Theses supervised by Yrd. Doç. Dr. Hasan Şakir Bilge

Kanserli hücrelerin mikroarray gen ifadelerinin incelenmesi ve veri madenciliği yöntemleri kullanarak sınıflandırılması

Biyoinformatik, bilgisayar bilimleri, matematik ve istatistiğin entegrasyonu sonucundan ortaya çıkan, biyolojik sistem ve olaylar hakkındaki bilgilerin derlenmesi ve değerlendirilmesini amaçlayan disiplinler arası bir bilimdir. Biyoinformatik bilim dalının hedefi biyolojik olaylardan doğan bilgileri elde etmek ve bu bilgilerin saklanması için veritabanları oluşturmak ve bilişim teknolojilerinin yardımıyla biyolojik olayların moleküler düzeyde açıklanmasına olanak sağlamaktır.Veri madenciliği, çok büyük veri tabanlarındaki ya da veri ambarlarındaki veriler arasında bulunan ilişkiler, örüntüler, değişiklikler, sapma ve eğilimler, belirli yapılar gibi ilginç bilgilerin ortaya çıkarılması ve keşfi işlemidir. Daha basit bir tanım yapmak gerekirse, büyük ölçekli veriler arasından ?değerli bilgiyi? elde etmektir. Bu sayede, veriler arasındaki ilişkileri ortaya koymak ve gerektiğinde ileriye yönelik tahminlerde de bulunmak mümkündür. Veri madenciliğinde sınıflandırma yöntemleri ise kurulan modele göre verilerin daha önceden nitelikleri bilinen gruplara dağılımına olanak tanımaktadır.Bu çalışmada, biyoinformatik alanında mikroarray verilerine sınıflandırma yöntemleri uygulanmıştır. Kanserli olma ihtimali olan hücrelerden alınan verilere uygulanan algoritmalar sonucunda, örneklerin doğru bir şekilde sınıflandırılması amaçlanmıştır. Burada farklı kanser çeşitleri için analizler yapılmıştır. Sınıflandırma yöntemleri olarak Destek Vektör Makineleri, Naive Bayes, K-En Yakın Komşuluk ve Doğrusal Ayırma Analizi sınıflandırıcı kullanılmıştır.

Görüntü işleme algoritmalarının FPGA üzerinde gerçeklenmesi

Görüntü işleme algoritmaları; sağlık, güvenlik, savunma gibi birçok alanda kullanılmaktadır. Bu çalışmada bazı görüntü işleme algoritmaları FPGA geliştirme kartı üzerinde gerçeklenmiştir. FPGA tabanlı geliştirme kartları üzerinde gerçek zamanlı olarak görüntüde renk değiştirme, morfolojik açma ve kapama, kırmızı renkli nesne takibi, ten rengi tanıma, sobel filtresinin görüntüye uygulanması gibi bir takım tasarımlar gerçekleştirilmiştir. Bu işlemlerde donanım tanımlama dili olan Verilog kullanılmıştır. Elde edilen sonuçlar geliştirme kartına bağlanan monitör sayesinde gözlemlenmiştir. Yapılan bu çalışmanın, daha gelişmiş görüntü işleme sistemleri tasarlamak için bir temel olacağı düşünülmektedir.

