Digital image processing
214 theses under this subject heading
İnsansız hava aracı tasarımı ve kontrolü
Dört motorlu araçlar dikey iniş kalkış (Vertical Take-off & Landing, VTOL) ve manevra kabiliyeti sayesinde klasik insansız hava araçlarına göre birçok avantaja sahip olmakla birlikte son yıllarda birçok araştırmacı tarafından çalışılan bir insansız hava araçlarıdır. VTOL özelliği sayesinde engebeli ve kısıtlı ortamlarda uzun piste ihtiyaç duymadan kullanılabilmektedir. Bu çalışmada 4 motorlu uçuş araçlarının tasarımları incelenerek ihtiyaçlar doğrultusunda özelleştirilecek olan tasarımın detaylı anlatımı yapılacak ve kontrolü için bir istasyon geliştirilecektir. Geliştirilecek olan yazılım ile insansız hava aracının kontrolü sağlanacak ve araç üzerinde bulunan sensörler ile ortamdan alınan veriler işlenecektir. Bu control istasyonu ile insansız hava aracını uzaktan kumanda ederek kullanmak veya otonom görevleri takip etmek, havada kaldıkları süre içinde ve görüş alanı dışında iken yer ve durumunu izlemek için kullanılacaktır. Böylece askeri amaçlar için geliştirilen insansız hava aracı teknolojisinin arama kurtarma alanında kullanımı sağlanacaktır.
Histopatolojik görüntülerin makine öğrenmesi yöntemleri ile analizi
Son yıllarda kanser ve ona bağlı hastalıkların neden olduğu ölümler diğer hastalıkların sebep olduğu ölümlerden daha fazla ön plana çıkmaktadır. Kanser ve ona bağlı hastalıkların erken teşhisi bu hastalığın tedavi edilebilmesi bakımından oldukça önemlidir. Görüntüleme cihazlarının gelişmesi ile birlikte hastalığın görüntülenmesi, takibi ve Bilgisayar Destekli Teşhis (BDT) sistemilerinin de yardımıyla tedavi edilebilmesi mümkün hale gelmiştir. Özellikle yüksek çözünürlüğe sahip tarayıcılar yardımıyla doku ve organlardaki değişimlerin BDT tabanlı sistemler tarafından otomatik olarak tespiti mümkündür. Bu tez çalışması histopatolojik görünütlerin bölütlenmesi ve sınıflandırılması olmak üzere iki ana bölümden oluşmaktadır. Çalışmanın bölütleme başlığında hücresel yapıların bölütlenmesinde süperpiksel yaklaşımı ve derin öğrenme tabanlı semantik bölütleme algoritmaları kullanılmıştır. Özellikle son yıllarda bilgisayarla görü alanında sıkça kullanılan süperpiksel bölütleme yöntemlerinden SLIC, SLIC-DBSCAN, ERS ve TPRS algoritmalarının yüksek çözünürlüklü histopatolojik görüntülerde hücresel yapıların bölütlenmesindeki başarım performansları elde edilmeye çalışılmıştır. Bölütleme amacıyla SLIC süperiksel bölütleme algoritması ve kümeleme tabanlı algoritmalarla birleştirilerek histopatolojik görüntülerde hücresel yapıların bölütlenmesi amacıyla yeni bir bölütleme algoritması önerilmiştir. Elde edilen bölütleme başarıları literatürde sıkça kullanılan yöntemlerle karşılaştırılmıştır. Buna ek olarak literatürde hareketli objelerin takibi, dış ortamdaki nesnelerin bölütlenmesinde oldukça başarılı bir yöntem olan derin öğrenme tabanlı semantik bölütleme (SEGNET) yöntemi hücresel yapıların bölütlenmesinde kullanılmıştır. Bölütleme başarısı incelendiğinde literatürde sıkça kullanılan geleneksel yöntemlerden daha iyi sonuç verdiği gözlemlenmiştir. Histopatolojik görüntülerin sınıflandırılması bölümünde ise hem mitozlu hücrelerin hem de lenf nodlarında yer alan tümörlü bölgelerin özellikle son dönemde oldukça popüler olan evrişimsel sinir ağları yöntemi ile tespiti gerçekleştirilmiştir. Özellikle mitozlu hücrelerin tespitinde geleneksel şekil, renk, doku ve istatistiksel tabanlı özellik çıkarma yöntemleri ile ESA yöntemi karşılaştırılarak performans analizi gerçekleştirilmiştir. Elde edilen sonuçlar incelendiğinde ESA modelinin geleneksel yöntemlerden daha başarılı sonuç verdiği gözlemlenmiştir. Ayrıca verilerin dengesiz olduğu durumlarda dengesiz verilere karşı gürbüz olan sınıflandırma yöntemleri (RusBoost) ile başarımın arttırılabileceği de görülmüştür. Son olarak, Istanbul Medipol Universitesi Hastanesi, İstanbul Teknik Üniversitesi ve Yıldız Teknik Üniversitesi işbirliğiyle rahim ağzı kanseri öncü lezyonlarının derecelendirilmesi ile ilgili literatürde yer alan en geniş veri kümelerinden biri oluşturulmuş ve sınıflandırılmıştır. Elde edilen sınıflandırma başarısı iki patolog tarafından oluşturulan referans verilerle karşılaştırılarak analiz edilmiştir.
