A METHOD FOR DECISION FUSION OF TARGET TRACKERS RUNNING ON DIFFERENT BAND IMAGE SEQUENCES

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "A METHOD FOR DECISION FUSION OF TARGET TRACKERS RUNNING ON DIFFERENT BAND IMAGE SEQUENCES"

Transkript

1 FARKLI BANT İMGE DİZİLERİ ÜZERİNDE KOŞAN HEDEF İZLEYİCİLERİN KARAR TÜMLEŞTİRİLMESİ ÜZERİNE BİR YÖNTEM A METHOD FOR DECISION FUSION OF TARGET TRACKERS RUNNING ON DIFFERENT BAND IMAGE SEQUENCES Serdar Çakır, A. Onur Karalı ve Tayfun Aytaç TÜBİTAK BİLGEM UEKAE/İLTAREN serdar.cakir,onur.karali,tayfun.aytac}@iltaren.tubitak.gov.tr ÖZETÇE Bu çalışmada, farklı bantlardan elde edilen öznitelik dizileri üzerinde koşan izleyicilerin kararlarının tümleştirilmesi için Öklid uzaklığa dayalı bir yöntem önerilmektedir. Gerçekleştirilen deneylerde, görünür ve kızılötesi bantlarında yeğinlik ve kenar imge dizileri üzerinde, ölçek değişimlerinden etkilenmeyen paralel dört ilinti tabanlı izleyici koşturulmuştur. Her bir izleyiciden elde edilen hedef konum bilgileri, önerilen yöntemle tümleştirilmiştir. Deneysel çalışmalar, önerilen izleyici karar tümleştirme metodunun, izleyiciyi, izleme kayıplarına karşı daha gürbüz bir hale getirdiğini göstermiştir. ABSTRACT In this work, an Euclid distance based decision fusion framework for the trackers running on the feature sequences extracted from different band images is proposed. In the experiments, four correlation based scale invariant tracker are run on intensity and edge image sequences extracted from the visual and infrared bands. The target locations obtained from each tracker are fused using the proposed method. The experimental studies show that, the proposed tracker decision fusion scheme makes the tracker more robust to track loss conditions. 1. GİRİŞ Literatürde hedef izleme problemi için bir çok sistem önerilmiş olmasına rağmen, hedefte meydana gelen ölçek, aydınlanma ve dönme değişimlerine karşı gürbüz, genel-geçer bir nihai sisteme henüz ulaşılamamıştır [1]. Geliştirilen birçok sistem, tek bir im üzerinde başarıyla çalışmasına karşın, farklı her durumda gürbüz bir şekilde çalışamamaktadır [2]. Bu nedenle farklı imlerin bir arada kullanılması fikri ortaya atılmıştır [3, 4]. Bu çalışmalarda, farklı imlerin bir arada kullanılmasının, ilgili sistemlerin başarımlarını arttırdığı gözlenmiştir. Fakat bir imge kaynağından türetilen farklı imlerin bütün durumlarda başarıyla çalışması mümkün gözükmemektedir. Farklı görüntülemeli sistemlerin geliştirilmesiyle, farklı kaynaklardan elde edilen görüntülerin tümleştirilmesine dayanan hedef izleme problemleri literatürde yerini almıştır [5]. Bu çalışmalardaki temel amaç, farklı kaynaklardan sağlanan görüntülerin kullanılmasıyla, ölçek, dönme, örtülme gibi /12/$26.00 c 2012 IEEE değişimlerden ve farklı ortam şartlarından asgari düzeyde etkilenen bir sistem yaratmaktır. Bir diğer çalışmada ise parçacık süzgeci kullanılarak, farklı kaynaklardan sağlanan farklı imlerin izleme probleminde kullanılması sağlanmıştır [6]. Bu çalışmada, literatürde yer alan çalışmalardan farklı olarak, farklı bant imge dizileri ve bu imge dizilerinden çıkarılan öznitelikler üzerinde koşan ilinti tabanlı hedef izleyicilerin kararlarının tümleştirilmesi üzerine bir yöntem ileri sürülmektedir. 2. ÖZNİTELİK ÇIKARIMI Karar tümleştirme mekanizmasının öznitelik çıkarım aşamasında, farklı bant imge dizilerinden bir takım öznitelikler çıkarılmaktadır. Burada, çıkarılan öznitelik matrisinin boyutlarının, orijinal bant imgesinin boyutlarıyla birebir örtüşmesi gerekmektedir. Bu durum, her bir öznitelik üzerinde koşan hedef izleyiciden sağlanan sonuçların, diğer izleyicilerden sağlanan sonuçlar ile sorunsuz birleştirilmesi açısından önem arz etmektedir. Çalışmada, görünür ve kızılötesi (KÖ) bant imge dizinlerinin piksel yeğinliği ve kenar öznitelikleri olmak üzere toplam dört farklı öznitelik üzerinden hedef izlenmesi ve izleyici karar tümleştirilmesi sağlanmaktadır. Kenar çıkarımındaki amaç, izleyici havuzunda bulunan izleyici çeşitliliğini arttırmanın yanında, kenar özniteliklerinin, imge temsilinde yaygın olarak kullanılmasıdır. Önerilen yöntemde, kenar çıkarımı için, yatay ve dikey yöndeki yeğinlik değişimlerin her ikisini birden kapsayan yatay ve dikey değişim büyüklükleri toplamı ( top), herhangi bir eşik uygulanmadan, değerleri [0-255] aralığında olacak şekilde ölçeklendirilerek kullanılmaktadır. top özniteliğinin hesaplanmasında, literatürde yaygın olarak kullanılan ve girdi imgesinin satır ya da sütun yönlü değişimine karşılık gelen [-1, 1] süzgeci kullanılmıştır. İlgili hesaplamalar Denklem 1 de gösterilmektedir. top = I x + I y (1) ve x y Burada, I piksel yeğinliğini temsil etmekte, sırasıyla, x ve y yönündeki parçalı türevleri ifade etmektedir. İfadede geçen parçalı türevler, yukarı bahsedilen süzgeç vasıtasıyla hesaplanmaktadır.