Yüz tanıma için 2 boyutlu görüntülerden 3 boyutlu yüz modelinin oluşturulması

Yüz tanıma, özellikle kişilerin herhangi bir cihazla doğrudan etkileşime girmeden kimlik tespitinin gerektiği durumlarda diğer biyometrik yöntemlerden daha fazla tercih edilmektedir. Bu alanda 30 yılı aşkın süredir yapılan çalışmalar yüz üzerindeki düzgün olmayan aydınlatmanın, yüz ifadesindeki ve pozundaki değişimlerin sistem başarısını önemli ölçüde düşürdüğünü göstermiştir. Literatürde, bahsedilen problemlerin çözümü için 3 boyutlu yüz tanıma sistemleri önerilmektedir. Bu tanıma sistemleri için 3 boyutlu yüz verisine ihtiyaç vardır. 3 boyutlu yüz verisi lazer tarayıcılardan veya 2 boyuttan 3 boyuta çıkan yaklaşımlarla elde edilebilir. 2 boyutlu yüz verisinden 3 boyutlu yüz verisi elde etme işlemi için önerilen yöntemlerden biri de değiştirilebilir yüz modeli kullanımıdır. Bu çalışmada değiştirilebilir yüz modeli kullanılarak 2 boyutlu yüz görüntülerinden 3 boyutlu modele geçiş sürecinde farklı bir yaklaşım sunulmuş, bu yaklaşımla elde edilen model parametreleri ile de yüz tanıma işlemi yapılmıştır. Önerilen yöntemde ilk olarak verilen fotoğraftaki yüzün pozu bulunur. İkinci adımda pozu oluşturan çevresel şartlar ve kimlik parametreleri birbirinden bağımsız olarak tahmin edilir. Böylece yüz tanıma sistemleri için zorlu bir problem olan çevresel etkilerden soyutlanılmış olunur. Bir sonraki adımda ise kimlik vektörleri ile yüz tanıma işlemi gerçekleştirilir. Bahsedilen adımlardaki hata oranları sistemin toplam başarısını birikimli bir şekilde etkilemektedir. Bu nedenle her adımın başarısı kendi içerisinde sınanmıştır. Yapılan deneyler özgün olarak sunulan poz tahmini ve geriye çatım yaklaşımlarının yüksek başarımlı bir yüz tanıma sistemi için uygun olduğunu göstermiştir. Önerilen yöntem CMU-PIE yüz veri seti ile sınanmış, %97.9 doğru tanıma oranı elde edilmiştir. Bundan sonraki çalışmalarda, 3 boyutlu modelden farklı poz ve aydınlatmalarda 2 boyutlu görünümler alınıp yeni gelen 2 boyutlu görüntüler ile karşılaştırma üzerine incelemeler yapılması planlanmaktadır.

Kalite ağırlıklandırılmış özdüzenleyici haritalar ile yüz sınıflandırma

Kimlik doğrulamada neyi bildiğimize ya da neye sahip olduğumuza dayalı yöntemlerin zafiyetleri nedeniyle son yıllarda gerçekten kim olduğumuzu araştıran, biyometriklerimize dayalı yöntemler üzerinde çalışmalar yoğunlaşmıştır. Bu amaçla kullanılan biyometriklerden en fazla tercih edileni parmak izi ile birlikte yüz olmuştur. Daha önce belirli (deterministic) ya da belirsiz (nondeterministic) yöntemleri uygulayarak çalışan pek çok yüz tanıma sistemi geliştirilmiştir. Yüz tanıma sistemlerinin amacı hareketsiz bir görüntü ya da video görüntüsündeki bir kişiyi, var olan bir yüz veritabanını kullanarak buradaki kişilerden birisi ile eşleştirmektir. Bu tanımdan yüz görüntülerini sınıflandırmanın, yüz tanıma işleminde çekirdek konumundaki alt bir işlem olduğu anlaşılmaktadır. Gözlemler arası ilişkilerin doğrusal olmadığı durumlarda sınıflandırma probleminin çözümü için Yapay Sinir Ağı (YSA) türleri yaygın olarak kullanılmaktadır. Boyut indirgeme ve ilişkilerin soyutlanmasını başarıyla yapabilen Özdüzenleyici Harita (ÖDH), örüntü tanıma ve sınıflandırma işlemlerinde kullanılan bir YSA türü olmuştur. Bu çalışmada, ÖDH kullanılarak geliştirilen yeni bir yöntem ile yüzler sınıflandırılmakta ve elde edilen sonuçlara göre önerilen yöntemin başarısı diğer yöntemlerle karşılaştırılarak ortaya konmaktadır. Sonuçların elde edilmesi için Matlab'da bir uygulama geliştirilmiş, testler Yale B ve ORL yüz veritabanları kullanılarak gerçekleştirilmiştir. Uygulama öncelikle kişilere ait veritabanındaki yüzlerin belirli bir kısmı ile ÖDH eğitimini gerçekleştirmekte ardından kişilere ait kalan yüzleri teste tabi tutmaktadır. Yüzler, boyutu kullanıcı tarafından belirlenmiş eşit büyüklükteki bloklara bölünmüş halde işleme tabi tutulmakta ve yüz bölgelerini içeren önemli bloklar sınıflandırmada daha fazla etkili olmaktadır. Yüz üzerinde aynı konumdaki bloklar kendileri arasında sınıflandırmaya tabi tutulurken, sınıf tayininde komşularının sınıfları da hesaba katılarak poz değişimi, kısmi kusurlar gibi durumları ele alan güvenli ve tutarlı bir sınıflandırma amaçlanmıştır. Başarım, test görüntüsünün ya da görüntü bloğunun ÖDH üzerinde en iyi eşlenen nörona yerleştirilmesi ardından bu nöronun eğitimde yerleştirilmiş sınıflara Öklid uzaklığı ile belirlenen sınıfının doğruluğuna göre değerlendirilmiştir. ORL yüz veritabanında %91,67 ve Yale B yüz veritabanında %86,10 oranlarında sınıflandırma başarısı sistemin 100 epok çalıştırılması sonucu elde edilmiştir, bu değerler önerilen yöntemin verimliliğini ortaya koymaktadır. Ayrıca testlerde harita boyutlarının, blok boyutlarının, öğrenmedeki epok sayısının ve komşu etki katsayısının başarıma etkisi araştırılmış, bu faktörler ile başarım arasında doğrusal bir ilişki olmadığı ancak maksimum başarı için en uygun değerlerinin var olduğu gözlemlenmiştir.