Detection of triangular and rectangular objects in digital images
In this dissertation, novel methods are proposed for the detection of rotated triangular and rectangular objects in digital images. The proposed methods utilize recently developed and successful edge detection algorithm, and consist of detection and validation stages. In the detection stage, the proposed methods use line segments and construct triangular and rectangular shapes from those segments. The line segments detected by using edge detection algorithm are converted into line pairs according to their angles and distance between each two lines. The candidate line pairs are first combined with each other. If the triangular or rectangular shapes are not constructed, for triangular shapes these line pairs are combined with a single line segment, for rectangular shapes two line pairs combined, and then these pairs are combined with a single line segment by following the appropriate criteria. Finally, in the validation stage, the candidate triangles and rectangles are validated using Helmholtz principle and Number of False Alarms (NFA) computation. According to the results of the experimental studies, the proposed methods offer higher detection performances than Open Source Computer Vision (OpenCV) triangle and rectangle detection algorithms which are commonly used in computer vision field. Keywords: Geometrical Shape Detection, Triangular Object Detection, Rectangular Object Detection, Shape Analysis, Hough Transform
Matte Painting tekniğinde uygulama sorunlarının incelenmesi ve çözüm önerisi
Başlangıçta sayısal ortama ihtiyaç duymaksızın yapılan sahne tasarımları ve görsel efektler, ciddi bir iş gücüne ve maliyete sahip olmakla beraber teknik anlamda sınırlılıklara sahipti. Buna göre istenilen veya beklenen her sahne veya görsel efekt uygulamaya müsait değildi. Ancak günümüzde sayısal teknoloji ve tekniklerin gelişimi ile orantılı olarak sinema, televizyon ve oyun sektöründe çok daha kaliteli ürünler ortaya konulabildi. Bunu sağlayan tekniklerden biri Matte Painting tekniğidir. Bu teknik ile dünya dışı bir sahne oluşturabilir, elde edilecek görüntü için bir stüdyo veya sahne inşaa etmeye gerek kalmadan sayısal ortamda çok daha hızlı ve etkili bir şekilde sayısal sahne oluşturulabilir, yapılan bir film veya görsel ürün kolaylıkla uygulanabilir ve hayal gücüne herhangi bir kısıtlama getirilmeden ürün elde edilebilir, ancak matte painting tekniği uygulandığı ( reklam-sinema filmi, bilgisayar oyunu, reklam afişleri) yere göre bir takım perspektif ve ışık-gölge kurallarına dikkat edilmediği takdirde etkileyici olma özelliğini kaybedip, rahatsız edici bir görüntüye dönüşebilmektedir. Perspektif, ışık-gölge ve canlandırma matte painting tekniğinde kesinlikle dikkat edilmesi gerektiği gibi, gözardı edildiği takdirde hatalı ve göze hoş gelmeyen bir matte painting çalışmasına dönüşebilir. Ancak, günümüzde yaygın bir şekilde kullanılan Photoshop ve After Fx gibi sayısal görüntü işleme programları sayesinde bahsi geçen uygulama sorunları kolaylıkla çözülebilir. Bu araştırma matte painting tekniğinin yapım aşamalarını, uygulama tekniklerini ve bu tekniklerin sorunlarını irdelemeyi amaçlamaktadır. Bu amaca bağlı olarak, bir örnek çalışma üzerinde ortaya çıkan sorunlar gösterilmeye ve çözümlemeleri üzerinde durulmuştur. Anahtar kelimeler: After Fx ,Boyama, Matte painting ,Photoshop, Sahne, Visual Fx,
Adli bilişimde kaynak doğrulama ve tanılamada ileri metodlar
İçerisinde bulunduğumuz çağ bilgi çağıdır. Bilgiye erişim oldukça ucuzlamış, birkaç yıl öncesinde tahmin bile edilemeyen yüksek kapasitede ve özellikteki bilgi işleme cihazları erişilir olmuştur. Akıllı telefonlar, çevrim-içi platformlar, bilgisayarlar ve genişband internet sayesinde bilginin mecrası internet haline gelmiş, bu mecra üzerinden sayısal içerik üretimi ve paylaşımı büyük bir ivme kazanmıştır. Bu gelişmeler, beraberinde bir takım olumsuzluklar doğurmuştur. Bilginin korunması çok zorlaşmış, büyük bir çaba ve emek harcasansa dahi bireylerin bizzat kullandıkları platformlar tarafından bilgilerinin ticarete konu edildiği ya da bu platformlarda tutulan kullanıcı bilgisinin kolaylıkla çalınabildiği görülmüş, yasadışı faaliyetlere ilişkin suçlayıcı bilgileri saklamak ve adli denetimden kaçınmak için yeni araçlar ortaya çıkmıştır. Sayısal görüntülerin kaynaklarının, adli bilişim literatüründe "Photo-Response Non-Uniformity" (PRNU) izi adı verilen ve kamera sensörlerinin ışığa karşı ürettiği birörnek olmayan cevap işaretinden dolayı oluşan iz üzerinden doğrulanması ve tanımlanmasına ilişkin geliştirdiğimiz ve bireyin mahremiyetinin korunmasına ve suçlayıcı bilgileri gizlemekte kullanılabilen yöntemlerin aşılmasına yönelik yüksek başarımlı üç yöntem bu tez çalışması kapsamında literatüre kazandırılmıştır. Yöntemlerden ilki, mahremiyetin korunmasına yöneliktir. Kullanıcıların çektikleri fotoğraflar üzerinden takip edilebilmeleri PRNU-izi ile mümkün hale gelmiştir. PRNU, görüntüye çarpımsal olarak etki ettiğinden, bu izin bilinen şekillerde kaldırılması mümkün değildir. Önerilen yöntemle bu izin kaldırılması mümkün olabilmektedir. Yöntemlerden ikincisi, PRNU ile kaynak kamera takibini engelleyebildiği gösterilmiş olan ``Yama-Eşleştirme'' algoritmasıyla işlenmiş görüntülerde kaynak kamera tanımanın nasıl yapılabileceğini göstermektedir. Yöntemlerden üçüncüsü, görüntü dönüşümlerinin, yine PRNU bilgisi kullanılarak nasıl terslenebileceğini ve bu görüntülerde kaynak kamera tanımanın nasıl uygulanabileceğini göstermektedir. Çalışmamızın, araştırmacılara daha iyi adli bilişim araçları geliştirmekte yol gösterici olacağını ve çağın olumsuzluklarını azaltmak için kullanılacağını ümit etmekteyiz.
Çukurova bölgesinde höyük ve arkeolojik kalıntıların saptanması ve bazı höyüklerin modellenmesi
oz YÜKSEK LİSANS TEZİ ÇUKUROVA BÖLGESİNDE HÖYÜK VE ARKEOLOJİK KALINTILARIN SAPTANMASI VE BAZI HÖYÜKLERİN MODELLENMESİ M. ISMAIL SOLMAZ ARKEOMETRİ ANABİLİM DALI FEN BİLİMLERİ ENSTİTÜSÜ ÇUKUROVA ÜNİVERSİTESİ Danışman : Prof. Dr. İlhami YEĞİNGİL Yıl: 2003 Sayfa: 105 Jüri : Prof. Dr. İlhami YEĞİNGİL : Prof. Dr. Selim KAPUR : Doç. Dr. Vedat PEŞTEMALCİ Arkeolojik araştırmalarda geniş bölgelerde höyük ve arkeolojik kalıntıların saptanması için uzaktan algılama teknMerinin kullanılması araştırmalara büyük oranda kolaylık sağlanmaktadır. Bu Çalışmada, uydu görüntüleri ve çeşitli sınıflandırma yöntemleri kullanılarak arkeolojik kalıntıları, özellikle höyükleri belirlemek için araştırma yapılmıştır. Çalışmada Çukurova Bölgesine ait LANDSAT uydusundan alınmış görüntüler incelenmiştir. Uydu görüntüleri üzerine bilinen arkeolojik buluntu alanları işaretlenmek suretiyle laboratuar ortamında arkeolojik açıdan önemli olabilecek yeni yerleri bulmak için çalışmalar yapılmıştır. Bu işlemlerde uydu görüntülerinden bilgi edinmek için bilgisayar ortamında çeşitli sayısal görüntü işleme ve zenginleştirme teknikleri kullanılmıştır. Bulunan sonuçlar daha önceden yapılan çalışmalarla karşılaştırılmış, arazi çalışmaları yapılmış ve doğrulanmıştır. Anahtar Kelimeler: Arkeometri, Uzaktan Algılama, Arkeolojik kalıntı, Höyük, Sayısal Görüntü İşleme
Noise removal from the image using convolutional neural networks-based denoising auto encoder
