Sayısal görüntü işlemede paralel bölütleme
| dc.contributor.advisor | Özbay, Yüksel | |
| dc.contributor.author | Pektatlı, Yasemin | |
| dc.date.accessioned | 2015-03-23T12:02:55Z | |
| dc.date.available | 2015-03-23T12:02:55Z | |
| dc.date.issued | 2011-09-09 | |
| dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Elektrik Elektronik Mühendisliği Ana Bilim Dalı | en_US |
| dc.description.abstract | Bölütleme, görüntü işlemede ilk ve en önemli adımdır. Bölütlemede hatanın yüksek olması özellikle biyomedikal görüntülerde, daha sonraki görüntü işleme aşamalarını da etkileyecektir. Bu nedenle bölütlemenin en az hata ile yapılması çok önemlidir. Bu tez çalışmasında, farklı görüntü bölütleme (segmentasyon) metotlarının paralel hesaplama mantığı ile birlikte değerlendirilmesi sonucu daha hızlı yeni bir bölütleme sistemi tasarlanmıştır. Tasarlanan sistem ile bölütleme gerçekleştirilecek görüntü, paralel hesaplama sayesinde dört metotla aynı anda işlenmektedir. Paralel hesaplama kullanımı görüntü işlemede veri boyutu nedeniyle en önemli sorun olan sürenin kısaltılmasını sağlar. Paralel hesaplama mantığı kullanılarak daha kısa sürede birden fazla algoritma bölütleme için çalıştırılmış ve işletilen karar mekanizması ile en iyisi kullanıcıya görsel olarak sunulmuştur. Ayrıca literatürde yer alan mevcut metotlar ile görüntülerin bölütlenmesinde elde edilen hata değerlerinin de indirgenmesi hedeflenmiştir. Bu çalışmada görüntülerin bölütlenmesinde morfolojik bölütleme teknikleri, yapay sinir ağları, bulanık c-ortalamalar kümeleme algoritması ve hücresel sinir ağları kullanılmıştır. Tez çalışmasında, hem sağlıklı hem de hastalıklı akciğer bölgesi görüntüleri üzerinde bölütleme gerçekleştirilmiştir. Elde edilen sonuçlar incelendiğinde, doğru bulunan piksel değerleri bakımından hücresel sinir ağı yapısı en başarılı olarak bulunmuştur. Hücresel sinir ağı 10 sağlıklı görüntü verisinin 9' unda en yüksek piksel doğruluğunu vererek % 90 başarı göstermiştir. 20 hastalıklı akciğer görüntüsünde 12 tanesinde yine en yüksek doğruluk hücresel sinir ağı ile elde edilmiştir. Hastalıklı görüntülerde de hücresel sinir ağı ile diğer metotlara göre % 60 başarı sağlanmıştır. Ayrıca tez çalışmasında paralel hesaplama kullanılarak dört algoritma ile 30 görüntü verisinin bölütlenmesinde % 67.25 süre kazancı sağlanmıştır. | en_US |
| dc.description.abstract | Segmentation is the first and most important step in image processing. Especially in biomedical images, being ofhigh error affects latter phase of image processing. For this reason, making of segmentation with less error is very important. In this thesis study, a new segmentation system is designed as fast as a result of evaluation different image segmentation techniques together by using parallel computing. By means of parallel computing, image to be segmented is processed with four segmentation methods at same time using designed system. Using of parallel computing is providen to decrease time that is the most important problem because of data size. Using parallel computing, algorithms that its number is more than one in less time were executed and the best algorithm was presented to user as visually and digitally. It is aimed that the error value obtained by the existing methods in the literature is reduced to minimization using this new system during the segmentation of images. In this study, morphological segmentation techniques, artificial neural network, fuzzy c-means and cellular neural network were used in segmentation of images. In thesis study, segmentation was implemented on both healthy and unhealthy lung region images. When the obtained results were investigated, cellular neural network was founded as the most successful method according to pixel values found as true. Cellular neural network structure represented 90% successful by giving high pixel accuracy in 9 images of 10 images. Again, the highest accuracy was obtained using cellular neural network in 12 images of 20 images. In unhealthy images, 60% successful was provided in unhealthy images with cellular neural network. However, in thesis study, using parallel computing, 67.25 % time gain was obtained in segmentation of one images by four algorithms. | en_US |
| dc.identifier.citation | Pektatlı, Y. (2011). Sayısal görüntü işlemede paralel bölütleme. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/1849 | |
| dc.language.iso | tr | en_US |
| dc.publisher | Selçuk Üniversitesi Fen Bilimleri Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.selcuk | 20240510_oaig | en_US |
| dc.subject | Bölütleme | en_US |
| dc.subject | Paralel hesaplama | en_US |
| dc.subject | Yapay sinir ağları | en_US |
| dc.subject | Bulanık c-ortalamalar kümeleme algoritması | en_US |
| dc.subject | Hücresel sinir ağları | en_US |
| dc.subject | Morfolojik bölütleme teknikleri | en_US |
| dc.subject | Akciğer görüntüsü | en_US |
| dc.subject | Bilgisayarlı tomografi | en_US |
| dc.subject | Segmentation | en_US |
| dc.subject | Paralel computing | en_US |
| dc.subject | Artificial neural networks | en_US |
| dc.subject | Fuzzy c-means clustering algorithm | en_US |
| dc.subject | Cellular neural network | en_US |
| dc.subject | Morphological segmentation techniques | en_US |
| dc.subject | Lung image | en_US |
| dc.subject | Computed tomography | en_US |
| dc.title | Sayısal görüntü işlemede paralel bölütleme | en_US |
| dc.title.alternative | Parallel segmentation in digital image processing | en_US |
| dc.type | Master Thesis | en_US |
