BULANIK UYARLAMALI ORTALAMA F
|
|
- Ufuk Levni
- 6 yıl önce
- İzleme sayısı:
Transkript
1 5 Uluslararası İleri Teknoloiler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkiye BULANIK UYARLAMALI ORTALAMA FİLTRESİ KULLANARAK MR GÖRÜNTÜLERİNDEKİ DARBE GÜRÜLTÜSÜNÜN BASTIRILMASI IMPULSE NOISE REDUCTION IN MR IMAGES WITH THE USE OF FUZZY ADAPTIVE MEAN FILTER Abdullah TOPRAK a*, İnan GÜLER b a *Dicle Üniversitesi, Meslek Yüksek Okulu, Elektrik-Elektronik Bölümü, 2280 Diyarbakır, E-posta: atoprak@dicleedutr b Gazi Üniversitesi Teknik Eğitim Fakültesi Elektronik ve Haberleşme ANKARA, E-posta: iguler@gaziedutr Özet Bu çalışmanın temel amacı MR görüntüsündeki gürültüyü bastırırken görüntünün kenar detaylarını korumaktır MR görüntülerinde kenar keskinliği ve görüntülerdeki detay bilgisi son derece hayati bir öneme sahip olduğundan dolayı darbe gürültüsü bastırılırken detayların zarar görmemesi ve kenar keskinliğinin korunması son derece önemlidir Bu çalışmada, 2828 çözünürlüğe sahip bir MR görüntünün piksel değerleri bulanık mantık kuralları ile tespit edilerek gürültü pikselini görüntüden silecek ve yerine görüntü pikseline en yakın değeri atayacak kural tabanlı bulanık adaptif ortalama filtresi (KTBAOF) geliştirilmiştir KTBAOF filtresi temelde üç bölümden oluşur Bunlar: ortalama filtresi, bulanık mantık filtresi ve gürültünün olup olmadığına karar veren karar birimidir Bu filtrenin kullanıldığı gürültülü görüntülerde darbe gürültüsünün en uygun değerlerde bastırıldığı ve bastırma işleminden sonra kenar detaylarının en iyi şekilde korunduğu görülmüştür Bu çalışma kanıtlamıştır ki bulanık kural sayısının arıttırılmasına bağlı olarak darbe gürültüsü bastırılırken kenar detayları mevcut görüntü detaylarından daha iyi olacaktır Anahtar Kelimeler: Bulanık Mantık, Ortalama, Görüntü, Darbe Gürültüsü Abstract The main purpose of this study is preserving MR image details while suppressing noise from MR images It is very important to preserving image details and edges in MR images because of it have vitally importance while suppression the impulse noise from image MR image which has 2828 resolutions was used in this and the piel values of the image are determined by the fuzzy rules, and replace noise piels which determined by fuzzy rules by new piel value which closest to the original image piels Rule based fuzzy adaptive mean filter (RBFAMF), which is one of the effective filter to remove impulse noise, is develaoped in this study RBFAMF filter is made up of three basic sections These are decision units that decide on whether or not there are mean filter, fuzzy logic rules and noise The images, which de noising by the RBFAMF, shows that it was preserved MR image details while suppressing impulse noise This study prove that in case of increasing fuzzy rules, the image details can be preserving better than present image details while suppressing impulse noise Keywords: Fuzzy Logic, Mean, Image, Impulse Noise Giriş Birçok medikal görüntüleme tekniğinde, görüntünün gerek elde edilmesi aşamasında gerekse elde edilen görüntünün sayısallaştırılması aşamasında elde edilen görüntülere siyah beyaz noktacıklar şeklinde darbe gürültüsü bulaşabilir Darbe gürültüsünün söz konusu olduğu durumlarda ortalama filtresi ve medyan filtresi özellikle darbe gürültüsü oranının 0,2 den az ise gürültüyü bastırmak için etkili olabilen bir görüntü filtresidir Ne yazık ki adaptif ortalama filtresi darbe gürültülerini yok ederken beraberinde görüntüdeki detayları da yok etmektedir Bu çalışmada yeni bir teknik olan kural tabanlı bulanık adaptif ortalama filtresi geliştirilmiştir Bulanık mantık ile görüntü işleme, Rosenfeld in bulanık sayısal topoloi üzerindeki çalışması [] ile başlamakta ve Abreu ve arkadaşlarının bulanık mantık kuralları kullanılarak gürültü bastırılması veya görüntünün iyileştirilmesi üzerindeki çalışmaları [2] ile devam etmektedir Wang ve arkadaşları histogram tabanlı gürültü bastırmayı bulanık mantık kullanarak gerçekleştirmişlerdir [3] Kong ve Guan adaptif filtre tekniğini kullanarak görüntülerdeki darbe gürültüsünü yok etmişlerdir [4] Russo ve Peng ve Lucke bulanık kural tabanını kullanarak bir görüntüdeki gürültülerin arındırılması üzerine çalışmalar yapmıştır [5], [6] Arakawa medyan süzgeç temelli bulanık mantık kuralları kullanarak yüksek miktarda darbe gürültüsü bulaşmış görüntülerin gürültüden arındırılması üzerine çalışmıştır [7] Lee ve arkadaşları ağırlıklı medyan filtresi kullanarak görüntü iyileştirme çalışması yapmışlardır [8] Gürültü büyük ölçüde giderirken detayların kaybolmaması için bu çalışmada, piksel değerleri bulanık mantık kuralları ile tespit edilerek hızlı bulanık adaptif ortalama filtresi (KTBAOF) tanımlanmıştır KTBAOF filtresi temelde üç bölümden oluşur Bunlar: ortalama filtresi, bulanık mantık kuralları ve gürültünün olup olmadığına karar veren karar birimidir Bu filtrenin kullanılmasındaki temel amaç görüntü üzerindeki gürültüyü yok ederken görüntüdeki detayların kaybolmasının önüne geçmektir Bu nedenle KTBAOF darbe gürültüsünü yok etmede kullanılabilecek etkili bir filtredir MR görüntülerine diital olarak bulaşan darbe (impuls) gürültüsü MR görüntüsünün tanı amaçlı kullanılamaz hale gelmesine hatta gürültü miktarının çokluğuna bağlı olarak görüntünün tanınmaz hale veya yanıltıcı bilgiler barındıran görüntü haline bile gelmesine neden olabilir Ayrıca MR çekimi esnasında birçok hatadan kaynaklanan gürültüler oluşabilir Bu durumda MR görüntüsünü bu tür gürültülerden arındırmak gerekir Bu amaçla önermiş IATS 09, Karabük Üniversitesi, Karabük, Türkiye