The increasing use of digital cameras and imaging devices has led to a surge in daily images, increasing the demand for high-quality images in fields like medical imaging and surveillance. However, noise poses a significant challenge in image processing and analysis, as it degrades image quality and disrupts the preservation of essential features like edges, corners, and textures. Traditional denoising techniques struggle to balance these challenges. In response to this challenge, this thesis introduces a novel approach to image denoising, utilizing a denoising autoencoder based on convolutional neural networks (CNNs). The core objective of this research is to develop a method that effectively reduces noise in digital images while preserving key features. This is achieved through a two-step process involving an autoencoder and a CNN. The initial phase of this process involves categorizing input images into training and testing datasets. This categorization is crucial for the subsequent training and evaluation phases of the model. The training phase employs a denoising autoencoder, a variant of the traditional autoencoder specifically designed for noise reduction. This autoencoder learns to reconstruct noise-free images from their noisy counterparts. The success of this phase is contingent upon the autoencoder's ability to capture the essential features of the images while discarding the noise. Following the autoencoder's training, the denoised images are then fed into a convolutional neural network. The CNN, renowned for its effectiveness in image recognition and processing tasks, further refines the denoised images. It does this by learning hierarchical representations of the data, enabling the extraction of more sophisticated features. The training of the CNN is a critical step in enhancing the overall quality of the denoised images. The testing phase involves evaluating the performance of the proposed system using the test dataset. This phase is pivotal in determining the efficacy of the model in real-world scenarios. The evaluation metrics employed are the Root Mean Square Error (RMSE) and the Peak Signal-to-Noise Ratio (PSNR), both standard in assessing image quality. To facilitate a comprehensive evaluation, the MATLAB programming language was used due to its extensive support for image processing and neural network functionalities. The experiments were conducted on two distinct datasets: the COVID-19 Radiography Database and the SIIM Medical Images Dataset. These datasets were chosen for their relevance in medical imaging, a field where the quality of images is critical. The results of the evaluation demonstrate the superiority of the proposed method over the baseline techniques. On the COVID-19 Radiography (CXR) dataset, the proposed method achieved an 8% improvement in PSNR and a 53% reduction in RMSE compared to the baseline method. Similarly, on the CT Medical dataset, the proposed method outperformed the baseline by 5% in terms of PSNR. These results are indicative of the method's efficacy in not only reducing noise but also in enhancing the overall image quality. One of the key strengths of the proposed approach is its versatility. While the research focused on medical imaging, the method is applicable to a wide range of domains where image quality is critical. Furthermore, the two-step process of using an autoencoder followed by a CNN provides a robust framework for denoising. The autoencoder effectively reduces noise while the CNN enhances the image features, resulting in a synergistic effect that significantly improves the quality of the images. Finally, this thesis presents a novel and effective approach to image denoising, leveraging the strengths of denoising autoencoders and convolutional neural networks. This research contributes significantly to the field of image processing, offering a promising solution to the ever-present challenge of noise in digital images.
Derin öğrenme algoritmalarını kullanarak kumaş kusurlarının tespiti ve sınıflandırılması
Tekstil sektörünün en önemli ham maddesi olan kumaşın üretimi birçok aşamadan meydana gelmektedir. Bu üretim aşamalarının fazlalığı ve karmaşıklığından dolayı kumaşlarda bazı hatalar meydana gelebilmektedir. Hataların tespit edilmesinde; sektörün pazar payının büyüklüğü ve üretimin çok hızlı olmasının nedeniyle insan kontrolü ile tespit etmek hem zaman kaybına hem de hata tespit oranının %60 seviyelerine kadar düşmesine neden olmaktadır. Bundan dolayı son yıllarda teknolojinin gelişmesiyle paralel kumaşların hata tespitinde daha çok akıllı sistemler geliştirilmeye başlanmıştır. Günümüzde yapay zekâ teknolojisinin hızla gelişmesiyle bu sektörde de görüntü işleme teknikleri uygulamalar başlamıştır. Bu çalışmada derin öğrenme teknikleri kullanarak kumaş üzerinde gerçek zamanlı hata tespit sistemi geliştirilmiştir. Veri seti olarak halka açık sunulan Tilda veri seti ve kendi oluşturduğumuz veri seti kullanılmıştır. Yapılan çalışmada ilk olarak açık kaynaklı bir sinir ağı kütüphanesi olan Evrişimsel Sinir Ağı (CNN) ile bir ağ modeli oluşturulmuş ve bu yöntemle %89 doğruluk elde edilmiştir. Çalışmayı daha iyi hale getirmek için kumaşları hatalı ve hatasız başlığı altında iki sınıfta sınıflandırıp önceden eğitilmiş CNN modellerinden olan VGGNet16 mimarisi ile %86, IneptionV3 mimarisi ile %90 oranında doğruluğa ulaşılmıştır. ResNet50 yaklaşık %95 doğruluk oranıyla diğer modellere göre çok daha iyi bir model yapısına sahip olduğunu ispatlamıştır. Bu sayede kumaş hataları daha tutarlı bir şekilde bulunabilir.
Fotomontaj tespiti için görüntü işleme yönteminin geliştirilmesi
Günümüzde bilgisayar teknolojilerinin gelişmesi ile görüntü işleme yazılımları sayesinde dijital görüntüler üzerinde belirgin bir iz bırakmadan manipülasyonlar yapılarak basitçe sahte görüntüler oluşturulmaktadır. Bu manipüle edilmiş sahte görüntülerin kötü niyetli kişiler tarafından medyada kullanılması ile görüntülerin sahte veya gerçek olup olmadığı tartışma konusu olmaktadır. Bu nedenle siyaset, hukuk, adli tıp gibi önemli alanlarda sahte görüntülerin manipüle edilen bölgenin tespit edilmesine büyük ihtiyaç duyulmaktadır. Sahte görüntülerin manipüle edilen bölgelerin tespit edilmesi için çok sayıda çalışma yapılmış ve çeşitli algoritmalar geliştirilmiştir. Günümüzde, görüntü sahteciliği tespiti için geleneksel yöntemlerin gelişmiş görüntü işleme yazılımları ile elde edilen sahte görüntüleri tespit etmede yetersiz kalması nedeniyle derin öğrenme yöntemleri araştırmacılar tarafından yaygın olarak tercih edilmektedir. Bu yöntemler, görüntülerin karmaşık özelliklerini elde ederek otomatik öğrenmeleri ve sahte ve gerçek görüntüleri sınıflandırabilmeleri gibi yetenekleri sayesinde daha yüksek başarı elde etmektedir. Derin öğrenme, özellikle evrişimsel sinir ağları gibi yenilikçi görüntü işleme yöntemlerinin geliştirilmesine olanak tanımaktadır. Bundan dolayı evrişimsel sinir ağları görüntülerdeki örüntüleri daha etkili bir şekilde yakalayabilmektedir ve sahte görüntüleri tespit etmede daha hassas olmaktadır. Bu çalışmada, ayrık kosinüs ve ayrık dalgacık dönüşümü gibi geleneksel yöntemlerin avantajları ile derin öğrenme tekniklerinin avantajlarını birleştirerek kullanan sahte görüntülerde manipüle edilen bölgeyi tespit eden bir yöntem önerilmiştir. Önerilen yöntemde evrişimsel sinir ağları ile birlikte ayrık dalgacık dönüşümü ve ayrık kosinüs dönüşümlerinin paralel olarak kullanıldığı bir mimari tasarlanmıştır. Yöntemin başarısını kıyaslayabilmek için sadece ayrık kosinüs ve evrişimsel sinir ağlarını kullanan ve sadece ayrık dalgacık dönüşümü ile evrişimsel sinir ağlarını kullanan ve her iki dönüşümü de kullanmayan sadece evrişimsel sinir ağlarını kullanan üç farklı yöntem uygulanmıştır. Toplamda dört farklı yöntem iki farklı veri seti üzerinde test edilerek Doğruluk (Accurancy), Kesinlik (Presicion), Duyarlılık (Recall), Dice Benzerlik Katsayısı (Dice Coefficient) ve F1 skoru gibi başarı metrikleri açısından karşılaştırılmıştır. Kıyaslamadan elde edilen sonuçlar önerilen yöntemin etkinliğini ve yüksek sınıflandırma doğruluğunu açıkça göstermiştir.
