RETİNAL GÖRÜNTÜLERDE OPTİK DİSKİN OTOMATİK OLARAK ÇIKARILMASI İÇİN BİR YÖNTEM A METHOD FOR AUTOMATIC OPTIC DISC EXTRACTION IN RETINAL FUNDUS IMAGES
|
|
- Nazar Akşit
- 8 yıl önce
- İzleme sayısı:
Transkript
1 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), Mayıs 009, Karabük, Türkiye RETİNAL GÖRÜNTÜLERDE OPTİK DİSKİN OTOMATİK OLARAK ÇIKARILMASI İÇİN BİR YÖNTEM A METHOD FOR AUTOMATIC OPTIC DISC EXTRACTION IN RETINAL FUNDUS IMAGES Zafer YAVUZ a,*, Cevat İKİBAŞ a, Uğur ŞEVİK a ve Cemal KÖSE a a, Karadeniz Teknik Üniversitesi, Trabzon, Türkiye, E-posta: zaferyavuz@ktu.edu.tr E-posta: cikibas@ktu.edu.tr, usevik@ktu.edu.tr, ckose@ktu.edu.tr Özet Teknolojideki ilerlemelere paralel olarak, tıpta kullanılan bilgisayarlı tekniklerin sayısında ve etkinliğinde önemli artışlar kaydedilmektedir. Otomatik görüntü işleme ve analizi, tıbbi teşhis, tedavi ve izleme alanında kullanılan tekniklerdendir. Bu alanda son 15 yılda kaydedilen gelişmeler, retinal görüntülerdeki değişik özelliklerin, değişimlerin ve dejenerasyonların otomatik olarak algılanmasına imkân sağlamaktadır. Retinal görüntülerin analizinin doğru biçimde yapılması, retinanın doğal yapısındaki optik disk ve makula gibi yapıların doğru olarak tespiti ve dejenerasyonlardan ayırt edilmesi ile yakından ilişkilidir. Literatürde bu alanda yapılmış çok sayıda çalışma vardır. Bu çalışmalar, görüntü işleme veya model tabanlı olabilmektedir. Her iki yöntemin de kullanıldığı bu çalışmada ilk olarak görüntü işleme teknikleri ile retinal görüntüde aday optik disk bölgeleri bulunmakta, daha sonra Hough Dönüşümü yöntemi ile retinada geometrik olarak bir daire oluşturabilecek bölgeler araştırılmaktadır. Son olarak dairesel yapılar ve aday optik disk bölgeleri karşılaştırılarak optik diskin bulunduğu bölge tespit edilmektedir. Karadeniz Teknik Üniversitesi Tıp Fakültesi oftalmoloji bölümünden alınan retinal görüntüler üzerinde yapılan testler sonucunda %85 oranında başarı sağlamıştır. Anahtar kelimeler: Optik Disk Çıkarma, Retinal Görüntü analizi, Makula, Göz hastalıkları Abstract Along with the advancements in technology, the number and capability of techniques used in medical fields are increased. Automated image analysis and processing is one of the most promising areas of computer vision used in medical diagnosis, screening and treatment. The advancements achieved in this field made it possible that retinal degenerations, morphologic structures and features can be detected automatically. The proper and accurate analysis of retinal images is closely related with correct detection and segmentation of some structures such as optic disc, macula and vasculature and differentiation of these structures from degenerations. There are a quite number of studies conducted related with these issues. Most of these studies are based on image processing or pattern recognition. In this study, which employs both approaches, candidate regions for optic disc are first found based on image processing techniques and then regions that could include circular areas on the retinal image are searched by Hough Transform. The last operation is eliminating the areas where no circle is detected. The remaining area should be the one that includes the optic disc. The system achieved 85% of success on images taken from Department of Ophthalmology in Medical Faculty of Karadeniz Technical University. The experimental results has shown that using both approach increases the success rate compared to the ones used only one approach. Keywords: Optic disc extraction, Retinal image analysis, macula, retinal diseases 1. Giriş Günümüzde tıp alanındaki bilgisayarlı uygulamaların yeri ve önemi giderek artmaktadır. Bu alanlara örnek olarak retinal fundus görüntülerinin otomatik olarak işlenmesi ve bu yolla göz hastalıklarının teşhis ve takibi verilebilir. Retinal görüntülerdeki damarlar, optik disk ve makula gibi morfolojik yapıların ve oluşan dejenerasyonların otomatik olarak tespiti, retinal görüntülerden hastalık tespit ve takibinde son derece önemlidir [1], [], [3], [4], [5], [6]. Diyabetik retinopati, yaşa bağlı bozulma, glukoma gibi birçok hastalık bu yapılarda görülen değişikliklerden anlaşılabilmektedir [5], [6], [7]. Bu yüzden bu alanda otomatik olarak bu fonksiyonları gerçekleştiren sistemlere büyük ihtiyaç vardır. Otomatik sistemlerin geliştirilip kullanılması çok büyük veri yığınlarını görsel olarak inceleyip analiz eden sağlık teknisyenlerinin iş yükünü de önemli ölçüde azaltacaktır. Optik disk, normal retinal görüntülerde genellikle gözün ortasında parlak, yuvarlak ve hafif oval bir disk görünümündedir. Makula ise yine aynı şekilde parlak ancak nispeten optik diske göre daha az parlaktır. Şekil 1 de örnek bir retinal fundus görüntüsü verilmektedir. Optik disk, kan damarlarının ve optik sinirlerin retinaya girdiği yerdir ve optik diskin tespit edilmesi fundus görüntülerinde analiz için önemli bir adımdır. Retinal görüntülerde