2 Toprak, Ave Güler, İ olduğum model yüksek oranlarda gürültü bulaşmış görüntülerde bile iyi bir filtreleme görevi görmekte ve özellikle MR görüntülerinin daha anlaşılır bir hale gelmesini sağlayacaktırgörüntülerdeki darbe gürültüsünün bastırılmasında kullanılan en etkin yöntemlerden biri ortalama filtre olmasına rağmen bu filtre kullanılırken genellikle görüntünün bulanıklaşması durumu ortaya çıkmaktadır ki bu da istenmeyen bir durumdur Bazen medikal görüntüdeki tek bir gürültü sinyalinin bile tanıda çok önemli hatanın oluşmasına neden olabileceği ve bu durumun geri dönüşümsüz bir boyut kazanabileceği göz önünde bulundurulması gereken parametredir Geliştirilecek bu model filtrele ile bulanık mantıkla gürültü tespiti yapılacak ve tespit edilen bu gürültü pikselin değeri ortalama kullanılarak yeni bir değerle değiştirilecektir Ancak anahtarlama kullanılarak yapılacak bu işlemde gürültü bulaşmamış görüntü üzerinde herhangi bir işlem yapılmazken sadece gürültülü durumlarda filtre devreye girecektir Bu durumda da gürültü bulaşmamış pikseller aynen korunurken gürültü pikselleri en uygun olan ortalama değeri ile değiştirilecektir Ancak bazı durumlarda seçilen görüntü penceresindeki piksellerin ortalama değeri de bir gürültü değerine yakın bir değer olabilir ve bu durumda görüntüde gürültünün varlığı devam edebilir Özellikle bu durum gürültü miktarının %40 değerini aştığı durumlarda belirgin şekilde ortaya çıkmaktadır Ortalama değerinin de gürültü olduğu durumlarda seçilen görüntü penceresinin boyu bir birim daha küçültülerek yeni bir ortalama değerinin elde edilmesi sağlanır Ortalama değerinin gürültü olup olmadığı da yine bulanık mantık kullanılarak tespit edilecektir Zira ortalama değer tespitinde filtre penceresi ne kadar küçük seçilirse kenar keskinliği o kadar iyi korunur ancak buna karşılık gürültünün bastırılması da o derece güçleşir 2 Gereç ve Yöntem 2 Genel Tanımlar X[(i,)] görüntü matrisi p(k,l) piksel değerlerinden oluştuğunu tanımlayacak olursak 3 3 lük bir matris W[(k,l)] Є X[(i,)] şeklinde olsun Bu pencere matris bütün X[(i,)] matrisini soldan sağa doğru ve yukarıdan aşağıya doğru tarasın Her bir 3 3 lük taramada 9 tane pikseli gri yoğunluğuna göre sınıflandırır P(k,l) Є Ximp, eğer p(k,l) = Min{W[k,l]} veya Ma{W[k,l]} Gürültüden arındıracağımız görüntünün tamamı üzerinden tarayacağımız pencere W[(k,l)] 33 lük bir matris olup bu matris aşağıdaki gibi gösterilmiştir Ximp matrisi ise X[(i,)] görüntü matrisine bulaşmış gürültü matrisidir Bu durumda X = 2 H 2 22 H 2 i 2 H W 2W HW = [i ]HW Burada H ve W yükseklik ve genişlik olmak üzere ve i Є { 0,,2,,255} X matrisinde i, koordinatındaki pikselin gri seviyesini göstermektedir = p(k-,l-), 2 = p(k-,l), 3 = p(k-,l+), 4 = p(k,l-), 5 = p(k,l), 6 = (k,l+), 7 = p(k+,l-), 8 = p(k+,l-), 9 = p(k+,l+) Bu durumda, W[(k,l)] = [ p(k-,l-), p(k-,l), p(k-,l+), p(k,l-), p(k,l), (k,l+), p(k+,l-), p(k+,l-), p(k+,l+) ] Her bir unsur bir bulanık değişken olarak tanımlanıp üyelik fonksiyonu ise her bir giriş pikselinin yoğunluk değeridir p(k-,l-) p(k -,l) p(k -,l+) p(k,l-) p(k,l) (k,l+) p(k+, l -) p(k+, l-) p(k+,l+) Şekil 3X3 lük pencerenin piksel yoğunlukları ve koordinatları 22 Medyan Filtresi Ele alınan sonlu bir dizideki aykırı değerin o dizideki ortanca değeri ile değiştirilerek aykırı değerlerin yok edilmesini sağlayan filtredir İki boyutlu olduğu zaman görüntü için medyan filtresi geliştirilmiş olur m(k) = MED w(k) =MED {-n(k),, -(k),0(k),(k),,n(k)} Bu şekilde görüntüdeki gürültüleri bastıran filtrelere medyan filtresi denir Aşağıdaki şekilde medyan filtresi %20 lik darbe gürültüsünde etkili bir yöntem olduğu görülmektedir Medyan filtresi kullanılarak elde edilen görüntüler şekil 2 de gösterilmiştir Şekil 2 : a) Oriinal MR görüntüsü b) %20 darbe gürültüsü bindirilmiş hali c) Medyan filtresi ile gürültüsü bastırılmış görüntü
3 Toprak, Ave Güler, İ 23 Adaptif Ortalama Filtresi Ortalama filtresi daha çok gürültü oranının 02 den az olduğu durumlarda daha çok etkili olabilen bir görüntü filtresidir Ancak gürültü oranı 02 yi aştığı durumlarda adaptif ortalama filtresi ele alınmalıdır Adaptif filtre tasarımı aşağıdaki kurallara göre yapılır Aşağıdaki notasyonları dikkate alacak olursak : Zmin = Sy içindeki en düşük gri seviye değeri Zma = Sy içindeki en yüksek gri seviye değeri Zy =(,y) koordinatındaki gri seviyesi Zmean = olabilecek maksimum Sy pencere büyüklüğü Adaptif ortalama filtresinin akış diyagramını iki seviyede incelememiz gerekir [9] Bunlar seviye A ve seviye B olsun A seviyesi: A = Zmean - Zmin A2 = Zmean Zma Eğer A > 0 VE A2 < 0 ise Seviye B ye git Değilse pencerenin