Metin sınıflandırmada boyut azaltmanın etkisi ve özellik seçimi

Metinlerin veya genel olarak verilerin sınıflandırılmasındaki amaç bilgiye erişim zamanının azaltılmasıdır. Verilerin sürekli artması sınıflandırma işlemini elle yapmayı olanaksız kılmaktadır. Bu durumda devreye otomatik metin sınıflandırma sistemleri girmektedir. Metin sınıflandırma sistemlerinde veri uzayının büyük boyutta olması önemli bir problemdir. Bu sistemlerde boyut azaltma teknikleri ve özellik seçim yöntemleri kullanılarak az bir veri ile doğru sınıflandırma yapmak mümkün olmaktadır. Bu çalışmada metinlerin tümü terim frekansı ? ters doküman frekansı (TF?IDF) vektörleri ile temsil edilmiştir. Çalışmada uygulanan Ayrık Kosinüs Dönüşüm (AKD) yöntemi ve Varyans Oranı ile özellik seçim yöntemi metin vektörlerinden oluşturulan TF?IDF vektör uzayının boyutunun azaltılarak sınıflandırma için daha etkili sonuçların elde edilebilmesi amacıyla kullanılmıştır. Her iki yöntem de TF?IDF vektörleri üzerinde uygulanmıştır. Boyutları azaltılmış vektörlerle başarılı sonuçlar elde edilmiştir. Bunun yanında, boyut azaldığı için sistemin çalışma zamanı da azalmıştır. Veri kümesi olarak kendi hazırladığımız Milliyet, literatürde kullanılan R8 ve WebKB?4 veri kümeleri kullanılmıştır. Milliyet veri kümesi beş sınıf içermektedir. R8 veri kümesi Reuters?21578 içinde bulunmakta ve sekiz sınıf içermektedir. WebKB?4 veri kümesi çeşitli üniversitelerin bilgisayar bilimleri bölümlerinden toplanan web sayfaları kullanılarak oluşturulmuş ve dört sınıf içermektedir. Her üç veri kümesi için de metinler eğitim ve sınama metinleri olarak gruplanmış, eğitim metinleri kullanılarak sistem eğitilmiş ve sınama metinlerinin ait olduğu sınıf kullanılan yönteme göre tespit edilmiştir. Seçilen yönteme göre boyutu azaltılmış vektörlerle sınıflandırma başarısı %92'lere kadar çıkmıştır. Önerilen yöntemler Microsoft .Net ortamında C# dili kullanılarak uygulanmıştır.