2 Önerilen çalışmada, görünür ve KÖ bantlardan çıkarılan yeğinlik ve kenar imgesi dizilerinde hedef izlenmesi gerçekleştirilmektedir. Şekil 1 de iki farklı bant imgesi ve bu imgelerden çıkarılan kenar imgeleri için bir örnek gösterilmektedir. Şekil 1: Farklı bantlardaki örnek imgeler ve çıkarılan kenar imgeleri [7]. Sol üst: KÖbantyeğinlik imgesi, sağ üst: görünür bant yeğinlik imgesi, sol alt: KÖ banttan çıkarılan kenar imgesi, sağ alt: görünür banttan çıkarılan kenar imgesi. 3. İLİNTİ TABANLI HEDEF İZLEYİCİ Öznitelik çıkarım basamağında, görünür ve KÖ bant görüntülerden elde edilen öznitelikler, geliştirilen ilinti tabanlı izleyicide kullanılarak, belirlenen hedefin farklı bant ve özniteliklerde izlenmesi sağlanmıştır. Geliştirilen izleyicinin ilklendirilmesi kullanıcı tarafından el ile yapılmakta olup, izleyici, hedefin arkaplandan belirgin şekilde ayrıldığı bantlarda, basit hedef tespit yöntemleriyle de ilklendirilebilmektedir. Hedef ilklendirilmesi her bir öznitelik imgesinde ayrı ayrı yapılmamakta, görünür bant yeğinlik imgesi üzerinden yapılan ilklendirmeyle, diğer öznitelik imgelerindeki hedef ilklendirmeleri de otomatik olarak gerçekleştirilmektedir. Bu durum, farklı banttaki imge dizilerinin çakıştırılmış olması ön şartını gerektirmektedir. Her bir öznitelik imge dizininde hedef ilklendirildikten sonra, hesap karmaşasının düşürülmesinde büyük rol oynayan ilgi alanı belirlenmesi sağlanmaktadır. İlgi alanı, hedefin bir önceki çerçevede belirlenen konumuna göre, yatay ve dikeyde τ piksel pay bırakılarak belirlenmektedir. Böylelikle hedef şablonu, bir sonraki imge çerçevesinin tamamında taranması yerine, hedefin bir önceki çerçevedeki pozisyonuna göre belirlenen ilgi alanında aranmaktadır. τ değerinin, hedefin hızıyla ilintili olarak, hedefin bir sonraki çerçevede ilgi alanının dışına çıkmayacak şekilde seçilmesi, başarılı bir hedef izleme için oldukça önemlidir. Hedef imge şablonunun, ilgi alanında aranması işlemi, Denklem 2 de sunulan düzgelenmiş çapraz ilinti fonksiyonuyla [8] sağlanmaktadır. ( T ( ) T )( S(x + x,y+ y ) S )} K(x, y) = ( ) T ( ) T 2 ( S(x + x,y+ y ) S) 2 (2) Bu denklemde T ve S sırasıyla G Y boyutundaki hedef şablonunu ve ilgi alanı imgesini ifade etmekte, T ve S ise hedef şablonu ile ilgi alanı imgesinin ortalama değerini belirtmektedir. İfadede ( ) ikilisi, x =1, 2,...,G, y =1, 2,...,Y değerlerini alabilmektedir. Denklemdeki K(x, y) değeri ise T imgesinin, S imgesi üzerinde kaydırılarak aranması sırasında her bir noktada çıkan düzgelenmiş çapraz ilinti değerlerini tutmaktadır. K(x, y) nin en büyük değerine ulaştığı (x, y) pozisyonu, diğer bir deyişle T ile en iyi eşleşenalan(b), yeni hedef pozisyonu olarak belirlenmektedir. Mevcut çerçevede hedef konumlandırıldıktan ve S belirlendikten sonra, bir diğer işlem de T nin B kullanılarak güncellenmesi işlemidir. T nin güncellenmesi esnasında kullanılan ve K(x, y) nin en büyük değerinin (K M )ardışık kaç çerçeve boyunca belirlenen bir eşik değerini (K e)geçip geçmediğini kontrol eden Ω parametresi Denklem 3 de görüldüğü gibi tanımlanmaktadır. Ω+1, KM K e Ω= (3) 0, K M <K e T nin güncellenmesi, Denklem 3 de tanımlanan Ω ve B ifadeleri kullanılarak, Denklem 4 de gösterildiği gibi gerçekleştirilmektedir. T (t+1) (x, y) = B (t) (x, y), αb (t) (x, y)+(1 α)t (t) (x, y), Ω=Ω e Ω < Ω e (4) Bu denklemde Ω e, T nin B olarak hesaplanması için gereken ardışık çerçeve sayısını belirtmekte ve α [0, 1] parametresi B ve T değerlerinin ağırlık hesabında kullanılan güncelleme katsayısını ifade etmektedir. Üstel (t) ve (t +1) indisleri ise, ilgili elemanın ait olduğu çerçeve indisini belirtmektedir. Geliştirilen ilinti tabanlı izleyicinin, önemli bir diğer özelliği de hedefte meydana gelen ölçek değişimlerine karşı gürbüz bir yapıya sahip olmasıdır. Her bir imge çerçevesinde, hedef şablonu ile eşleşme sonucu ortaya çıkan en büyük eşleşme katsayısı (K M ), ölçek değişiminin tespiti için belirlenen (K s) eşiğinden küçük ise, hedef, küçük ölçek, mevcut ölçek ve büyük ölçek olmak üzere üç farklıölçekte aranmaktadır. Bu üç farklıölçeği belirtmek amacıyla, ölçekleme katsayı (κ = 0.95, 1.0, 1.05}) tanımlanmaktadır. Mevcut ölçekteki hedef şablonu boyutlarının G Y olduğunu hatırlatarak, ölçekleme işlemi Denklem 5 de görüldüğü gibi tanımlanmaktadır. G yeni = Y yeni = G, K M K s G κ M, K M <K s (5) Y, K M K s Y κ M, K M <K s Bu denklemde, κ M en iyi eşleşmenin sağlandığı ölçek değerini,. iseüste yuvarlama işlecini belirtmektedir.