Tekstil üretiminde derin öğrenme tabanlı otomatik hata tespit sistemi
Kumaş hata tespiti, tekstil kalite güvencesi kapsamında üretim standartlarını korumak için tekstil malzemelerindeki düzensizlikleri veya anormallikleri tespit etmeyi amaçlayan önemli bir alandır. Bu hataların tespiti manuel denetimlerle başlamıştır. Bilgisayar görmesinin yaygınlaşmasıyla hata tespit algoritmaları üretilmeye başlanmıştır ve başarımları günden güne artmaktadır. Eş zamanlı olarak istatistiksel metodolojiler ve özellik çıkarımıyla desteklenen desen tanıma algoritmaları, normal ve kusurlu kumaş desenlerini ayırt edebilir duruma gelmiştir. Son yıllarda, özellikle Evrişimli Sinir Ağları (CNN'ler) ve Üretken Çekişmeli Ağlar (GAN'lar) olmak üzere derin öğrenme tekniklerinin entegrasyonu, karmaşık kalıpların ve anormalliklerin analizinde önemli oranda yüksek seviyede doğruluk, verimlilik ve ölçeklenebilirlik sunarak yapı hatası tespitinde devrim yaratmıştır. Yine de bu alanda, kumaş tipolojilerine özgü değişkenliği, ortam aydınlatmasındaki bozulmaları ve ölçeklenebilirlik hususlarını kapsayan zorluklar devam etmektedir. Bu tezde, temel kumaş hatası örnekleri için yeni bir veri seti (YVS) oluşturulmuş ve ek olarak da TILDA veri setinden yararlanılmıştır. YVS ve TILDA veri setindeki görüntüler 416x416 boyutundadırlar. Yüksek çözünürlüklü kamera ile düşük çözünürlüklü kamera arasındaki farkları gidermek, kumaş üzerindeki hataları ayrıntılı görebilmek ve özellikle de küçük boyutlu hataların gözden kaçmasını engellemek için görüntüler gelişmiş süper çözünürlüklü üretken çekişmeli ağ (ESRGAN) modeli ile 4 kat büyütülmüştür. Bu işlemi gerçekleştirebilmek için öncelikli olarak görüntüler 4 kat küçültülerek ESRGAN modeli ile eğitilmiş süper çözünürlüklü yeni görüntüler elde edilmiştir. Eğitim sonunda elde edilen model ağırlıkları kullanılarak, test aşamasında 416x416 boyutundaki orijinal görüntüler, 4 kat büyütülerek 1664x1664 boyutunda yeni süper çözünürlüklü görüntüler elde edilmiştir. Böylece küçük boyutlardaki hatalar daha görünür hale gelmiştir. Daha sonra 1664x1664 görüntü 4x4 matris şeklinde 416x416 boyutlu 16 lokal görüntüye ayrılmıştır. Lokal bölgelere ayrılmış görüntüler, sırasıyla YOLOv8 modeli ile hata tespit işlemine tabi tutulmuş sonrasında test sonuçları tekrar birleştirilerek orijinal görüntü üzerindeki hatalar, global görüntü üzerinde raporlanmıştır. YOLOv8 için etiketleme işleminde doğruluk oranını artırmak ve hatayı doğru tanımlayabilmek için segmentasyon metodu kullanılmıştır. Eğitim ve test işlemleri TILDA veri seti ile ve YVS için ayrı ayrı gerçekleştirilmiştir. Sınırlayıcı maske mAP50 değerleri TILDA için %74.4, YVS'daki koyu ve açık kumaşlar için sırasıyla %92.2 ve %70.7 olarak elde edilmiştir. Ayrıca TILDA veri seti ile gerçekleştirilen ESRGAN ve YOLOv8 eğitim model ağırlıkları YVS modelinde kullanılarak da veriler test edilmiştir. Bu durumda koyu renkli kumaş veri kümesinde sınırlayıcı kutu ve maske sınırlayıcısı %99.5'lik bir mAP50 değerine ulaşırken, açık renkli kumaş veri kümesi için %90'lık bir mAP50 değeri elde edilmiştir. Önerilen sistem ile sade renkli kumaşlarda hata tespitinin başarılı bir şekilde gerçekleştirilebildiği ortaya çıkmıştır. Bundan sonraki çalışmalarda kumaş motifleri ve karmaşık desenlerin olduğu kumaşlardaki hataların tespiti için de araştırmalar yapılması gerekliliği ortaya çıkmıştır.
Bilgisayarlı tomografi görüntülerinde ince bağırsak fantom uzunluklarının otomatik belirlenmesi
Bu çalışmada, Sağlık Bilimleri Üniversitesi Gülhane Tıp Fakültesi Radyoloji Anabilim Dalı'nda bilgisayarlı tomografisi çekilen 4 adet farklı renkte ve uzunlukta, ince bağırsak fantomu olarak alınan hortumun görüntüleri üzerinde işlemler yapılmıştır. Kısa bağırsak sendromu, bağırsak yetmezliği gibi çeşitli sebeplerle kısaltılan bağırsak hastalıklarında bağırsak uzunluğu bilgisine ihtiyaç duyulmaktadır. Literatüre bakıldığında ince bağırsak uzunluğu ile ilgili çalışma bulunmamaktadır. İnce bağırsak bölütleme ile alakalı çok az çalışma yapılmıştır. Farklı bir yön katarak ince bağırsak fantomlarının uzunluğunun bulunması amaçlanmıştır. Önce görüntüye morfolojik işlemler uygulanarak ön işleme yapılmıştır. Eşikleme yöntemleri kullanılarak ikili hale dönüştürülen görüntünün bölge büyütme yöntemi de kullanılarak merkez noktaları tespit edilmiştir. Merkez noktaları ikinci dereceden oluşturulan denkleme yazılarak her döngüde hataların bulunup minimum olanın alınıp sıralanmasıyla merkez noktalarının doğru sıralaması elde edilmiştir. Böylece merkez noktalarının aralarındaki uzaklıkların hesaplanıp toplanması ile ince bağırsak fantomunun uzunluğu bulunmuştur. Bu çalışma önce en kısa uzunlukta olan fantoma uygulanmıştır daha sonra diğer üçüne de uygulanarak yüksek doğrulukta bir sonuç elde edilmiştir. İnsan vücuduna çok fazla müdahale edilmeden bağırsak uzunluğunun otomatik bulunması ve doktorlara kolaylık sağlaması açısından bu tez çalışması önemli bir yere sahiptir. Anahtar Kelimeler: İnce bağırsak bölütleme, kısa bağırsak sendromu, eşikleme, bağırsak yetmezliği, bilgisayarlı tomografi.
