A HIGH PERFORMANCED VIDEO PARSING ALGORITHM DESIGN AND IMPLEMENTATION FOR UNCOMPRESSED DIGITAL VIDEOS
|
|
- Aysel Aşık
- 8 yıl önce
- İzleme sayısı:
Transkript
1 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), Mayıs 2009, Karabük, Türkiye SIKIŞTIRILMAMIŞ SAYISAL VİDEOLAR İÇİN YÜKSEK PERFORMANSLI BİR BÖLÜMLENDİRME ALGORİTMASI TASARIMI VE UYGULAMASI A HIGH PERFORMANCED VIDEO PARSING ALGORITHM DESIGN AND IMPLEMENTATION FOR UNCOMPRESSED DIGITAL VIDEOS Barış BORU a, * ve Halil İbrahim ESKİKURT a a Sakarya Üniversitesi, Sakarya, Türkiye E-posta: barisb@sakarya.edu.tr, eskikurt@sakarya.edu.tr Özet Sayısal videoların günümüzde analog videoların yerini alması, ucuz ve kolay kaydedilip depolanabilmesi gibi özelliklerinden dolayı binlerce saatlik sayısal video arşivleri ortaya çıkmıştır. Bu video veritabanlarına erişimin hızlı olması için video içinde anlamsal olarak arama yapılabilmesi büyük bir ihtiyaç haline gelmiştir. Sayısal videolar içinde standart resim ve metin arama teknikleri kullanılamadığından video indeksleme konusuna ilgiler artarak literatürde yer alan birçok çalışma yapılmıştır. Sayısal video indeksleme yöntemi videoları bölümlendirerek bölümlere ait özet bilgilerin çıkarılması daha sonra özet bilgilerden bölümlere ulaşılması temel mantığı ile uygulanmaktadır. Bu bağlamda doğru video bölümlendirme video indekslemenin temelini oluşturan önemli bir kısmı olarak ortaya çıkmıştır. Bu çalışmada sıkıştırılmamış videolarda kullanılacak yeni bir video bölümlendirme algoritması tasarımı yapılarak uygulamaya geçirilmiştir. Çalışmada literatürde var olan bölümlendirme algoritmaları incelenerek bu algoritmaların eksik yönleri tespit edilmiş, ve eksiklerini giderecek bir algoritma tasarlamak hedeflenmiştir. Tasarlanan algoritma gerçeklenerek diğer algoritmalar ile karşılaştırmaları yapılmış, diğer algoritmalara göre işlem yükü ve performans yönünden daha iyi bir seviyede olduğu tespit edilmiştir. Anahtar kelimeler: Video Bölümlendirme, Video İndeksleme Abstract Today, the use of digital videos instead of analog videos has become most popular in terms of easily recordable and low-cost storage. Therefore, huge amount of digital video archives have been came out dramatically. In order to access this video database very fast, the semantic search in a video has been an important demand. While the standard picture and text searching methods cannot be used in a digital video, the video indexing has become a popular interest, and lots of research have been came out. Digital video indexing methods are implemented by segmenting the videos into sub-scenes and extracting the main data related to these sub-scenes. In this sense, correct video segmenting has been most important part of the video indexing. In this work, an implementation of a new video parsing algorithm design used for uncompressed videos is presented. Investigating the parsing algorithms in the existing literature, missing parts of these algorithms have been defined and a new algorithm for filling the blanks of these algorithms has been aimed. After implementing the algorithm designed, this algorithm has been compared to other parsing algorithms. Finally, it is been determined that the implemented algorithm is much better than the other algorithms due to the computational overhead and the performance. Keywords: Video Parsing, Video Indexing 1. Giriş Bilgisayarların ve sayısal cihazların yaygınlaşması, aynı zamanda internet gibi ortamlar sayesinde sayısal haberleşmenin analog haberleşmeden daha kolay uygulanabilir hale gelmesi ve yaygınlaşması ile tüm bilgi türlerinde olduğu gibi video bilgisinin de sayısal ortama aktarılması gereksinimi ortaya çıkmıştır. Sayısal video insan gözünün sahip olduğu zaafiyetlerden yararlanarak uygulanmaktadır. İnsan gözü saniyede kareden hızlı değişen ardışıl resimleri hareketli görüntü olarak algılamaktadır. Sayısal video, video sahnesinin saniyede 15~30 kare olarak fotoğraflanması ile elde edilir. Sayısal videonun saniyede kaç kare çekilerek kayıt edildiği bilgisine fps (saniyedeki kare sayısı) denilmektedir. Yukarıda anlatılanlardan da anlaşıldığı gibi sayısal video bilgisi ard arda gelen sayısal resimlerden oluşan sayısal bir bilgidir. Eğer video içerisinde ses kaydı var ise resim kareleri ile birlikte ses bilgilerini de içermektedir. 2. Video İndeksleme ve Bölümlendirme Teknolojik ilerlemeler neticesinde günümüzde gelinen noktada hemen hemen tüm videolar sayısal formda kaydedilerek kullanılmaktadır. Sayısal video kayıtlarının bu kadar arttığı bir ortamda sayısal videolar içinde arama yapılmak istenmesiyle hızlı erişim gereksinimi ortaya çıkmıştır. Örneğin güvenlik videolarının tutulduğu bir arşivde bir şahsa, bir araca ait görüntü kaydının bulunup bulunmadığı, haber arşivleri içerisindeki eski kayıtların sorgulanması gerekmektedir. Standart metin arama tekniklerinin sayısal videoda kullanılamayacağı gibi resim karşılaştırma tekniklerinin kullanılması gerektirdiği işlem yükü nedeniyle uygun olmamakta ve anlamsal arama gereksinimlerini karşılamamaktadır [1]. Bu yüzden video erişim için özel teknikler kullanılmalıdır. Video erişim ile ilgilenen araştırmacılar, videonun tamamında arama yapmak yerine IATS 09, Karabük Üniversitesi, Karabük, Türkiye
2 videonun önceden işlenmesiyle elde edilen video indeksinde aramanın ve uygun bulunan sonuçların referans ettiği video parçasına erişmenin daha uygun olacağı fikrini ortaya atmışlardır [1-2]. Şekil 1. Bir videonun bölümlendirilmesi ve özet bilgilerin bölümler referans edilerek veritabanına kaydedilmesi Bir kitapta bir konu başlığına erişmek istenildiğinde içindekiler veya kitap indeksinden kelime bulunarak referans edilen sayfaya gidilmektedir. Arama yapılacak bir videoda bütün bilgilerin her seferinde taranması, kitapta sayfaların tek tek taranmasında olduğu gibi erişimi zorlaştıracaktır. Bu yüzden video içinde arama yapmak ve istenen bir görüntüye erişimi mümkün kılmak için kitapta olduğu gibi videonun indeksini çıkarmak ve özel bir veritabanında saklamak uygun olacaktır (Şekil 1). Video veritabanına eklenen her video, bir dizi işlemden geçirilerek indeksi elde edilerek saklanmalıdır. Arama yapıldığında aranan öğe indekste taranacak eşleşme bulunursa referans ettiği video parçası kullanıcıya sunulacaktır. Video bölümleri anlamsal olarak bütünlük içeren ardışıl kareler bütünüdür. Her bölüm için tespit edilen özellikler ve anahtar kareler video indeksini oluşturmaktadır. Yukarıda belirtilen sebeplerden dolayı video indekslemenin en önemli parçası video bölümlendirmektir. Video bölümleme indekse eklenecek bilgileri azaltma hedefine, anlamsal olarak bütünlük içeren kareleri gruplandırma yoluyla tek bilgi ile nitelendirme imkânını sunarak katkıda bulunmaktadır. Aynı zamanda arama neticesinde gösterilecek bölümlerin önceden tespit edilerek hazırlanmasını sağlamaktadır. 