büyüklüğünü azalt Eğer pencere büyüklüğü > Sma A seviyesini tekrarla Değilse Çıkış Zy B seviyesi: A = Zy - Zmin A2 = Zy Zma Eğer B > 0 ve B2< 0, çıkış Zy Değilse çıkış Zmean 24 Kural Tabanlı Bulanık Adaptif Ortalama Filtresi (KTBAOF) Öncelikle gürültüden arındırmak için darbe gürültüsü bulaşmış bir görüntüye gereksinimimiz var Bunun için görüntünün pikselli ve 0 ile 255 arasında gri seviyelerinin olduğu bir MR görüntüsü elde edildi Daha sonra bu MR görüntüsüne belli oranlarda darbe gürültüsü elde edilerek yeni gürültülü bir MR görüntüsü elde edilmiş oldu Görüntüye ilave edilmiş gürültü miktarını ve belirsizliğini bulanık mantık değişkenleriyle tanımlayabiliriz Daha uygun bir ifade ile KTBAOF dokuz adet bulanık mantık üyelik fonksiyonu ve her biri için dokuz adet değişken tanımlanarak oluşturulacak bir sistem olup bu bulanık değişkenleri mf, mf2, mf9 olarak isimlendireceğiz Böylece giriş pikselinin yoğunluğu olan p(,y) yi bulanık değişken olarak kabul edip bulanık setlerinin üyelik derecelerini de sırayla mf (en siyah), mf2 (daha az siyah) mf8 (çok beyaz) ve mf9 (en beyaz) olarak ifade edeceğiz [0] Nimp matrisi gürültü şeklindeki piksel değerleri olup tanımlayacak olursak 3 3 lük bir matris W[(k,l)] şeklinde olsun Bu pencere matris bütün şekli soldan sağa doğru ve yukarıdan aşağıya doğru tarasın Her bir 3 3 lük taramada 9 tane pikseli gri yoğunluğuna göre sınıflandırır P(k,l) Є Nimp, eğer p(k,l) = Min{W[k,l]} veya Ma{W[k,l]} Bu durumda = p(k-,l- ), 2 = p(k-,l), 3 = p(k-,l+), 4 = p(k,l-), 5 = p(k,l), 6 = (k,l+), 7 = p(k+,l-), 8 = p(k+,l-), 9 = p(k+,l+) Her bir unsur bir bulanık değişken olarak tanımlanıp üyelik fonksiyonu ise her bir giriş pikselinin yoğunluk değeridir Denklem () de KTBAOMF de kullanılan bell-shaped üyelik fonksiyonu verilmiştir Bell shapeed üyelik fonksiyonu şekil 4 te gösterilmiştir i c + a 2b p(i) =, i =,2, 9; =,2,3 () Burada a, b, c isteğe bağlı ayarlanabilir parametrelerdir [] KTBAOF de kullanılacak Fuzzy anlam çıkarma kuralları için temel olarak mamdani metodu kullanılmıştır Temel kurallar şunlardır Eğer p(k,l) ensiyah ye yakın ise Y= ensiyah değilse Eğer p(k,l) gri ye yakın ise Y= gri değilse Eğer p(k,l) ensiyah ye yakın ise Y= enbeyaz Modelin akış şeması Şekil 3 de bell-shaped üyelik fonksiyonundaki parametreleri de ayarlayarak verilen dokuz pikselli alt imgeye denklem () uygulanarak bulanıklaştırma gerçekleştirildi b değerinin a ve c değerlerinden çok büyük seçilmesi darbe şeklindeki gürültünün üyelik fonksiyonu uygun bir şekilde filtrelenmesini sağlar 2 adımda ise her bir piksel değeri için denklem (2) ye göre normalize değerler hesaplandı KTBAOF de kullanılan 33 örnekleme penceresinin orta piksel değerinin gürültü olup olmadığı aşağıdaki kurallarla tespit edildi w i = m ( i ), m ( ) 9 i= i i =,2, 9 ve =,2,3 (2) Rule - IF = p(k-,l-) Є mf() 2 = p(k-,l) Є mf() 3 = p(k-,l+) Є mf() 4 = p(k, -) Є mf() 5 = p(k,l) Є mf() 6 = (k,l+) Є mf() 7 = p(k+,l-) Є mf() 8 = p(k+,l-) Є mf() 9 = p(k+,l+) Є mf() THEN 5
4 Toprak, Ave Güler, İ Filtresiz Giriş Pikseli Ortalama Filtre Çıkış Pikseli Adaptif MF Bulanık MF Gürültü tespiti (Bulanık Kurallar) Şekil 3: KTBAOF modelinin akış şeması Rule 2- IF = p(k-,l-) Є mf(2) 2 = p(k-,l) Є mf(2) 3 = p(k-,l+) Є mf(2) 4 = p(k, -) Є mf(2) 5 = p(k,l) Є mf(2) 6 = (k,l+) Є mf(2) 7 = p(k+,l-) Є mf(2) 8 = p(k+,l-) Є mf(2) 9 = p(k+,l+) Є mf(2) THEN 5 Rule 3- IF = p(k-,l-) Є mf(2) 2 = p(k-,l) Є mf(3) 3 = p(k-,l+) Є mf(3) 4 = p(k, -) Є mf(3) 5 = p(k,l) Є mf(3) 6 = (k,l+) Є mf(3) 7 = p(k+,l-) Є mf(3) 8 = p(k+,l-) Є mf(3) 9 = p(k+,l+) Є mf(3) THEN 5 Rule 4- IF = p(k-,l-) Є mf(4) 2 = p(k-,l) Є mf(4) 3 = p(k-,l+) Є mf(4) 4 = p(k, -) Є mf(4) 5 = p(k,l) Є mf(4) 6 = (k,l+) Є mf(4) 7 = p(k+,l-) Є mf(4) 8 = p(k+,l-) Є mf(4) 9 = p(k+,l+) Є mf(4) THEN 5 Rule 5- IF = p(k-,l-) Є mf(5) 2 = p(k-,l) Є mf(5) 3 = p(k-,l+) Є mf(5) 4 = p(k, -) Є mf(5) 5 = p(k,l) Є mf(5) 6 = (k,l+) Є mf(5) 7 = p(k+,l-) Є mf(5) 8 = p(k+,l-) Є mf(5) 9 = p(k+,l+) Є mf(5) THEN 5 Rule 6- IF = p(k-,l-) Є mf(6) 2 = p(k-,l) Є mf(6) 3 = p(k-,l+) Є mf(6) 4 = p(k, -) Є mf(6) 5 = p(k,l) Є mf(6) 6 = (k,l+) Є mf(6) 7 = p(k+,l-) Є mf(6) 8 = p(k+,l-) Є mf(6) 9 = p(k+,l+) Є mf(6) THEN 5 Rule 7- IF = p(k-,l-) Є mf(7) 2 = p(k-,l) Є mf(7) 3 = p(k-,l+) Є mf(7) 4 = p(k, -) Є mf(7) 5 = p(k,l) Є mf(7) 6 = (k,l+) Є mf(7) 7 = p(k+,l-) Є mf(7) 8 = p(k+,l-) Є mf(7) 9 = p(k+,l+) Є mf(7) THEN 5 = p(k,l) Ximp Rule 8- IF = p(k-,l-) Є mf(8) 2 = p(k-,l) Є mf(8) 3 = p(k-,l+) Є mf(8) 4 = p(k, -) Є mf(8) 5 = p(k,l) Є mf(8) 6 = (k,l+) Є mf(8) 7 = p(k+,l-) Є mf(8) 8 = p(k+,l-) Є mf(8) 9 = p(k+,l+) Є mf(8) THEN 5 Rule 9- IF = p(k-,l-) Є mf(9) 2 = p(k-,l) Є mf(9) 3 = p(k-,l+) Є mf(9) 4 = p(k, -) Є mf(9) 5 = p(k,l) Є mf(9) 6 = (k,l+) Є mf(9) 7 = p(k+,l-) Є mf(9) 8 = p(k+,l-) Є mf(9) 9 = p(k+,l+) Є mf(9) THEN 5 = p(k,l) Ximp Eldeki gürültülü görüntü önce AMF ile gürültünün bir kısmı bastırıldıktan sonra, geri kalan gürültü (özellikle AMF nin başarısız olduğu gürültü) ise bulanık model ile giderildi Degree of membership mf mf2 mf3 mf4 mf5 mf6 mf7 mf8 mf input Şekil 4 Kullanılan Bell Shaped Üyelik Fonksiyonu