3 Bu bölümde algoritmik yapısı detaylandırılan ilinti tabanlı izleyici, görünür ve KÖ bantlardan çıkarılan yeğinlik ve kenar öznitelikleri olmak üzere 4 farklı imge dizini üzerinde koşturulmaktadır. Paralel olarak koşturulan bu 4 farklı izleyiciye ait karar tümleştirme mekanizması Bölüm 4 de detaylandırılmaktadır. 4. İZLEYİCİ KARAR TÜMLEŞTİRME MEKANİZMASI Bu bölümde, eş zamanlı olarak koşan her bir izleyicinin hedefi konumlandırmasından sonra, Öklid uzaklık tabanlı bir yöntemle karar tümleştirmesi gerçekleştirilmektedir. Karar tümleştirme algoritmasına ait soysal yapı Şekil 2 de gösterilmektedir. Şekil 2: İzleyici karar tümleştirmesi için önerilen soysal yapı. Önerilen, izleyici karar tümleştirme mekanizmasında öncelikle N adet izleyici (İzleyici i, i = 1, 2,..., N) eş zamanlı olarak koşturulmaktadır. Her bir izleyici için, ilgili izleyiciye ait hedef şablonu (T i) ile, mevcut çerçevede şablon ile en iyi eşleşen bölge (B i) arasındaki Öklid uzaklık (D i = B i T i 2 ) hesaplanmaktadır. İzleyicilerin karar tümleştirilmesi, her bir izleyiciden hesaplanan Öklid uzaklıklar vasıtasıyla sağlanmaktadır. Eğer hesaplanan uzaklıklardan en küçüğü (örn. D k ), önceden belirlenen Öklid uzaklık eşiğinden (D e1 ) küçük ise, yeni çerçevedeki hedef konumlandırılması, İzleyici k ya ait konumlandırma bilgileriyle (x k,y k ) gerçekleştirilmektedir. D k değerinin D e1 eşiğinden büyük olması durumunda ise her bir izleyiciden elde edilen hedef konumu bilgileri ağırlıklı olarak tümleştirilmektedir. Her bir izleyici için ağırlık (β i) ataması Denklem 6 da görüldüğü gibi gerçekleştirilmektedir. Di, D i <D e2 ˆβ i = γd i, D i D e2 βˆ M = en büyük ˆβ1, ˆβ } 2,..., βn ˆ β i =1 ˆβ i ˆ β M Denklem 6 da yer alan γ>1değişkeni, Öklid uzaklığı D e2 değerinden büyük olan izleyicilerin katsayılarının küçülmesi (6) için bir ölçeklendirme katsayısı olarak tanımlanmaktadır. Denklem 6 sonucunda elde edilen ağırlıklar (β i), Öklid uzaklıkları D e2 değerinin üzerinde olan izleyicinin tümleştirme sonucuna etkisini ciddi derecede azaltmaktadır. Tanımlanan ağırlıklar kullanılarak, hedefin yeni çerçevede, izleyici sonuçları kullanılarak konumlandırılması Denklem 7 de görüldüğü gibi sağlanmaktadır. x T = i=1 β i x i β j j=1 y T = i=1 β i y i β j j=1 (7) Burada, (x T,y T ) ikilisi, izleyici karar tümleştirilmesi sonucu elde edilen hedef konumunu, (x i,y i ) ise her bir izleyiciden elde edilen hedef konumunu belirtmektedir.. işleci ise en yakın tamsayıya yuvarlama işlemini belirtmektedir. Yapılan çalışmada, Şekil 2 de belirtilen izleyici sayısı (N), dört olarak seçilmiştir. Bu dört izleyici, görünür ve KÖ banttan çıkarılan yeğinlik kenar öznitelikleri olmak üzere dört farklı imge dizisi üzerinde koşturulmaktadır. 5. DENEYSEL SONUÇLAR Deneysel çalışmalarda, Ohio State üniversitesinde kayıt edilen OSU Renkli-Termal Veritabanı kullanılmaktadır [7]. Bu veritabanında yer alan görünür ve KÖ bant görüntülerden Bölüm 2 de detayları sunulan öznitelik çıkarımı uygulanarak dört farklı imge dizini oluşturulmaktadır. Oluşturulan imge dizinleri üzerinde, paralel mantıkta çalışan dört ilinti tabanlı izleyici koşturulmaktadır. Her bir izleyiciden elde edilen hedef bilgileri (konum ve büyüklük), önerilen Öklid uzaklık tabanlı karar tümleştirme metoduyla birleştirilmektedir. Her bir izleyicinin yalnız olarak koşturulması sonucu elde edilen hedef bilgileri ve tüm izleyici kararlarının tümleştirilmesi sonucu elde edilen hedef bilgileri iki ayrı görünür bant imge dizisi üzerinde gösterilmektedir. Sunulan örneklerde, farklı renkli dikdörtgenler, her bir izleyiciden elde edilen hedef konum ve boyut bilgilerini (hedef kapısı) göstermektedir. KÖ yeğinlik, görünür bant yeğinlik, KÖ kenar ve görünür bant kenar imge dizinleri üzerinde koşan izleyicilerden elde edilen hedef kapıları sırasıyla, kırmızı, turuncu, mor ve mavi renkli dikdörtgenlerle temsil edilmektedir. Yeşil renkli dikdörtgen ise, izleyici karar tümleştirilmesi sonucu elde edilen hedef kapısını göstermektedir. İmge dizinindeki gösterimlerde, mevcut çerçeve bilgisi, imgenin sol alt kısmında belirtilmektedir. Sunulan her iki örnekte de D e1 ve D e2 eşikleri sırasıyla 500 ve 1000 olarak seçilmiş, izleyici ağırlık belirlemede rol oynayan γ parametresi ise 100 olarak seçilmiştir. İzleyici eşleşme (K e), hedef güncelleme (Ω e) ve ölçek kontrolü (K s) parametreleri ise sırasıyla 0.99, 25 ve 0.96 olarak belirlenmiştir. İlgi alanı oluşturmak için belirlenen pay τ değeri ise 5 olarak belirlenmiştir. Birinci örnekte, arkaplanın hızlı bir biçimde değiştiği bir ortamda, hızlı hareket eden bir yaya, 1300 imge çerçevesi boyunca izlenmiştir. Bu örnek için elde edilen izleme sonuçları, Şekil 3 de görselleştirilmektedir. Şekil 3 de görüldüğü gibi, kenar tabanlı öznitelik dizinleri üzerinde koşan izleyiciler, hedef modelinin hızlı değiştiği durumlarda ölçekleme problemiyle karşılaşmakta, görünür bant yeğinlik imge dizini üzerinde