optik diskin tespiti, teşhis ve takipte birçok işlem için ilk adımı teşkil etmektedir. Optik diske göre konumlanan damarların ve makulanın tespiti buna örnek olarak verilebilir. Özellikle retinal kan damarlarının tespiti ve takip edilmesi işlemi optik diskin konumundan başlamaktadır [1], [3], [4], [9], [14]. Optik diskin tespit edilerek aynı özellikleri taşıyan lezyonlardan ayrılması, lezyonların daha iyi bölütlenmesi açısından da son derece yararlıdır [3], [5], [6], [8]. Optik diskin anormal boyutları glokoma gibi bazı hastalıkların habercisi olabilmektedir. Diğer taraftan hastalıklara bağlı olarak bu yapıların değişiklikler göstermesi, otomatik tespitlerini oldukça zorlaştırmaktadır [9]. IATS 09, Karabük Üniversitesi, Karabük, Türkiye
2 (Haussdorf-based template matching) [0] ve Hough dönüşümü verilebilir [4], [1]. Optik diskin bulunmasında retinal görüntülerdeki yapıların geometrik olarak anlamlı bir şekil arz etmesinden faydalanan yöntemler de vardır. Örneğin gözdeki sinyalleri beyne ulaştıran tüm retinal damarlar, Şekil 1 de görüldüğü gibi, optik diskten başlamakta ve damarlar tüm görüntülerde benzer bir simetriye sahip olmaktadır [], [3], [4].. Optik Disk Konumunu Belirleme Şekil 1. Örnek bir retinal fundus görüntüsü Literatürde optik diskin bulunması konusu ile ilgili birçok çalışma yapılmıştır [1], [], [8], [5], [6]. Bu çalışmalar piksel tabalı ve model tabanlı olabilmektedir. Piksel tabanlı bir çalışmada Li ve ark. bir gri seviye görüntüsünde parlak piksellerin toplandığı bölgeleri aday bölgeler olarak belirleyip, bu alanlardan optik disk için en uygun olanı model tabanlı bir yaklaşımla belirlemektedir [10]. Piksel tabanlı bir başka çalışmada, Lee ve ark. iki aşamalı bir algoritma geliştirmiş ve morfolojik bir interpolasyon yöntemiyle optik disk bölgesini bulmuştur [11]. Literatürde optik disk tespiti ile ilgili birçok çalışma yapılmıştır. Bu çalışmalarda genel olarak iki ana yaklaşım kullanılmaktadır. Birinci yaklaşım piksel tabanlı yaklaşımdır. Bu yaklaşıma göre her bir piksel tek tek değerlendirilerek o pikselin optik diskin bir parçası olup olmadığı araştırılmaktadır. İkinci yaklaşım ise model tabanlı yaklaşımdır ve bu yaklaşıma göre görüntüye ait pikseller bir bütün olarak anlamlıdır. Görüntüye ait pikseller tek başlarına bir anlam ifade etmemekte, aksine, etrafında bulunan piksellerle birlikte bir bütün olarak değerlendirildiklerinde bir anlam ifade etmektedirler. Renk morfolojisinin kullanıldığı bir çalışmada otomatik olarak başlatılmış Aktif Kontur Model (AKM) kullanılarak damarların elimine edilmesiyle görüntü, AKM analize hazır hale getirilmiştir [1]. Bu çalışma, [13] te Lab renk morfolojisi önerisiyle daha da geliştirilmiştir. Retinal görüntülerin morfolojik yapısı da birçok yöntemde kullanılan başlıca özelliklerdendir. Bir çalışmada, damar ve optik diskin sınırlarından yararlanılarak önce optik diskin yaklaşık yeri, daha sonra da Watershed dönüşümüyle tam yeri tespit edilmektedir [14]. Glokoma teşhisi için optik disk/cup oranının otomatik olarak tespiti için yapılan başka bir çalışmada ise optik diskin otomatik olarak bulunması için önce gürültüler elenmiş, daha sonrada aydınlanma normalleştirilmiş ve eşikleme yöntemi kullanılarak optik disk bulunmuştur [15]. Aynı amaca yönelik başka bir çalışmada ise optik disk parametrelerinin ve cup/disk oranının bulunması için renk yoğunluğunu ve eşik düzeyi kümesini değerlendiren iki metot önerilmektedir [16]. [17] de değişik özelliklerdeki görüntüler, değişik kaynaklardan toplanmış, basit sinyal işleme teknikleriyle işlenerek iki gruba ayrılmış ve daha sonra uygulanan ki-kare (Chi-square p< 0.05 n=60) testi ile normal ve anormal görüntülerin birbirinden ayrılmasının anlamlı olduğu gösterilmiştir. Optik diskin aktif sınırlarının bulunmasını temel alan çalışmalar da mevcuttur. Bu çalışmalarda, optik diskin sınırları tespit edilirken sınırlardaki şekil bozukluğu, glokoma gibi bazı hastalıkların işareti olabildiği belirtilmiştir [18], [13], [1]. [19] da optik diskin yerinin bulunması özel bir şablon eşleştirme ve bozulabilen sınır model (Deformable Contour Model) kullanılarak gerçekleştirilmektedir. Optik diski bulmada kullanılan akıllı sistemlere örnek olarak Temel Bileşen Analizi-TBA (Principle Component Analysis) [5], Haussdorf tabanlı şablon eşleştirme Şekil. Sistemin Çalışma Şeması Her iki yaklaşımın da kendine göre avantajları ve dezavantajları vardır. Bu çalışmada, optik diskin belirlenmesi için piksel tabanlı ve model tabanlı yaklaşımlar birilikte kullanılmaktadır. Önce optik diskin parlaklık özelliğinden yararlanarak aday optik disk bölgeleri bulunmaktadır. Daha sonra Hough Dönüşümü ile retinal görüntülerde optik diske benzeyen dairesel bölgeler bulunmaktadır. Son adımda, bulunan aday optik disk bölgeleri ve Hough Dönüşümü ile bulunan dairesel bölgeler karşılaştırılarak optik diskin konumu yaklaşık olarak belirlenmektedir. Sistemin çalışma şeması Şekil de verilmiştir.