Fotometrik stereo tabanlı 3 boyutlu yüz tanıma

Literatürde 2B ve 3B yüz tanıma ile ilgili birçok çalışma bulunmaktadır. 2B yüz tanıma teknikleri pozdan, aydınlanmadan, yüz ifadelerinden ve makyajdan olumsuz etkilenmektedir. 3B yüz tanıma teknikleri poz, aydınlanma ve makyajdan bağımsız çalışabilmekte, diğer problemlere de kısmi çözüm getirmektedir. Gerçek uygulamalarda 3B tarayıcılarla 3B yüzlerin elde edilmesi pratik olarak gerçekleştirilememektedir. Fotometrik stereo ile farklı yönlerden aydınlatılmış en az üç adet 2B yüz görüntüsü kullanılarak 3B yüz verileri oluşturulabilmektedir. Bu yöntem, 3B yüz verilerinin hızlı bir şekilde üretilmesini sağlayan maliyet verimli ve kullanışlı yöntemlerden birisidir. Bu tezde 2B görüntülerden fotometrik stereo ile oluşturulmuş 3B veriler kullanılarak 3B yüz tanıma sistemi önerilmiştir. Yapılan deneylerde 64 farklı aydınlanma yönü altında görüntülenmiş 38 bireyin görüntülerinin bulunduğu Yale B ve genişletilmiş Yale B yüz veritabanları kullanılmıştır. Bütün 2B yüz görüntüleri maskelenerek 3B veri oluşturma işleminden önce yüz dışı bölgeler ve 3B oluşturma işleminde hata oluşturabilecek saç gibi öğeler çıkarılmıştır. Her bireyin 2B görüntülerinden deneysel olarak farklı aydınlatma açılarına sahip 3'lü 10 grup oluşturulmuş ve bu görüntüler kullanılarak 3B test yüz verileri elde edilmiştir. Ek olarak genetik algoritma ile 3B referans görüntüye yakın 3B test verisinin üretilebileceği farklı aydınlatma açılarına sahip 3'lü 5 grup seçilmiş, bu gruplar kullanılarak da 3B test yüz verileri elde edilmiştir. Yüz tanıma safhasında çeşitli algoritmalar bu 3B yüz verileri ile test edilmiştir. İlk olarak farkların karesinin toplamının karekökü ve 2B ilinti doğrudan yükseklik haritası üzerinde denenmiştir. Sonra yükseklik haritası nokta bulutuna dönüştürülerek iteratif en yakın nokta metodu uygulanmıştır. Yüzey normalleri ise test ve referans yüzlerin normalleri arasındaki açıların ortalaması alınarak yüz tanımada kullanılmıştır. Yüzey özelliklerinin tanımlanmasını sağlayan temel yüzey eğrilikleri ve türevleri; ortalama, Gaussian, eğilmişlik ve şekil indisi de yüz tanıma işleminde kullanılmıştır. Şekil indisi haritalarından SIFT tanımlayıcıları çıkarıldıktan sonra bu tanımlayıcıları eşleştirme yöntemi de yüz tanıma safhasında kullanılmıştır. Deneysel sonuçlar incelendiğinde şekil indisi haritalarının ilintisi ve farkları yöntemlerinin %99 üzerinde tanıma sonucu verdiği gözlenmiştir. Ek olarak yüz tanıma, yüzlerin herhangi bir kısmının olmadığı durumlarda herhangi bir kayıtlama işlemi uygulamadan şekil indisi haritalarından SIFT tanımlayıcılarını eşleştirme yöntemi kullanılarak yapılmıştır. Elde edilen sonuçlara göre ağız bölgesi ve burun ucunun olduğu bölge diğer yüz bölgelerine göre daha başarılı sonuçlar vermiştir. Son olarak yüz parçaları bazı açılarda döndürülerek de test edilmiştir. Sonuçlar incelendiğinde şekil indisi haritalarından çıkarılan SIFT tanımlayıcılarını eşleştirme yönteminin 90 derecelik dönmelere karşı çok az miktarda etkilendiği görülmüştür.