1. Bölüm 1. Kare 2. Kare 3. Kare 4. Kare 5. Kare 6. Kare 7. Kare 2. Bölüm 3. Bölüm 8. Kare Şekil 2. Örnek ardışıl video kareleri ve video bölümleri Literatürde yer alan video veritabanları ve erişim konusundaki çalışmaların birçoğu video bölümlemeyi konu edinmektedir [1-2]. Bu çalışmalarda geliştirilen yöntemler, ardışıl video karelerinde anlamsal olarak değişimlerin bulunduğu geçişleri tespit ederek video bölümlerini doğru bir şekilde algılama üzerine yoğunlaşmıştır. Bölüm geçişlerinde kademeli ve ani olarak iki farklı tür vardır. Ani bölüm geçişleri genellikle film çekimlerinde olduğu gibi kameranın kaydının durdurulması ve farklı bir görüntü için yeniden başlatılması ile oluşmaktadır. Kademeli bölüm geçişleri ise görüntü içeriğinin kademeli olarak değiştirilmesidir ki genellikle sinema efektlerinde iki bölümü birleştirmek için kullanılmasıyla oluşmaktadır. Kademeli geçişlere en iyi örnekler bölümün solarak geçmesi (fade effect) ve bölümün eriyerek geçmesidir (dissolve effect). Ardışıl kareler arasında keskin değişimler yerine yavaş yavaş değişim gerçekleştiğinden kademeli bölüm geçişlerinin tespit edilmesi güçtür. Bu tür algılamaların kamera ve obje hareketinden ayrıştırılmaları gerekmektedir. Özellikle parlaklık değişimi içeren bölüm geçişlerini algılamak diğer bölüm geçişi türlerine göre hayli güçtür. Video bölümleme algoritmaları genellikle ardışıl kareler arası görsel değişim oranlarını elde ederek, değişim oranının yüksek olduğu anlarda bölümler arası bir geçiş olduğu mantığına dayanarak, bölüm algılaması yapmaktadırlar. Genellikle bölümlendirme algoritmaları videonun 1. karesinden başlayarak tarama yaparlar ve arka arkaya gelen video karelerini değerlendirirler. Bazı durumlarda iki kare görüntüsü arasında anlamsal bir fark olmasa bile, sayısal olarak değerler incelendiğinde büyük farklılıklar ortaya çıkabilmektedir. Bu tarz değişimlere en iyi örnekler kamera hareketleri ve parlaklık değişimleridir. n. Kare (n+1). Kare (n+2). Kare (a) n. Kare (n+1). Kare (n+2). Kare (b) Şekil 3.(a) Kamera hareketlerine bir örnek (b)parlaklık değişimlerine bir örnek Çekim esnasında sahne içeriği aynı kaldığı halde, kameranın çok az hareket ettirilmesi ile sahnedeki objeler ardışıl iki kare arasında birkaç piksel yer değiştirmektedir. Benzer şekilde çekim esnasında ışık kaynağının değişmesi, kamera açısının değiştirilmesi, video karesindeki bütün piksellerin koyuluk seviyeleri değişimi ile sonuçlanmaktadır. Bu iki durum ardışıl iki karenin piksel değerlerinde büyük değişimlere yol açmasına rağmen çoğunlukla bir bölüm geçişi değildir. Bu yüzden bölümlendirme algoritmalarının, kamera hareketlerine ve parlaklık değişimlerine hassasiyetlerinin düşük olması gerekmektedir.
3 Sıkıştırılmamış videolarda çalışan bölümlendirme algoritmaları genel olarak dayandıkları tekniğe göre ardışıl kareler arasında bir benzerlik oranı elde ederler. Arka arkaya gelen iki karenin birbirine benzerliği düşükse orada bir bölüm ayrımı olduğu kabul edilerek videoların bölümlendirilmesi yoluna gidilmektedirler. Bu tarz tekniklerde, ardışıl kare benzerlikleri için hangi değerlerin üzerinin bir bölüm geçişi olarak algılanacağı, bir eşik değeri ile belirlenmektedir. Bu yüzden bu tarz algoritmalara literatürde eşik tabanlı yaklaşım algoritmaları da denmektedir [2]. Video bölümlendirme algoritmaları içerisinde en basit yaklaşıma sahip ve diğer algoritmalara temel teşkil eden algoritma piksel karşılaştırma algoritmasıdır. Piksel karşılaştırma algoritması, ardışıl iki video karesi arasında örtüşen piksellerin farklarının toplamını hesaplayarak her video karesi için bir değişim değeri tespit etmektedir. Bulunan değişim değeri önceden belirlenmiş eşik değeri ile karşılaştırılarak bölüm geçişi olup olmadığına karar verilmektedir. Bu basit yöntem kamera hareketlerine ve parlaklık değişimlerine çok duyarlı olduğundan ve gerektirdiği işlem yükünün çok fazla olmasından dolayı kullanımdan uzaktır. Piksel karşılaştırma algoritmasına alternatif olarak geliştirilen Blok Tabanlı Piksel Karşılaştırma Algoritması, video karesini bloklara bölerek örtüşen blokları piksel değerleri ve ortalama koyuluk değeri ile elde edilen bir benzerlik oranı ile karşılaştıracak şekilde KASTURİ R., JAİN R., tarafından tasarlanmıştır [3]. Bu algoritma, parlaklık değişimlerine hassasiyeti düşürmekle beraber işlem yükünü arttırmaktadır. İşlem yükünü azaltmak ve kamera obje hareketlerine duyarlılığı düşürmek için, piksel tabanlı yaklaşımlar yerine histogram tabanlı karşılaştırma yöntemleri ortaya atılmıştır. Histogram karşılaştırmasına dayanan yöntemlerin altında yatan ana fikir değişmeyen arka plana ve değişmeyen objelere (hareketli veya hareketsiz) sahip, ardışıl iki karenin histogramlarında çok fazla bir fark oluşmayacağıdır [2]. Bununla birlikte histogram, resim döndürülme ve resimleme açısının değişmesine duyarsızdır. Bu temellere dayanarak günümüze kadar ardışıl karelerin histogramlarının karşılaştırılmasına dayanan bir çok çalışma yapılmıştır. Histogram tabanlı bölümleme algoritmalarında ilk ortaya çıkan algoritmalarda ardışıl iki karenin histogramlarının karşılaştırılması ve buna bağımlı bölüm geçişi tespiti yaklaşımı uygulanmıştır. Bu yaklaşımda ardışıl karelerin tamamının histogram farkları alınarak koyuluk değerlerinde toplam değişen piksel sayısı tespit edilir, değişen piksel sayısı eşik değeri üzerinde ise bölüm geçişi algılanır. Renkli videolar üzerine yapılan ve başarılı sonuçlar elde edilen RGB histogramları kullanılan bir çalışma Zhang, Kankanhallı ve Smoliar tarafından sunulmuştur [2]. Bu çalışmayı temel alarak yöntemin iyileştirilmesine yönelik çalışmalar literatürde mevcuttur [7]. Bu yöntemlerde kamera ve obje hareketine duyarlılık düşük olsada parlaklık değişimine duyarlılık hayli yüksektir çünkü parlaklık değişimi resim histogramını tamamen değiştirmektedir. Bu duyarlılığı azaltmak için HSV ve YIQ renk kodlama histogramlarının parlaklık bileşeni hariç tutularak karşılaştırılması teknikleri sunulmuştur [5]. HSV ve YIQ karşılaştırmaları parlaklık değişimine az duyarlı olsalarda büyük işlem yüklerini beraberlerinde getirmektedirler. Yukarıda bahsedilen histogram tabanlı teknikler temel alınarak Swanberg ve arkadaşları tarafından blok tabanlı karşılaştırma teknikleri geliştirilmiştir. Bu teknikte video kareleri bloklara bölünerek, ardışıl karelerde örtüşen bloklar için histogram karşılaştırması yapılmıştır [6]. Yukarıda bahsedilen algoritmalardan hiçbiri kademeli bölüm geçişlerini algılamada başarılı olamadıklarından ikiz karşılaştırma tekniği geliştirilmiştir [4]. Bu teknikte kademeli bölüm geçişlerinde oluşan kareler arası farkları algılamak için ikinci bir düşük eşik değeri kullanılmış, bu değerin üzerine çıkan ve ard arda gelen kareler arası farklar toplanarak asıl eşik değerini geçmesi durumunda kademeli bölüm geçişi tespit edilmeye çalışılmıştır. Boreczky ve Rowe birçok bölümlendirme algoritmasının karşılaştırmasını yaptıkları çalışmalarında ikiz karşılaştırma tekniğinin basit ve çok doğru çalışan bir teknik olduğu sonucuna varmışlardır [7]. 