Bina içi akilli görüntü güvenlik sistemi uygulamasi
In this study, an application system of indoor intelligent distributed video surveillance designed and developed with present image processing algorithms and application programming interfaces. This study aims to develop a supplementary video surveillance system on a pre-installed passive video surveillance system. The passive video surveillance systems record surveillance video feed with movement detection or plain full time interface. In this study, video feeds recorded by movement detection, will be analyzed for pedestrian and face extraction. After pedestrian and face data extracted from video feeds, pedestrian data will be grouped for every entering and leaving moments with matching process, then each image group of pedestrian's faces will be analyzed to find reappearance of the same pedestrian. After all image processing, system will predict each unique pedestrian's every entering and leaving time. This study used OpenCV as primary API to manage grabbing, processing and post-processing of video and images. For application software architecture, Qt application programming framework utilized on thread and GUI programming. And for gathered information and statistical purposes SQLite database used. In this study, for human detection, Histogram of Oriented Gradients and face detection algorithms tested to find out optimum algorithm for human counting and recognition on videos of indoor video surveillance.
A laparoscopic surgery simulator for training
Minimally Invasive Surgery (MIS) has many advantages over traditional procedures and thus training with MIS tools via computer simulations has received much attention. These tools are generally grouped into two major categories: Physical training-boxes, and Computer vision/Virtual Reality (VR) tools. In this thesis, a computer vision based simulator is proposed which uses a training box for Minimally Invasive Surgery (MIS) that is composed of a single camera and a planar mirror. The average 3D positional error of laparoscopic/endoscopic tools was 0.96 mm (± 0.44 mm) at 1280x960 resolution, and 1.18 mm (± 0.52 mm) at 320x240. So, the error is minimally effected as the resolution decreases. The proposed method has some advantages over relevant literature methods, such as an improved accuracy (approximately 60%) even at low resolutions with a low processing time (approximately 30%). Therefore, the proposed method appears as a promising and low cost (approximately 70%) alternative for computer vision based MIS training tools.
Stere calculation of trees laden vehicles by image processing methods
In this study, it was proposed to use image processing techniques to perform stere calculations of tree-laden vehicles by using a computer-aided system, instead of by manual calculations, made by the weighbridge staff. Images of loaded trucks from the Kastamonu Entegre Company, and were obtained at different times of day, in different weather conditions. For our operating environment, we chose an MDF production plant weighbridge that had heavy traffic, receiving tree-laden vehicles daily. A data communication infrastructure was created for a high-resolution camera, and with the help of this camera, instant images of trucks were obtained and information about the truck was stored on a computer. Benefiting from a variety of image processing techniques, real-time software was developed. During the development of the software, a variety of pre-processing techniques were used, such as Watershed Segmentation (Beucher, 2014), Hough Line Transform, Harris Corner Detection and other image processing techniques, from the OpenCV, image-processing library, and that system was tested on previously saved truck images, and the results saved to the computer again. While making calculations, the pixel/cm calibration was designated as 521/470. The data recorded on the computer consists of the average height value (as calculated manually by the weighbridge staff (v1)) and other information, such as the average height value (as calculated by the system), stere values that were, in turn, calculated using these values. The results of measurements taken both manually and using the computer system were compared. These were also referenced with the values given in the truck shipping documents (waybill). After this analysis and comparison, it was found that a variance in values might exist between those calculated in the conventional way (manual weighbridge) and those of the computer but that the deviation in these values was limited to approximately 10% or within the accepted deviance in value. The experimental results of this study showed that, using image processing techniques, approximate stere values of tree-laden vehicles can be calculated with an acceptable deviation value.
Bilgisayar kontrollü uçan kamera ile hareketli nesne takibi
Bu çalışmada wifi (wireless) sinyalleri kullanarak, kamera monte edilmiş mobil bir helikopterin veya mobil arabanın uzaktan kontrolü gerçekleştirilmektedir. Uzaktan gönderilen sinyallerle, düşey ve yatay eksende bilgisayar kontrolü ile kamera yönlendirilmiş ve alınan görüntüler gerçek zamanlı olarak bilgisayar ekranından izlenmektedir. Böylece model helikopter veya model arabanın kontrolü doğrudan görsel temas kurulmadan, bilgisayar ekranı kullanılarak sağlatılması istenmektedir. Bu çalışmada, wifi bağlantılı standart bir wifi kamerası ile alınan görüntüler kullanılarak, kameranın görüş alanında hareket gösteren nesne/nesnelerin takibi sağlatılmaktadır. Çalışmada uzaktan kumandalı bir araca IP kamera yerleştirilmiş ve aracın yönlendirilmesi Visual Studio 2010'de hazırlanan bir program aracılığıyla sağlanmıştır. Yapılan denemelerde sistemin yon kontrolü ve görüntü aktarımını başarıyla gerçekleştirildiği görülmüştür. Bu amaçla, bir kişisel bilgisayardan (PC) gelen wifi sinyallerine göre model helikoptere veya model arabaya bağlı kamera, sürekli olarak hareket eden nesne/nesneleri takip edecek şekilde yönlendirilmektedir.
A new approach for one-bit compressed synthetic aperture radar imaging
Synthetic Aperture Radar (SAR) imaging system requires too much measurements to achieve a high-resolution image. This situation also raises the need for fast analogue-to-digital-converters and large on board storage systems due to the large number of measurements. Using 1-bit quantization may be a rational solution to these issues. A new framework is introduced for 1-bit compressed SAR imaging by using time-varying thresholds in this dissertation. It has been demonstrated how to reconstruct sparse SAR images from noisy measurements which are quantized to 1-bit with time-varying thresholds. In conventional 1-bit Compressive Sensing (CS) algorithms 1-bit quantization has been done by comparing measurements to a zero threshold. This makes the magnitude information of the signal to be lost and exact signal recovery becomes impossible. Unlike those algorithms, we do 1-bit quantization by comparing the received signal to time-varying thresholds. With this 1-bit quantization method, unit-norm constraint, consistency function and sophisticated optimization algorithms are no longer needed. Moreover, the amplitudes of the signals obtained by this method are more accurate. Using this 1-bit quantization approach, we can formulate 1-bit CS SAR imaging reconstruction problem as an unconstrained optimization problem where the objective function includes l_2 data-fidelity term and a non-smooth regularization function. For solving this unconstrained optimization problem, we use variable splitting and the alternating direction method of multipliers which is computationally efficient and easy to implement. The results from simulations with real and synthetic SAR images validate the effectiveness of the proposed algorithm named as BCST-SAR (Binary CS with Time-varying thresholds in SAR imaging).
