Örüntü tanıma uygulamalarında fraktal boyut yardımıyla öznitelik çıkarımı

Abstract

Bu tez çalışmasında Fraktal Boyut (FD) kavramı, örüntü tanımanın önemli konuları olan öznitelik çıkarımı ve seçiminde kullanılmıştır. Çalışmanın ilk bölümünde, klasik hesaplama yöntemleriyle elde edilen FD bilgisi, video kesme geçişlerinin belirlenmesi uygulamasında öznitelik çıkarımı amacıyla kullanılmıştır. Konuyla ilgili yapılan deneysel çalışmanın sonuçları, FD temelli özniteliklerin literatürdeki farklı öznitelikler kadar başarılı olduğunu göstermektedir. Sonraki adımda, FD temelli öznitelik çıkarımında iyileştirmeler yapılarak sadece kesme geçiş belirleme başarımını artırmakla kalmayıp ayrıca FD hesaplamadaki işlem karmaşıklığı da azaltılmıştır. Ayrıca, farklı video kesme geçiş türlerinin belirlenebilmesi için klasik eşikleme yöntemine alternatif olabilecek örüntü sınıflandırıcı temelli bir yöntem önerilmiştir. Sonraki aşamada, HSV renk uzayında yapılan FD ölçümlerinin görüntü bölütlemede kullanımı incelenmiştir. Bu amaçla, farklı bitki türlerini içeren görüntülerin HSV renk bileşen değerleri ile bunlardan elde edilen bölgesel FD bilgileri kullanılarak öznitelik çıkarımı yapılmıştır. Bu öznitelikler daha sonra Bayes sınıflandırıcıya verilerek ilgili bitki türleri sınıflandırılmıştır. Deneysel sonuçlar, HSV bileşenleri yardımıyla elde edilen FD temelli özniteliklerin, yalnızca gri seviye değerleri kullanılarak çıkarılan öznitelikler kadar iyi sonuç verdiğini göstermektedir. Tüm öznitelikler birlikte kullanıldığında ise çok daha iyi bir başarıma ulaşıldığı gözlenmiştir. Çalışmanın diğer bir bölümünde, FD bilgisi ayırdedici öznitelik seçiminde kullanılmıştır. Bu çalışmanın uygulaması olarak beton gücünün belirlenmesinde beton bileşenlerinin katkısı tespit edilmiştir. Bu amaçla, bileşenlerdeki farklılıklar fraktal boyuttaki değişimlerle ilişkilendirilmiştir. Kapsamlı bir veritabanında yapılan deneysel çalışmalar, uygun bileşenleri kullanarak daha kuvvetli beton üretme ve dolayısıyla daha dayanıklı yapılar inşa etmede yol gösterici olabilecek sonuçlar vermiştir.

In this thesis study, fractal dimension (FD) concept is employed in feature extraction and selection which are crucial topics of pattern recognition. Initially, FD information, which is obtained by classic computation methods, is used for feature extraction in detection of video shot transitions. Results of the experimental study show that FD based features provide similar performance with respect to other features available in the literature. Next, FD based feature extraction method is improved so that not only the performance of shot transition detection increases but also algorithmic complexity of FD computation decreases. Additionally, a new video shot transition method based on pattern classifier is proposed as an alternative to classic threshold based detection method. In next part of the study, the use of FD measurements in HSV color space for image segmentation is investigated. For this purpose, feature extraction is carried out using regional FD information that is obtained from HSV color components belonging to images of various plant types. These features are then fed into Bayes classifier so that the regarding plant types are classified. Experimental results indicate that the features obtained with HSV components provide as good results as the ones that are extracted using gray scale values only. It is observed that even better performance is attained if all the features are used together. In another part of the study, FD information is used in selection of discriminative features. As the application of this part, contribution of concrete components in determining the concrete strength is evaluated. For this purpose, variations in the ingredients are characterized in terms of variations in FD. Experimental studies carried out in an extensive dataset provides pretty good results which may lead to manufacture stronger concrete, and consequently to construct stronger structures using appropriate components.