3. Filtrelenmiş Video Histogram Karşılaştırması Sıkıştırılmamış videolar üzerine çalışan bölümlendirme algoritmalarının yukarıda bahsedildiği gibi başarım seviyeleri düşüktür. Bu algoritmalar özellikle parlaklık değişimleri ve kamera hareketlerine duyarlılıkları yüksektir. Yapılan çalışmada histogram tabanlı yöntemler temel alınarak bu dezavantajları ortadan kaldırmak için Filtrelenmiş Video Histogram Karşılaştırma algoritması tasarlanmıştır. Obje değişimine dayalı video bölümlendirme işleminin hızlı ve kullanışlı bir yapıda kullanılabilmesi için resim filtreleme tekniklerinden faydanılmıştır. Bölümlendirilecek videonun tamamı öncelikle resim filtreleme teknikleri ile filtrelendikten sonra histogram karşılaştırmasına tabi tutulmuştur. Algoritma tasarımında temel alınan fikir, sahnedeki objeler ile ilgilenmek ve kamera hareketlerinden oluşan birkaç piksellik kaymaları göz önünde bulundurmaktır. Bu amaçla resim işlemede sık kullanılan motion blur ve sobel filtreleri kullanılmıştır. Sobel resim filtresi filtrelenen resim içinde renk değişimlerinin keskin olduğu bölgeleri, değerlerini siyah veya beyaz (filtre ağırlıklarına göre belirlenmektedir) renklerine ve renk değişiminin bulunmadığı düz alanları diğer renge yakınlaştırarak ön plana çıkarmaktadır. Başka bir deyişle sobel filtresi resimler içindeki obje kenarlarını belirginleştirmektedir. Kamera hareketlerine duyarlılığı düşürmek için, komşu piksellerin belli ağırlıklar ile birbiri üzerine kopyalanması öngörülmüştür. Bu sayede sobel filtresi ile elde edilen keskin kenar değerleri yumuşatılacak ve kenarlara yakın alanların (arkaplan ve obje kenar bölgelerinin) etkileri de incelenmiş olacaktır. Bu gereksinimleri karşılamak amacı ile motion blur filtresinden faydalanılmıştır. Yöntemin obje kenarlarının değişimini takip etmesi sebebiyle videolar siyah beyaz videoya çevrilerek işlenmiştir. Filtrelenmiş Video Histogram Karşılaştırması yönteminin filtreleme safhasının adımları Şekil 4 te görülmektedir.
4 Histogram Karşılaştırması yönteminin kamera hareketleri ve parlaklık değişimine duyarlılığının, diğer sıkıştırılmamış video bileşenleri üzerine çalışan yöntemlere göre çok daha düşük olduğu tespit edilmiştir. Yapılan denemelerde özellikle parlaklık değişimlerine duyarlılığın çok düşürüldüğü ve kameradan kaynaklanan parlaklık değişimleri içeren videolarda çok daha başarılı bölümlendirme yapılabildiği gözlemlenmiştir. Şekil 5 de parlaklık değişimi ve kamera hareketlerinin yoğun olduğu örnek bir video için HSV Histogram Karşılaştırması ve Filtrelenmiş Video Histogram Karşılaştırması tarafından elde edilen kare fark değerleri grafik olarak görülmektedir. HSV histogram karşılaştırması standart yöntemler içinde obje parlaklık değişimine en az duyarlı yöntemlerden olduğu için karşılaştırma için uygun görülmüştür. Şekil üzerinde gerçek bölüm geçişleri oklar ile gösterilmektedir. Şekil 4. Resim filtreleme adımları Elde edilen filtrelenmiş videolar için ardışıl karelerin fark değerlerini elde etmede, standart histogram karşılaştırma formüllerinin kullanılması durumunda yöntemin ilgilenmediği düz alanlarda karşılaştırma kriterine dahil edilerek yanlış sonuçların artmasına sebep verecektir. Bu eksikliği gidermek amacı ile standart histogram karşılaştırma formülünde siyah rengi temsil eden 0 değeri devre dışı bırakılarak Filtrelenmiş Video Histogram Karşılaştırması yönteminde kullanılacak formül (Denklem 1) elde edilmiştir. Denklem 1 de verilen formül, sayısal videolarda 8 bit renk derinliğine sahip (koyuluk değerleri ;n =256) videolarda kullanılacak formüldür. Denklem 1 de D değeri (i,i+1) kareleri arasında elde edilen fark değerini, H ilgili karelere ait histogramları ve j değeri ise histogram içerisinde sıra ile karşılaştırılacak koyuluk değerlerini göstermektedir. Formülde koyuluk değerinin aralığında olmasının sebebi yukarıda da bahsedildiği gibi filtrelenmiş histogramlarda düz yüzeyleri temsil eden 0 koyuluk değerinin ihmal edilmesidir. 255 D ( i, i + 1) = H ( j) H (1) j= 1 i i+ 1 ( j) Filtrelenmiş Video Histogram Karşılaştırması yöntemi çalışma adımları sırasıyla özetlenecek olursa : 1. Videonun gri tonlamalı hale getirilmesi 2. Videonun Motion Blur filtresi ile filtrelenmesi 3. Motion Blur ile filtrelenen videonun Sobel filtresi ile filtrelenmesi 4. Elde edilen videonun siyah bileşenler (0 ağırlık değerine sahip pikseller) ihmal edilerek histogram karşılaştırması ile ardışıl kareler fark değerlerinin elde edilmesi 5. Fark değerleri içinde eşik değeri üzerinde kalan karelerin bölüm geçişi olarak belirlenmesi 6. Bulunan bölüm geçişleri kullanılarak bölümlerin oluşturulması 4. Değerlendirme ve Karşılaştırmalar Önerilen yöntemin uygulanması ile elde edilen neticeler değerlendirildiğinde, beklendiği gibi Filtrelenmiş Video Şekil 5. Örnek bir video için elde edilen ardışıl kare fark değerleri Örnekte kullanılan video, özellikle kalitesiz bir kamera ile kamera ve parlaklık değişimlerini ihtiva edecek şekilde kaydedilmiş ve 6 bölüm içermektedir. Örnek video kareleri arasında bulunan 4. bölümünde şiddetli parlaklık değişimi ve kamera hareketleri içermektedir. HSV Histogram Karşılaştırması yönteminin 4. Bölüm içerisinde parlaklık değişiminin olduğu kare fark değerlerini 5. bölüm başlangıç değerinden daha yüksek elde ettiği gözlemlenmektedir. Ayrıca HSV Histogram Karşılaştırması yönteminin 5. Bölüm başlangıcından hemen sonra yer alan kamera hareketini bölüm geçiş değerine yakın elde ettiği gözlemlenmektedir. Tasarlanan tekniğin başarımını ölçmek için algoritma, farklı videolarda [8] uygulanarak karşılaştırmalar yapılmış ve yukarıdaki örnekte de görüldüğü gibi önerilen yöntemin diğer yöntemlerden daha yüksek başarım elde ettiği tespit edilmiştir. Elde edilen sonuçlar incelendiğinde, Filtrelenmiş Video Histogram Karşılaştırma yönteminin parlaklık değişimleri, obje ve kamera hareketlerine duyarlılığının diğer yöntemlere göre çok daha düşük olduğu gözlemlenmektedir.