3 .1. Aday Optik Disk Bölgelerinin Belirlenmesi Aday optik disk tespiti işlemi, gri seviye retinal fundus görüntüleri üzerinde gerçekleştirilmiştir. İlk olarak renkli retinal fundus görüntülerin işlenmesi sırasında arka planda oluşan koyu bölgelerin elenmesi ön işlemi gerçekleştirilmiştir. Arka planın elenmesi için renk kanalları arasındaki hata farkından yararlanılmıştır. Hata miktarı E, eşitlik (1) e göre elde edilmiştir. E = ( m R) + ( m G) + ( m B) (1) m = maksimum( R, G, B) () ort ( R, G, B) < T (3) 1 Burada E, hata değeri, R, G, B ise ilgili pikselin renginin sırasıyla kırmızı, yeşil ve mavi bileşenleridir. (1) de elde edilen hata değeri E, (4) bağıntısına göre değerlendirilerek ilgili pikselin arka plana ait olup olmadığına karar verilir. 1 ( = 0, E < T I (4), E T olarak görülmekte, bazıları ise aydınlatma, retinal hastalıklar ve diğer gürültüler nedeniyle parlak olduklarından ve optik diskle benzerliklerinden, aday optik disk bölgesi olarak hatalı bir şekilde tespit edilmektedir. Bu sorunu çözmek için her bir pikselin optik diske ait olup olmadığına bakılır. Bir pikselin optik diske ait olup olmadığını veren olasılık bağıntısı (5) te verilmiştir. P( S( x n, y n, x + n, y + n) N x N = (5) Burada S(x 1,y 1,x,y ) fonksiyonu, (x 1,y 1 ) ve (x,y ) koordinatları arasında kalan karesel bölgedeki beyaz piksellerin sayısını vermektedir. N=0 ve N=n (karesel bölgenin bir kenarının uzunluğu) olarak alınmıştır. Elde edilen olasılık değerine göre bir pikselin optik diske ait olup olmadığına (6) bağıntısında verilen karşılaştırma sonucunda karar verilir. 1 ( = 0, P( > T I (6) 3, P( T Burada T 3 eşik değeri 0.5 olarak alınmıştır. Son durumdaki aday görüntüler şekil 4 te verilmektedir. 3 Elde edilen arka plan bölgeleri Şekil de gösterilmiştir. (a) (b) Şekil. (a). Orijinal retinal fundus görüntüsü. (b).fundus görüntüye ait olmayan arka plan görüntüleri Siyah bölgelerin elenmesi işleminden sonra görüntü gri seviyeye çevrilir. Retinal fundus görüntüsünde optik disk bölgesinin parlaklık değeri diğer bölgelere gore daha yüksek olduğundan gri seviye görüntü üzerinde en yüksek % parlaklığa sahip pikseller tespit edilir [6]. Burada bir eşik değeri hesaplanarak görüntü ikili görüntüye çevrilir. İkili görüntüde optik disk ve diğer parlak bölgeler (genellikle hastalıklı bölgeler) beyaz olarak işaretlenir (Şekil 3). Burada görüldüğü gibi, oluşan ikili görüntüde birçok bölge bulunmaktadır. Şekil 4. Örnek aday bölgeler Aday optik disk seçimi aşamasında elde edilen ikili görüntülerde küçük bölgeler oluşabilmektedir. Bu durum aday optik disc bölge sayısının oldukça artmasına sebep olabilir. Bu yüzden toplam piksel sayısı 100 den küçük olan aday bölgeler doğrudan elenmektedir. Bu aşamadan sonra Hough Dönüşümü Yöntemi İle geometrik olarak bir daire oluşturabilecek bölgeler belirlenmekte ve aday optik disk bölgeleriyle karşılaştırılmaktadır. (a) (b).. Hough Dönüşümü Yardımıyla Optik Disk Tespiti Retinal görüntülerde optik disk bölgesi genellikle dairesel bir bölgedir. Bu nedenle görüntülerde dairesel yapılar araştırılarak optik disk olabilecek bölgeler tespit edilmektedir. Dairelerin tespiti için gerekli Hough Dönüşümü (7) eşitliğinde tanımlanmaktadır. Şekil 3. (a). Orjinal retinal görüntü. (b). Örnek ikili görüntü Bu bölgelerin her biri aday optik disk bölgesidir. Bazı bölgeler tek bir bölgeye ait olmasına rağmen farklı bölgeler ( x = r x0 ) + ( y y0 ) (7)
4 Bu eşitlik, merkezi (x 0,y 0 ) ve yarıçapı r olan ( noktalarının yörüngesini göstermektedir. Daire denklemi parametrik olarak ise (8) deki gibi tanımlanabilir. x = x 0 + rcosθ ve y y + rcosθ = 0 (8) Retinal görüntülerde dairesel bölgeler (8) de verilen eşitliklere göre taranır. Görüntü üzerinde dairesel bölge araştırması yapabilmek için öncelikle görüntü, Sobel operatörü ile kenar görüntüsü haline getirilmektedir. Bir başka deyişle görüntü, kenarların belirgin olduğu ikili görüntüye dönüştürülmektedir. Dairelerin taranması için Hough daire tespit algoritması kullanılmaktadır [4]. Aday optik disk belirleme adımında, eğer tek bir bölge bulunmuşsa bu bölge optik disk bölgesi olarak belirlenmektedir. Eğer bu aşamada birden fazla aday optik disk bölgesi bulunmuşsa bu durumda Hough dönüşümü yardımıyla retinal görüntüde dairesel bölgeler araştırılarak aday optik disk bölgeleri ile Hough dönüşümü sonucunda bulunan dairesel bölgelerin merkezi koordinatları karşılaştırılarak optik disk için en uygun bölgeye karar verilir. Aday optik disk bölgelerinin bulunması ve Hough dönüşümü yardımıyla dairesel bölgelerin bulunması işlemleri sırasında birbirine yakın olan ve aynı bölgeye ait olan koordinatlar dikkate alınarak birleştirme işlemleri de yapılmıştır. Şekil 4 te bulunan aday bölgeler ve Şekil 5 te bulunan dairesel bölgeler karşılaştırılarak optik diskin konumu belirlenmektedir. Şekil 6 da bulunan bir optik disk verilmektedir. Şekil 5. Hough Dönüşümü sonucu elde edilen dairesel bölgeler. Verilen algoritma ile r yarıçapında dairesel bölge araştırılmaktadır. Bu şekilde retinal görüntüde optik disk olabilecek tüm yarıçaplar tespit edilmektedir. Çalışmada kullanılan retinal fundus görüntüler KTÜ Farabi Hastanesinden alınmıştır. Bu görüntüler 760x570 çözünürlüğündedir. Bu çözünürlüğe göre optik disk olabilecek karesel bölgelerin boyutları piksel arasında değişmektedir. Bu nedenle, dairesel