5 Toprak, Ave Güler, İ (a)( b) (c) (d) (e) Şekil 5 BAMF ile gürültü bastırılması (a) Oriinal MRI görüntüsü (b) γ = 07 gürültülü görüntü (c) Ortalama filtresi ile gürültü bastırılması (d) AMF ile gürültü bastırılması (e) KTBAOF ile gürültü bastırılması 3 Bulgular KTBAOF filtresinin uygulanmış olduğu MR görüntüsü şekil 5 te görülmektedir Şekil 5 a da oriinal MR görüntüsü, şekil 5 b de oriinal MR görüntüsüne %70 oranında gürültü ilave edilmiş hali, şekil 5 c de ortalama filtre kullanarak gürültü bastırma şekil 5 d de AMF filtresi ile gürültü bastırma ve şekil 5 e de ise KTBAOF ile gürültünün bastırılması işlemi sonuçları görülmektedir Şekil 5 c de gürültü bastırıldıktan sonra görüntünün detaylarının çok daha iyi korunduğu gözlemlenebilmektedir [4] Kong, H and Guan, L, A noise-eclusive adaptive filtering framework for removing impulse noise in digital image, IEEE Trans Circuits and Systems, 45(3), 998, , [5] Russo, F, A fuzzy fitler for Images corrupted by impulse noise, IEEE Signal Processing Vol 3, 996, No6, [6] Peng S and Lucke, L, Fuzzy filtering for mied noise removal during image processing, in Proc 3rd IEEE Int Conf Fuzzy System, Orlando, FL, June 26-29, 994, 89-93, [7] Arakawa, K, Median filter based on fuzzy rules and its application to image restoration, Fuzzy Sets Syst 77, 996, 3 3, [8] Lee, CS, Kuo, YH, and Yu, PT, Weighted fuzzy mean filters for image processing, Fuzzy Sets Syst, no 89, 997, pp 57 80, [9] Gonzalez, R C and R E Woods Digital Image Processing Prentice Hall, 992, pp , [0] Toprak A, Güler İ, Suppression of impulse noise in medical images with the use of fuzzy adaptive median filter, Journal of Medical Systems, 30 (2006) []Wang, JH, Lin, LD, Histogram-Based Fuzzy Filter for Image Restoration IEEE Transaction on systems, Man, And Cybernetics- Part B: Cybernetics, April 2002, VOL 32, NO 2, 4 Tartışma KTBAOF filtreleme tekniği kullanılarak yapılan iyileştirmede gürültü bastırılırken kenar keskinliği ve görüntü detayları daha az zarar görmektedir Şekil 5 te bu durum daha net bir şekilde görülmektedirancak ele aldığımız görüntü penceresi 33 lük pencere olup dokuz adet giriş pikseli söz konusu olduğundan daha iyi bir görüntü elde etmemiz için daha fazla kural tanımlamak gerekir Dokuz adet giriş pikseli ile Dokuz adet üyelik fonksiyonu tanımladığımız zaman 99 kadar bir kural tanımlamamız gerekmektedir Bu işlem ise günümüz bilgisayarlarıyla gerçekleştirilmesi son derece zor ve yavaş olacağından bu kurallar içinde belli bir optimizasyon yaparak 758 adet kural tanımladık Kural sayısının artışına bağlı olarak yavaşlayan işlem hızı sorunu daha hızlı bilgisayar sistemleri kullanılarak giderilebilir Kaynaklar [] Rosenfeld, A, Fuzzy digital topology, Information and Control, 40, 979, 76-87, [2] Abreu, E, Lightstone, M, Mitra, SK, and Arakawa, K, A new efficient approach for the removal of impulse noise from highly corrupted images IEEE Trans Image Processing, 996, 5, , [3] Wang, JH, Lin, LD, and Yu, MD, Histogram-based adaptive neuro-fuzzy filter for image restoration, Proc Natl Sci Counc ROC(A), 2(6), 997, ,
Hafta 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
DetaylıBiyomedikal Resimlerdeki Rastgele Değerli Darbe Gürültüsünün Çift Gürültü Kontrollü Hızlı Adaptif Medyan Filtre ile Azaltılması
URSI-TÜRKİYE 214 VII. Bilimsel Kongresi, 28-3 Ağustos 214, ELAZIĞ Biyomedikal Resimlerdeki Rastgele Değerli Darbe Gürültüsünün Çift Gürültü Kontrollü Hızlı Adaptif Medyan Filtre ile Azaltılması Cafer Budak
DetaylıBULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI
BULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI M. Emin YÜKSEL 1 Alper BAŞTÜRK 1 M. Tülin YILDIRIM 2 1 Erciyes Üniversitesi, Mühendislik Fakültesi, Elektronik
DetaylıCurriculum Vitae. 06 September 1970, Kayseri, TURKEY. Phone : +90 352 4374901 / Ext.: 32204. : yuksel@erciyes.edu.tr
Curriculum Vitae Full Name: Date & Place of Birth: Dr. M. Emin YÜKSEL 06 September 1970, Kayseri, TURKEY. Office Contact: Dept. of Electronics Eng., Faculty of Engineering, Erciyes University, Kayseri,
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
DetaylıBölüm 6 Görüntü Onarma ve Geriçatma
BLM429 Görüntü İşlemeye Giriş Bölüm 6 Görüntü Onarma ve Geriçatma Dr. Öğr. Üyesi Caner ÖZCAN Gördüğümüz şeyler tek başlarına ne gördüğümüz değildir... Hislerimizin algı yeteneğinden ayrı olarak nesnelerin
DetaylıBölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme Dr. Öğr. Üyesi Caner ÖZCAN It makes all the difference whether one sees darkness through the light or brightness through the
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
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
DetaylıYaklaşık Düşünme Teorisi
Yaklaşık Düşünme Teorisi Zadeh tarafından 1979 yılında öne sürülmüştür. Kesin bilinmeyen veya belirsiz bilgiye dayalı işlemlerde etkili sonuçlar vermektedir. Genellikle bir f fonksiyonu ile x ve y değişkeni
DetaylıGÖRÜNTÜ İŞLEME - (6.Hafta) GÖRÜNTÜ NETLEŞTİRME ALGORİTMALARI
GÖRÜNTÜ İŞLEME - (6.Hafta) GÖRÜNTÜ NETLEŞTİRME ALGORİTMALARI NETLEŞTİRME/KESKİNLEŞTİRME FİLTRESİ (Sharpening Filter) Bu algoritma orjinal görüntüden, görüntünü yumuşatılmış halini çıkararak belirgin kenarların