3 boyutlu ayrık kosinüs dönüşümü tabanlı yüz bulma ve tanıma

Yüz tanımada ilgi yüksek doğruluk beklentisi nedeniyle 3 boyutlu (3B)yöntemlere yönelmiştir. 3B yüz tanıma problemi beş alt modüle ayrılabilir; yüzbulma ve hizalama, öznitelik çıkartma, öznitelik seçme, sınıflandırma ve kararverme. Bu tez çalışmasında modüllerin her biri için mevcut yöntemlerin birkısmı incelenerek iyileştirme yapılmıştır ve yeni yöntemler önerilmiştir.Sınıflandırma hariç her bir modül için en iyi çözüm bulunarak 3B yüz tanımaprobleminin tamamının performansının arttırılması sağlanmıştır. AyrıkKosinüs Dönüşümü (AKD) tabanlı yeni bir simetri ölçütü tanımlanarak yüzbulma ve hizalama için kullanılmıştır. Öznitelik çıkartma için 3B AKD tabanlıyeni bir yöntem önerilmiştir. Bu amaçla voksel yapısı şeklinde gösterilen 3B yüzverilerine global ve yerel olmak üzere 2 farklı şekilde 3B AKD dönüşümüuygulanmaktadır. Global dönüşümde yüzün tamamından veya bir ilgibölgesinden katsayılar çıkartılmaktadır. Yerel yaklaşımda, 3B alt bölgelerkullanılarak, frekans bilgisinin yanında uzaysal bilgiden deyararlanılabilmektedir. Böylece ifade değişimlerinden oluşan yerel bozulmanınolumsuz etkilerini azaltmak mümkün olmaktadır. Örtüşen alt bölge yaklaşımıile göz ve burun gibi nirengi noktalarında ötelemelere karşı duyarlılıkazaltılmıştır. 2B ve 3B AKD tabanlı yüz tanımada ayırt edici özniteliklerinbulunması için filtre ve sıralı öznitelik seçme yöntemleri test edilmiştir. Altbölge tabanlı yöntemlerde, her bir alt bölgeden değişen sayıda öznitelikseçilerek başarım arttırılmıştır. Şekil ve doku bilgisi veri seviyesindebirleştirilerek oluşturulan voksel yapısından 3B AKD ile öznitelik çıkartılmıştır.Mevcut yöntemler ve önerilen yöntemler, araştırmacılar tarafından en çokkabul gören 3D RMA ve FRGC veritabanlarında test edilmiş vekarşılaştırılmıştır. Deneysel çalışmaların sonunda ilgili veritabanlarında,önerilen yöntemlerle %99'un üstünde başarı oranları elde edilmiştir.

Mikrofon dizileri ile telekonferans sistemlerinin iyileştirilmesi

Mikrofon sistemlerinin kullanıldığı ses algıma, ses kayıt, ses tanıma gibi uygulamalarda yaşanan en büyük problemlerden biri ortam koşulları nedeni ile ses sinyalindeki bozulmalardır. Günümüzde ses kaynağından alınan ses sinyalinin daha güçlü olarak alınabilmesi için birden fazla mikrofondan oluşan mikrofon dizileri kullanılmaktadır. Mikrofon dizilerinin normal mikrofonlara göre iki temel üstünlüğü mevcuttur; kaynağa yakın olma zorunluluğunu ortadan kaldırmak ve her bir mikrofona sesin geliş zamanları arasındaki farkı kullanarak sesin kaynağını veya konuşmacının takibini gerçekleştirmek.Mikrofon dizilerinde, sesin elde edilmesi için dizide yer alan mikrofonların yerlerinin bilindiği kabul edilerek geliş sürelerindeki gecikmelerin, ikili çiftler halinde incelendiği genelleştirilmiş çapraz korelasyon (GÇK) tekniği kullanılmaktadır. Bu teknik kullanılır iken ses sinyalinin daha iyi elde edilebilmesi için hüzme şekillendirme işlemi yapılması gerekir. Çalışmada ses sinyalinin elde edilebilmesi hüzme şekillendirme yöntemi olarak Yönlendirilmiş Tepki Gücü (YTG) yöntemi Faz Dönüşümü (FD) ağırlık fonksiyonu kullanan GÇK metodu ile birleştirilmiştir.Bu çalışmada, beş farklı kişinin %75 oranla aynı anda konuştuğu bir ortamda konuşmacıların yerlerini 3 boyutlu uzayda bulunması hedeflenmiştir. Mikrofon dizilerine gelen seslerin kaynaklarının uzaysal konumlarının otomatik olarak belirlenmesi amaçlanmıştır. Mikrofon dizileri ile YTG-FD yöntemi kullanarak ses kaynaklarının yönlerinde hüzme şekillendirme yapılmış ve en güçlü çıkış sinyallerinin elde edildiği noktalar aranan ses kaynaklarının yeri olarak tahmin edilmiştir. İncelenecek noktaların belirlenmesi konusunda optimizasyon yöntemi olarak genetik algoritma kullanılmıştır.

