyle daima bağlantılı olmuşlardır. Birçok graf tabanlı görüntü bölütleme ve graf tabanlı veri kümeleme yöntemi içerisinde minimum yayılan ağaç (MYA) tabanlı yaklaşımlar, işlem kolaylığı ve düşük hesaplama karmaşıklığından dolayı kritik bir rol oynamaktadırlar. Bu tez çalışmasında, ilk olarak, daha önceden literatürde sunulmuş bir algoritma olan, Prim'ın sıralı MYA temsili ile kümeleme algoritması görüntü bölütleme amacıyla gerçek görüntüler üzerinde uygulanmıştır. Bu algoritma ile bir veri kümesinin Prim algoritması ile çıkarılmış bütün bir MYA yapısının sıralı temsili taranmaktadır. Tarama sırasında MYA yapısı üzerindeki, hat kesme kriterini karşılayan uyumsuz hatlar belirlenerek ağaçtan çıkarılmakta (kesilmekte) ve bölütleme işlemi gerçekleşmektedir. Tez kapsamında ayrıca bu sıralı kümeleme algoritmasından geliştirilen bir metot önerilmiştir. Önerilen metoda göre, belirlenen uyumsuz hat kesildiği zaman oluşacak alt ağaçlar gürültü özelliğine sahip olacaksa bu hat kesilmemektedir. Böylece, algoritmanın sonunda ortaya çıkan bölütleme çıktısı, işlem sonrasında ortaya çıkabilecek ve gürültü olarak tanımlanabilecek istenmeyen küçük parçacıkları yok etmek için herhangi bir ek işleme gerek duymamaktadır. Uyumsuz hatların belirlenmesi için, uyarlanan sıralı kümeleme algoritmasında kullanılan kesme kriteri yerine, literatürden de faydalanılarak daha iyi sonuç veren ve farklı görüntü özelliklerine göre uyarlanabilen yeni bir karşılaştırma kriteri de tez kapsamında sunulmuştur. Son olarak önerilen metot gerçek görüntülerden oluşan veri setleri üzerinde test edilmiştir. Elde edilen sonuçlara göre, önerilen metot düşük işlem süresi ile en popüler görüntü bölütleme metotları ile doğruluk oranı açısından rekabet edebilecek düzeyde sonuçlar vermiştir. Test sonuçları görsel, grafiksel ve sayısal olarak tezin son bölümünde sunulmuştur.