| dc.creator |
İNCETAŞ, Mürsel Ozan; Alanya Alaaddin Keykubat University, ALTSO Vocational School, Department of Electric and Energy |
|
| dc.creator |
UZUN ARSLAN, Rukiye; Zonguldak Bulent Ecevit University, Engineering Faculty, Department of Electrical & Electronics Engineering |
|
| dc.date |
2019-08-25T00:00:00Z |
|
| dc.date.accessioned |
2020-01-02T08:34:59Z |
|
| dc.date.available |
2020-01-02T08:34:59Z |
|
| dc.identifier |
https://dergipark.org.tr/tr/pub/sdufenbed/issue/46929/570597 |
|
| dc.identifier |
10.19113/sdufenbed.570597 |
|
| dc.identifier.uri |
http://acikerisim.sdu.edu.tr/xmlui/handle/123456789/49418 |
|
| dc.description |
Edgedetection is one of the most basic stages of image processing and have beenused in many areas. Its purpose is to determine the pixels formed the objects.Many researchers have aimed to determine objects' edges correctly, like as theyare determined by the human eye. In this study, a new edge detection techniquebased on spiking neural network is proposed. The proposed model has a differentreceptor structure than the ones found in literature and also does not use graylevel values of the pixels in the receptive field directly. Instead, it takesthe gray level differences between the pixel in the center of the receptivefield and others as input. The model is tested by using BSDS train dataset.Besides, the obtained results are compared with the results calculated by Cannyedge detection method. |
|
| dc.description |
Kenaralgılama, görüntü işlemenin en temel aşamalarından biridir ve birçok farklıalanda kullanılmaktadır. Kenar belirleme yöntemlerinin amacı görüntüyüoluşturan pikselleri belirlemektir. Çoğu araştırmacı, insan gözünün belirlediğigibi nesnelerin kenarlarını doğru algılamayı hedeflemiştir. Bu çalışmada,iğnecikli sinir ağ yapısına dayalı yeni bir kenar algılama tekniğiönerilmiştir. Önerilen model, literatürde bulunanlardan farklı bir alıcıyapısına sahiptir ve doğrudan alıcı alandaki piksellerin gri seviye değerlerinikullanmamaktadır. Bunun yerine, girdi olarak alıcı alanın ortasındaki pikselile diğerleri arasındaki gri seviye farklarını kullanarak kenar algılamaişlemini gerçekleştirmektedir. Geliştirilen model, BSDS öğrenme veri setikullanılarak test edilmiştir. Ayrıca, elde edilen sonuçlar Canny kenar algılamayöntemi yardımıyla hesaplananlar ile karşılaştırılmıştır. |
|
| dc.format |
application/pdf |
|
| dc.language |
en |
|
| dc.publisher |
Süleyman Demirel University |
|
| dc.publisher |
Süleyman Demirel Üniversitesi |
|
| dc.relation |
https://dergipark.org.tr/tr/download/article-file/787762 |
|
| dc.source |
Volume: 23, Issue: 2
611-616 |
en-US |
| dc.source |
1308-6529 |
|
| dc.subject |
Edge detection,Receptive field,Spiking neuronal network |
|
| dc.subject |
Kenar algılama,Alıcı bölge,İğnecikli sinir ağları |
|
| dc.title |
Edge Detection Using Integrate and Fire Neuron |
en-US |
| dc.title |
Topla ve Ateşle Nöron Modeli Kullanılarak Kenar Algılama |
tr-TR |
| dc.type |
info:eu-repo/semantics/article |
|