Yüksek boyutlu model gösterilimi yöntemi ile büyük ölçekli veri tabanlarında görüntü erişimi

Gelişen ve giderek yaygınlaşan teknoloji ile birlikte görüntüleme aygıtlarından elde edilen görüntülerin sayısında meydana gelen dikkate değer artış, ortaya analiz edilmesi ve işlenmesi gereken devasa büyüklükte veri tabanları çıkarmıştır. Görüntü işleme alanında, örnek bir görüntünün var olan bir veri tabanında bulunup bulunmadığının tespit edilmesi ve bu işlemin mümkün olan en kısa sürede ve yüksek doğruluk oranıyla yapılması önemli bir çalışma başlığıdır. Bu alanda öne çıkan ve üzerinde çalışılan veri tabanını daha kolay işlenebilir hale getirmeye çalışan araştırma başlıklarından bir tanesi de boyut indirgeme çalışmalarıdır. Bu çalışmada bir boyut indirgeme yöntemi olarak Yüksek Boyutlu Model Gösterilim Yöntemi'nin (YBMG) görüntü arama alanında nasıl kullanılabileceği ve ne gibi sonuçlar elde edilebileceği üzerinde durulmuştur. YBMG yönteminin özü, işlemesi görece daha zor olan çok değişkenli bir fonksiyonun ya da veri kümesinin böl ve yönet ilkesi temelinde işlemesi daha kolay olan daha az değişkenli fonksiyonların ya da verilerin toplamı şeklinde yeniden ifade edilmesi prensibine dayanır. YBMG yönteminin görüntülerin daha düşük boyutlu olarak yeniden ifade edilmesi konusunda başarılı olduğu daha önce bu konuda yapılan araştırmalar tarafından gösterilmiştir. Gerçekleştirilen deneysel çalışmalar, YBMG yönteminin ele alınan örnek bir görüntünün üzerinde çalışılan bir veri tabanında bulunup bulunmadığının tespit edilmesi, yani birebir eşleme ve bu örnek görüntüye benzer görüntülerin veri tabanından çekilmesi problemlerine bir çözüm olarak uygulanması ele alınan yöntemin gerek doğruluk hassasiyeti gerekse de işlem süresi bakımından dikkate değer avantajlar sağladığını göstermiştir. Deneyler sırasında çeşitli kategorilerde sınıflandırılabilecek ve görüntü işleme çalışmalarında sıkça başvurulan toplamda 30301 adet renkli görüntü içeren COIL, COREL ve LFW veri tabanları kullanılmıştır. Karşılaştırma amacıyla yöntem olarak boyut indirgemeyi kullanan, öne çıkan yöntemlerden biri olan PCA yöntemi ele alınmıştır. YBMG yöntemi, gerçekleştirilen deneysel çalışmalarda kullanılan bütün veri tabanlarında aranan bir görüntünün söz konusu veri tabanında yer alıp almadığını, karşılaştırılan diğer yöntemden 3-5 kat kadar daha kısa sürede ve % 100 doğruluk oranıyla bulurken, örnek görüntüye benzer görüntülerin veri tabanından çekilmesi probleminde de dikkate değer sonuçlar elde etmiştir. Ele alınan yöntemin büyük veri tabanlarında görüntü erişimi alanında göstermiş olduğu bu başarı görüntü işleme araştırmalarının diğer önemli çalışma başlıklarından olan sınıflandırma ve yüz tanıma gibi daha ileri çalışmalar için pozitif motivasyon kaynağı olmaktadır.