4 6. SONUÇ Bu çalışmada, hedef izleme problemi için, farklı kaynaklardan elde edilen imge dizinlerine öznitelik tabanlı bir tümleştirme metodu uygulamak yerine, imge dizileri ve bu diziler üzerinden çıkarılan öznitelikler üzerinde koşan hedef izleyicilerin kararlarının tümleştirilmesi üzerine bir yöntem sunulmaktadır. Ö- nerilen yöntem sonucu tümleştirilen izleyici kararlarının, imge dizinleri ve bu dizinlerden çıkarılan öznitelik dizinleri üzerinde ayrı ayrı koşan izleyicilerden daha başarılı bir izleme sağladığı deneysel çalışmalar ile gösterilmiştir. Gelecek çalışmalarda, önerilen izleyici karar tümleştirme mekanizmasının, farklı görüntüleme kaynakları içeren bir gözetleme sisteminde gerçek zamanlı olarak koşturulması planlanmaktadır. Şekil 3: Dört farklı öznitelik bandı üzerinde 1300 çerçeve boyunca koşturulan izleyicilere ait sonuçların, görünür bant yeğinlik imgesi üzerinde gösterilmesi. koşan izleyici ise, arkaplanın hızlı değiştirdiği durumlarda izleme kaybına maruz kalmaktadır. Şekil 3 de sunulan izleme sonuçlarına bakarak, önerilen izleyici karar tümleştirme metodunun hedefin konumlandırılmasında önemli bir rol oynadığını göstermektedir. Bir diğer örnek olarak, bulut geçişleri nedeniyle aydınlanma değişimlerine maruz kalan ve belirli çerçevelerde kısmi örtülmeye uğrayan bir yayanın 400 çerçeve boyunca izlenmesine ait sonuçlar Şekil 4 de gösterilmektedir. Şekil 4: Dört farklı öznitelik bandı üzerinde 400 çerçeve boyunca koşturulan ve belirli çerçevelerde kısmi örtülmelere maruz kalan izleyicilere ait sonuçların, görünür bant yeğinlik imgesi üzerinde gösterilmesi. Bu örnekte izleyiciler, 120. çerçevede kısmi örtülmeye maruz kalmakta, görünür bant yeğinlik ve görünür bant kenar imge dizileri üzerinde koşan izleyiciler, bu örtülmeye karşı gürbüzlük gösterememekte ve hedefi kaybetmektedir. Arkaplan değişimlerinden etkilenen KÖ yeğinlik imge dizini üzerinde koşan izleyici, hedefi 250. çerçevede kaybetmektedir. Önerilen izleyici karar tümleştirme tabanlı yöntemin, hedefi 400 çerçeve boyunca başarıyla izlediği gözlemlenmiştir. 7. TEŞEKKÜR Yazarlar, Dr. Emre Yetginer e ve Dr. M. Alper Kutay a çalışmaya verdikleri destekten dolayı ve Dr. Ö. Nezih Gerek e faydalı tartışmalar için teşekkür eder. 8. KAYNAKÇA [1] S. Çakır, T. Aytaç, A. Yıldırım ve Ö. N. Gerek, Classifier based offline feature selection and evaluation for visual tracking of sea-surface and aerial targets, Optical Engineering, cilt 50, no. 10, s. 1 13, [2] D. Comaniciu, V. Ramesh ve P. Meer, Kernel-based object tracking, IEEE Transactions on Pattern Analysis and Machine Intelligence,, cilt 25, no. 5, s , [3] W. Liu ve Y.-J. Zhang, Real time object tracking using fused color and edge cues, Proceedings of 9th International Symposium on Signal Processing and Its Applications,, s. 1 4, [4] H. Wang ve D. Suter, Efficient visual tracking by probabilistic fusion of multiple cues, Proceedings of IEEE International Conference on Pattern Recognition,, cilt 4, s , [5] Y. Zhou, A. Mayyas, A. Qattawi ve M. Omar, Featurelevel and pixel-level fusion routines when coupled to infrared night-vision tracking scheme, Infrared Physics & Technology, cilt 53, s , [6] S. D. E. Erdem ve I. Bloch, Particle filter-based visual tracking by fusing multiple cues with context-sensitive reliabilities, in Proceedings of Telecom ParisTech Conference, cilt 2010D002, Ocak [7] J. W. Davis ve V. Sharma, Background-subtraction using contour-based fusion of thermal and visible imagery, Computer Vision and Image Understanding, cilt 106, s , Mayıs [8] J. P. Lewis, Fast normalized cross-correlation. Canadian Image Processing and Pattern Recognition Society, 1995, cilt 10, no. 1, s