Sayısal görüntü işleme ve yapay zeka yöntemi ile son kullanıcı odaklı endüstriyel ürün tasarımı
Klima, iklimlendirme amacı ile yaygın olarak kullanılan bir sistemdir. İç mekân hava kalitesini artırmak, konforu sağlamak ve hava koşullarına uyumlu bir ortam oluşturmak amacıyla tasarlanmıştır. Yapay zeka ise, bilgisayar sistemlerinin karmaşık verileri analiz etmek, öğrenmek ve belirli görevleri yerine getirmek için insan benzeri akıl ve öğrenme yetenekleri kazanmasını sağlayan bir teknolojidir. Bu teknoloji, genellikle endüstriyel alanlarda üretim süreçlerini iyileştirmek için kullanılmaktadır. Son yıllarda ise günlük yaşamın pek çok alanında yaygın olarak kullanılmaya başlanmıştır. Geliştirilen yapay zeka destekli klima sistemi, bu iki önemli kavramı bir araya getirerek kullanıcı deneyimini optimize etmeyi amaçlamaktadır. Bu sistem, Raspberry Pi ve Pi kamera gibi yaygın ve düşük maliyetli bileşenlerle geliştirilmiştir. Yüz tanıma ve insan algılama gibi temel yapay zeka işlevleri kullanılarak çalışmaktadır. Yüz tanıma işlevi, Haar Cascade algoritması aracılığıyla gerçekleştirilir ve sistem tarafından tanınan kullanıcıların tercihlerine uygun şekilde klima ayarları otomatik olarak belirlenmektedir. İnsan algılama sistemi ise TensorFlow makine öğrenme kütüphanesi ve YOLO yapay zeka algoritması kullanılarak odadaki insan sayısını ve insanların bulundukları konumları tespit edebilmektedir. Böylece hava akışı optimize edilmekte ve klimadan üflenen hava doğrudan insanların üzerine gelmeden iklimlendirme daha konforlu bir hale getirilmektedir. Ayrıca sistem, odada belirli bir süre boyunca insan algılanmadığı durumda klimayı otomatik olarak enerji tasarruf moduna geçirir. Böylelikle enerji verimliliği sağlayarak sürdürülebilirliğe katkıda bulunmaktadır. Geliştirilen sistem, yalnızca iklimlendirme alanında değil, aynı zamanda enerji tasarrufu sağlama ve kullanıcı konforunu artırma açısından da önemli bir ilerlemedir. Bu çalışma, yapay zeka teknolojisinin sınırlı işlem gücüne sahip platformlarla bile günlük yaşamda yaygın olarak kullanılabilecek pratik uygulamalar için potansiyel taşıdığını vurgulamaktadır.
A survey on image illumination enhancement techniques and a new approach to assess the image illumination
Presently, digital images are used in many parts of the daily life and various fields of academic and scientific researches. These applications depend on the quality of the image obtained. Illumination enhancement is required for all the applications which are using digital images in some part, to make them work properly, also assessment of the illumination quality is, as important as the illumination enhancement for comparing images and having an idea about the proposed output of the academic research results in the field of digital image processing. Illumination problems has become a demanding matter in various applications of digital image processing. A relevant argument in the field of illumination enhancement is lack of a quantitative measurement method to assess the illumination of an image. A quantitative measurement that is demonstrating the illumination case (contrast level, brightness etc.) of an image is proposed. Proposed new approach in this thesis, appropriates the input image's estimated Gaussian distribution and the Kullback-Leibler Divergence of the estimated Gaussian distribution and the expected Gaussian distribution for measurement and the calculations. In the results part, the experimental works show the influence and the accuracy of the proposed approach for the assessment of image illumination quality.
Uydu görüntüleri kullanılarak dünya genelindeki astronomik gözlemevlerinin atmosferinin istatistiksel analizi
Çalışmanın amacı, Dünya genelinde kurulmuş 2141 astronomik gözlemevi için uydu ve model verileriden elde edilen atmosferik katmanların: bulutluluk, yoğuşabilir su buharı, aerosol optik derinlik, dikey rüzgâr hızı ve 200h-Pa basınç seviyesindeki rüzgâr hızının istatistiksel ve zamansal olarak değerlendirilmesidir. Bunlara ek olarak gözlemevlerine ait enlem, boylam ve yükseklik bilgileri dâhil edilmiştir. Gözlemevlerine ait katmanların 2002-2020 yılları arasında günlük olarak elde edilen yaklaşık 100 TB'lık uzaktan algılama ve model verilerini içeren AstroGIS veritabanı kullanılmıştır. Gözlemevlerinin aylık ve yıllık ortalamaları oluşturulmuş ve zamansal değişimler incelenmiştir. Küresel olarak seçilmiş 9 profesyonel gözlemevinin sonuçları gösterilmiştir. Katmanların histogramları üretilerek genel dağılımları incelenmiştir. Katmanların normallik testleri yapılarak normallik varsayımı sınanmış ve bu sonuca göre korelasyon (Spearman (P)) değerleri yorumlanmıştır. Tüm gözlemevleri için ortalama bulutluluk, yoğuşabilir su buharı, aerosol optik derinlik miktarı, dikey rüzgâr hızı ve 200h-Pa basınç seviyesindeki rüzgâr hızı sonuçları sırasıyla % 67, 13.85 mm, 1.81, 0.04 Pa s^(-1) ve 21.06 m s^(-1) dir. Profesyonel gözlemevleri dışındaki tüm gözlemevleri incelediğimiz astronomik kriterler açısından uygun olmayan yerlerde kurulduğu belirlenmiştir.