5 Filtrelenmiş Video Histogram Karşılaştırma algoritması hesaplama zamanı olarak değerlendirilecek olursa; filtreleme adımlarının hesaplama zamanını arttırdığı açıktır. Fakat video kare fark değerlerinin elde edildiği adımda siyah beyaz video üzerine çalışıldığı için Filtrelenmiş Video Histogram Karşılaştırması bu adımı tek aşamada tamamlamaktadır. Diğer yöntemler ise hesaplama adımını üç renk için tekrarlayıp ortalama değeri hesapladıklarından video kare fark değerlerini daha uzun zaman içinde elde etmektedirler. Tablo 1. Chevrolet.avi Videosu İçin Elde Edilen Sonuçlar ALGORİTMA Süre (sn) Bölüm Adedi Doğruluk Tablo 1 de 5 bölüm içeren Chevrolet.avi [8] videosu için değişik algoritmaların karşılaştırması yer almaktadır. Tablo 1 de hesaplama süreleri, algoritmaların tespit ettiği bölüm sayıları, gerçek bölüm geçişlerinin ne kadarını tespit edebildikleri ve fazladan bulunan bölüm adetleri yer almaktadır. En iyi başarım için kullanılan algoritmanın, en az sürede hesap yapabilmesi, gerçek bölümlerin %100 oranında tespit edilebilmesi ve fazladan bölüm tespitinin yapılmaması gibi özelliklere sahip olması gerekmektedir. (%) Fazla Bölüm Piksel Karşılaştırması Blok Tabanlı Piksel Karş RGB Histogram Karşılaştırması Blok Tabanlı Histogram Karş. 27, HSV Histogram Karşılaştırması Filtrelenmiş Video Histogram Karş Kaynaklar [1] COTSACES C., NİKOLAİDİS N., PITAS I., Video shot detection and condensed representation A review. IEEE Signal Processing Magazine, IEEE, 2006 [2] KOPRİNSKA I., CARRATO S., Temporal Video Segmentation : A Survey Signal Processing: Image Communication, Elsevier Science, 2001 [3] KASTURİ R., JAİN R., Dynamic Vision, in Computer Vision : Principles IEEE Computer Society Press, Washington DC,1991 [4] ZHANG H.J., LOW C.Y., SMOLIAR S.W., Video Parsing and Browsing Using Compressed Data, SPIE Conf. Image and Video Processing II, 1994 [5] GARGI U., OSWALD S., KOSIBA S., DEVADIGA S., KASTURİ R., Evaluation Of Video Sequence Indexing And Hiererchical Video Indexing, SPIE Conf. Storage and Retrieval in Image and Video Databases,1995 [6] SWANBERG D., SHU C. F., JAIN R., Knowledge guided parsing in video databases, SPIE Conf., 1993 [7] BORECZKY J. S., ROWE L. A., Comparison Of Video Shot Boundary Detection Techniques, IS&T/SPIE Intern. Symposium Electronic Imaging, 1996 [8] 5. Sonuç Bu çalışmada mevcut sıkıştırılmamış videolar üzerine çalışan bölümlendirme algoritmalarından daha yüksek başarıma sahip bir bölümlendirme algoritması tasarımı üzerinde durulmuştur. Algoritma tasarımında literatürde yer alan mevcut algoritmalar incelenerek eksiklikleri tespit edilmiş ve bu algoritmalar temel alınarak yeni bir yöntem geliştirme yoluna gidilmiştir. Tasarlanılan algoritma uygulamaya geçirilerek uygulanabilirliği ispatlanmış aynı zamanda farklı videolar üzerinde mevcut algoritmalarla birlikte uygulanarak karşılaştırma yapılmıştır. Karşılaştırmalar neticesinde algoritmanın doğru bölüm geçişi tespitinin daha iyi olduğu ve işlem yükü olarak da kabul edilebilir seviyede olduğu görülmüştür. Bant genişliği gereksinimleri nedeniyle günümüzde sıkıştırılmış videoların daha sık kullanıldığı göz önüne alındığında, tasarlanan algoritmanın özellikleri kullanılarak sıkıştırılmış videolar (Mpeg vs.) üzerinde çalışan farklı bir algoritmanın geliştirilmesi de güncel bir video bölümlendirme çalışması olarak düşünülebilir.
Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması
Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması 1 Giriş Binnur Kurt, H. Tahsin Demiral, Muhittin Gökmen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, Maslak, 80626 İstanbul {kurt,demiral,gokmen}@cs.itu.edu.tr
DetaylıBİYOMETRİK İRİS SINIFLANDIRMA SİSTEMLERİ
BİYOMETRİK İRİS SINIFLANDIRMA SİSTEMLERİ Emre DANDIL, K.İBRAHİM KAPLAN Akademik Bilişim 2013 İnternet ve bilgisayar teknolojilerinin etkin kullanılmaya başlanması ile birlikte, bazı kişisel bilgilere veya
DetaylıGörüntü İşleme. K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI. Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003
Görüntü İşleme K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003 İçerik Görüntü İşleme Nedir? Görüntü Tanımlamaları Görüntü Operasyonları Görüntü İşleme
DetaylıGÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI ÖZET ABSTRACT
GÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI Hüseyin GÜNEŞ 1, Alper BURMABIYIK 2, Semih KELEŞ 3, Davut AKDAŞ 4 1 hgunes@balikesir.edu.tr Balıkesir
DetaylıRENK BİLEŞENLERİ YARDIMIYLA HAREKETLİ HEDEFLERİN GERÇEK ZAMANLI TESPİTİ
Journal of Naval Science and Engineering 2009, Vol 5, No2, pp 89-97 RENK BİLEŞENLERİ YARDIMIYLA HAREKETLİ HEDEFLERİN GERÇEK ZAMANLI TESPİTİ Öğr Kd Bnb Mustafa Yağımlı Elektrik/Elektronik Mühendisliği Bölümü,
DetaylıCCD KAMERA KULLANARAK SAYISAL GÖRÜNTÜ İŞLEME YOLUYLA GERÇEK ZAMANLI GÜVENLİK UYGULAMASI
CCD KAMERA KULLANARAK SAYISAL GÖRÜNTÜ İŞLEME YOLUYLA GERÇEK ZAMANLI GÜVENLİK UYGULAMASI Serhan COŞAR serhancosar@yahoo.com Oğuzhan URHAN urhano@kou.edu.tr M. Kemal GÜLLÜ kemalg@kou.edu.tr İşaret ve Görüntü
DetaylıGörüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.
Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
DetaylıYüz Tanımaya Dayalı Uygulamalar. (Özet)
4 Yüz Tanımaya Dayalı Uygulamalar (Özet) Günümüzde, teknolojinin gelişmesi ile yüz tanımaya dayalı bir çok yöntem artık uygulama alanı bulabilmekte ve gittikçe de önem kazanmaktadır. Bir çok farklı uygulama
DetaylıTÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun.