GÖRÜNTÜ VE LIDAR VERİSİNDEN BİNA TESPİTİNDE FARKLI YÖNTEMLER

GÖRÜNTÜ VE LIDAR VERİSİNDEN BİNA TESPİTİNDE FARKLI YÖNTEMLER HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 2015 CİLT 8 SAYI 1 (55-65) GÖRÜNTÜ VE LIDAR VERİSİNDEN BİNA TESPİTİNDE FARKLI YÖNTEMLER Nusret Akdeniz Üniversitesi Uzay Bilimleri ve Teknolojileri Bölümü 07220,

Detaylı

Tarkan AYDIN DOKTORA TEZİ

Tarkan AYDIN DOKTORA TEZİ T.C. GEBZE YÜKSEK TEKNOLOJİ ENSTİTÜSÜ MÜHENDİSLİK VE FEN BİLİMLERİ ENSTİTÜSÜ ÇİFTE AĞ METODUYLA STEREO, ODAK VE BULANIKLIK BİLGİSİNİ KULLANARAK RESİMLERDEN DERİNLİK ÇIKARIMI Tarkan AYDIN DOKTORA TEZİ BİLGİSAYAR

Detaylı

Çok Modelli Görsel Lokalizasyon Multi-Model Visual Localization

Çok Modelli Görsel Lokalizasyon Multi-Model Visual Localization Çok Modelli Görsel Lokalizasyon Multi-Model Visual Localization Kemal Egemen Özden Bilgisayar Mühendisliği Bölümü Bahçeşehir Üniversitesi kemalegemen.ozden@bahcesehir.edu.tr Mehmet ozlu, Salih Ergüt Avea

Detaylı

TÜM GÖKYÜZÜ KAMERASINDAN ALINAN GÖRÜNTÜLER KULLANILARAK BULUTLULUK ÖLÇÜMÜ YAPILMASI

TÜM GÖKYÜZÜ KAMERASINDAN ALINAN GÖRÜNTÜLER KULLANILARAK BULUTLULUK ÖLÇÜMÜ YAPILMASI TÜM GÖKYÜZÜ KAMERASINDAN ALINAN GÖRÜNTÜLER KULLANILARAK BULUTLULUK ÖLÇÜMÜ YAPILMASI İsmail BAŞLAR UZMANLIK TEZİ TÜRKİYE BİLİMSEL VE TEKNOLOJİK ARAŞTIRMA KURUMU Ulusal Gözlemevi Müdürlüğü Ocak 2012 ANTALYA

Detaylı

Birkan ARAS, Ayşın ERTÜZÜN 1 ve Aytül ERÇĐL 2. Boğaziçi Üniversitesi Bebek, 80815, Istanbul ertuz@boun.edu.tr, ercil@boun.edu.tr

Birkan ARAS, Ayşın ERTÜZÜN 1 ve Aytül ERÇĐL 2. Boğaziçi Üniversitesi Bebek, 80815, Istanbul ertuz@boun.edu.tr, ercil@boun.edu.tr DOKU HATALARININ YÜKSEK DERECELĐ ĐSTATĐSTĐKLER KULLANILARAK BELĐRLENMESĐ * Birkan ARAS, Ayşın ERTÜZÜN ve Aytül ERÇĐL 2 Elektrik-Elektronik Mühendisliği Bölümü, 2 Endüstri Mühendisliği Bölümü, Boğaziçi

