Sayısal Görüntü İşleme’de Özel Konular
description
Transcript of Sayısal Görüntü İşleme’de Özel Konular
Sayısal Görüntü Sayısal Görüntü İşleme’de Özel Konularİşleme’de Özel Konular
Konu: Feature ExtractionKonu: Feature ExtractionTarık TÜRKTarık TÜRK
Sunuş PlanıSunuş Planı► Feature Extraction Nedir?Feature Extraction Nedir?
Hangi Uygulamalarda Kullanılır?Hangi Uygulamalarda Kullanılır?► Kenar Yakalama (Edge Detection) Nedir?Kenar Yakalama (Edge Detection) Nedir?
Kenar Piksellerini Yakalama (Detecting Edge Pixels)Kenar Piksellerini Yakalama (Detecting Edge Pixels) Kenar Piksellerini Bağlama (Linking Edge Pixels)Kenar Piksellerini Bağlama (Linking Edge Pixels) Laplacian of Gaussian (LoG) Kenar OperatörüLaplacian of Gaussian (LoG) Kenar Operatörü
► Çeşitli Örnek UygulamalarÇeşitli Örnek Uygulamalar► Feature Extraction Algoritması ÖrneğiFeature Extraction Algoritması Örneği► SonuçlarSonuçlar► TartışmaTartışma► KaynaklarKaynaklar
Feature ExtractionFeature Extraction►Kullanıldığı Alanlar:Kullanıldığı Alanlar:
Özelleştirilmiş belirli alanlarda kullanılır.Özelleştirilmiş belirli alanlarda kullanılır.►Güvenlik için oluşturulan insan yüzü ve parmak Güvenlik için oluşturulan insan yüzü ve parmak
izi tanımlamalarındaizi tanımlamalarında►Medical amaçlı gerçekleştirilen çalışmalardaMedical amaçlı gerçekleştirilen çalışmalarda
Daha genel bir kavramla,Daha genel bir kavramla,►RenkRenk►DokuDoku►ŞekilŞekil►Segmentation gibi alanlarda da Segmentation gibi alanlarda da
kullanılmaktadır.kullanılmaktadır.
Feature ExtractionFeature Extraction►Feature Extraction her görüntü üzerine Feature Extraction her görüntü üzerine
bağımsız olarak uygulanan monocular bağımsız olarak uygulanan monocular bir işlemdir.bir işlemdir.
►Bir görüntüdeki farklı noktaların Bir görüntüdeki farklı noktaların extract edilmesinin temeli yüksek extract edilmesinin temeli yüksek varyansa sahip noktaların varyansa sahip noktaların tanımlanmasına dayanır.tanımlanmasına dayanır.
Kenar Yakalama (Edge Kenar Yakalama (Edge Detection)Detection)
►Nesneleri tanımak için insan görme Nesneleri tanımak için insan görme sisteminde nesnelerin fiziksel sınırları sisteminde nesnelerin fiziksel sınırları oldukça önemli bir role sahiptir.oldukça önemli bir role sahiptir.
►Nesnelerin sınırları, bir görüntünün Nesnelerin sınırları, bir görüntünün küçük bir kısmındaki gri düzeylerinde küçük bir kısmındaki gri düzeylerinde oldukça hızlı değişiklik göstermektedir.oldukça hızlı değişiklik göstermektedir.
►Bu gri düzey fonksiyonunun süreksizliği Bu gri düzey fonksiyonunun süreksizliği genellikle kenar olarak ifade edilir.genellikle kenar olarak ifade edilir.
Kenar Yakalama (Edge Kenar Yakalama (Edge Detection)Detection)
►Nesnelerin sınırlarını belirlerken piksellerin Nesnelerin sınırlarını belirlerken piksellerin yerel yoğunluk değişimlerinden sınırları yerel yoğunluk değişimlerinden sınırları ayırt etmek oldukça zor bir işlemdir.ayırt etmek oldukça zor bir işlemdir.