bölgeler araştırılırken kullanılan yarıçap değeri piksel olarak alınmıştır..3. En Uygun Optik Disk Konumunun Seçilmesi Daha önceki bölümlerde iki farklı yolla optik diskin konumu araştırılmıştır. Bu bölümde bu iki yöntem birlikte kullanılarak en uygun optik disk konumunun tespiti amaçlanmaktadır. Optik diskin belirlenmesi için ilk olarak uygulanan işlem, görüntüdeki aday optik disk bölgelerinin belirlenmesidir. Bu işlem bölüm.1 de anlatılmıştır. Retinal fundus görüntülerde genellikle optik disk dışında da parlak bölgeler bulunmaktadır. Bu bölgeler aydınlatma ve benzeri istenmeyen gürültüler nedeniyle oluşabileceği gibi Şekil.a da gösterildiği gibi glokoma ve yaşa bağlı makula dejenerasyon gibi çeşitli hastalıklar nedeniyle de oluşabilmektedir. Bu nedenle aday optik disk bölgelerinin belirlenmesi aşamasında genellikle birden çok aday bölge bulunabilmektedir. Bu durum Şekil 3.b de görülmektedir. 3. Sonuç Şekil 6. Optik disk konumunun belirlenmesi Bu çalışmada retinal görüntülerde önemli bir adım olan optik disk tespiti üzerinde durulmuştur. Optik disk tespiti için önce görüntü işleme teknikleri ile aday optik disk bölgeleri bulunmuş, daha sonra da Hough Dönüşümü uygulanarak görüntü üzerindeki dairesel bölgeler tespit edilmiştir. İki farklı yöntemle elde edilen aday optik disk bölgeleri çakıştırılarak nihai optik disk tespiti gerçekleştirilmiştir. Sistem için kullanılan retinal görüntüler KTÜ Farabi Hastanesi Oftalmoloji bölümünden alınmıştır. Görüntü boyutları 760x570 pikseldir ve RGB formatındadır. Test işlemi için 0 retinal görüntüden 17 si üzerinde başarılı bir şekilde optik disk tespiti gerçekleştirilmiştir. Sonuçlar Çizelge 1 de verilmiştir. Çizelge 1. Optik disk konumunu belirleme sonuçları Retinal görüntü sayısı 0 Başarılı tespit sayısı 17 Başarısız tespit sayısı 3 Başarı oranı %85 Çizelge 1 de gösterildiği gibi, sistemin optik diskin konumunu belirlemedeki başarımı % 85 civarındadır. Kullanılan yöntem geliştirildiğinde başarım daha da artacaktır. Bu tespit retinal damarların izlenmesi ve
5 kanamalarının tespitinde ilk adım olarak kullanılabilir. Gelecek çalışmada yöntem daha da iyileştirilerek optik disk konumu belirleme başarımı arttırılacak ve sistem daha fazla retinal görüntü üzerinde test edilecektir. Önerilen yöntem, piksel tabanlı bir yaklaşım olan görüntü işleme teknikleri ile model tabanlı bir yaklaşım olan Hough Dönüşümü yöntemini bir arada kullanarak her iki yöntemin de avantajlarını birleştirmektedir. Sistemin parametrelerinin işlenen resme göre doğru bir şekilde seçilmesi daha yüksek başarım oranlarını netice verecektir. Kaynaklar [1] C. Sinthanayothin, J. F. Boyce, H. L. Cook, T. H. Williamson, Automated Location of the Optic Disc, Fovea, and Retinal Blood Vessels from Digital Colour Fundus Images, British Journal of Ophthalmology, Vol. 83(8), pp , [] J. Lowell, A.Hunter, D. Steel, A. Basu, R.Ryder, E. Fletcher, L. Kennedy, Optic Nerve Head Segmentation, IEEE Transaction on Medical Imaging,, Vol. 3, No., pp , 004. [3] L. Gagnon, M. Lalonde, M. Beaulieu, M.-C. Boucher, Procedure to detect anatomical structures in optical fundus images, Proceedings of Conference Medical Imaging 001: Image Processing, pp [4] T. Teng, M. Lefley, and D. Claremont, Progress towards automated diabetic ocular screening: A review of image analysis and intelligent systems for diabetic retinopathy, Med. Biol. Eng. Comput., vol. 40, pp. 13, 00. [5] H. Li, O. Chutatape, Automatic location of optic disc in retinal images, in Proc. IEEE-ICIP, vol., pp , 001. [6] H. Li and O. Chutatape, A model-based approach for automated feature extraction in fundus images, in 9th IEEE Int. Conf. Computer Vision (ICCV 03), 003, vol. 1, pp [7] R. A. Abdel-Ghafar, T. Morris, T. Ritchings, and I. Wood, Detection and characterisation of the optic disc in glaucoma and diabetic retinopathy, presented at the Med. Image Understand. Anal. Conf., London, U.K., Sep. 3 4, 004. [8] A. Osareh, M. Mirmehdi, B. Thomas, and R. Markham, Classification and localisation of diabetic-related eye disease, in 7th Eur. Conf. Computer Vision (ECCV), May 00, vol. 353, LNCS, pp [9] F. ter Haar, Automatic localization of the optic disc in digital colour images of the human retina, M.S. thesis, Utrecht University, Utrecht, The Netherlands, 005. [10] H. Li, O. Chutatape, Automatic location of optic disk in retinal images, in Proc. IEEE-ICIP, vol., pp , 001. [11] S. S. Lee, M. Rajeswari, D. Ramachandram and B. Shaharuddin, Screening of Diabetic Retinopathy - Automatic Segmentation of Optic Disc in Colour Fundus Images, IN: Proceedings of DFMA 006: The nd International Conference on Distributed Frameworks for Multimedia Applications, pp , 006. [1] A. Osareh, M. Mirmehdi, B. Thomas, R. Markham, Colour Morphology and Snakes for Optic Disc Localisation,16th IEEE Int. Conf. Pattern Recognition, vol.1, pp , 00. [13] A. Osareh, M. Mirmehdi, B. Thomas, R. Markham, Comparison of color spaces for optic disc localization in retinal images, in Proc. 16th IEEE Int. Conf. Pattern Recognition, vol.1, pp , 00. [14] T. Walter, J.