Makine öğrenme teknikleri kullanılarak basınç ülserlerinin sınıflandırılması
Basınç ülserleri yatağa bağlı hastalarda uzun süre hareketsizliğe bağlı oluşan yaralardır. Bu durum dünyada önemli bir sağlık sorunu haline gelmiştir. Tedavinin etkili olabilmesi için basınç ülserlerinin teşhisinin doğru yapılması çok önemlidir. Yara özellikleri, iyileşme üzerinde önemli bir etkiye sahiptir. Girişimsel bilgi alma yöntemleri, basınç ülserlerinin teşhisinde hastalar için acı vericidir. Ayrıca bu yöntemler, hastanın enfeksiyon kapmasına sebebiyet verebilir. Bu yüzden, cerrahi işlem gerektirmeyen yara izleme teknikleri tercih edilmelidir. Görüntüleme sistemleri sayesinde yara ile temas edilmeden yaranın özelliklerinin doğru bir şekilde analiz edilmesi sağlanır. Bu tez çalışmasının amacı, görüntü analizinde makine öğrenmesi tekniklerinden yararlanılarak basınç ülserlerinin sınıflandırılması ile tedavi süreçlerine olumlu bir katkıda bulunmak ya da yara oluşumunun önlenmesini sağlamaktır. Bu tezde literatürde basınç yarası problemine evrelendirme sayısı bakımından yenilik getirilmiştir. Basınç yarası evrelendirilmesi doğru bir görüntü sınıflandırma problemi şeklinde ele alınmıştır. 697 tane yara görüntüsünden oluşan gerçek hastane verileri, Lojistik Regresyon, Yapay Sinir Ağları ve Destek Vektör Makineleri yöntemleri ile analiz edilmiştir. Bu görüntülerindeki yara rengi, ölçüsü gibi özellikler görüntü işleme sayesinde ayrıştırılmış ve görüntülerden yaranın hangi evrede olduğu belirlenmiştir. Sınıflandırma için basınç ülserlerinin 6 evresi referans alınmıştır. Bu çalışmada az sayıda veri setindeki farklı açılardan elde edilen görüntülerin bulunması sınıflandırma için uzmanların sınıf değerlerini tayin etmelerinde zor olmasa da arka planda bulunan görüntüler sınıflandırmayı zorlaştırmaktadır. Eğitim için daha çok veri kullanılması ve Derin Öğrenme mimarileri kullanılması performans değerlerini artıracaktır.
Derin öğrenme ile gerçek zamanlı türkçe işaret dili ifade tanıma
Bu çalışma, Türk İşaret Dili (TİD) ifadelerinin gerçek zamanlı tanınmasını sağlamak amacıyla MediaPipe tabanlı iskelet verisi çıkarımı ve derin öğrenme modellerinin kullanımını kapsamaktadır. Çalışmanın temel amacı, işaret dili bilmeyen bireylerin TİD kullanıcılarıyla daha etkili iletişim kurmasını sağlamak ve işitme engelli bireylerin toplumsal entegrasyonunu desteklemektir. Bu doğrultuda, Millî Eğitim Bakanlığı'nın TİD Dersi Öğretim Materyali esas alınarak 446 kelimeden oluşan özgün bir veri seti geliştirilmiş ve TurkSign446 olarak adlandırılmıştır. Hem statik hem de dinamik işaretleri içeren bu veri seti, cihazdan bağımsız ve kapsamlı bir yapıda oluşturulmuş; MediaPipe Holistic kütüphanesi aracılığıyla vücut, el ve yüz anahtar noktalarından elde edilen iskelet görüntüleriyle desteklenmiştir. Veri seti %70 eğitim, %10 doğrulama ve %20 test olmak üzere dışarda tutma (hold-out) yöntemiyle ayrılmıştır. Bu veriler üzerinde LSTM, Bi-LSTM, GRU ve CNN gibi temel modellerin yanı sıra CNN+GRU, CNN+LSTM, CNN+BiLSTM, GRU+LSTM ve GRU+BiLSTM gibi hibrit mimariler de eğitilmiş; en yüksek test doğruluğu %97,72 ile CNN+GRU modeli tarafından elde edilmiştir. Bu model, eğitim sürecine dâhil edilmiş ve edilmemiş iki farklı katılımcı üzerinden gerçek zamanlı olarak test edilmiş; kelimeler için 10 tekrar içeren senaryolar sonucunda sırasıyla %85,50 ve %80,26 genel başarı oranlarına ulaşılmıştır. Ayrıca, her kelimeye ait 30 çerçevelik iskelet görüntüleri; ızgara, optik akış ve yatay birleştirme yöntemleriyle farklı temsillere dönüştürülmüş ve bu temsiller üzerinden ResNet18 ile dikkat mekanizması içeren CBAM+ResNet18 mimarileri eğitilmiştir. En yüksek doğruluk değeri, %97,30 ile CBAM+ResNet18 modeli ve optik akış temsili kullanılarak elde edilmiştir. Sonuç olarak, TurkSign446 veri seti ve bu çalışma kapsamında uygulanan derin öğrenme tabanlı yaklaşımlar, Türk İşaret Dili'nin gerçek zamanlı tanınmasına yönelik önemli bir temel oluşturmaktadır. Çalışma, hem akademik araştırmalarda hem de uygulamalı sistem geliştirmelerinde kullanılabilir niteliktedir. Gelecekte, veri setinin genişletilmesi ve hibrit modellerin daha karmaşık ifadeleri tanıyacak biçimde optimize edilmesi planlanmaktadır.
Yapay zekâ temelli fındık çeşitlerini sınıflandırma makinesinin tasarımı ve imalatı
Fındık, özellikle gıda ve tarım endüstrisinde büyük bir öneme sahip olup, çeşitli türlerinin farklı alanlarda kullanılması, işleme süreçlerinin verimliliğini ve ürün kalitesini doğrudan etkilemektedir. Günümüzde fındık çeşitlerini kabuktan ayırma yapan makineler üretilmemekte; bunun yerine dolu, boş veya kırık fındıkları ayıran makineler yaygın olarak kullanılmaktadır. Fındık türlerinin ayrılması hem işleme sürecini optimize etmek hem de nihai ürün kalitesini artırmak açısından önemlidir. Bu bağlamda, önerilen bu çalışmada, fındıklar sahip oldukları fiziksel, renk ve doku gibi değerlerine bakılarak uygun kullanım alanlarında kullanılmak üzere cinsine göre kabuktan sınıflandırma işlemi yapılması amaçlanmıştır. Bant üzerinde yuva görüntülerinin alınması, kırpma işlemi, arka planın çıkartılması ve ölçü standartlaştırma gibi ön görüntü işleme çalışmalarından sonra, görüntülerden öznitelik çıkarımı yapılmıştır. Sınıflandırma işleminde yüksek başarı oranları elde edebilmek için çıkarım yöntemlerinin boyut, renk ve doku farklılıklarını içermesi sağlanmıştır. Sınıflandırma sonuçlarına göre bant üzerinde ayrıştırma için vakum prensibine dayalı bir sistem geliştirilmiştir. 3 fındık türünü ayrıştırmada bant üzerindeki yuvalara denk gelen kayar plakalar step motorlar aracılığıyla konumlandırıldıktan sonra vakumlama işlemi ile ilgili hazneye bırakılmaktadır. Özellik çıkarım yöntemleri olarak, Boyut, Renk, Haralick, Yerel İkili Desen Algoritması ve Yönlendirilmiş Gradyanların Histogramı yöntemleri kullanılmıştır. Son olarak, seçilen bu öznitelikler, K En Yakın Komşu, Karar Ağaçları, Destek Vektör Makineleri, İleri Beslemeli Yapay Sinir Ağları, Yinelemeli Sinir Ağları ve İleri Kademeli Sinir Ağları sınıflandırıcılarına uygulanmaktadır. Sınıflandırma sonuçlarına göre %92 doğruluk değeri ile İleri Kademeli Sinir Ağları'nın diğerlerine göre daha iyi performans gösterdiğini ortaya konmaktadır. Sonuç olarak, imalatı ve tasarımı gerçekleştirilen makine öğrenme tabanlı fındık meyvesini dış kabuk üzerinden sınıflandırılması hem endüstriyel süreçlerde kaliteyi artıracak hem de verimliliği yeni bir seviyeye taşıyarak sektörde önemli bir yenilik oluşturacaktır
Fotoğrafı çekilen parçaların CATIA CAD ortamında otomatik modellenmesi
Bu çalışmada, çeşitli parçalardan elde edilen fotoğraf görüntülerini kullanarak, CATIA CAD ortamında parçaların otomatik olarak modellenmesini sağlayan bir sistem geliştirilmiştir. Geliştirilen sistem, fotoğraf makinesi ile çekilen prizmatik veya silindirik parçaların fotoğrafları üzerinden kullanıcı seçimine bağlı olarak geometrik eleman tanımlamalarını (doğru, daire, yay ve serbest eğri) yapabilmektedir ve belirlenen geometrik elemanlara ait bilgileri CATIA CAD programının anlayacağı formatta dosyaya kaydedebilmektedir. CATIA CAD program arayüzünde oluşturulan menüler yardımıyla CAD modelinin elde edilmesi gerçekleştirilmiştir. Elde edilen CAD modeli parametrik özelliklere sahip olup CATIA?nın bütün imkânlarının kullanımına açıktır. Sistemin geliştirilmesinde grafik özellikleri, kullanım kolaylığı, CATIA içerisinde VBA kısmı uyumluluğundan dolayı Visual Basic 6.0 programı tercih edilmiştir.
