Kararlı hipotez testi ile görüntü bölütleme teknikleri

Bu tezde, kararlı hipotez testine dayalı yöntem kullanılarak renkli görüntülerin çoklu kesimlenmesi incelenmiştir. Kararlı hipotez testi, birkaç farklı yöntemle görüntü bölütlendirmeye uyarlanmıştır. İlk yaklaşımda, NP-zorluğa sahip bu problemin çözümü için kullanıcı yardımıyla farklı etiketlerden gelen piksellerin kabaca seçildiğini farz ettik. Önerilen algoritma bu seçimle başlatılır ve piksel yoğunluklarının ampirik histogramları daha sonra kararlı bir hipotez testinde nominal yoğunluklar olarak kullanılır. Test çerçevesini çok boyutlu renkli görüntü üzerinden elde edilen hassas ölçümleri içerecek şekilde değiştirerek, DGL testini uyguluyoruz. Sonraki yöntemlerimize süperpikselleri dahil ettik. Ancak temel yöntem olan süperpikselleri eklemek, kullanıcı girişinin uzamsal bilgisinden yararlanmaz ve yalnızca renk alanında çalışır. Süperpiksellere ek olarak, karmaşıklığı artırmadan geliştirilmiş performans için sınırlayıcı kutuların uzamsal bilgilerinin teste dahil edildiği uzamsal-zamansal dağılıma dayalı DGL testini uyguladık. Ayrıca Berkeley'in BSDS500 görüntü veri seti üzerinde simülasyonlar sağladık ve uygulanan son yöntem, ilk yönteme göre segmentasyon doğruluğunda \%10'luk bir iyileşmeyle sonuçlandı. Geliştirdiğimiz yöntemler, düşük karmaşıklığa sahip renkli görüntüleri çoklu segmentasyon haline getirebilir. Bu performans avantajı simülasyonlarla da doğrulanmıştır.