-C. Klein, Segmentation of Color Fundus Images of the Human Retina: Detection of the Optic Disc and the Vascular Tree Using Morphological Techniques, Pattern Recognition Letters, Springer: Lecture Notes in Compute Science, ISMDA 001, LNCS 199, pp. 8 87, 001. [15] M. Edgardo, F. Riverón1 and M. del Toro Céspedes, Measurement of Parameters of the Optic Disk in Ophthalmoscopic Color Images of Human Retina, CIARP 004, LNCS 387, pp , 004. [16] J. Liu, D. W. K. Wong, J.H. Lim, X. Jia, F. Yin, H. L, W. Xiong, T. Y. Wong, Optic Cup and Disk Extraction from Retinal Fundus Images for Determination of Cupto-Disc Ratio, 3rd IEEE International Conference on Industrial Electronics and Applications, ICIEA 008. [17] R. A. Abdel-Ghafar, T. Morris, Progress towards automated detection and characterization of the optic disc in glaucoma and diabetic retinopathy, Informatics for Health and Social Care, Volume 3, Issue 1 March 007, pp 19-5 [18] F. Mendels, C. Heneghan, P. D. Harper, J.-Ph. Thiran, Identification of the Optic Disk Boundary in Retinal Images using Active Contours, In: Proceedings of Irish Machine Vision and Image Processing Conference (IMVIP) 1999, 1999, p IEEE, [19] J. Lowell, A.Hunter, D. Steel, A. Basu, R.Ryder, E. Fletcher, L. Kennedy, Optic Nerve Head Segmentation, IEEE Transaction on Medical Imaging, Vol. 3, No., pp , 004. [0] M. Lalonde, M.Beaulieu, L. Gagnon, Fast and Robust Optic Disc Detection Using Pyramidal Decomposition and Hausdorff-Based Template Matching, IEEE Transaction on Medical Imaging, Vol. 0, No. 11, pp.: , 001 [1] M. Park, J. S. Jin, S. Luo, Locating the Optic Disc in Retinal Images, IEEE Transaction on Biomedical Engineering, Vol.:6 (1), pp , 007. [] M. Foracchia, E. Grisan, A. Ruggeri, Detection of Optic Disc in Retinal Images by Means of a Geometrical Model of Vessel Structure, IEEE Transaction on Medical Imaging, Vol. 3, No. 10, pp , 004. [3] Kenneth W. Tobin, Senior Member, IEEE, Edward Chaum, V. Priya Govindasamy, Member, IEEE, and Thomas P. Karnowski,Detection of Anatomic Structures in Human Retinal Imagery. [4] Nixon M. & Aguado A., Feature Extraction & Image Processing, Elsevier, Hungary, 008. [5] Köse C., Şevik U., Gençalioğlu O., Automatic segmentation of age-related macular degeneration in retinal fundus images, Computers in Biology and Medicine. Vol.: 38, pp: , 008. [6] Köse C., Şevik U., Gençalioğlu O., İkibaş C., Kayıkçıoğlu T., A Statistical Segmentation Method for Measuring Age-Related Macular Degeneration in Retinal Fundus Images, Journal of Medical Systems, 008, doi: /s
Retina Görüntülerinde Yaşa Bağlı Makula Dejenerasyonunun İstatistiksel Yöntemlerle Segmentasyonu
Retina Görüntülerinde Yaşa Bağlı Makula Dejenerasyonunun İstatistiksel Yöntemlerle Segmentasyonu Uğur Şevik 1, Okyay Gençalioğlu 2, Cemal Köse 3 1 Karadeniz Teknik Üniversitesi, İstatistik ve Bilgisayar
DetaylıDr.Öğr.Üyesi UĞUR ŞEVİK
Dr.Öğr.Üyesi UĞUR ŞEVİK ÖZGEÇMİŞ DOSYASI KİŞİSEL BİLGİLER Doğum Yılı : Doğum Yeri : Sabit Telefon : Faks : E-Posta Adresi : Web Adresi : Posta Adresi : 1981 MERSİN - MERSİN(MRK) T: 4623773708 F: usevik@ktu.edu.tr
DetaylıEGE ÜNİVERSİTESİ Bilgisayar Mühendisliği. Dr. Kemal YILMAZ, Prof. Dr. Aylin KANTARCI, Prof. Dr. Cezmi AKKIN
EGE ÜNİVERSİTESİ Bilgisayar Mühendisliği Dr. Kemal YILMAZ, Prof. Dr. Aylin KANTARCI, Prof. Dr. Cezmi AKKIN Oftalmoskopi: oftalmoskop ile göz dibinin muayene edilmesi bilimidir. Bilim tarihinin ilk optik
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
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
DetaylıRETİNADAKİ YAŞA BAĞLI MAKULA DEJENERASYONUNUN (YBMD),
5. Uluslar arası İleri Teknolojiler Sempozyumu (İATS 09), 13-15 Mayıs 2009, Karabük, Türkiye RETİNADAKİ YAŞA BAĞLI MAKULA DEJENERASYONUNUN (YBMD), İSTATİSTİKSEL VE BÖLGE BÜYÜTME YÖNTEMLERİ İLE BÖLÜTLEME
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
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
DetaylıBulanık C-Kümeleme Algoritması ile Retinal Kan Damarı Bölütleme Retinal Vessel Segmentation with Fuzzy C-Means Clustering Algorithms
Bulanık C-Kümeleme Algoritması ile Retinal Kan Damarı Bölütleme Retinal Vessel Segmentation with Fuzzy C-Means Clustering Algorithms Zafer Yavuz 1, Cemal Köse 1 1 Bilgisayar Mühendisliği Bölümü Karadeniz
DetaylıKelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler
Kelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler Yılmaz KAYA 1, Lokman KAYCİ 2 1 Bilgisayar Mühendisliği Bölümü, Siirt Üniversitesi, 56100 Siirt 2 Biyoloji Bölümü, Siirt Üniversitesi,
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Vize. İris Segmentation. Selçuk BAŞAK 08501008
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Vize İris Segmentation Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim program ve kaynak
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,
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
DetaylıDoç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr
Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Bölümü oner@isikun.edu.tr 1. Adı Soyadı : Mustafa Mengüç ÖNER 2. Doğum Tarihi : 01.02.1977 3. Unvanı : Doçent Dr. 4. Öğrenim Durumu : ÖĞRENİM
DetaylıPROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI
PROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI Proje Yüklenicisi: Yeditepe Üniversitesi Mühendislik ve Mimarlık Fakültesi
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
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
DetaylıGörüntü İşlemeye Giriş Introduction to Image Processing. Doç. Dr. Aybars UĞUR
