Bu çalışmada görüntüdeki nesnelerin parlaklık düzeylerinin nesne sınıflandırma başarı oranı üzerinde etkili olup olmadığı araştırılmıştır. Parlaklık ve renk yansınımlarının düzensizleştiği sistemlerde nesne sınıflandırma başarı oranının istenilen oranlarda olmadığı tespit edilmiştir. Yerin altından çıkarılan mermer levhaların sınıflandırma işlemindeki başarı oranı üzerinde durulmuştur. Nesne olarak D, D1D, D1A, S ve M sınıflarına ayrılan mermer levhalar kullanılıp deneyler yapılmıştır. Kamera ve ışık kaynağı birlikte açılarak 120 dakika boyunca görüntü alma işlemini içeren Deney1 gerçekleştirilmiştir. Kamera 25 dakika bekletilip 25. dakikadan sonra açılarak 120 dakika boyunca görüntü alma işlemi gerçekleştirilmiştir. Bu işlem Deney2 olarak adlandırılmıştır. Aydınlatma kaynağı 25 dakika bekletilip 25. dakikadan sonra açılarak 120 dakika boyunca görüntü alma işlemini içeren Deney3 gerçekleştirilmiştir. Deneylerde, kamera ve ışık kaynağı faktörlerinin mermer levhaların sınıflandırılma başarı oranı üzerindeki etkileri araştırılmıştır. Mermer levha görüntülerinin renk ve parlaklık değerlerinin değişim grafikleri elde edilerek kamera ve ışık kaynağının etken olduğu grafik eğrisi bölümü tespit edilmiştir. İncelenen grafik eğrilerinde görüntülerin renk ve parlaklık değerlerinin benzer şekilde belirli bir noktadan sonra bozulduğu gözlenmiştir. Bu bozulmaların giderilmesi için literatürde nesne sınıflandırma başarımı arttırılması amacıyla kullanılan Gabor dönüşümü, Wiener dönüşümü, ayrık kosinüs dönüşümü, kontrast germe, histogram eşitleme, görüntü yumuşatma ve keskinleştirme yöntemleri uygulanmıştır. Mermer levhalar, bu uygulanan metotlar aracılığıyla en yüksek 94% başarı oranı ile sınıflandırılmıştır. Sınıflandırma oranı olarak 94% başarı oranı yetersiz görülerek başarımın arttırılması için alternatif bir fonksiyon geliştirilmiştir. Geliştirilen fonksiyon görüntülere uygulanarak sınıflandırma başarı oranı 96% oranına çıkarılmıştır. Anahtar Kelimeler: Görüntü işleme, bayes sınıflandırıcı, uyarlamalı sinir bulanık sınıflandırıcı, parlaklık normalizasyonu
In this study, the effect of brightness levels of the objects in the images to the object classification success rate is investigated. The object classification success rate is not at the desired rate in systems where the brightness and color reflections are imperfect. The success rate of the marble plates removed from underground is emphasized. Marble slabs are used to divide the objects into 5 different classes: D, D1D, D1A, S and M. The camera and the light source are turned on together to perform Experiment 1, during which images are acquired for 120 minutes. The camera is left closed for 25 minutes, then opened after 25 minutes and the images are taken for 120 minutes. This process is called Experiment2. The illumination source is left closed for 25 minutes, then opened after 25 minutes, and Experiment 3 is performed for 120 minutes. In the experiments, the effects of camera and light source on the classification success rate of marble plates are investigated. The change of color and brightness values of the marble plate images are graphed and the part of the graph where the camera and light source is in effect is determined. In these parts, both the color and brightness values of the images are observed to deteriorate after a certain point. Gabor transformation, Wiener transform, discrete cosine transform, contrast stretching, histogram equalization, image smoothing and sharpening methods have been applied to improve the object classification performance by overcoming these deteriorations. Marble slabs are classified with the highest 94% success rate through those methods. An alternative function has been developed in order to increase the classification success rate. Applying the developed function to the marble images, the classification success rate is increased to 96%. Keywords: image processing, Bayes classification, Adaptive neuro fuzzy classification, illumination normalization
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, 2017.