Detaylı

UYARLAMALI İKİ YÖNLÜ HAREKET KESTİRİMLİ ZAMANSAL VİDEO ARA DEĞERLEMESİ ADAPTIVE BILATERAL MOTION COMPENSATED TEMPORAL VIDEO INTERPOLATION

UYARLAMALI İKİ YÖNLÜ HAREKET KESTİRİMLİ ZAMANSAL VİDEO ARA DEĞERLEMESİ ADAPTIVE BILATERAL MOTION COMPENSATED TEMPORAL VIDEO INTERPOLATION Fırat Üniversitesi-Elazığ UYARLAMALI İKİ YÖNLÜ HAREKET KESTİRİMLİ ZAMANSAL VİDEO ARA DEĞERLEMESİ ADAPTIVE BILATERAL MOTION COMPENSATED TEMPORAL VIDEO INTERPOLATION Yücel ÇİMTAY 1, Erol SEKE 2 1 Elektrik-Elektronik

Detaylı

KULAKTAN KİŞİ VE KİMLİK TESPİTİ İÇİN ÖRNEK BİR UYGULAMA

KULAKTAN KİŞİ VE KİMLİK TESPİTİ İÇİN ÖRNEK BİR UYGULAMA BEYKENT ÜNİVERSİTESİ FEN VE MÜHENDİSLİK BİLİMLERİ DERGİSİ Sayı 7(2) 2014, 21 46 KULAKTAN KİŞİ VE KİMLİK TESPİTİ İÇİN ÖRNEK BİR UYGULAMA Naci FIRTINA Beykent Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar

Detaylı

ANALİTİK HİYERARŞİ SÜRECİ KULLANARAK KATILIMCI DOĞAL KAYNAK PLANLAMASI

ANALİTİK HİYERARŞİ SÜRECİ KULLANARAK KATILIMCI DOĞAL KAYNAK PLANLAMASI Çevre ve Orman Bakanlığı Yayın No: 238 DOA Yayın No: 31 ISSN:1300-7912 ANALİTİK HİYERARŞİ SÜRECİ KULLANARAK KATILIMCI DOĞAL KAYNAK PLANLAMASI ODC: 91: 94 : 907 : 911 : 062 Participatory Natural Resource

Detaylı

İnsan ve Makine Bulutları Sinerjisi: Kitle Kaynaklı Çalışma ile Veri Temizleme Örnek Uygulaması

İnsan ve Makine Bulutları Sinerjisi: Kitle Kaynaklı Çalışma ile Veri Temizleme Örnek Uygulaması İnsan ve Makine Bulutları Sinerjisi: Kitle Kaynaklı Çalışma ile Veri Temizleme Örnek Uygulaması Deniz İren 1, Gökhan Kul 2 ve Semih Bilgen 3 1, 2 Bilgi İşlem Daire Başkanlığı, Orta Doğu Teknik Üniversitesi,

Detaylı

A HYBRID FACIAL EXPRESSION RECOGNITION METHOD BASED ON NEUTRAL FACE SHAPE ESTIMATION

A HYBRID FACIAL EXPRESSION RECOGNITION METHOD BASED ON NEUTRAL FACE SHAPE ESTIMATION YÜZ İFADESİ TANIMA İÇİN NÖTR YÜZ ŞEKLİNİN KESTİRİLMESİNE DAYALI HİBRİT BİR YÖNTEM A HYBRID FACIAL EXPRESSION RECOGNITION METHOD BASED ON NEUTRAL FACE SHAPE ESTIMATION Sezer Ulukaya 1 2, Çiğdem Eroğlu Erdem

Detaylı

COĞRAFİ BİLGİ SİSTEMLERİ VE ANALİTİK HİYERARŞİ YÖNTEMİ YARDIMIYLA İTFAİYE İSTASYON YER SEÇİMİ

COĞRAFİ BİLGİ SİSTEMLERİ VE ANALİTİK HİYERARŞİ YÖNTEMİ YARDIMIYLA İTFAİYE İSTASYON YER SEÇİMİ TMMOB Harita ve Kadastro Mühendisleri Odası 13. Türkiye Harita Bilimsel ve Teknik Kurultayı 18 22 Nisan 2011, Ankara COĞRAFİ BİLGİ SİSTEMLERİ VE ANALİTİK HİYERARŞİ YÖNTEMİ YARDIMIYLA İTFAİYE İSTASYON YER

Detaylı

SPOT 5 ve Farklı Görüntü Birleştirme Algoritmaları

SPOT 5 ve Farklı Görüntü Birleştirme Algoritmaları SPOT 5 ve Farklı Görüntü Birleştirme Algoritmaları Filiz BEKTAŞ BALÇIK, Çiğdem GÖKSEL Özet Görüntü birleştirme terimi ile genellikle, yüksek mekansal çözünürlüklü tek bantlı (Pankromatik- PAN) görüntünün,

Detaylı

YÜK TRENİ İSTASYONLARINDA HAREKET PLANLAMASI

YÜK TRENİ İSTASYONLARINDA HAREKET PLANLAMASI Endüstri Mühendisliði Dergisi Cilt: 20 Sayý: Sayfa: (2-2) Makina Mühendisleri Odası YÜK TRENİ İSTASYONLARINDA HAREKET PLANLAMASI Işıl ALEV, Bahar ÇAVDAR, Bilge ÇELİK, Volkan DEMİREL, Ayşegül GÜLLER, Canan