Doç.Dr.Mehmet MISIR-2013 TÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun. Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında
DetaylıVideo Dizilerinden Reklam Saptama ve İndeksleme
Video Dizilerinden Saptama ve İndeksleme Binnur Kurt, Muhittin Gökmen İstanbul Teknik Üniversitesi Bilgisayar Mühendisliği Bölümü Maslak 80626, İstanbul {kurt,gokmen}@cs.itu.edu.tr Özetçe Bu çalışmada
DetaylıÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ
ÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ 1. Giriş Tolga Kurt, Emin Anarım Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği 80815,Bebek, İstanbul-Türkiye e-posta:
DetaylıMMT 106 Teknik Fotoğrafçılık 3 Digital Görüntüleme
MMT 106 Teknik Fotoğrafçılık 3 Digital Görüntüleme 2010-2011 Bahar Yarıyılı Ar. Gör. Dr. Ersoy Erişir 1 Konvansiyonel Görüntüleme (Fotografi) 2 Görüntü Tasarımı 3 Digital Görüntüleme 3.1 Renkler 3.2.1
DetaylıBilgisayarla Fotogrametrik Görme
Bilgisayarla Fotogrametrik Görme Dijital Görüntü ve Özellikleri Yrd. Doç. Dr. Mustafa DİHKAN 1 Dijital görüntü ve özellikleri Siyah-beyaz resimler için değer elemanları 0-255 arasındadır. 256 farklı durum
DetaylıOdak noktamız karanlığı tamamen görünür kılmaktır. starlight teknolojisi
Odak noktamız karanlığı tamamen görünür kılmaktır starlight teknolojisi 2 starlight teknolojisi Benzersiz 7/24 kameraları Aydınlatma koşullarından bağımsız olarak net ve işe yarar görüntülere güvenebilseniz
DetaylıDijital Görüntü İşleme Teknikleri
Teknikleri Ders Notları, 2013 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 08 Ekim 2013 Salı 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar, kaynaklar.
DetaylıH.264 Bit Dizisi Üzerinde Yeni Bir Video Nesne Bölütleme Algoritması
H.264 Bit Dizisi Üzerinde Yeni Bir Video Nesne Bölütleme Algoritması * 1 Halil İbrahim Eskikurt ve 2 Yılmaz Eroğlu 1 Teknoloji Fakültesi, Elektrik ve Elektronik Mühendisliği Bölümü, Sakarya Üniversitesi,
DetaylıUYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA
UYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında ucuz ve hızlı sonuç alınabilen uzaktan algılama tekniğinin, yenilenebilir
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Proje
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Proje Renk ve Şekil Temelli Trafik İşareti Tespiti Selçuk BAŞAK 08501008 1. Not: Ödevi hazırlamak için
DetaylıDers Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Sayısal Görüntü İşleme BIL413 7 3+0 3 5 Ön Koşul Dersleri Yok Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Seçmeli / Yüz Yüze
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
DetaylıElena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007
AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri
DetaylıMobil Cihazlarda Online Görüntü İşleme Yazılımının Geliştirilmesi
Mobil Cihazlarda Online Görüntü İşleme Yazılımının Geliştirilmesi Maltepe Üniversitesi, Bilgisayar Mühendisliği Bölümü, İstanbul volkan@volkanatasever.com, du.y.gu@hotmail.com, erdalg@maltepe.edu.tr Özet:
DetaylıMOD419 Görüntü İşleme
MOD419 Görüntü İşleme Ders Kitabı: Digital Image Processing by Gonzalez and Woods Puanlama: %30 Lab. %20 Vize %10 Quizes %40 Final %60 devam mecburiyeti Görüntü İşleme ye Giriş Görüntü İşleme Nedir? Özellikle
Detaylıİkili (Binary) Görüntü Analizi
İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)
DetaylıLED IŞIK KAYNAKLARININ RENK SICAKLIĞININ GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANILARAK BELİRLENMESİ. İsmail Serkan Üncü, İsmail Taşcı
LED IŞIK KAYNAKLARININ RENK SICAKLIĞININ GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANILARAK BELİRLENMESİ İsmail Serkan Üncü, İsmail Taşcı To The Sources Of Light s Color Tempature With Image Processing Techniques
DetaylıÇözümleri İÇERİK YÖNETİM SİSTEMLERİ. İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir.
Çözümleri İÇERİK YÖNETİM SİSTEMLERİ İSBAK A.Ş., İstanbul Büyükşehir Belediyesi iştirakidir. i-sign İçerik Yönetim Yazılımı İçerik yönetim yazılımı LCD ve LED tabanlı bilgilendirme sistemlerinde ekranlarda
DetaylıÖğr. Gör. Hakan YÜKSEL hakanyuksel@sdu.edu.tr SÜLEYMAN DEMİREL ÜNİVERSİTESİ. Akademik Bilişim 2013 1
Öğr. Gör. Hakan YÜKSEL hakanyuksel@sdu.edu.tr SÜLEYMAN DEMİREL ÜNİVERSİTESİ Akademik Bilişim 2013 1 İçerik Hareket Temelli İşlemler Temassız hareket algılayıcısı: Kinect Kinect Uygulamaları Kinect in getirdikleri
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Final
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Final Harris ve Moravec Köşe Belirleme Metotları Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim
DetaylıMobil Cihazlarda Online Görüntü İşleme Yazılımının Geliştirilmesi
Mobil Cihazlarda Online Görüntü İşleme Yazılımının Geliştirilmesi 1 2 3 Volkan Atasever, Duygu Arslan, Erdal Güvenoğlu 1 Maltepe Üniversitesi, Bilgisayar Mühendisliği Bölümü, İstanbul 2 Maltepe Üniversitesi,
Detaylı91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing)
91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 1 Amaçlar Öğrencileri Matlab gibi teknik
DetaylıTÜRKİYEDE İLK YAKIN KIRMIZIÖTE GÖZLEMLER
TÜRKİYEDE İLK YAKIN KIRMIZIÖTE GÖZLEMLER Sacit ÖZDEMİR, Ceren YILDIRIM, H. Gökhan GÖKAY Ankara Üniversitesi Fen Fakültesi Astronomi ve Uzay Bilimleri Bölümü, Tandoğan, Ankara (e-posta: sozdemir@ankara.edu.tr)
DetaylıDOSYA ORGANİZASYONU. Sıralı erişimli dosya organizasyonu yöntemleri ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
DOSYA ORGANİZASYONU ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ Sıralı erişimli dosya organizasyonu yöntemleri Sunum planı Sıralı erişimli dosya organizasyonu yöntemleri Basit sıralı
Detaylıİkili (Binary) Görüntü Analizi
İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 2574010 1718 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
DetaylıBulanık Mantık Tabanlı Uçak Modeli Tespiti
Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
Detaylı24 bit renkli hareketli resimler (video) üzerinde geliştirilen sırörtme yöntemi