İki boyutlu görüntülerden üç boyutlu şekil elde etme

İki boyutlu görüntülerden üç boyutlu şekil elde etmek için birçok yöntem kullanılmaktadır. Gölgeden şekil elde etme ve fotometrik stereo yöntemleri görüntüye ait gölge bilgisini kullanarak üç boyutlu şekil bilgisini elde etmektedir. Her iki yönteminde kendine has kuvvetli ve zayıf yönleri bulunmaktadır. Gölgeden şekil elde etme yöntemi şekil bilgisine ait ağız, göz ve burun gibi detay bilgileri için daha iyi sonuç vermektedir. Fotometrik stereo yöntemi ise şekle ait genel yapıyı daha iyi bir biçimde elde etmektedir. Daha iyi derinlik bilgisi elde etmek için bu iki yöntemin de birleştirildiği uygulamalar vardır. Bu çalışmada uygulanan birleştirme yöntemleri incelenmiş ve daha iyi bir birleştirme yöntemi sunulmuştur. Çalışma boyunca yeni iki adet birleştirme yöntemi anlatılmış ve test sonuçları sunulmuştur.Her iki yöntem için de öncelikli olarak gölgeden şekil elde etme ve fotometrik stereo derinlik bilgileri hesaplanmıştır. Hesaplanan bu derinlik bilgileri geliştirilen yöntemlere girdi olarak verilmiştir.Eşik değeri kullanarak birleştirme yönteminde; her noktada gölgeden ve fotometrik stereodan elde edilen derinlik bilgileri karşılaştırılmaktadır. Fotometrik stereo derinlik değeri gölgeden şekil elde etme derinlik değerinden büyükse o noktadaki derinlik bilgisi için fotometrik stereo derinlik bilgisi kullanılmaktadır. Diğer durumlar için ön tanımlı olarak bir eşik değeri belirlenmekte ve karşılaştırmalarda bu değer bir kıstas olarak kullanılmaktadır. Gölgeden şekil elde etme derinlik değeri fotometrik stereo derinlik değerinden büyükse ve aralarında fark eşik değerinden küçükse sonuç derinlik bilgisi için gölgeden şekil elde etme derinlik değeri kullanılmaktadır, eğer aradaki fark eşik değerinden büyükse gölgeden şekil elde etme derinlik değerinin %30'u ve fotometrik stereo derinlik değerinin %70'inin toplamı sonuç derinlik bilgisini oluşturmaktadır.Oranlama ile birleştirme yönteminde ise, tüm şekil bilgileri ayrı ayrı normalleştirilmektedir. Daha sonra her nokta şekil bilgisindeki en yüksek değerle toplanmakta ve tüm derinlik bilgisinin logaritması alınmaktadır. Son olarak da gölgeden şekil elde etme derinlik değerinin %20'si ve fotometrik stereo derinlik değerinin %80'i toplanarak sonuç bilgisi elde edilmektedir.Elde edilen derinlik bilgisine ait hata oranları karelerin farkı ve ortalama hata yöntemleri kullanılarak hesaplanmıştır. Elde edilen bu hata oranları incelendiğinde önerilen yaklaşımların başarılı olduğu görülmektedir.

Yüz tanımada aydınlanmanın etkisinin uyarlanır histogram eşitleme ile azaltılması

Yüz tanıma; suçlu teşhisi, kredi kartı doğrulaması, güvenlik sistemi ve zeki gözetleme gibi uygulamalarda önemli rolü olması nedeniyle son yıllarda bilim adamlarının çok çalıştığı araştırma konularından biri olmuştur. Mevcut yüz tanıma yöntemlerinin belirli koşullar altında iyi sonuçlar vermesine rağmen, bazı engellerle zaman zaman karşılaşılmaktadır; poz değişimi, aydınlatma değişimi ve ifade değişimi gibi sorunlar yüz tanıma metotlarının performansını etkilemektedir. Aydınlanma değişimi, geçtiğimiz yıllarda ve halen araştırmacıların karşılaştığı önemli ve etkin bir şekilde çözülmesi gereken bir problemdir. Bu tezde, yüz tanımada global, yerel ve uyarlanır olarak histogram eşitlemeye dayalı farklı aydınlanma normalleştirme yöntemleri incelenmektedir. Tanıma performansını artırmak için, yüz görüntüleri üzerinde histogram eşitleme işleminden sonra farklı filtreler uygulanması önerilmektedir. Bu amaçla şu yöntemler denenmekte ve aralarında karşılaştırma yapılmaktadır: Histogram Eşitleme (HE), Yüksek Artış filtresi (HE+HB), Histogram Eşitleme ile Laplacian filtresi (HE+Lap), Yerel histogram eşitleme (LHE), medyan filtresiyle yerel histogram eşitleme (LHE+Med), Gaussian filtresi ile yerel histogram eşitleme (LHE+Gaus) ve Uyarlanır Histogram eşitleme. Bu metotlar, etkili ve verimli bir şekilde düzensiz aydınlanma etkisini ortadan kaldırmakta ve tanıma performansını geliştirmektedir. Deneysel çalışmazda, Yale yüz veritabanı üzerinde yerel histogram yöntemi çeşitli pencere ve parametrelerle uyarlanmış ve sonuç olarak yüz tanıma oranının %46.49 dan (görüntülere hiçbir yöntem uygulamadan) %99.55 e (LHE [7 7+ Gauss 3x3, standart sapma 1 metodu için) artması sağlanmıştır. Karmaşık olmayan bir yöntemle %0.45'lik bir hata oranı elde edilmiş olması önemli bir sonuçtur.