Detaylı

İstatistiksel Regresyon Yöntemlerinin Farklı Veri Gruplarına Uygulanması Üzerine Bir Analiz

İstatistiksel Regresyon Yöntemlerinin Farklı Veri Gruplarına Uygulanması Üzerine Bir Analiz GÜFBED/GUSTIJ (2012) 2 (2):55-67 Research/Araştırma 1 İstatistiksel Regresyon Yöntemlerinin Farklı Veri Gruplarına Uygulanması Üzerine Bir Analiz Serkan ÖZTÜRK 1,* 1 Gümüşhane Üniversitesi, Müh. Fak. Jeofizik

Detaylı

Ad Hoc Ağları İçin Kuyruk Ağ Analizi Ve Yapay Arı Kolonisi Algoritmalarının Birleştirilerek Routing Probleminin Simülasyonu

Ad Hoc Ağları İçin Kuyruk Ağ Analizi Ve Yapay Arı Kolonisi Algoritmalarının Birleştirilerek Routing Probleminin Simülasyonu Ad Hoc Ağları İçin Kuyruk Ağ Analizi Ve Yapay Arı Kolonisi Algoritmalarının Birleştirilerek Routing Probleminin Simülasyonu 1 Hakan Üçgün *2 Mustafa Danacı 1 Mühendislik Fakültesi, Bilgisayar Mühendisliği

Detaylı

ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ ÜYE ÜLKELERİ İLE KARŞILAŞTIRILMASI

ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ ÜYE ÜLKELERİ İLE KARŞILAŞTIRILMASI Marmara Üniversitesi İ.İ.B. Dergisi YIL 2013, CİLT XXXV, SAYI II, S. 329-360 Doi No: 10.14780/iibdergi.201324469 ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ

Detaylı

İmalat Alt Sektörlerinin Finansal Performanslarının TOPSIS ve ELECTRE Yöntemleri İle Değerlendirilmesi

İmalat Alt Sektörlerinin Finansal Performanslarının TOPSIS ve ELECTRE Yöntemleri İle Değerlendirilmesi Çankırı Karatekin Üniversitesi Y.2014, Cilt 4, Sayı 1, ss.237266 Y.2014, Volume 4, Issue 1, pp.237266 İmalat Alt Sektörlerinin Finansal Performanslarının TOPSIS ve ELECTRE Yöntemleri İle Değerlendirilmesi

Detaylı

Betonarme Çerçeve Yapılar İçin Güvenilirlik Esaslı Sismik Tasarımda Yük Katsayılarının Optimizasyonu

Betonarme Çerçeve Yapılar İçin Güvenilirlik Esaslı Sismik Tasarımda Yük Katsayılarının Optimizasyonu Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü Dergisi, 1-1,(26),99-18 Betonarme Çerçeve Yapılar İçin Güvenilirlik Esaslı Sismik Tasarımda Yük Katsayılarının K. A. KORKMAZ Dokuz Eylül Üniversitesi

Detaylı

NONLINEAR CLASSIFIER COMBINATION FOR SIMPLE COMBINATION TYPES. Mehmet Umut Şen, Hakan Erdoğan

NONLINEAR CLASSIFIER COMBINATION FOR SIMPLE COMBINATION TYPES. Mehmet Umut Şen, Hakan Erdoğan BASİT BİRLEŞTİRİCİ TİPLERİ İÇİN DOĞRUSAL OLMAYAN SINIFLANDIRICI BİRLEŞTİRME NONLINEAR CLASSIFIER COMBINATION FOR SIMPLE COMBINATION TYPES Mehmet Umut Şen, Hakan Erdoğan Sabancı Üniversitesi {umutsen,haerdogan}@sabanciuniv.edu

Detaylı

Renk Kanallarını Farklı Şekilde Kodlayarak Sıkıştırma Oranını Arttırma

Renk Kanallarını Farklı Şekilde Kodlayarak Sıkıştırma Oranını Arttırma Renk Kanallarını Farklı Şekilde Kodlayarak Sıkıştırma Oranını Arttırma Emir Öztürk 1, Altan Mesut 2 1 Trakya Üniversitesi, Bilgisayar Mühendisliği Bölümü, Edirne 2 Trakya Üniversitesi, Bilgisayar Mühendisliği

Detaylı

SİSMİK KIRILMA VERİLERİNDE İLK VARIŞ ZAMANLARININ ÇAPRAZ İLİŞKİ YÖNTEMİ KULLANILARAK BELİRLENMESİ

SİSMİK KIRILMA VERİLERİNDE İLK VARIŞ ZAMANLARININ ÇAPRAZ İLİŞKİ YÖNTEMİ KULLANILARAK BELİRLENMESİ Jeofizik, 212, 16, 31-41 doi: 11.b4/jeofizik-911-19 SİSMİK KIRILMA VERİLERİNDE İLK VARIŞ ZAMANLARININ ÇAPRAZ İLİŞKİ YÖNTEMİ KULLANILARAK BELİRLENMESİ First Arrival Picking in Seismic Refraction Data by

Detaylı

Prens Adaları Fayında Kuvvetli Yer Hareketi Benzeşimleri *

Prens Adaları Fayında Kuvvetli Yer Hareketi Benzeşimleri * İMO Teknik Dergi, 214 6775-684, Yazı 419 Prens Adaları Fayında Kuvvetli Yer Hareketi Benzeşimleri * Aydın MERT* Yasin FAHJAN** Ali PINAR*** Lawrence HUTCHINGS**** ÖZ Bu çalışmanın temel amacı, mühendislik