Görüntü İşlemeye Giriş Introduction to Image Processing Doç. Dr. Aybars UĞUR 2013 1 İçerik Görüntü ve Piksel Görüntü Türleri Görüntü İşleme Görüntü İşlemenin Amaçları Görüntü İyileştirme Görüntü Analizi
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
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
DetaylıDiz MR Görüntülerindeki Menisküslerin Bölütlenmesi ve Yırtıklarının Otomatik Teşhisi
Diz MR Görüntülerindeki Menisküslerin Bölütlenmesi ve Yırtıklarının Otomatik Teşhisi Okyay Gençalioğlu 1, Uğur Şevik 2, Cemal Köse 3 1 Karadeniz Teknik Üniversitesi, Tıp Fakültesi Bilgi İşlem Merkezi,
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
DetaylıPlazma İletiminin Optimal Kontrolü Üzerine
Plazma İletiminin Optimal Kontrolü Üzerine 1 Yalçın Yılmaz, 2 İsmail Küçük ve 3 Faruk Uygul *1 Faculty of Arts and Sciences, Dept. of Mathematics, Sakaya University, Sakarya, Turkey 2 Faculty of Chemical
DetaylıÖZGEÇMİŞ. 1. Adı Soyadı : Olcay Taner Yıldız. 2. Doğum Tarihi : 15.05.1976. 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu :
ÖZGEÇMİŞ 1. Adı Soyadı : Olcay Taner Yıldız 2. Doğum Tarihi : 15.05.1976 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Boğaziçi Üniversitesi 1997 Y.
DetaylıÖZGEÇMİŞ. 2. Doğum Yeri ve Tarihi : Washington DC - 22 Temmuz 1978. Derece Alan Üniversite Yılı Bilgisayar-Kontrol Marmara Üniversitesi
ÖZGEÇMİŞ 1. Adı Soyadı : Serhat ÖZEKES 2. Doğum Yeri ve Tarihi : Washington DC - 22 Temmuz 1978 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yılı ve Kontrol Marmara Üniversitesi 2000
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
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)
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
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
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
Detaylı2016 YILI AKADEMİK TEŞVİK BAŞVURUSU FAALİYET TÜRÜ HAM PUAN NET PUAN PROJE ARAŞTIRMA 0 0 YAYIN
ALİ ÖZGÜN OK DOÇENT YILI AKADEMİK TEŞVİK BAŞVURUSU NEVŞEHİR HACI BEKTAŞ VELİ ÜNİVERSİTESİ/MÜHENDİSLİK-MİMARLIK FAKÜLTESİ/JEODEZİ VE FOTOGRAMETRİ MÜHENDİSLİĞİ BÖLÜMÜ/JEODEZİ VE FOTOGRAMETRİ MÜHENDİSLİĞİ
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 Eşleştirme Kullanan Temassız Ray Hattı Durum Analizi Yöntemi Contactless Rail Track Condition Analysis Approach Using Image Matching
Görüntü Eşleştirme Kullanan Temassız Ray Hattı Durum Analizi Yöntemi Contactless Rail Track Condition Analysis Approach Using Image Matching Orhan Yaman, Mehmet Karaköse, Erhan Akın Bilgisayar Mühendisliği
DetaylıTrafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi
Trafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi ISITES 2016 4 TH INTERNATIONAL SYMPOSIUM ON INNOVATIVE TECHNOLOGIES IN ENGINEERING AND SCIENCE Dr. G. Çiğdem Çavdaroğlu ISITES,
Detaylıİclal Çetin Taş 1, Turgay İbrikçi*, 2 Sami Arıca, 2** Çukurova Üniversitesi Çukurova Üniversitesi. Özet. 1. Giriş.
Fundus Floresan Anjiografi Görüntülerinde Diyabetik Retinopati Nedeniyle Oluşan Kanamaların Kümeleme, Sınıflama ve İyileştirme Yöntemlerini Kullanarak Belirginleştirilmesi Emphasizing Hemorrhage of Regions
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
DetaylıÜniversitesi. {g.karatas, Library, Science Direct ve Wiley veri içerisinde
:, Üniversitesi 34156, stanbul, {g.karatas, c.catal}@iku.edu.tr Özet. sistematik ebilmek üzere, yöntemlerini in n veri belirlemek, ortaya konulan. IEEE Explorer, ACM Digital Library, Science Direct ve
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
DetaylıSahne 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
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
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,
Detaylı91-03-01-517 YAPAY ZEKA (Artificial Intelligence)
91-03-01-517 YAPAY ZEKA (Artificial Intelligence) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 27.09.2009 Y. Doç. Dr. Aybars UĞUR (517 Yapay Zeka)
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
DetaylıÖZGEÇMİŞ. Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Galatasaray Üniversitesi 2004 Y. Lisans Bilgisayar Mühendisliği
ÖZGEÇMİŞ 1. Adı Soyadı: Erchan Aptoula 2. Doğum Tarihi: 25/03/1982 3. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Galatasaray Üniversitesi 2004 Y. Lisans Bilgisayar Mühendisliği
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
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)
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
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
DetaylıYard. Doç. Dr. İrfan DELİ. Matematik
Unvanı Yard. Doç. Dr. Adı Soyadı İrfan DELİ Doğum Yeri ve Tarihi: Çivril/Denizli -- 06.04.1986 Bölüm: E-Posta Matematik irfandeli20@gmail.com, irfandeli@kilis.edu.tr AKADEMİK GELİŞİM ÜNİVERSİTE YIL Lisans
DetaylıSentetik Açıklıklı Radar (SAR) Görüntülerinde Eş Zamanlı Gemi Bölütlemesi ve Tespiti
Sentetik Açıklıklı Radar (SAR) Görüntülerinde Eş Zamanlı Gemi Bölütlemesi ve Tespiti Çağdaş Bak, Emre Akyılmaz, Gizem Aktaş, Mustafa Ergül, Fatih Nar, Nigar Şen,Murat Başaran SDT Uzay ve Savunma Teknolojileri,
DetaylıOTOMATİK VE İNTERAKTİF BÖLÜTLEME YÖNTEMLERİNİN KARŞILAŞTIRILMASI
OTOMATİK VE İNTERAKTİF BÖLÜTLEME YÖNTEMLERİNİN KARŞILAŞTIRILMASI Comparision of Automatic and Interactive Segmentatition Methods Serdar ALASU, Muhammed Fatih TALU İnönü Üniversitesi Bilgisayar Mühendisliği
DetaylıÖ Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D.