SAÜ Fen Bil Der 19. Cilt, 1. Sayı, s. 1-6, 2015 24 bit renkli hareketli resimler (video) üzerinde geliştirilen Yasemin Yıldız 1*, Ahmet T. Özcerit 2 ÖZ 08.01.2014 Geliş/Received, 18.04.2014 Kabul/Accepted
DetaylıBilgiye Erişim Sistemlerinde Veri Arama ve Eşleştirme
Bilgiye Erişim Sistemlerinde Veri Arama ve Eşleştirme M. Erkan YÜKSEL 1, Özgür Can TURNA 1, M. Ali ERTÜRK 1 1 İstanbul Üniversitesi, Bilgisayar Mühendisliği Bölümü, İstanbul {eyuksel, ozcantur}@istanbul.edu.tr,
DetaylıAlgoritmalar. Arama Problemi ve Analizi. Bahar 2016 Doç. Dr. Suat Özdemir 1
Algoritmalar Arama Problemi ve Analizi Bahar 2016 Doç. Dr. Suat Özdemir 1 Arama Problemi Sıralama algoritmaları gibi arama algoritmaları da gerçek hayat bilgisayar mühendisliği problemlerinin çözümünde
DetaylıKameralar, sensörler ve sistemler
Dijital Fotogrametri Kameralar, sensörler ve sistemler Prof. Dr. Fevzi Karslı Harita Mühendisliği Bölümü, KTÜ fkarsli@ktu.edu.tr Analog Hava Kameraları Ana firmalar Zeiss, Wild ve Leica. Kullanılan bütün
DetaylıGÖRÜNTÜ İŞLEME - (7.Hafta) KENAR BELİRLEME ALGORİTMALARI
GÖRÜNTÜ İŞLEME - (7.Hafta) KENAR BELİRLEME ALGORİTMALARI Bu konuda bir çok algoritma olmasına rağmen en yaygın kullanılan ve etkili olan Sobel algoritması burada anlatılacaktır. SOBEL FİLTRESİ Görüntüyü
DetaylıUzaktan Algılama (3) Yrd. Doç. Dr. Özgür ZEYDAN Renk Teorileri
Uzaktan Algılama (3) Yrd. Doç. Dr. Özgür ZEYDAN http://cevre.beun.edu.tr/zeydan/ Renk Teorileri Eklemeli renk teorisi Çıkarmalı renk teorisi 1 RGB (Red Green - Blue) Kavramı Red Green - Blue RGB-Mixer
DetaylıİRİSTEN KİMLİK TANIMA SİSTEMİ
ÖZEL EGE LİSESİ İRİSTEN KİMLİK TANIMA SİSTEMİ HAZIRLAYAN ÖĞRENCİLER: Ceren KÖKTÜRK Ece AYTAN DANIŞMAN ÖĞRETMEN: A.Ruhşah ERDUYGUN 2006 İZMİR AMAÇ Bu çalışma ile, güvenlik amacıyla kullanılabilecek bir
DetaylıANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SANAL ARTIRILMIŞ VE AKILLI TEKNOLOJİLER (SAAT) LABORATUVARI SAAT Laboratuvarı Koordinatör: Yrd. Doç. Dr. Gazi Erkan BOSTANCI SAAT
DetaylıHafta 5 Uzamsal Filtreleme
BLM429 Görüntü İşlemeye Giriş Hafta 5 Uzamsal Filtreleme Yrd. Doç. Dr. Caner ÖZCAN If the facts don't fit the theory, change the facts. ~Einstein İçerik 3. Yeğinlik Dönüşümleri ve Uzamsal Filtreleme Temel
DetaylıDijital Fotogrametri
Dijital Fotogrametri 2016-2017, Bahar YY Fevzi Karslı (Prof. Dr.) Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 20 Mart 2017 Pazartesi Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, kavramlar,
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (GEO/JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2017-2018 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 291 2565 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
DetaylıSAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing)
91-03-01-529 SAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 29.09.2009 Y. Doç. Dr. Aybars UĞUR (529
DetaylıVERİ YAPILARI VE PROGRAMLAMA
VERİ YAPILARI VE PROGRAMLAMA (BIP116) Yazar: Doç.Dr.İ.Hakkı.Cedimoğlu SAKARYA ÜNİVERSİTESİ Adapazarı Meslek Yüksekokulu Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir.
DetaylıUzaktan Algılama (3) Öğr. Gör. Dr. Özgür ZEYDAN http://cevre.beun.edu.tr/zeydan/ Renk Teorileri
Uzaktan Algılama (3) Öğr. Gör. Dr. Özgür ZEYDAN http://cevre.beun.edu.tr/zeydan/ Renk Teorileri Eklemeli renk teorisi Çıkarmalı renk teorisi 1 RGB (Red Green - Blue) Kavramı Red Green - Blue RGB-Mixer
DetaylıLabview Tabanlı Sayısal İşaret İşleme Sanal Laboratuvarı Labview Based Digital Signal Processing Virtual Laboratory
Labview Tabanlı Sayısal İşaret İşleme Sanal Laboratuvarı Labview Based Digital Signal Processing Virtual Laboratory 1 Ahmet KÜÇÜKER and 1 Burhan BARAKLI 1 Faculty of Engineering, Department of Electrical
DetaylıVISISYS. Akıllı Görüntüleme Sistemleri
VISISYS Akıllı Görüntüleme Sistemleri 2008 Gözlem Teknolojileri: İhtiyaçlarınıza uygun Yürürlükteki Güvenlik yatırımlarını geliştirme Güvenlik İşletim Sistemi Açık Dağıtım Mimarisi Olay güdümlü Sistem
DetaylıPERFORMANCE COMPARISON OF KARATSUBA AND NIKHILAM MULTIPLICATION ALGORITHMS FOR DIFFERENT BIT LENGTHS
İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl:14 Sayı: 27 Bahar 2015 s. 55-64 Araştırma Makalesi KARATSUBA VE NIKHILAM ÇARPMA İŞLEMİ ALGORİTMALARININ FARKLI BİT UZUNLUKLARI İÇİN PERFORMANSLARININ
DetaylıBölüm 7 Renkli Görüntü İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 7 Renkli Görüntü İşleme Dr. Öğr. Üyesi Caner ÖZCAN Genç sanatçının, rengin sadece tanımlayıcı değil aynı zamanda kişisel ifade anlamına geldiğini anlaması renge dokunmasından
DetaylıULUSAL COĞRAFİ BILGİ SISTEMLERİ KONGRESİ 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
ULUSAL COĞRAFİ BILGİ SISTEMLERİ KONGRESİ 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Uydu Verilerinin Farklı Yöntemlerle Karılması ve Sonuçların Karşılaştırılması Öğr. Gör. Bora UĞURLU Prof. Dr. Hülya YILDIRIM
DetaylıUzaktan Algılama Uygulamaları
Aksaray Üniversitesi Uzaktan Algılama Uygulamaları Doç.Dr. Semih EKERCİN Harita Mühendisliği Bölümü sekercin@aksaray.edu.tr 2010-2011 Bahar Yarıyılı Uzaktan Algılama Uygulamaları GÖRÜNTÜ İŞLEME TEKNİKLERİ
DetaylıSAYISAL GÖRÜNTÜ EŞLEME
SAYISAL GÖRÜNTÜ EŞLEME Sayısal görüntü elde etme, işleme ve ilgili çıktıyı almak son günlerde artık normal hayata da girmeğe başlamıştır. Hepimizin video kamera (camcoder) adı ile bildiğimiz ürünler aslında
DetaylıZamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama
Zamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama Mehmet Yavuz ONAT Yrd.Doç.Dr.Engin YILDIZTEPE Dokuz Eylül Üniversitesi, İstatistik Bölümü Akademik Bilişim 2015, Anadolu Üniversitesi, Eskişehir
DetaylıYrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 Dijital görüntü işlemede temel kavramlar Sayısal Görüntü İşleme; bilgisayar yardımı ile raster verilerin
DetaylıÇekim senaryosunda yer alan bilgiler:
Çekim Senaryosu Çekimlere bölünen, çevrim için gerekli tüm uygulamayla ilgili açıklamaları taşıyan, konuşmaları ve sesle ilgili tüm bilgileri veren senaryo; senaryonun film çevirmeye hazır durumdaki en
DetaylıGÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME
GÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME DERS İÇERİĞİ Histogram İşleme Filtreleme Temelleri HİSTOGRAM Histogram bir resimdeki renk değerlerinin sayısını gösteren grafiktir. Histogram dengeleme
DetaylıTEMEL GÖRÜNTÜ BİLGİSİ
TEMEL GÖRÜNTÜ BİLGİSİ FOTOĞRAF/GÖRÜNTÜ KAVRAMI VE ÖZELLİKLERİ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF345 TEMEL GÖRÜNTÜ BİLGİSİ DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/ İÇERİK
DetaylıGÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ
GÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ GÖRÜNTÜ İŞLEME Hafta Hafta 1 Hafta 2 Hafta 3 Hafta 4 Hafta 5 Hafta 6 Hafta 7 Hafta 8 Hafta 9 Hafta 10 Hafta 11 Hafta 12 Hafta 13 Hafta 14 Konu Giriş Digital Görüntü Temelleri-1
Detaylıİnsan Yüzü Resimlerinin Sorgulamaya Uygun ve Bölgelendirmeye Dayalı Kodlanması
1 Giriş: İnsan Yüzü Resimlerinin Sorgulamaya Uygun ve Bölgelendirmeye Dayalı Kodlanması Hatice Çınar, Ö Nezih Gerek Anadolu Üniversitesi, Elektrik-Elektronik Müh Böl, Eskişehir ongerek@anadoluedutr, hacinar@anadoluedutr
Detaylı2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları. (Doç.Dr. M. Kemal GÜLLÜ)
2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları (Doç.Dr. M. Kemal GÜLLÜ) 1. Ses temelli malzeme tanıma Malzemelerin çarpma etkisi ile çıkarttıkları seslerin mikrofon ile bir PC ye alınması ve işaretten
DetaylıMakale (Article) Gerçek Zamanlı Görüntü İşleme Yönteminin Otomatik Depolama ve Boşaltma Sistemlerinde Uygulanması Barış GÖKÇE *
Makine Teknolojileri Elektronik Dergisi Cilt: 12, No: 2, 2015 (1-13) Electronic Journal of Machine Technologies Vol: 12, No: 2, 2015 (1-13) TEKNOLOJİK ARAŞTIRMALAR www.teknolojikarastirmalar.com e-issn:1304-4141
Detaylı12 Photocopiable for classroom use only. 2005 Computer Science Unplugged (www.csunplugged.org)
Aktivite 2 Rakamlarla Renk Resim Temsil Etmek Özet Bilgisayarlar çizimleri, fotoğrafları ve diğer resimleri yalnızca rakamlar kullanarak kaydeder. Bu aktivitede bilgisayarların bunu nasıl yaptığını göreceğiz.
DetaylıGerçek Zamanlı Harekete Duyarlı Bir Görüntü Tanıma Sistemi
6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 2011, Elazığ, Turkey Gerçek Zamanlı Harekete Duyarlı Bir Görüntü Tanıma Sistemi M.Peker 1, A. Zengin 2 1 University of Karabuk/Turkey,
DetaylıFrozen-Time Eşzamanlı Fotoğraf Çekim ve Greenbox Video Oluşturma Sistemi
Gravi Bilişim Teknolojileri ve Danışmanlık Ltd. Şti. Frozen-Time Eşzamanlı Fotoğraf Çekim ve Greenbox Video Oluşturma Sistemi 1 Hakkımızda Gravi Bilişim Teknolojileri ve Danışmanlık Ltd. Şti., 2010 yılında
DetaylıAkademik Bilişim Ekibinin Dikkatine;
07.01.2012 Akademik Bilişim Ekibinin Dikkatine; Ege Üniversitesi - Bilgisayar Mühendisliği Anabilim Dalı Tezli Doktora Programı 1. sınıf öğrencisi olarak, Akademik Bilişim 2012 Konferansı nda tüm katılımcılara
DetaylıHafta 2 Görüntünün Alınması ve Sayısallaştırılması
BLM429 Görüntü İşlemeye Giriş Hafta 2 Görüntünün Alınması ve Sayısallaştırılması Yrd. Doç. Dr. Caner ÖZCAN When something can be read without effort, great effort has gone into its writing. ~E. J. Poncela
Detaylıhdilmen2@gmail.com, ysantur@gmail.com,
Fırat Üniversitesi Akademik Personel Otomasyonu Haluk Dilmen 1, Yunus Santur 2 1 Fırat Üniversitesi, Enformatik Bölümü, Elazığ 2 Fırat Üniversitesi, Enformatik Bölümü, Elazığ hdilmen2@gmail.com, ysantur@gmail.com,
DetaylıÜniversite Sanayi İşbirliği Başarılı Uygulamalar Çalıştayı
Üniversite Sanayi İşbirliği Başarılı Uygulamalar Çalıştayı ODTÜ-UME Tarafından ASELSAN A.Ş. İçin Gerçekleştirilen Projeler Ar. Gör. Çağdaş Çalık Uygulamalı Matematik Enstitüsü ODTÜ İçerik ODTÜ UME Tanıtımı
DetaylıSAYISAL TASARIM. Ege Üniversitesi Ege MYO Mekatronik Programı
SAYISAL TASARIM Ege Üniversitesi Ege MYO Mekatronik Programı BÖLÜM 6 DAC, Sayısal Analog Dönüştürücüler DAC Sayısal Analog Dönüştürücüler Analog sayısal dönüşümün tersini gerçekleyen elemanlara sayısal
DetaylıGÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ
GÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ GÖRÜNTÜ ALGILAMA Üç temel zar ile kaplıdır. 1- Dış Zar(kornea ve Sklera) 2- Koroid 3- Retina GÖRÜNTÜ ALGILAMA ---Dış Zar İki kısımdan oluşur. Kornea ve
DetaylıBilgisayar ne elde eder (görüntüden)? Dijital Görüntü İşleme Fevzi Karslı, KTÜ. 08 Ekim 2013 Salı 51
Bilgisayar ne elde eder (görüntüden)? 08 Ekim 2013 Salı 51 Zorluk 1: bakış açısı 2012, Selim Aksoy 08 Ekim 2013 Salı 52 Zorluk 2: aydınlatma 08 Ekim 2013 Salı 53 Zorluk 3: oklüzyon (ölü bölge oluşumu)
DetaylıOtomatik Kontrol Ulusal Toplantısı, TOK'2015, 10-12 Eylül 2015, Denizli
Tek Kamera Kullanarak Nesne-Kamera Arasındaki Uzaklığın Belirlenmesi İçin Bir Yöntem A method for determination of object-camera distance by using single camera Fatma Kuncan 1, Mehmet Yıldırım 2 1,2 Bilişim
DetaylıMerge To Hdr. Merge To Hdr. Merge to hdr. HDR resimleri. www.dersmax.com Merge To Hdr 1
Merge To Hdr Merge to hdr HDR resimleri. www.dersmax.com Merge To Hdr 1 www.dersmax.com Merge To Hdr 2 HDR nedir? Yüksek kontrastlı ya da ters ışıklı ortamlar için yapılan çekimlerde kullanılan bir teknik
DetaylıT.C. TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ. DİJİTAL VİDEOLARDA ARKA PLAN MODELLEME ve HAREKETLİ NESNE ÇIKARIMI
T.C. TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DİJİTAL VİDEOLARDA ARKA PLAN MODELLEME ve HAREKETLİ NESNE ÇIKARIMI K. Hakan Kutluay Yüksek Lisans Tezi Bilgisayar Mühendisliği Anabilim Dalı Danışman: Yrd.Doç.Dr.
DetaylıDerece Alan Üniversite Yıl Lisans Elek.Elektonik Müh. Bilkent Üniversitesi 1993 Y. Lisans Elektrik Müh. Rutgers
1. Adı Soyadı : Kadir Aşkın PEKER 2. Doğum Tarihi : 1972 3. Unvanı : Yrd.Doç.Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yıl Lisans Elek.Elektonik Müh. Bilkent Üniversitesi 1993 Y. Lisans Elektrik Müh.