Görüntü işleme teknikleriyle meme kanserinin teşhisi
Meme kanseri hem dünyada hem de ülkemizde kadınlar arasında en sık görülen ve yüksek oranlarda ölüme neden olan kanser türüdür. Ülkemizde kanser istatistiklerine bakıldığında meme kanseri tüm kadın kanserlerinin yaklaşık % 25,6'sını oluşturmaktadır. Türkiye'de her 8 kadından birisinde meme kanseri görülmektedir. Meme kanseri yüzünden gerçekleşen ölümlerin azaltılmasında en etkin yöntem erken teşhis ve tedavidir. Erken teşhis için kullanılan en yaygın yöntem mamografidir. Mamografi meme kanseri için tasarlanan özel bir röntgen tekniğidir. Mamografi ile elde edilen görüntüler sayesinde memede elle muayene ile fark edilemeyecek kadar küçük değişiklikler bile belirlenebilmektedir. Mamografilerin yorumlanması uzman radyologlar tarafından yapılmaktadır. Fakat yorgunluk, iş yoğunluğu, insan gözünün kısıtlılığı vb. gibi etkenler radyologların mamografileri yanlış yorumlamasına neden olabilmektedir. Günümüzde, meme kanserinin teşhisinde yanlış ya da eksik yorumlamaya neden olabilecek etkileri azaltmak amacıyla radyoloğa yardımcı olacak otomatik algılama sistemleri geliştirilmektedir. Bu sistemlere Bilgisayar Destekli Teşhis (BDT) sistemleri denilmektedir. BDT yazılımları, memedeki anormallikleri tespit etmek için çeşitli görüntü işleme algoritmaları kullanmaktadır ve meme kanserinin tanısı ve teşhisinde radyoloji uzmanlarına ikinci bir görüş olarak yardımcı olmaktadır. Nihai karar radyolog tarafından verilmektedir. Bu çalışmada mamogramlarda görülen anormalliklerin tespiti ve sınıflandırılması amacıyla bir BDT sistemi geliştirilmiştir. Bu sistem başlıca beş bölümden oluşmaktadır. Bunlar sırasıyla; ön işleme, bölütleme, öznitelik çıkarımı, öznitelik seçimi ve sınıflandırmadır. Ön işleme aşamasında görüntüyü iyileştirmek ve gürültüyü azaltmak amacıyla medyan filtre, biortogonal dalgacık analizi, anizotropik difüzyon yöntemi, adaptif histogram eşitleme yöntemi kullanılmıştır. Ayrıca ön işleme aşamasının önemli bir kısmını teşkil eden pektoral kasın çıkarılması için bu tez kapsamında geliştirilen Tek Yönlü Kenar İşaretleme (Single Sided Edge Marking-SSEM) isimli yeni bir algoritma kullanılmıştır. Şüpheli bölgelerin tespiti amacıyla Otsu N eşikleme, Havrda & Charvat entropi yöntemleri ile birlikte yine bu tez kapsamında geliştirilen bir görüntü kümeleme algoritması olan w-BSAFCM, kullanılmıştır. Öznitelik çıkarımı için gri seviye eş oluşum matrisi, dalgacık analizi ve eğricik dönüşümü yöntemleri kullanılmıştır. Öznitelik azaltımı aşamasında Lineer Ayırıcı Analiz yöntemi kullanılmıştır. Son olarak, sınıflandırma aşamasında ise yapay sinir ağları, destek vektör makinesi (DVM) ve K- En yakın komşuluk sınıflandırıcıları kullanılmıştır. Tez çalışması kapsamında önerilen yöntem ve geliştirilen algoritmalar literatürde sıkça kullanılan MIAS veri tabanına ek olarak yeni bir mamogram veritabanı olan INBREAST veri tabanındaki görüntüler üzerinde de test edilmiş ve elde edilen sonuçlar literatürdeki diğer çalışmalarla karşılaştırılmıştır. Yapılan deneysel çalışmalarda mamogram görüntüleri, geliştirilen yöntemle ilk olarak normal ve anormal olarak sınıflandırılmış ardından anormal mamogramlar da kendi aralarında iyi huylu ve kötü huylu olarak sınıflandırılmışlardır. Yapılan tez çalışması için toplam 246 adet mamogram kullanılmıştır. MIAS veritabanından seçilen 70 normal ve 70 anormal mamogram ile INBREAST veri tabanından seçilen 53 normal ve 53 anormal mamogram üzerinde önerilen yöntemlerle yapılan sınıflandırma sonucunda en iyi sonuçlar eğricik analizi ile çıkarılan özniteliklerle sağlanmıştır. Eğricik analizi ile çıkarılan özniteliklerin lineer ayırıcı analiz ile boyutu azaltılmış ve eğricik analizi ile lineer ayırıcı analizin birlikte kullanıldığı durumda sınıflama başarısı % 100 olarak elde edilmiştir. Ayrıca mamogramların sınıflandırılması amacıyla gri seviye eş oluşum matrisi ve dalgacık analizi ile elde edilen özniteliklere ait sonuçlar karşılaştırmalı olarak sunulmuştur.