Üç boyutlu görüntülerde çakıştırma

Bu tezde 3B yüz görüntülerinin çakıştırılması konusunda çalışılmıştır. 3B yüz görüntülerinin çakıştırılmasında yaygın olarak kullanılan ?İteratif En Yakın Nokta? (ICP) algoritması tercih edilmiştir. ICP algoritması genel olarak bütün 3B nesnelerin çakıştırılması için önerilmiş etkin bir yöntemdir. Bu algoritma sonunda çıkan uzaklık değeri görüntülerin benzerliği hakkında bilgi içermektedir; bu bilgi yüz tanıma için de kullanılabilir. Bu çalışmada farklı senaryolar oluşturularak çakıştırma yapılmış ve bunun sonuçları yüz tanıma amacıyla başarılı bir şekilde kullanılmıştır. Ancak ICP algoritması yavaş çalışmaktadır ve ilk duruma bağlı olarak lokal minimuma yaklaşma sorunu mevcuttur. Bu problemleri çözmek için bazı ön işlemlerin uygulanması önerilmiştir; böylece tanıma başarısı arttırılmıştır. İlk konuma bağlılığı ortadan kaldırmak için 2 adet yaklaşım incelenmiştir. Farklı açılara bakan görüntüler çakıştırma başarısını düşürmektedir. Bu sorunu aşmak için ilk yöntemde 3B uzayda bulunan görüntümüze yine 3B uzayda uygun çevirme değerleri uygulanarak yüzler düzeltilmiş, ikinci yöntemde ise yüze ait simetri düzlemi bulunarak yüzler belirli bir doğrultuya yönlendirilmiştir. İşlem yükünü azaltmak için de eş noktaların bulunması için tüm uzay yerine parçala ve fethet mantığına dayanan KD ağacı algoritması kullanılmıştır. Deneysel çalışmalar kısmında test kümesi olarak tüm yüz, burun-göz bölgesi, burun bölgesi ve profil alınmış ve veritabanı görüntüleri ile karşılaştırılmıştır. 18 adet yüz ile yapılan çalışmaların sonucunda tüm yüz tanıma için %94,4, burun ve göz bölgesi ile yapılan çalışma sonucunda %94,4, burun bölgesi ile yapılan çalışmada %88,8, profil ile yapılan testte ise %88,8 başarı elde edilmiştir. Karakteristik bölgelerin tanıma başarısına etkisini görmek için ise yanak bölgesi seçilmiştir. Bu testin başarısı karakteristik özellik taşımadığı için %33,3 çıkmıştır.

