Ortalama kayma algoritmasının geliştirilerek görüntü dizilerinde hareketli nesne takibi ve görüntü kesimleme amaçlı kullanılması

Abstract

ÖZET ORTALAMA KAYMA ALGORİTMASININ GELİŞTİRİLEREK GÖRÜNTÜ DİZİLERİNDE HAREKETLİ NESNE TAKİBİ VE GÖRÜNTÜ KESİMLEME AMAÇLI KULLANILMASI ÖZDEN, Mustafa Kırıkkale Üniversitesi Fen Bilimleri Enstitüsü Elektrik Elektronik Anabilim Dalı, Yüksek Lisans Tezi Danışman : Yrd. Doç. Dr. Ediz Polat Şubat 2005, 103 sayfa Bilgisayarların oldukça geliştiği günümüzde görüntü işleme ve bilgisayarlı görü uygulamaları da hızla gelişerek fabrika otomasyonu, tıbbi ve askeri uygulamalar, akıllı arabirimler ve güvenlik sistemleri gibi bir çok alanda yerini almıştır. Bu tezde, bilgisayarlı görüdeki önemli alanlardan olan görüntü kesimleme ve nesne takibi amaçlı kullanılan ortalama kayma yönteminin geliştirilmesi amaçlanmıştır. Bu tezde sunulan görüntü kesimleme yöntemi düşük seviyeden bilgiler olan renk ve doku niteliklerine dayanmaktadır. Renkli görüntü kesimlemede ortalama kayma ile filtreleme yöntemi genelde iyi sonuçlar vermesine rağmen bu yöntemin kullandığı renk ve uzaysal bilgiler bazı durumlarda yeterli olmamaktadır. Sunulan yöntemde görüntüdeki dokuların uzaysal hareketten bağımsız olarak analizinisağlayan dalgacık çerçeveleri kullanılmıştır. Ortalama kayma İle kesimlemede klasik renk ve konum uzayına ilave bir nitelik olarak doku karakteristiği de eklenerek daha üst seviyeli bir uzayda daha güvenilir bir kesimleme yöntemi geliştirilmiştir. Çeşitli görüntüler üzerinde uygulanan yöntem başarılı sonuçlar vermiştir. Bu tezde sunulan nesne takibi çalışması da, nesnenin istatistiksel renk dağılımını kullanan parametrik olmayan bir yöntem olan ortalama kayma algoritmasına dayalıdır. Nesne ve arka plan renklerinin oldukça benzer olduğu ortamlarda nesneleri takip etmek değinilmesi gereken bir problemdir. Nesne ve arka plan renk dağılımlarının oldukça yakın olduğu bazı durumlarda yalnızca renk dağılımı bilgisini kullanmak nesneyi güvenilir bir şekilde takip etmek için yeterli olmaz. Bu problemi gidermek için sunulan çalışmada kernel yoğunluk tahmini yöntemi ile elde edilen hareket bilgisi kullanılarak nesne ve arka plan modellenmiştir. Renk dağılımına ilave olarak hareket dağılım bilgisi de, daha güvenilir bir nesne takibi çalışması gerçekleştirmek için klasik ortalama kayma algoritmasına eklenmiştir. Çalışmanın performansı ve sayısal sonuçları yapay ve gerçek görüntü dizileri üzerinde yapılan testlerle sunulmuş ve karşılaştırma yapılmıştır. ANAHTAR KELİMELER : Ortalama Kayma Algoritması, Görüntü Kesimleme, Nesne Takibi.

ABSTRACT IMPROVING MEAN-SHIFT ALGORITHM FOR OBJECT TRACKING AND IMAGE SEGMENTATION ÖZDEN, Mustafa Kırıkkale University Graduate School Of Natural and Applied Sciences Department of Electrical and Electronics Eng., M.Sc. Thesis Supervisor: Asst. Prof. Dr. Ediz Polat February 2005, 103 pages Due to the advances in computer technology, image processing and computer vision applications have developed rapidly and found applications in many areas including factory automation, medical and military applications, intelligent interfaces and surveillance systems. The goal of the thesis is to improve the mean shift algorithm which can be used for image segmentation and object tracking in image sequences. This thesis describes a new color image segmentation method based on low- level features including color and texture. The mean-shift algorithm with color and spatial information in color image segmentation is in general successful, however, in some cases, the color and spatial information are not sufficient for superior segmentation. Recently, the discrete wavelet transform (DWT) has become a popular IIIapproach for texture characterization. The proposed method uses wavelet frames that provide translation invariant texture analysis. The method also integrates an additional texture feature to the traditional mean shift segmentation algorithm with color and spatial space. Experimental results show that the algorithm gives satisfactory results. This thesis also presents an object tracking framework based on the mean- shift algorithm, which is a nonparametric technique that uses statistical color distribution of objects. Tracking objects through highly similar-colored background is one of the problems that need to be addressed. In various cases where object and background color distributions are very similar, the color distribution alone is not sufficient to track objects reliably. To deal with this problem, the proposed algorithm utilizes a statistical background and foreground modeling to detect the motion using kernel density estimation techniques. In addition to color distribution, this statistical motion representation is integrated into a modified mean-shift algorithm to create more robust object tracking framework. The superior performance with quantitative results of the framework has been validated using experiments on synthetic and real sequence of images. KEYWORDS: Mean Shift Algorithm, Image Segmentation, Object Tracking. IV