DetaylıBu makalede, rulman üretim hattının son
BİLGİSAYARLI GÖRÜNTÜ YARDIMIYLA RULMAN HATALARININ DENETİMİ Arda MOLLAKÖY 0814046@student.cankaya.edu.tr Sibel ÇİMEN c0814016@student.cankaya.edu.tr Emre YENGEL Mekatronik Mühendisliği e.yengel@cankaya.edu.tr
DetaylıGama ışını görüntüleme: X ışını görüntüleme:
Elektronik ve Hab. Müh. Giriş Dersi Görüntü İşleme Yrd. Doç. Dr. M. Kemal GÜLLÜ Uygulama Alanları Gama ışını görüntüleme: X ışını görüntüleme: Uygulama Alanları Mor ötesi bandı görüntüleme: Görünür ve
DetaylıGörüntü İşleme Teknikleri Kullanılarak Bir Ortamın İnsan Yoğunluğunun Hesaplanması
Görüntü İşleme Teknikleri Kullanılarak Bir Ortamın İnsan Yoğunluğunun Hesaplanması Calculating The People Density Of An Environment Using Image Processing Tecniques Fatih Ahmet ŞENEL 1, Sezai TOKAT 2 1
DetaylıMean Shift Ve Gaussian Filtre İle Gölge Tespiti Shadow Detection With Mean Shift And Gaussian Filter
Mean Shift Ve Gaussian Filtre İle Gölge Tespiti Shadow Detection With Mean Shift And Gaussian Filter Yunus SANTUR 1, Haluk DİLMEN 1, Semiha MAKİNİST 2, M. Fatih TALU 1 1 Bilgisayar Bölümü Mühendislik Fakültesi
DetaylıBLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik
BLM 4811 MESLEKİ TERMİNOLOJİ II 2017-1 Salı 13.00 14.50, D-109 Dr. Göksel Biricik goksel@ce.yildiz.edu.tr Ders Planı Hafta Tarih Konu 1 19.09 Tanışma, Ders Planı, Kriterler, Giriş 2 26.09 Bilgisayarın
Detaylı1.GÜÇ HATLARINDA HABERLEŞME NEDİR?
1.GÜÇ HATLARINDA HABERLEŞME NEDİR? Güç hattı haberleşmesi, verinin kurulu olan elektrik hattı şebekesi üzerinden taşınması tekniğidir. Sistem mevcut elektrik kablolarını kullanarak geniş bantlı veri transferi
DetaylıRenk kalitesi kılavuzu
Sayfa 1 / 6 Renk kalitesi kılavuzu Renk Kalitesi kılavuzu, kullanıcıların renk çıktısını ayarlamak ve özelleştirmek için yazıcının mevcut işlemlerinin nasıl kullanılabileceğini anlamasına yardımcı olur.
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 12 Video, Optik Akış ve Takip Alp Ertürk alp.erturk@kocaeli.edu.tr Video Video, farklı zamanlarda alınan çerçeveler dizisidir Videolar, iki boyut uzamsal, üçüncü boyut zaman
DetaylıIEEE Online Mühendislikte Günümüz Araştırmacılarının Temel Bilgi Kaynağı. UASL Eğitim Programı. 10 Mayıs, 2006
IEEE Online Mühendislikte Günümüz Araştırmacılarının Temel Bilgi Kaynağı UASL Eğitim Programı TÜBİTAK-ULAKBİM 10 Mayıs, 2006 2004 MIKRO 1 Institute of Electrical and Electronics Enineers (IEEE) Hakkında
Detaylıbt-pota Bilgi Teknolojileri Hizmetleri Belgelendirme Standartları Merve Saraç Nisan 2008
bt-pota Bilgi Teknolojileri Hizmetleri Belgelendirme Standartları Merve Saraç Nisan 2008 1 TÜBİSAD BT Hizmetleri Komisyonu Amaç, Hedef ve Stratejiler BT hizmetleri pazarının büyütülmesi Hizmet kalitesi
DetaylıMorfolojik Görüntü İşleme Yöntemleri ile Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti
6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 011, Elazığ, Turkey Morfolojik Görüntü İşleme Yöntemleri ile Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti
DetaylıTEMEL GÖRÜNTÜ BİLGİSİ
TEMEL GÖRÜNTÜ BİLGİSİ FOTOGRAMETRİDE ALGILAMA SİSTEMLERİ, ÖZELLİKLERİ ve SAĞLADIKLARI VERİ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF345 TEMEL GÖRÜNTÜ BİLGİSİ DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/
DetaylıOptik Filtrelerde Performans Analizi Performance Analysis of the Optical Filters
Optik Filtrelerde Performans Analizi Performance Analysis of the Optical Filters Gizem Pekküçük, İbrahim Uzar, N. Özlem Ünverdi Elektronik ve Haberleşme Mühendisliği Bölümü Yıldız Teknik Üniversitesi gizem.pekkucuk@gmail.com,
DetaylıİMGE İŞLEME Ders-9. İmge Sıkıştırma. Dersin web sayfası: (Yrd. Doç. Dr. M.
İMGE İŞLEME Ders-9 İmge Sıkıştırma (Yrd. Doç. Dr. M. Kemal GÜLLÜ) Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm Hazırlayan: M. Kemal GÜLLÜ İmge Sıkıştırma Veri sıkıştırmanın
DetaylıÜNİT E ÜNİTE GİRİŞ. Algoritma Mantığı. Algoritma Özellikleri PROGRAMLAMA TEMELLERİ ÜNİTE 3 ALGORİTMA
PROGRAMLAMA TEMELLERİ ÜNİTE 3 ALGORİTMA GİRİŞ Bilgisayarların önemli bir kullanım amacı, veri ve bilgilerin kullanılarak var olan belirli bir problemin çözülmeye çalışılmasıdır. Bunun için, bilgisayarlar
DetaylıAMAÇ Araçlardaki Kamera Sistemleri
SUNU PLANI AMAÇ OPEN CV GÖRÜNTÜ EŞİKLEME KENAR BULMA ŞEKİL BULMA GÖRÜNTÜ GENİŞLETME VE BOZMA GÖRÜNTÜ DOLDURMA AFFİNE DÖNÜŞÜMÜ PERSPEKTİF DÖNÜŞÜM KUŞ BAKIŞI GÖRÜNTÜ DÖNÜŞÜMÜ AMAÇ Araçlardaki Kamera Sistemleri
DetaylıSOBEL İŞLECİ KULLANILARAK RENKLİ GÖRÜNTÜLERDE KENAR BULMA. Elif AYBAR. Anadolu Üniversitesi, Porsuk Meslek Yüksekokulu, 26430, Eskişehir/Türkiye
Afyon Kocatepe Üniversitesi 8(1) Afyon Kocatepe University FEN BİLİMLERİ DERGİSİ JOURNAL OF SCIENCE SOBEL İŞLECİ KULLANILARAK RENKLİ GÖRÜNTÜLERDE KENAR BULMA ÖZET Elif AYBAR Anadolu Üniversitesi, Porsuk
DetaylıMPEG AKIMIMINDA BAŞLIK ŞİFRELEME
Akademik Bilişim 2007 Dumlupınar Üniversitesi, Kütahya 31 Ocak-2 Şubat 2007 MPEG AKIMIMINDA BAŞLIK ŞİFRELEME Deniz TAŞKIN*, Cem TAŞKIN** ve Nurşen SUÇSUZ* (*) Trakya Üniversitesi, Bilgisayar Mühendisliği
Detaylı