Ö Z G E Ç M İ Ş 1. Adı Soyadı: Mustafa GÖÇKEN 2. Doğum Tarihi: 12 Haziran 1976 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Derece Alan Üniversite Yıl Lisans Endüstri Mühendisliği Çukurova Üniversitesi
DetaylıSevim Yasemin ÇİÇEKLİ 1, Coşkun ÖZKAN 2
1078 [1025] LANDSAT 8'İN ADANA SEYHAN BARAJ GÖLÜ KIYI ÇİZGİSİNİN AYLIK DEĞİŞİMİNİN BELİRLENMESİNDE KULLANILMASI Sevim Yasemin ÇİÇEKLİ 1, Coşkun ÖZKAN 2 1 Arş. Gör., Erciyes Üniversitesi, Harita Mühendisliği
DetaylıSOFTWARE ENGINEERS EDUCATION SOFTWARE REQUIREMENTS/ INSPECTION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS
SOFTWARE REQUIREMENTS/ INSPECTION SOFTWARE ENGINEERS EDUCATION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS SOFTWARE REQUIREMENTS/ INSPECTION Ö. Albayrak, J. C. Carver,
DetaylıSU ÜRÜNLERİNİN KALİTE DEĞERLENDİRMESİNDE BİLGİSAYARLI RESİM ANALİZİNİN KULLANIMI YRD. DOÇ. DR. MUTLU ÇELİK KOCAELİ ÜNİVERSİTESİ
SU ÜRÜNLERİNİN KALİTE DEĞERLENDİRMESİNDE BİLGİSAYARLI RESİM ANALİZİNİN KULLANIMI YRD. DOÇ. DR. MUTLU ÇELİK KOCAELİ ÜNİVERSİTESİ GİRİŞ Son yıllarda gıda tüketimi konusunda tüketicinin daha da bilinçlenmesi,
DetaylıTÜRK İŞARET DİLİ TANIMA SİSTEMİ ( TURKISH SIGN LANGUAGE RECOGNITION SYSTEM )
TÜRK İŞARET DİLİ TANIMA SİSTEMİ ( TURKISH SIGN LANGUAGE RECOGNITION SYSTEM ) Şekil 1 İşaret dili tanıma örnek ekran görüntüsü Türk İşaret Dili Tanıma projesi 2005 2006 yılının 2. döneminde Yıldız Teknik
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
DetaylıGÖRÜNTÜLERİN RENK UZAYI YARDIMIYLA AYRIŞTIRILMASI SEGMENTATION OF IMAGES WITH COLOR SPACE
İleri Teknoloji Bilimleri Dergisi Cilt 3, Sayı 1, 1-8, 2014 Journal of Advanced Technology Sciences Vol 3, No 1, 1-8, 2014 GÖRÜNTÜLERİN RENK UZAYI YARDIMIYLA AYRIŞTIRILMASI Recep DEMİRCİ 1 Uğur GÜVENÇ
DetaylıFirst Stage of an Automated Content-Based Citation Analysis Study: Detection of Citation Sentences
First Stage of an Automated Content-Based Citation Analysis Study: Detection of Citation Sentences Zehra Taşkın, Umut Al & Umut Sezen {ztaskin, umutal, u.sezen}@hacettepe.edu.tr - 1 Plan Need for content-based
DetaylıT.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
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
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
DetaylıENDÜSTRİYEL ALANLARDAKİ DAİRESEL PETROL VE YAĞ ÜRÜNLERİ (POL) DEPOLARININ YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN OTOMATİK TESPİTİ
ENDÜSTRİYEL ALANLARDAKİ DAİRESEL PETROL VE YAĞ ÜRÜNLERİ (POL) DEPOLARININ YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN OTOMATİK TESPİTİ Ali Özgün Ok Nevşehir H.B.V. Üniversitesi, Jeodezi ve Fotogrametri Mühendisliği
DetaylıBiyografi Türkçe. 2002 yılından itibaren Yakın Doğu Üniversitesinde görev yapmaktadır.