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 6 Kenar, Köşe, Yuvarlak Tespiti Alp Ertürk alp.erturk@kocaeli.edu.tr KENAR TESPİTİ Kenar Tespiti Amaç: Görüntüdeki ani değişimleri / kesintileri algılamak Şekil bilgisi elde
DetaylıYönbağımsız ve Yönbağımlı Gauss Süzgeçleme Isotropic and Anisotropic Gaussian Filtering
Yönbağımsız Yönbağımlı Gauss Süzgeçleme Isotropic and Anisotropic Gaussian Filtering Deniz Yıldırım 1, Bekir Dizdaroğlu 2 1 Harita Mühendisliği Bölümü, 2 Bilgisayar Mühendisliği Bölümü Karadeniz Teknik
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
DetaylıChapter 3 Image Enhancement in the Spatial Domain. 2002 R. C. Gonzalez & R. E. Woods
Chapter 3 Image Enhancement in the Spatial Domain 2002 R. C. Gonzalez & R. E. Woods Chapter 3 Image Enhancement in the Spatial Domain 2002 R. C. Gonzalez & R. E. Woods Chapter 3 Image Enhancement in the
DetaylıBulanık kurallara ve kenar devamlılığı kurallarına dayalı kenar tespiti iyileştirilmesi
Araştırma Makalesi BAUN Fen Bil. Enst. Dergisi, 19(2), 62-76, (2017) DOI: 10.25092/baunfbed.340371 J. BAUN Inst. Sci. Technol., 19(2), 62-76, (2017) Bulanık kurallara ve kenar devamlılığı kurallarına dayalı
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
DetaylıOSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ
OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ Resul KARA Elektronik ve Bilgisayar Eğitimi Bölümü Teknik Eğitim Fakültesi Abant İzzet Baysal Üniversitesi, 81100,
DetaylıÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ
ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ Ali S Awad *, Erhan A İnce* *Doğu Akdeniz Üniversitesi Elektrik ve Elektronik Mühendisliği Mağosa, KKTC İnce@eeneteeemuedutr, Asawad@emuedutr Özetçe Beyaz
DetaylıGüzide Miray PERİHANOĞLU 1, Ufuk ÖZERMAN 2, Dursun Zafer ŞEKER 3
1013 [936] DİJİTAL GÖRÜNTÜ İŞLEME TEKNİKLERİ KULLANILARAK GÖRÜNTÜLERDEN DETAY ÇIKARIMI Güzide Miray PERİHANOĞLU 1, Ufuk ÖZERMAN 2, Dursun Zafer ŞEKER 3 1 Öğr. Gör., Yüzüncü Yıl Üniversitesi, Mülkiyet Koruma
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 5 Görüntü Süzgeçleme ve Gürültü Giderimi Alp Ertürk alp.erturk@kocaeli.edu.tr Motivasyon: Gürültü Giderimi Bir kamera ve sabit bir sahne için gürültüyü nasıl azaltabiliriz?
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
DetaylıTip-1 Bulanık Sistemlerde Tip-2 Bulanık Girişler
Tip- Bulanık Sistemlerde Tip- Bulanık Girişler Mehmet KARAKÖSE Erhan AKIN Fırat Üniversitesi Bilgisayar Mühendisliği, 39 Elazığ mkarakose@firat.edu.tr eakin@firat.edu.tr Anahtar Sözcükler: Tip- bulanık
DetaylıHafta 7 Görüntü Onarma ve Geriçatma (Kısım 1)
BLM429 Görüntü İşlemeye Giriş Hafta 7 Görüntü Onarma ve Geriçatma (Kısım 1) Yrd. Doç. Dr. Caner ÖZCAN Gördüğümüz şeyler tek başlarına ne gördüğümüz değildir... Hislerimizin algı yeteneğinden ayrı olarak
DetaylıDijital Görüntü İşleme (COMPE 464) Ders Detayları
Dijital Görüntü İşleme (COMPE 464) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Dijital Görüntü İşleme COMPE 464 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i
Detaylı2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics
2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının
Detaylıhkm 2004/90 5. Göllerin Çok Bantl Uydu Görüntülerinden Ç kar m 6. Sonuç ve Öneriler
Çöl arazide, yeşil bitki örtüsü su kenarlar nda bulunur. Bu ilişki göllerin ya da rmaklar n etraf nda yeşil bitki örtüsünün olabileceğini gösterir ve su nesnesinin tan nmas nda ve anlaş lmas nda yard mc
DetaylıBULANIK MANTIK ile KONTROL
BULANIK MANTIK ile KONTROL AFYON KOCATEPE ÜNİVERSİTESİ Bulanık mantığın temel prensipleri: Bulanık küme sözel değişkenleri göstermek için kullanılır. Az sıcak, biraz soğuk gibi bulanık mantık üyelik fonksiyonları
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)
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
DetaylıGÖRÜNTÜ İŞLEME UYGULAMALARI. Arş. Gör. Dr. Nergis TURAL POLAT
GÖRÜNTÜ İŞLEME UYGULAMALARI Arş. Gör. Dr. Nergis TURAL POLAT İçerik Görüntü işleme nedir, amacı nedir, kullanım alanları nelerdir? Temel kavramlar Uzaysal frekanslar Örnekleme (Sampling) Aynalama (Aliasing)
DetaylıBölüm 3 Görüntü İşleme ile İlgili Temel Kavramlar
BLM429 Görüntü İşlemeye Giriş Bölüm 3 Görüntü İşleme ile İlgili Temel Kavramlar Dr. Öğr. Üyesi Caner ÖZCAN Those who wish to succeed must ask the right preliminary questions. (Başarmak isteyenler doğru
DetaylıFİLTRELEME YÖNTEMİ İLE DİGİTAL GÖRÜNTÜ ZENGİNLEŞTİRME VE ÖRNEK BİR YAZILIM. ÖzĢen ÇORUMLUOĞLU b , Selçuklu, Konya. GümüĢhane
FİLTRELEME YÖNTEMİ İLE DİGİTAL GÖRÜNTÜ ZENGİNLEŞTİRME VE ÖRNEK BİR YAZILIM Cihan ALTUNTAġ a*, ÖzĢen ÇORUMLUOĞLU b a Selçuk Üniversitesi, Mühendislik Mimarlık Fakültesi, Harita Mühendisliği Bölümü, 42075,
DetaylıDijital Sinyal İşleme (COMPE 463) Ders Detayları
Dijital Sinyal İşleme (COMPE 463) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Dijital Sinyal İşleme COMPE 463 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin
DetaylıSüleyman UZUN 1, Devrim AKGÜN 2. Özet. Abstract. 2. Doğrusal Görüntü Filtreleme. 1. Giriş.
