Wavelets for texture analysis

Abstract

DOKU ANALİZİNDE WAVELETLER KARA, Bayram Yüksek Lisans Tezi, Elek. ve Elektronik Müh. Bölümü Tez Yöneticisi: Yrd. Doç. Dr. Nurda! WATSUJÎ Eylül 2003, 73 sayfa Bu tezde esas olarak, doku analizinde büyük bir öneme sahip olan, dokularına ayrılmış resimlerin sınıflandırılması üzerinde çalışılmıştır. Doku analizi uzaktan algılama, tıbbi resimleme, robot görüntülemesi ve büyük resim veritabanlarında içerik sorgulama gibi birçok görüntü işleme görevlerinde önemli bir rol oynamaktadır. Dokularına ayrılmış görüntülerin etkili bir sınıflandırması, belirleyici özelliklerin seçilip çıkarılmasına bağlıdır. Analizlerimizde, yeni bir analiz metodu olarak kabul edilen waveletler kullanılmıştır. Çalışmamız, bizi başarılı bir doku analizine götürecek wavelet katsayısı özelliklerinin türetilmesi üzerinde odaklanmıştır. Bir görüntünün çoklu ölçekli gösterimi olan waveletin doku özelliği çıkarmada uygun bir araç olduğu, ve wavelet katsayılarının istatistiksel özelliklerinin etkili doku imzaları oldukları gösterilmiştir. Bu çalışmada, VisTex veritabanından farklı doğal manzaralarda sekiz tane resim seçildi. Daha sonra, her bir resim üst üste gelmeyecek şekilde 64 tane alt resme bölündü ve 8 doku sınıfından toplam 512 resimden oluşan bir veritabanı elde edildi. Bu resimler Biorthogonal Wavelet ile analiz edildi ve wavelet detay katsayılarının istatistiksel değerleri kullanılarak sınıflandırmaya tabi tutuldu. Sınıflandırma deneylerinin sonucunda elde edilen hata oranları karşılaştırılarak, wavelet detay katsayılarının standart, medyan ve ortalama sapmalarının başarılı bir doku sınıflandırması için uygun özellikler oldukları gösterilmiştir. Anahtar kelimeler: Waveletler, doku analizi, model tanıma, görüntü işleme.

ABSTRACT WAVELETS FOR TEXTURE ANALYSIS KARA, Bayram M.Sc. in Electrical and Electronics Eng. Supervisor: Asst. Prof. Dr. Nurdal WATSUJI September 2003, 73 pages In this thesis, mainly, the classification of textured images which has a great importance in texture analysis has been studied. Texture analysis plays an important role in many image processing tasks such as remote sensing, medical imaging, robot vision and query by content in large image databases. An efficient classification of textured images relies on feature extraction stage. In our analysis, wavelets which can be accepted as a new analysis tool have been used. Our work is focused on derivation of appropriate wavelet coefficient properties that will lead to a successful texture analysis. It was shown that wavelet which is a multiscale representation of an image, was an appropriate tool for texture feature extraction and the statistical properties of wavelet coefficients could be used as efficient texture signatures. In this work, eight real world textured images from different natural scenes from the VisTex database were selected. Then each image was subdivided into 64 non- overlapping subimages and a database of 512 image regions of 8 texture classes was obtained. These images were analyzed with Biorthogonal Wavelets and classified with using statistical values of wavelet detail coefficients. The resulting error rates of classification experiments were compared and it was shown that, the standart, median and mean deviations of wavelet detail coefficients were appropriate features for a successful texture classification. Key words: Wavelets, texture analysis, pattern recognition, image processing. IV