Biyografi Türkçe Yrd. Doç. Dr. Kamil DİMİLİLER Yrd. Doç. Dr. Kamil Dimililer 10 Şubat 1978 Tarihinde Lefkoşa da doğdu. İlkokulu Şehit Ertuğrul İlkokulunda, Ortaokulu ve Liseyi Türk Maarif Koleji GCSE Science
DetaylıDiabetik Retinopatinin Otomatik Algılanması Amacıyla. Göz Görüntüsünden Kan Damarlarının Eşiklenmesi
Diabeik Reinopainin Oomaik Algılanması Amacıyla Göz Görünüsünden Kan Damarlarının Eşiklenmesi Vasif NABİYEV, Salih BAHÇEKAPILI Karadeniz Teknik Üniversiesi, Mühendislik Fakülesi, Bilgisayar Mühendisliği
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
DetaylıAraç Destek Sistemleri İçin Kuş Bakışı Görüntü Dönüşümü. Bird s Eye View Transformation For Vehicle Assistance Systems
Araç Destek Sistemleri İçin Kuş Bakışı Görüntü Dönüşümü Turgut DOĞAN 1, Eser SERT 2, Deniz TAŞKIN 3 1,3 Trakya Üniversitesi, Bilgisayar Mühendisliği Bölümü, Edirne 2 Trakya Üniversitesi, Teknik Bilimler
DetaylıCoğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları
Coğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları Sunan: Dr. Ufuk SAKARYA TÜBİTAK UZAY Katkıda Bulunanlar: Mustafa Teke, Can Demirkesen, Ramazan Küpçü, Hüsne Seda Deveci,
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
DetaylıÖZGEÇMİŞ. Derece Üniversite Alanı Yılı Bütünleşik Doktora Ege Üniversitesi Matematik (Cebirsel 2009-2014. Lisans Ege Üniversitesi Matematik 2009
ÖZGEÇMİŞ 1. Adı Soyadı : ÖZGÜR EGE 2. Doğum Tarihi : 15.06.1987 3. Doğum Yeri : İZMİR 4. Ünvanı : Araştırma Görevlisi Doktor 5. Adres : Celal Bayar Üniversitesi Fen-Edebiyat Fakültesi Matematik Bölümü
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
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
DetaylıZümray DOKUR, Ph.D. ASSOCIATE EDITOR of NEURAL PROCESSING LETTERS PUBLICATIONS. Journal Papers (SCI)
Zümray DOKUR, Ph.D.. ASSOCIATE EDITOR of NEURAL PROCESSING LETTERS. PUBLICATIONS Journal Papers (SCI) 1. O. Polat, Z. Dokur, Protein fold recognition using self-organizing map neural network Current Bioinformatics,
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
DetaylıKİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI
KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği
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
DetaylıN. Murat Arar, N. Kaan Bekmezci, Fatma Güney, Hazım K. Ekenel. Antalya, 22/04/2011
N. Murat Arar, N. Kaan Bekmezci, Fatma Güney, Hazım K. Ekenel Antalya, 22/04/2011 IEEE 19. Sinyal İşleme ve İletişim Uygulamaları Kurultayı http://www.cmpe.boun.edu.tr/pilab Giriş İlgili Çalışmalar Yöntem
DetaylıElma Yüzey Alanlarının Görüntü İşleme Tekniği Yöntemiyle Saptanması
Ulud. Üniv. Zir. Fak. Derg., (2003) 17(1): 59-64 Elma Yüzey Alanlarının Görüntü İşleme Tekniği Yöntemiyle Saptanması Eşref IŞIK Taner GÜLER ÖZET Tarımsal ürünlerin değerlendirilmelerine ilişkin mühendislik
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
DetaylıA. SCI ve SCIE Kapsamındaki Yayınlar
A. SCI ve SCIE Kapsamındaki Yayınlar A.1. Erilli N.A., Yolcu U., Egrioglu E., Aladag C.H., Öner Y., 2011 Determining the most proper number of cluster in fuzzy clustering by using artificial neural networks.
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
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
DetaylıKan Damarı Genişliği Değişiminin Ölçülmesinde Medikal Görüntü İşlemenin Uygulanması
Kan Damarı Genişliği Değişiminin Ölçülmesinde Medikal Görüntü İşlemenin Uygulanması Öğr. Gör. İsmail KAHRAMAN, Uzm. Vildan BAYRAM, Prof.Dr. Ertuğrul Ercan, Doç.Dr. Bahadır Kırılmaz Çanakkale 18 Mart Üniversitesi
DetaylıBİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU
BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU KİŞİSEL BİLGİLER Adı Soyadı Tolga YÜKSEL Ünvanı Birimi Doğum Tarihi Yrd. Doç. Dr. Mühendislik Fakültesi/ Elektrik Elektronik Mühendisliği 23.10.1980
DetaylıGörev Unvanı Alan Üniversite Yıl Prof. Dr. Elek.-Eln Müh. Çukurova Üniversitesi Eylül 2014
ÖZGEÇMİŞ 1. Adı Soyadı : MUSTAFA GÖK 2. Doğum Tarihi: : 1972 3. Unvanı : Prof. Dr. 4. Öğrenim Durumu Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği İstanbul Üniversitesi 1995 Yüksek Lisans Electrical
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
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
DetaylıVeysel Aslanta, M Do ru
Veysel Aslanta, MDoru, Genetik Algoritma (GA) kullanarak (Singular Value Decomposition - SVD) resim Ç (scaling factors - SFs) kullanarak alues - SVs) metotta, maksimum optimize maksimum saydam da S Anahtar
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
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
Detaylı2017 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ EĞİTİM PLANI
2017 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ EĞİTİM PLANI SINIF: 1 DÖNEM: GÜZ 200111 TEMEL BİLGİ TEKNOLOJİSİ KULLANIMI USE OF FUNDAMENTAL INFORMATION TECHNOLOGY 2017 2 0 2 2
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
DetaylıÇİNKO KATKILI ANTİBAKTERİYEL ÖZELLİKTE HİDROKSİAPATİT ÜRETİMİ VE KARAKTERİZASYONU
ÇİNKO KATKILI ANTİBAKTERİYEL ÖZELLİKTE HİDROKSİAPATİT ÜRETİMİ VE KARAKTERİZASYONU SÜLEYMAN ÇINAR ÇAĞAN MERSİN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNE MÜHENDİSLİĞİ ANA BİLİM DALI YÜKSEK LİSANS TEZİ
DetaylıProje Yürütücüsü: Doç. Dr. Selahattin ARSLAN (KTÜ, Fatih Eğitim Fakültesi)
1. PROJELER 1) Bursiyer, Matematik Öğretiminde Uyarlanabilir Zeki Web Tabanlı Eğitim Sisteminin Tasarlanması, Uygulanması ve Değerlendirilmesi, 109K543 No'lu Tübitak 1001 Araştırma Projesi (Tamamlandı)
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.
DetaylıA UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES
A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES by Didem Öztürk B.S., Geodesy and Photogrammetry Department Yildiz Technical University, 2005 Submitted to the Kandilli Observatory and Earthquake
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
DetaylıLOCAL BINARY PATTERN YÖNTEMİ İLE YÜZ İFADELERİNİN TANINMASI
LOCAL BINARY PATTERN YÖNTEMİ İLE YÜZ İFADELERİNİN TANINMASI ŞEKİL TANIMA,2014 YRD. DOÇ. DR. M. ELİF K ARSLIGİL -------------------------------------------------- HAZIRLAYAN: M. AYYÜCE K I ZRAK 13505007
DetaylıGeriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu
Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye
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
Detaylı