Görüntü Filtre Çekirdek Matrisinin Genetik Algoritmalar ile Eğitiminin Bir Analizi An Analysis of Genetic Algorithm with Training of Image Filter Kernel Matrix Süleyman UZUN 1, Devrim AKGÜN 2 1 Bilgi İşlem
DetaylıDigital Görüntü Temelleri Görüntü Oluşumu
Digital Görüntü Temelleri Görüntü Oluşumu Işık 3B yüzeye ulaşır. Yüzey yansıtır. Sensör elemanı ışık enerjisini alır. Yoğunluk (Intensity) önemlidir. Açılar önemlidir. Materyal (yüzey) önemlidir. 25 Ekim
DetaylıADAPTİF FİLTRELERDE GAUSS-SEIDEL ALGORİTMASININ STOKASTİK YAKINSAMA ANALİZİ
Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi ergisi, Cilt 1, Sayı, 5 AAPİF FİRR GAUSS-SI AGORİMASININ SOKASİK YAKINSAMA ANAİZİ Metin HAUN * Osman Hilmi KOÇA * Özet: Bu makalede, adaptif filtre parametrelerinin
DetaylıRadyolojik Görüntüleme Sistemlerinde Görüntü Kalitesinin Sayısal Olarak Değerlendirilmesi. Yard. Doç. Dr. Özlem Birgül 23 Kasım 2013, Antalya
Radyolojik Görüntüleme Sistemlerinde Görüntü Kalitesinin Sayısal Olarak Değerlendirilmesi Yard. Doç. Dr. Özlem Birgül 23 Kasım 2013, Antalya Amaç - Gelişen dedektör teknolojisi ile farklı dedektörlerin
DetaylıBULANIK DENETLEÇ UYUMLAMASI KULLANILAN KALMAN FİLTRESİ İLE GÖRÜNTÜ STABİLİZASYONU
BULANIK DENETLEÇ UYUMLAMASI KULLANILAN KALMAN FİLTRESİ İLE GÖRÜNTÜ STABİLİZASYONU M.Kemal GÜLLÜ 1 Eylem YAMAN 2 Sarp ERTÜRK 3 Elektronik ve Haberleşme Mühendisliği Bölümü Mühendislik Fakültesi Kocaeli
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
DetaylıTIBBİ ENSTRUMANTASYON TASARIM VE UYGULAMALARI SAYISAL FİLTRELER
TIBBİ ENSTRUMANTASYON TASARIM VE UYGULAMALARI SAYISAL FİLTRELER SUNU PLANI Analog sayısal çevirici FIR Filtreler IIR Filtreler Adaptif Filtreler Pan-Tompkins Algoritması Araş. Gör. Berat Doğan 08/04/2015
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
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
Detaylıİşaret ve Sistemler. Ders 1: Giriş
İşaret ve Sistemler Ders 1: Giriş Ders 1 Genel Bakış Haberleşme sistemlerinde temel kavramlar İşaretin tanımı ve çeşitleri Spektral Analiz Fazörlerin frekans düzleminde gösterilmesi. Periyodik işaretlerin
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
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
DetaylıHafta 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar
BLM429 Görüntü İşlemeye Giriş Hafta 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar Yrd. Doç. Dr. Caner ÖZCAN Fall in love with the process, and the results will come. ~ Eric Thomas Derse Giriş Ders
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
DetaylıGÜRÜLTÜ ETKİLERİNİN BULANIK MANTIK TEMELLİ BİR YÖNTEMLE ANALİZİ
Uygulamalı Yerbilimleri Sayı: 2 (Ekim-Kasım 28) 62-75 GÜRÜLTÜ ETKİLERİNİN BULANIK MANTIK TEMELLİ BİR YÖNTEMLE ANALİZİ Analyzing Effects of Noise Level by a Fuzzy Logic Based System Nevcihan DURU 1, Cengiz
DetaylıISSN : 1308-7231 mbaykara@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey
ISSN:1306-3111 e-journal of New World Sciences Academy 011, Volume: 6, Number:, Article Number: 1A0173 ENGINEERING SCIENCES Burhan Ergen Received: November 010 Muhammet Baykara Accepted: February 011 Firat
DetaylıGörüntü İşleme Ders-7 AND, NAND. % bir görüntüde küçük bir alanın kesilip çıkartılması. >> y=imread('headquarters-2and.jpg');
Görüntü İşleme Ders-7 AND, NAND % bir görüntüde küçük bir alanın kesilip çıkartılması. >> x=imread('headquarters-2.jpg'); >> y=imread('headquarters-2and.jpg'); >> x=rgb2gray(x); >> y=rgb2gray(y); >> imshow(y)
DetaylıGörüntü Restorasyonu. BMÜ-357 Sayısal Görüntü İşeme Yrd. Doç. Dr. İlhan AYDIN
Görüntü Restorasyonu BMÜ-357 Sayısal Görüntü İşeme Yrd. Doç. Dr. İlhan AYDIN Görüntü İyileştirme (İmage restoration) Görüntü restorasyonu konusu, bir görüntünün oluşumu esnasında oluşabilen veri kayıplarını
DetaylıTEK BÖLGELİ GÜÇ SİSTEMLERİNDE BULANIK MANTIK İLE YÜK FREKANS KONTRÜLÜ
TEKNOLOJİ, Yıl 5, (2002), Sayı 3-4, 73-77 TEKNOLOJİ TEK BÖLGELİ GÜÇ SİSTEMLERİNDE BULANIK MANTIK İLE YÜK FREKANS KONTRÜLÜ Ertuğrul ÇAM İlhan KOCAARSLAN Kırıkkale Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik
DetaylıGÖRÜNTÜ İŞLEME - (5.Hafta)
GÖRÜNTÜ İŞLEME - (5.Hafta) RESİM YUMUŞATMA (BULANIKLAŞTIRMA-BLURRING) FİLTRELERİ Görüntü işlemede, filtreler görüntüyü yumuşatmak yada kenarları belirginleştirmek için dijital filtreler kullanılır. Bu
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
DetaylıP r o f. D r. M e h m e t E m i n Y Ü K S E L
Özgeçmiş P r o f. D r. M e h m e t E m i n Y Ü K S E L KİŞİSEL BİLGİLER Adı Soyadı Ünvan Mehmet Emin YÜKSEL Prof. Dr. Adres Erciyes Üniversitesi Mühendislik Fakültesi Biyomedikal Mühendisliği Bölümü Melikgazi
DetaylıBULANIK MANTIK DENETİMLİ SERİ AKTİF GÜÇ FİLTRESİ KULLANARAK HARMONİK GERİLİMLERİN BASTIRILMASI
Gazi Üniv. Müh. Mim. Fak. Der. J. Fac. Eng. Arch. Gazi Univ. Cilt 9, No 2, 25-25, 24 Vol 9, No 2, 25-25, 24 BULANIK MANTIK DENETİMLİ SERİ AKTİF GÜÇ FİLTRESİ KULLANARAK HARMONİK GERİLİMLERİN BASTIRILMASI
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
DetaylıTMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Lazer Tarama Verilerinden Bina Detaylarının Çıkarılması ve CBS İle Entegrasyonu
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
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.