Mikrofon dizilerinde ses kaynağının yerinin genetik algoritma kullanılarak bulunması

Ses algılama ve tanıma sistemlerinde karşılaşılan en önemli problem, algılayıcıya gelen sesin kalitesinin düşmesidir. Bir çok kullanıcı mikrofonu bilgisayarın üstüne, toplantı masasının ortasına veya duvara monte etmektedir. Bu durumlarda mikrofona ulaşan sesin kalitesinde ortam şartlarına göre değişen oranlarda kayıp olmaktadır. Ağza yakın olarak kullanılan mikrofonlarda daha kaliteli ses elde edilmesine rağmen, bir çok durumda mikrofonun bu şekilde kullanılması uygulanabilir değildir. Son zamanlarda yapılan araştırma ve uygulamalarda, tek bir mikrofon yerine birden fazla mikrofon (mikrofon dizileri) kullanılarak, alınan ses kalitesinin arttırılması konuları gündemdedir. Bir mikrofon dizisi, birden fazla mikrofonun geometrik olarak farklı noktalara yerleştirilmesi ile elde edilen mikrofon grubudur. Farklı mikrofonlardan alınan ses sinyallerine uygun gecikme oranları uygulanarak üst üste toplanması ile daha kaliteli bir ses sinyali elde etmek mümkündür. Bu işlem, mikrofon dizileri ile demetleme olarak adlandırılmaktadır. Mikrofon dizileri ile demetleme işlemi yapabilmek için, ses kaynağının yerinin (uzaysal koordinatlarının) biliniyor olması gerekmektedir. Ancak, birden fazla ses kaynağının olduğu yerde, her hangi bir anda asıl sesin hangi yönden geleceğinin önceden bilinmesi mümkün değildir. Bu tez çalışmasında, mikrofon dizilerine gelen sesin kaynağının uzaysal konumlarının otomatik olarak belirlenmesi amaçlanmıştır. Mikrofon dizileri ile, muhtemel ses kaynaklarının yönlerinde demetleme yapılmış, en güçlü çıkış sinyalinin elde edildiği noktanın asıl ses kaynağının yeri olduğu kabul edilerek optimizasyon çalışması yapılmıştır. Optimizasyon yöntemi olarak, işaret işleme uygulamalarında başarılı sonuçlar vermiş olmasından dolayı genetik algoritma kullanılmıştır.

Dizinleme amacı ile kullanılabilecek yöntemlerin kıyaslanması ve arama sistemi geliştirilmesi

Hiyerarşik verilerin XML veritabanı olarak modellenmesi ve aralarındaki benzerliğin bulunması

Kendinden düzenlenen haritalar ile doküman sınıflandırma

?nternet üzerinde web sayfalarının sayısı, büyük bir hızla artmaktadır. Artık otomatik arama motorları, arama sorgularına isabetli cevaplar vermekte yetersiz kalmaktadırlar. Dizin siteleri, bütün web sayfalarını değerlendirmeye yetisememektedir, dolayısıyla dizinlerin kalitesi ve kapsamı azalmaktadır. Ayrıca, bağlantılar güncelliğini kaybetmektedir. Öte yandan, bilgisayarlarda saklanan dokümanların sayısı ve hiyerarsisi de artmaktadır. Sonuç olarak web sayfalarının ve dokümanların otomatik olarak sınıflandırılması daha fazla önem kazanmaktadır. Bu çalısmanın amacı, dokümanları içeriklerine göre otomatik olarak sınıflandırmaktır. Bu amaçla, özellikle yüksek boyutlu verilerde basarılı olan ve danısmansız öğrenme özelliğine sahip Kendinden Düzenlenen Haritalar (SOM) algoritması kullanılarak bir sınıflandırma sistemi gelistirilmistir. Kendinden düzenlenen haritalar algoritması ile elde edilen sonuçlar etkin bir sınıflandırma yöntemi olan hiyerarsik sınıflandırma ile karsılastırılmıstır. Her iki algoritmada da dokümanı ayırt edici kelimelerin ön plana çıkarılması için uygun bir etiketleme yöntemi uygulanmıstır. Sınıflandırma isleminden önce dokümanlardaki durak kelimelerinin temizlenmesi, çok ve az tekrar eden kelimelerin temizlenmesi, kelimelerin indekslenmesi, ağırlık vektörlerinin bulunması, ağırlık vektörlerinin aynı boyuta getirilmesi, normalizasyon islemleri yapılmıstır. Deneysel çalısmalarda 2 farklı doküman kütüphanesi ele alınmıstır. ?lk çalısmada bir ?nternet haber sitesinden rastgele alınmıs haber içerikleri sınıflandırılırken, ikinci çalısmada ise üniversitelerin web sayfalarından alınan ders içerikleri basarılı bir sekilde sınıflandırılmıstır. Gelistirilen sistemin farklı içeriklere sahip dokümanlarda da basarılı olarak çalısması beklenmektedir.