Sınır sahipliği ile görüntülerden hassas görsel bilgi edinimi

Download
2015
Kalkan, Sinan
Karadağ, Öztimur Özge
Karamanlıoğlu, Alper
Özkan, Buğra
Topuz, Gaye
Tarkan, Nihal Hacer
Akkuş, Akif Mehmet
Tekdüze görüntü alanlarının neden olduğu eksik ve muğlâk görsel bilginin düzeltilebilmesi, ilgili görüntü alanlarını çevreleyen sınırlardaki (görüntü işleme diliyle; kenarlardaki) güvenilir görsel bilgilerin ‘içeriye doldurma’ mekanizması kullanılarak görüntü alanlarının iç kısımlarına iletilmesiyle mümkün olabilir. Ancak, bu yöntemin kullanılabilmesi, görüntü alanlarının sınırlarının daha önceden belirlenmesini gerektirir; bir başka deyişle, görüntüdeki her kenara bir ‘sınır sahipliği’ bilgisi verilmiş olmalıdır. ‘Sınır sahipliği’ bilgisi, görüntüdeki kenarları ve alanları birbirine bağlar; böylece, kenarlardaki güvenilir görsel bilgi, doğru alanların içine doğru aktarılabilir. Bu projede üç hedefi gerçekleştirilmiştir: (1) Sınır sahipliğinin belirlenmesi için önemli mekanizmaları incelemek, (2) bu inceleme sonuçlarını kullanan bilişimsel (ing. computational) bir model geliştirmek ve (3) bu bilişimsel modeli, yerel mekanizmalar kullanan, önemli görme problemlerine uygulayarak, sınır sahipliği bilgisinin görsel bilginin kalitesi ve niceliği üzerindeki etkisini göstermek. İlk hedefimizde, insan denekler tarafından sınır sahipliği işaretlenecek ve incelememiz için temel oluşturacak görüntüler toplanmıştır. Sınır sahipliği işaretlenmiş bu görüntüleri kullanarak, sınır sahipliği bilgisi ve farklı görsel öğeler arasında incelemesi yapılmıştır. Bu türden bir yaklaşımın, sınır sahipliği gibi henüz işleme mekanizması anlaşılamamış bir problem için oldukça uygun olduğunu düşünüyoruz; çünkü insan görme sisteminin görüntülerdeki düzenliliği kullandığı ve bu düzenliliği (işaretlenmiş görüntüler üzerinden) incelemenin farklı algısal mekanizmaların çalışma prensipleri hakkında ipuçları taşıyacağı literatür tarafından yaygın olarak kabul görmektedir. İkinci hedefimiz için, sınır sahipliği bilgisi taşıyan farklı veri kaynaklarını ve bu kaynaklar arasındaki ilişkileri modellemek için farklı bilişimsel yöntemler geliştirdik. Bu yöntemler arasında, tensör oylama, olasılıksal rastgele alan, karar destek makineleri, Bayes sınıflandırma, AdaBoost sınıflandırma sayılabilir. Ayrıca, bu yöntemleri verisetimiz üzerinde detaylı bir biçimde kıyaslamış bulunmaktayız. Bilişimsel modeli geliştirdikten sonra, modelimizi yerel hesaplama yöntemleri kullanan üç önemli görme problemi olan, optik akış ve stereo görme hesaplamalarına ve kenarlardaki derinlik bilgisini kullanarak görüntü alanları içerisinde derinlik öngörme problemlerine uyguladık ve sınır sahipliği bilgisinin farklı seviyelerde katkı sağladığını gösterdik.
Citation Formats
S. Kalkan et al., “Sınır sahipliği ile görüntülerden hassas görsel bilgi edinimi,” 2015. Accessed: 00, 2020. [Online]. Available: https://app.trdizin.gov.tr/publication/project/detail/TVRRMU56azU.