DetaylıUzaysal Görüntü İyileştirme/Filtreleme. Doç. Dr. Fevzi Karslı fkarsli@ktu.edu.tr
Uasal Görüntü İileştirme/Filtreleme Doç. Dr. Fevi Karslı karsli@ktu.edu.tr İileştirme Herhangi bir ugulama için, görüntüü orijinalden daha ugun hale getirmek Ugunluğu her bir ugulama için sağlamak. Bir
DetaylıBir Tek Nöron Kullanılarak Resimler Đçerisinde Göz Kısmının Bulunması
KSÜ Fen ve Mühendislik Dergisi, 11(1), 008 59 KSU Journal of Science and Engineering, 11(1), 008 Bir Tek Nöron Kullanılarak Resimler Đçerisinde Göz Kısmının Bulunması Yavuz Selim ĐŞLER, Metin ARTIKLAR
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
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
DetaylıBölüm 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar
BLM429 Görüntü İşlemeye Giriş Bölüm 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar Dr. Öğr. Üyesi Caner ÖZCAN Fall in love with the process, and the results will come. ~ Eric Thomas Derse Giriş Ders
Detaylıİki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
KSÜ Mühendislik Bilimleri Dergisi, 12(1), 2009 6 KSU Journal of Engineering Sciences, 12 (1), 2009 İki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
DetaylıYrd. Doç. Dr. Mustafa NİL
Yrd. Doç. Dr. Mustafa NİL ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Fırat Üniversitesi Elektrik-Elektronik Mühendisliği Y. Kocaeli Üniversitesi Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DetaylıBölüm 2 Görüntünün Alınması ve Sayısallaştırılması
BLM429 Görüntü İşlemeye Giriş Bölüm 2 Görüntünün Alınması ve Sayısallaştırılması Dr. Öğr. Üyesi Caner ÖZCAN When something can be read without effort, great effort has gone into its writing. ~E. J. Poncela
DetaylıBilişim Sistemleri Değerlendirme Modeli ve Üç Örnek Olay İncelemesi
Bilişim Sistemleri Değerlendirme Modeli ve Üç Örnek Olay İncelemesi Özet Dr. Sevgi Özkan ve Prof. Dr Semih Bilgen Enformatik Enstitüsü, Orta Doğu Teknik Üniversitesi, Ankara Tel: (312) 210 3796 e-posta:
DetaylıMATLAB A GİRİŞ. EE-346 Hafta-1 Dr. Ayşe DEMİRHAN
MATLAB A GİRİŞ EE-346 Hafta-1 Dr. Ayşe DEMİRHAN MATLAB Teknik ve bilimsel hesaplamalar için yazılmış yüksek performanslı bir yazılım geliştirme aracı MATrix LABoratory (MATLAB) Boyutlandırma gerekmeyen
Detaylı2 ALGORİTMA VE AKIŞ DİYAGRAMLARI
İÇİNDEKİLER IX İÇİNDEKİLER 1 GİRİŞ 1 Kitabın Amacı 1 Algoritmanın Önemi 2 Bilgisayarın Doğuşu ve Kullanım Amaçları 3 Programlama Dili Nedir? 3 Entegre Geliştirme Ortamı (IDE) Nedir? 4 2 ALGORİTMA VE AKIŞ
DetaylıKENAR GEÇİŞLERİ KULLANILARAK GÖRÜNTÜDEKİ BULANIKLIĞIN GİDERİLMESİ IMAGE DE-BLURRING BASED ON EDGE TRANSITIONS
28 SDU International Journal of Technological Science pp. 28-36 Computational Technologies KENAR GEÇİŞLERİ KULLANILARAK GÖRÜNTÜDEKİ BULANIKLIĞIN GİDERİLMESİ Halime Boztoprak Geliş Tarihi/ Received: 11.02.2016,
DetaylıKABA KÜME TEORİSİ (Rough Set Theory) Dr. Sedat TELÇEKEN
KABA KÜME TEORİSİ (Rough Set Theory) Dr. Sedat TELÇEKEN Giriş Bilgi teknolojisindeki gelişmeler ve verilerin dijital ortamda saklanmaya başlanması ile yeryüzündeki bilgi miktarı her 20 ayda iki katına
DetaylıMIMO Radarlarda Hedef Tespiti için Parametrik Olmayan Adaptif Tekniklerin Performans Değerlendirilmesi
MIMO Radarlarda Hedef Tespiti için Parametrik Olmayan Adaptif Tekniklerin Performans Değerlendirilmesi Nefiye ERKAN Elektrik-Elektronik Mühendisliği Bölümü, Gazi Üniversitesi Eti Mh, Yükseliş Sk, Maltepe,
DetaylıElectronic Letters on Science & Engineering 3(1) (2007) Available online at www.e-lse.org
Electronic Letters on Science & Engineering 3(1) (2007) Available online at www.e-lse.org Fuzzy and Adaptive Neural Fuzzy Control of Compound Pendulum Angle Ahmet Küçüker 1,Mustafa Rüzgar 1 1 Sakarya University,
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
DetaylıDigital Görüntü Temelleri Görüntü Oluşumu
Digital Görüntü Temelleri Görüntü Oluşumu Işık 3B yüzeye ulaşır. Yüzey yansıtır. Sensör elemanı ışık enerjisini alır. Yoğunluk (Intensity) önemlidir. Açılar önemlidir. Materyal (yüzey) önemlidir. 06 Kasım
DetaylıÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR
Resim ÖZGEÇMİŞ 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Telefon : 386 280 45 50 Mail : kskula@ahievran.edu.tr
DetaylıHızlı Düzey Küme Yöntemine Bağlı Retinal Damar Bölütlemesi. Bekir DİZDAROĞLU. KTÜ Bilgisayar Mühendisliği Bölümü
Bekir DİZDAROĞLU KTÜ Bilgisayar Mühendisliği Bölümü bekir@ktu.edu.tr 1/29 Tıbbi imge bölütleme klasik yaklaşımları a) Piksek tabanlı b) Kenar tabanlı c) Bölge tabanlı d) Watershed (sınır) tabanlı e) Kenar