Detaylı

PARALEL MEKANİZMALARIN KİNEMATİĞİ, DİNAMİĞİ VE ÇALIŞMA UZAYI

PARALEL MEKANİZMALARIN KİNEMATİĞİ, DİNAMİĞİ VE ÇALIŞMA UZAYI HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 25 CİLT 2 SAYI 1 (19-36) PARALEL MEKANİZMALARIN KİNEMATİĞİ, DİNAMİĞİ VE ÇALIŞMA UZAYI Elmas ANLI Uçak Müh. Böl İstanbul Teknik Üni. anli@itu.edu.tr Hüseyin

Detaylı

Seda Arslan TUNCER 1, Ahmet ALKAN 2 arslanseda@hotmail.com; aalkan@ksu.edu.tr

Seda Arslan TUNCER 1, Ahmet ALKAN 2 arslanseda@hotmail.com; aalkan@ksu.edu.tr TROİT NODÜLLERİNİN BÖLGE TABANLI AKTİF ŞEKİL (CONTOUR) YÖNTEMİ İLE BÖLÜTLENMESİ Seda Arslan TUNCER 1, Ahmet ALKAN 2 arslanseda@hotmail.com; aalkan@ksu.edu.tr 1 Fırat Üniversitesi Enformatik Bölümü, 23000

Detaylı

Kural Tabanlı Karar Verme Mekanizmasına Sahip Sistematik Araç Seçim Modeli Geliştirilmesi

Kural Tabanlı Karar Verme Mekanizmasına Sahip Sistematik Araç Seçim Modeli Geliştirilmesi Makine Teknolojileri Elektronik Dergisi Cilt: 6, No: 2, 2009 (19-27) Electronic Journal of Machine Technologies Vol: 6, No: 2, 2009 (19-27) TEKNOLOJİK ARAŞTIRMALAR www.teknolojikarastirmalar.com e-issn:1304-4141

Detaylı

PİYASA RİSKİ ÖLÇÜMÜ OLARAK RİSKE MARUZ DEĞER VE HİSSE SENEDİ PORTFÖYLERİ İÇİN BİR UYGULAMA

PİYASA RİSKİ ÖLÇÜMÜ OLARAK RİSKE MARUZ DEĞER VE HİSSE SENEDİ PORTFÖYLERİ İÇİN BİR UYGULAMA T.C. KADİR HAS ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ SERMAYE PİYASALARI VE BORSA ANABİLİM DALI PİYASA RİSKİ ÖLÇÜMÜ OLARAK RİSKE MARUZ DEĞER VE HİSSE SENEDİ PORTFÖYLERİ İÇİN BİR UYGULAMA Yüksek Lisans

Detaylı

BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA

BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA Endüstri Mühendisliði Dergisi Cilt: 22 Sayý: 4 Sayfa: (35-47) ÜAS 2009 Özel BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA Zeliha KAYGISIZ*,

Detaylı

Diferansiyel Evrim Algoritması Destekli Yapay Sinir Ağı ile Orta Dönem Yük Tahmini

Diferansiyel Evrim Algoritması Destekli Yapay Sinir Ağı ile Orta Dönem Yük Tahmini International Journal of Research and Development, Vol.3, No., January 20 28 Diferansiyel Evrim Algoritması Destekli Yapay Sinir Ağı ile Orta Dönem Yük Tahmini İbrahim EKE Gazi Üniversitesi Mühendislik

Detaylı

FİNANSAL BİLGİ KALİTESİNİN ANALİTİK HİYERARŞİ SÜRECİ TEKNİĞİYLE DEĞERLENDİRİLMESİ: BANKACILIK SEKTÖRÜ UYGULAMASI

FİNANSAL BİLGİ KALİTESİNİN ANALİTİK HİYERARŞİ SÜRECİ TEKNİĞİYLE DEĞERLENDİRİLMESİ: BANKACILIK SEKTÖRÜ UYGULAMASI ANADOLU ÜNİVERS İTES İ S OS YAL BİLİMLER DERGİS İ ANADOLU UNIVERSITY JOURNAL OF SOCIAL SCIENCES Cilt/Vol. : 10 - S ayı/no: 3 : 43 58 (2010) FİNANSAL BİLGİ KALİTESİNİN ANALİTİK HİYERARŞİ SÜRECİ TEKNİĞİYLE

Detaylı

ZEMİNLERDE SIVILAŞMAYA VE FAYLANMAYA BAĞLI YER DEĞİŞTİRMELERİN YÖN VE BÜYÜKLÜKLERİNİN FOTOGRAMETRİK YÖNTEMLERLE BELİRLENMESİ

ZEMİNLERDE SIVILAŞMAYA VE FAYLANMAYA BAĞLI YER DEĞİŞTİRMELERİN YÖN VE BÜYÜKLÜKLERİNİN FOTOGRAMETRİK YÖNTEMLERLE BELİRLENMESİ ZEMİNLERDE SIVILAŞMAYA VE FAYLANMAYA BAĞLI YER DEĞİŞTİRMELERİN YÖN VE BÜYÜKLÜKLERİNİN FOTOGRAMETRİK YÖNTEMLERLE BELİRLENMESİ Veysel Okan ATAK*, Oktay AKSU*, Mustafa ÖNDER*, Ömer AYDAN** ve Gönül TOZ***

Detaylı