►Bu işlem şu adımlarla gerçekleştirilir.Bu işlem şu adımlarla gerçekleştirilir. Kenar Piksellerini Yakalama (Detecting Edge Kenar Piksellerini Yakalama (Detecting Edge
Pixels)Pixels) Kenar Piksellerini Bağlama (Linking Edge Kenar Piksellerini Bağlama (Linking Edge
Pixels)Pixels) Kenarları Gruplama (Grouping Edges)Kenarları Gruplama (Grouping Edges)
Kenar Piksellerini Yakalama Kenar Piksellerini Yakalama (Detecting Edge Pixels)(Detecting Edge Pixels)
►Bu işlem gri düzeylerdeki yerel Bu işlem gri düzeylerdeki yerel süreksizliği belirleme işlemidir.süreksizliği belirleme işlemidir.
►Bu işlemi şu soruların cevaplarıyla Bu işlemi şu soruların cevaplarıyla açıklayabiliriz.açıklayabiliriz. İki komşu piksel arasındaki gri düzeylerinde İki komşu piksel arasındaki gri düzeylerinde
ne büyüklükte fark olmalıdır (Threshold)ne büyüklükte fark olmalıdır (Threshold) İki komşu piksel arasındaki gri düzeylerinde İki komşu piksel arasındaki gri düzeylerinde
ne büyüklükte komşuluk olması gerekir ne büyüklükte komşuluk olması gerekir (Spatial Extend)(Spatial Extend)
Kenar Piksellerini Bağlama Kenar Piksellerini Bağlama (Linking Edge Pixels)(Linking Edge Pixels)
►Kenar piksellerinin tanımlanması Kenar piksellerinin tanımlanması işlemidir.işlemidir.
►Aynı zamanda bu işlem bir kenarın Aynı zamanda bu işlem bir kenarın kesinleştirilmesi için yapılan kesinleştirilmesi için yapılan etiketleme olarak da ifade edilebilir.etiketleme olarak da ifade edilebilir.
Kenarları Gruplama (Grouping Kenarları Gruplama (Grouping Edges)Edges)
►Bu işlem;Bu işlem; Düz çizgi parçalarını,Düz çizgi parçalarını, Çoklu çizgileri,Çoklu çizgileri, Konikleri,Konikleri, Paralel çizgileri tanımlama işlemidir.Paralel çizgileri tanımlama işlemidir.
►Gruplanmış kenarlar, bu işlemin Gruplanmış kenarlar, bu işlemin anlamlı olarak ifade edilmesi için temel anlamlı olarak ifade edilmesi için temel unsurdur.unsurdur.
Laplacian of Gaussian (LoG) Laplacian of Gaussian (LoG) Kenar OperatörüKenar Operatörü
►LoG operatörü yumuşatma LoG operatörü yumuşatma operatörleriyle birleştirilebilir.operatörleriyle birleştirilebilir.
►Gürültü etkilerinin indirgenmesi için Gürültü etkilerinin indirgenmesi için gereklidir. gereklidir.
Kenar Yakalama (Edge Kenar Yakalama (Edge Detection)Detection)
►Kenar yakalama işleminde, bir kenarı Kenar yakalama işleminde, bir kenarı oluşturan pikselleri siyah, diğer pikselleri oluşturan pikselleri siyah, diğer pikselleri beyaz olarak ayırdığımızı düşünelim.beyaz olarak ayırdığımızı düşünelim. Bu binary görüntüyü ekranda görüntülersek Bu binary görüntüyü ekranda görüntülersek
tüm kenarları açık bir şekilde görebiliriz.tüm kenarları açık bir şekilde görebiliriz. Ancak komşu kenarlar arasındaki bağlantıları Ancak komşu kenarlar arasındaki bağlantıları
kesin olarak tanımlayamayız. ???Örnek???kesin olarak tanımlayamayız. ???Örnek??? Bu durum yükseklik eğrilerinin Bu durum yükseklik eğrilerinin
gösterilmesinde uygun değildir.gösterilmesinde uygun değildir.