DetaylıOBJECT GENERATOR 2014
OBJECT GENERATOR 2014 GİRİŞ Sonlu elemanlar modellemesindeki Mechanical ortamında temas tanımlanması, bağlantı elemanı, mesh kontrolü veya yük girdilerinin uygulanması aşamasında çoklu bir yüzey varsa
DetaylıHafta 3 Görüntü İşleme ile İlgili Temel Kavramlar
BLM429 Görüntü İşlemeye Giriş Hafta 3 Görüntü İşleme ile İlgili Temel Kavramlar Yrd. Doç. Dr. Caner ÖZCAN Those who wish to succeed must ask the right preliminary questions. (Başarmak isteyenler doğru
DetaylıPID SÜREKLİ KONTROL ORGANI:
PID SÜREKLİ KONTROL ORGANI: Kontrol edilen değişken sürekli bir şekilde ölçüldükten sonra bir referans değer ile karşılaştırılır. Oluşacak en küçük bir hata durumunda hata sinyalini değerlendirdikten sonra,
DetaylıMatris İşlemleri Uygulaması
Matris İşlemleri Uygulaması Uygulama Konusu Uygulama 3x3 boyutlu matrislerle toplama, çıkarma ve çarpma işlemleri üzerinedir. Toplama İşlemi AA = aa iiii mmmmmm ve BB = bb iiii mmmmmm aynı tipte iki matris
DetaylıÖZGEÇMİŞ ve YAYINLAR LİSTESİ
ÖZGEÇMİŞ ve YAYINLAR LİSTESİ 1. Adı Soyadı............. : Hatice ( KIRIMLI ) SEZGİN 2. Doğum Tarihi............ : 11 Haziran 1959 3. Ünvanı................. : Yardımcı Doçent Doktor 4. Öğrenim Durumu :
DetaylıBilgisayar Tabanlı Araç Plaka Tanıma Sistemi. Computer Based Vehicle Plate Recognition System
BİLİŞİM TEKNOLOJİLERİ DERGİSİ, CİLT: 1, SAYI: 3, EYLÜL 2008 1 Bilgisayar Tabanlı Araç Plaka Tanıma Sistemi Okan BİNGÖL 1, Ömer KUŞCU 2 1 Süleyman Demirel Üniversitesi Teknik Eğitim Fakültesi Elektronik-Bilgisayar
DetaylıÖzetçe. Abstract. 1. Giriş. 2. Adaptif Gürültü Giderme. Nalân YĐĞĐT 1 Nurhan KARABOĞA 2 Burak GÜRER 3
Adaptif Süzgeçlerde Farksal Gelişim Algoritması Kullanılarak Gürültü Giderme Noise Cancellation Using Differential Evolution Algorithm For Adaptive Filters Nalân YĐĞĐT 1 Nurhan KARABOĞA 2 Burak GÜRER 3
DetaylıGörüntü Segmentasyonu (Bölütleme)
Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 20 Aralık 2014 Cumartesi 1 Görüntü Segmentasyonu 20 Aralık 2014 Cumartesi 2 Gestalt kanunları Görüntü
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 9 Stereo Görüntüleme Alp Ertürk alp.erturk@kocaeli.edu.tr Tek Kamera Geometrisi??? x Tek Kamera Geometrisi Tek Kamera Geometrisi İğne Deliği Kamera Modeli ) /, / ( ),, (
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
DetaylıBAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ
BAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ BME43 BİYOMEDİKAL İŞARET İŞLEME I LABORATUVAR DERSİ Deneyin Adı: Güç Sektral Yoğunluğu DENEY 7 Deneyin Amacı: Güç Sektral Yoğunluğu Tesiti ve MATLAB
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
DetaylıHafta 4 Yoğunluk Dönüşümleri ve Histogram İşleme
BLM429 Görüntü İşlemeye Giriş Hafta 4 Yoğunluk Dönüşümleri ve Histogram İşleme Yrd. Doç. Dr. Caner ÖZCAN It makes all the difference whether one sees darkness through the light or brightness through the
DetaylıDERS 5 : BULANIK MODELLER
DERS 5 : BULANIK MODELLER Bulanık girişimli sistem, bulanık küme teorisi, bulanık if-then kuralları ve bulanık mantığına dayalı popüler bir hesaplama yapısıdır. Otomatik kontrol, veri sınıflandırılması,
DetaylıBİTİRME ÇALIŞMASI ARA RAPOR YAZIM KILAVUZU
BİTİRME ÇALIŞMASI ARA RAPOR YAZIM KILAVUZU 1. Başlık ve Kapak Sayfası Başlık sayfası formatı için bölüm web sayfasında bulunan rapor_kapak.docx başlıklı MS Office Word dokümanı kullanılacaktır. Düzenlenmesi
DetaylıPOSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM
POSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM Melih KUNCAN Siirt Üniversitesi, Mühendislik-Mimarlık Fakültesi, Mekatronik Mühendisliği Bölümü, Siirt, TÜRKIYE melihkuncan@siirt.edu.tr
DetaylıSayısal Filtre Tasarımı
Sayısal Filtre Tasarımı Sayısal Filtreler Filtreler ayrık zamanlı sistemlerdir. Filtreler işaretin belirli frekanslarını güçlendirmek veya zayıflatmak, belirli frekanslarını tamamen bastırmak veya belirli
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Yapay Sinir Ağları (Artificial Neural Network) Doç.Dr. M. Ali Akcayol Yapay Sinir Ağları Biyolojik sinir sisteminden esinlenerek ortaya çıkmıştır. İnsan beyninin öğrenme, eski
DetaylıGenetik Algoritma Yardımıyla Elde Edilen Yüksek Performanslı Pencere Fonksiyonlarının Yinelemesiz Sayısal Filtre Tasarımında Kullanımı
6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 011, Elazığ, Turkey Genetik Algoritma Yardımıyla Elde Edilen Yüksek Performanslı Pencere Fonksiyonlarının Yinelemesiz Sayısal Filtre
Detaylı