Kaynakça var.
Bu çalışmada görüntüdeki nesnelerin parlaklık düzeylerinin nesne sınıflandırma başarı oranı üzerinde etkili olup olmadığı araştırılmıştır. Parlaklık ve renk yansınımlarının düzensizleştiği sistemlerde nesne sınıflandırma başarı oranının istenilen oranlarda olmadığı tespit edilmiştir. Yerin altından çıkarılan mermer levhaların sınıflandırma işlemindeki başarı oranı üzerinde durulmuştur. Nesne olarak D, D1D, D1A, S ve M sınıflarına ayrılan mermer levhalar kullanılıp deneyler yapılmıştır. Kamera ve ışık kaynağı birlikte açılarak 120 dakika boyunca görüntü alma işlemini içeren Deney1 gerçekleştirilmiştir. Kamera 25 dakika bekletilip 25. dakikadan sonra açılarak 120 dakika boyunca görüntü alma işlemi gerçekleştirilmiştir. Bu işlem Deney2 olarak adlandırılmıştır. Aydınlatma kaynağı 25 dakika bekletilip 25. dakikadan sonra açılarak 120 dakika boyunca görüntü alma işlemini içeren Deney3 gerçekleştirilmiştir. Deneylerde, kamera ve ışık kaynağı faktörlerinin mermer levhaların sınıflandırılma başarı oranı üzerindeki etkileri araştırılmıştır. Mermer levha görüntülerinin renk ve parlaklık değerlerinin değişim grafikleri elde edilerek kamera ve ışık kaynağının etken olduğu grafik eğrisi bölümü tespit edilmiştir. İncelenen grafik eğrilerinde görüntülerin renk ve parlaklık değerlerinin benzer şekilde belirli bir noktadan sonra bozulduğu gözlenmiştir. Bu bozulmaların giderilmesi için literatürde nesne sınıflandırma başarımı arttırılması amacıyla kullanılan Gabor dönüşümü, Wiener dönüşümü, ayrık kosinüs dönüşümü, kontrast germe, histogram eşitleme, görüntü yumuşatma ve keskinleştirme yöntemleri uygulanmıştır. Mermer levhalar, bu uygulanan metotlar aracılığıyla en yüksek 94% başarı oranı ile sınıflandırılmıştır. Sınıflandırma oranı olarak 94% başarı oranı yetersiz görülerek başarımın arttırılması için alternatif bir fonksiyon geliştirilmiştir. Geliştirilen fonksiyon görüntülere uygulanarak sınıflandırma başarı oranı 96% oranına çıkarılmıştır. Anahtar Kelimeler: Görüntü işleme, bayes sınıflandırıcı, uyarlamalı sinir bulanık sınıflandırıcı, parlaklık normalizasyonu
In this study, the effect of brightness levels of the objects in the images to the object classification success rate is investigated. The object classification success rate is not at the desired rate in systems where the brightness and color reflections are imperfect. The success rate of the marble plates removed from underground is emphasized. Marble slabs are used to divide the objects into 5 different classes: D, D1D, D1A, S and M. The camera and the light source are turned on together to perform Experiment 1, during which images are acquired for 120 minutes. The camera is left closed for 25 minutes, then opened after 25 minutes and the images are taken for 120 minutes. This process is called Experiment2. The illumination source is left closed for 25 minutes, then opened after 25 minutes, and Experiment 3 is performed for 120 minutes. In the experiments, the effects of camera and light source on the classification success rate of marble plates are investigated. The change of color and brightness values of the marble plate images are graphed and the part of the graph where the camera and light source is in effect is determined. In these parts, both the color and brightness values of the images are observed to deteriorate after a certain point. Gabor transformation, Wiener transform, discrete cosine transform, contrast stretching, histogram equalization, image smoothing and sharpening methods have been applied to improve the object classification performance by overcoming these deteriorations. Marble slabs are classified with the highest 94% success rate through those methods. An alternative function has been developed in order to increase the classification success rate. Applying the developed function to the marble images, the classification success rate is increased to 96%. Keywords: image processing, Bayes classification, Adaptive neuro fuzzy classification, illumination normalization