Sayısal görüntü işleme için bir yazılım paketi geliştirilmesi ve sayısal resimlerde insan yüzünün yerinin tespitinde kullanımı

Basit Öğe Kaydı
dc.contributor.advisorOral, Mustafa
dc.contributor.authorKahraman, Fatih
dc.date.accessioned2024-05-28T11:12:56Z
dc.date.available2024-05-28T11:12:56Z
dc.date.issued2001en_US
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalıen_US
dc.descriptionBu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.en_US
dc.description.abstractÖZET SAYISAL GÖRÜNTÜ İŞLEME İÇİN BİR YAZILIM PAKETİ GELİŞTİRİLMESİ ve SAYISAL RESİMLERDE İNSAN YÜZÜNÜN YERİNİN TESPİTİNDE KULLANIMI Bu çalışmada, görüntü işleme problemlerinin çözümünde sıkça kullanılan temel birçok fonksiyon ve özelliği içeren bir sayısal görüntü işleme paketi (FDIP) hazırlanmış ve Geri Yayılmak Yapay Sinir Ağı (YSA) kullanarak, sayısal resimlerdeki insan yüzlerinin yer tespitini gerçekleştirebilen bir sistem tasarlanmıştır. Borland Delphi 4.0 programlama dili kullanılarak geliştirilen FDIP, sayısal görüntüler üzerinde histogram equalizasyonu, görüntü filtreleme, aritmetik ve mantıksal işlemler, morfolojik operasyonlar, etiketleme ve inceltme işlemleri yapabilmesinin yanı sıra diğer birçok fonksiyonu da gerçekleyebilmektedir. FDIP programı ticari amaçlı görüntü işleme programlarına alternatif olarak hazırlanmamıştır. Tez ekinde sunulan kaynak kodlarıyla, sonraki araştırma ve geliştirmelere taban oluşturabilecektir. Günümüzde YSA kullanarak insan yüzü tanıma problemi, literatürde popüler olan bir konudur. Bu problemin ilk basamağı ise resim içerisinde insan yüzünün yer tespitidir. Sayısal resimlerdeki insan yüzlerinin yer tespitini gerçekleştirebilmek amacıyla FDIP yazılım paketine üç katmanlı (1-giriş, 1-saklı, 1-çıkış) geri yayılmak YSA modülü eklenmiştir. Bu modül yapısı gereği esnek olup, diğer bir çok tanıma işlemlerine kullanım olanağı da sağlayabilmektedir. Bu çalışmada, 20x20 (piksel) ebatlarında, 214 adet insan yüzü ve 186 adet insan yüzü olmayan resimlerden oluşan bir eğitim seti, testler için kullanılan YSA'ların eğitilmesi aşamasında kullanılmıştır. YSA üzerinde yapılan testlerde, yüz tanıma probleminin özelinde, saldı tabaka nöron sayısı, momentum ve öğrenme katsayıları değişimlerinin öğrenmeye etkileri araştırılmış ve en iyi yakınsamanın saklı tabaka da 100 nöron, momentum katsayısının "0.4" ve öğrenme katsayısının "0.5" olduğu koşulda gerçeklendiği görülmüştür. Test sonuçlarına göre YSA, önceden gördüğü insan yüzleri için %82.7, daha önce karşılaşmadığı yüzler için ise %76.9 oranında doğru sınıflama yapmıştır. 2001,108 sayfen_US
dc.description.abstractABSTRACT DEVELOPMENT OF A DIGITAL IMAGE PROCESSING SOFTWARE PACKAGE AND ITS EMPLOYMENT IN FACE DETECTION IN DIGITAL IMAGES In this study, a new digital image processing package (FDIP) is developed and its use in locating human feces in digital images is investigated. It employs Error Back Propagation algorithm with Artificial Neural Network (ANN). It has all the standard utilities available in digital image processing packages except those working in frequency domain. FDIP is developed using Borland © Delphi version 4.0. It is designed to equalize histograms, filter images, perform various arithmetic, logical, labeling, thinning and mathematical morphology operations on images. Its source code is given in the Appendix. The neural network based algorithm used is designed to process gray scale images. First, the position of human face in a digital image is determined. To this end, a three-layer ANN is embedded in FDIP. The next step, which is beyond the scope of this study, is to recognize this face. FDIP is designed so that it can easily be extended to perform various such recognition operations. In training ANNs, 400 20 by 20 pixel size digital images of which 214 with human faces and 186 without them are used. During this training process, the number of hidden layer neurons (or nodes), the momentum and the learning parameters that result in the best convergence rate are determined to be 100, 0.4 and 0.5 respectively. With these parameters, FDIP can locate 82.7% of the human faces appearing in digital images used in training and 76.9% of them in digital images not used in training. 2001, 108 pagesen_US
dc.identifier.endpage119en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12483/4945
dc.identifier.yoktezid114511en_US
dc.language.isoturen_US
dc.publisherHatay Mustafa Kemal Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectElektrik ve Elektronik Mühendisliğien_US
dc.subjectElectrical and Electronics Engineeringen_US
dc.subjectGörüntü işlemeen_US
dc.subjectYSAen_US
dc.subjectyüz tespitien_US
dc.subjectyapay sinir ağlanen_US
dc.subjecthatanın geriye yayılımıen_US
dc.subjectDigital image processingen_US
dc.subjectimage processing toolboxen_US
dc.subjectimageen_US
dc.subjectface detectionen_US
dc.subjectartificial neural networksen_US
dc.subjecterror back propagationen_US
dc.subjectANN.en_US
dc.titleSayısal görüntü işleme için bir yazılım paketi geliştirilmesi ve sayısal resimlerde insan yüzünün yerinin tespitinde kullanımıen_US
dc.title.alternativeDevelopment of a digital image processing software package and its employment in face detection in digital imagesen_US
dc.typeMaster Thesisen_US

Dosyalar

Koleksiyon

FBE Tez Koleksiyonu