Kenar Yakalama (Edge Kenar Yakalama (Edge Detection)Detection)
►Görüntü üzerindeki kenarlarda parlaklık Görüntü üzerindeki kenarlarda parlaklık farkları olabilir.farkları olabilir.
►Bu farklarda ani değişim olabilir (“sharp” Bu farklarda ani değişim olabilir (“sharp” edge) ya da genişletilmiş bir alan edge) ya da genişletilmiş bir alan üzerinde meydana gelebilir (“smooth” üzerinde meydana gelebilir (“smooth” edge).edge).
► İdeal olarak, bir kenar operatörü keskin İdeal olarak, bir kenar operatörü keskin ve yumuşatılmış kenarları yakalama ve yumuşatılmış kenarları yakalama yeteneğine sahip olması gerekir.yeteneğine sahip olması gerekir.
Hangi Uygulamalarda Kullanılır?Hangi Uygulamalarda Kullanılır?► SavunmaSavunma► Yerel YönetimYerel Yönetim► UlaşımUlaşım► TelekominikasyonTelekominikasyon► Çevresel UygulamarÇevresel Uygulamar►OrmancılıkOrmancılık► Tarımsal UygulamalarTarımsal Uygulamalar►Madencilik UygulamalarıMadencilik Uygulamaları► Petrol Boru HatlarıPetrol Boru Hatları►Deniz Kıyılarının ÇıkarılmasıDeniz Kıyılarının Çıkarılması
Örnek Feature Extraction Örnek Feature Extraction Algoritmasındaki İşlem AdımlarıAlgoritmasındaki İşlem Adımları
Görüntü Yükle
Görüntüyü GRIDE’e Dönüştür
Yeniden Örnekleme (Resampling)
GRID’i Kenara Dönüştür
Threshold
Bitir
SonuçlarSonuçlar►Feature Extraction işlemi oldukça geniş Feature Extraction işlemi oldukça geniş
bir alanda kullanılmaktadır.bir alanda kullanılmaktadır.►Feature Extraction görüntü analizi ve Feature Extraction görüntü analizi ve
görüntüyü yorumlamaya yardımcı olur.görüntüyü yorumlamaya yardımcı olur.►GIS ancak güncel bilgilerle yaşatılabilir. GIS ancak güncel bilgilerle yaşatılabilir.
Güncel bilgilere hızlı bir şekilde ulaşmada Güncel bilgilere hızlı bir şekilde ulaşmada Feature Extraction önemli bir rol üstlenir.Feature Extraction önemli bir rol üstlenir. ??Örnek????Örnek??
TartışmaTartışma► ClassificationClassification► Pattern RecognitionPattern Recognition► Image SegmentationImage Segmentation► Image EnhancementImage Enhancement► Image RestorationImage Restoration
Yukarıda bahsettiğimiz konularından Yukarıda bahsettiğimiz konularından hangileri Feature Extraction ile alakalıdır hangileri Feature Extraction ile alakalıdır diyebiliriz ya da hangilerine diyemeyiz.diyebiliriz ya da hangilerine diyemeyiz.Nedenleri Nelerdir? Örnek?Nedenleri Nelerdir? Örnek?
KaynaklarKaynaklar► Image & Audio indexing and Retrieval Image & Audio indexing and Retrieval
Yunfang Zhang, Hua MaYunfang Zhang, Hua Ma►Digital Photogrammetry, Toni SchenkDigital Photogrammetry, Toni Schenk►Assisted Feature Extraction Software for Assisted Feature Extraction Software for
GIS Database Maintenance, A Visual GIS Database Maintenance, A Visual Learning Systems, Inc. White PaperLearning Systems, Inc. White Paper
►Extraction of buildings and trees in urban environments,Norbert Haala, Claus Brenner