Digital image processing
271 theses under this subject heading
Lazer Epilasyon için Optik Görüntüleme ile Öznitelik Tabanlı Kıl Bölgesi Tespiti
Lazer epilasyon, kıl folikülüne ve şaftına termal yolla hasar verilerek, bu yapıların kalıcı bir şekilde yok edilmesini amaçlayan ve son yıllarda kullanımı oldukça yaygınlaşmış olan cerrahi olmayan bir operasyondur. Lazer epilasyon tekniğinin temel amacı kıl foliküllerinin hasarlanması olmasına rağmen, günümüzde kullanılmakta olan lazer epilasyon cihazları çevresel deri katmanlarını da sağlık riski oluşturacak şekilde etkilemektedir. Lazer epilasyon işleminin cilt üzerindeki yan etkilerinin asgari düzeye indirgenebilmesi için lazer ışınının sadece önceden tespit edilmiş kıl bölgelerine yönlendirilmesi önerilmektedir. Bu tez çalışmasının amacı, önerilmekte olan lazer epilasyon yönteminin bir alt parçası olarak kullanılmak üzere, optik bant görüntü üzerinden görüntü işleme ve örüntü tanıma teknikleri kullanılarak kıl bölgelerinin tespit edilmesidir. Kıl bölgesi tespit işlemi için, makine öğrenme tekniklerine dayanan öznitelik tabanlı iki basamaklı sınıflandırma yöntemi önerilmektedir. Önerilmekte olan iki basamaklı sınıflandırma yöntemi sayesinde, sınıflandırıcı performansının artırılması hedeflenmektedir. Yöntem başarımları, denek-taşı oluşturulmuş görüntüler üzerinde algoritma sonuçlarının duyarlılık ve özgüllük analizlerinin yapılması ve sınıflandırma işlem süresinin hesaplanması ile belirlenmektedir. Elde edilen sonuçlar, önerilmekte olan sınıflandırma tekniğin öznitelik tabanlı kıl bölgesi tespit işleminde performans artışı sağlayabildiğini göstermektedir.
Yer gözlem uydu operasyonları için JPEG 2000 kod çözücü performans optimizasyonu
Yüksek sıkıştırma performansı, bit hatalarına karşı dayanımı ve kayıpsız modun yanısıra esnek kayıplı modları desteklemesi nedeniyle JPEG 2000, uydu görüntü işleme, uzaktan algılama ve diğer birçok alanda sıklıkla kullanılan bir görüntü sıkıştırma standardıdır. Kamera ve haberleşme teknolojisinin gelişmesiyle birlikte yer gözlem uydu görüntülerinin çözünürlükleri ve indirme hızları gün geçtikçe artmaktadır. Dolayısıyla JPEG 2000 kod çözme dahil olmak üzere, uydu operasyonu dahilindeki tüm görüntü işleme aşamalarının eş zamanlı olarak hızlandırılması büyük önem arz etmektedir. Literatürde JPEG 2000 kod çözme işleminin GPU'da hızlandırılmasına dair, yer gözlem uydu operasyonlarına doğrudan uyarlanabilecek çalışmalar yetersiz kalmaktadır. Bu çalışmada, öncelikli olarak JPEG 2000 kod çözücünün GPU'da CUDA optimizasyon yöntemleriyle hızlandırılması konu alınmıştır. Buna ek olarak, GPU ve CPU işlemcilerin birlikte tam verimlilikte kullanıldığı bir hibrit kod çözücü tasarımı önerilmiştir. Son olarak, homojen düğümlerden oluşan, esnek ve ölçeklenebilir bir dağıtık JPEG 2000 kod çözücü mimarisi tasarlanmıştır. Bu çalışmanın, uydu görüntü işleme sürecindeki diğer aşamaların hızlandırılmasına yönelik gelecek çalışmalar için faydalı bir referans ve perspektif kazandıracağı öngörülmektedir.
Panoramik X-ray diş görüntülerinde diş bölgesinin ve dişlerin makine öğrenimi ve derin öğrenme ile bölütlenmesi
Panoramik X-Ray diş görüntülerinden dişlerin olduğu bölgenin ve dişleri bölütlenmesi, çeşitli hastalıkların belirlenmesi için önemli hale gelmiş bulunmaktadır. Özellikle son dönemde gelişen teknoloji ile birlikte çalışmalara dahil olmaya başlayan Yapay Zeka (AI) temelli yapılar, hem dişlerin tespiti ve bölütlenmesi sürecini kısaltmayı hem de diş hekimlerine karar destek yapıları oluşturarak yanlış teşhisi ortadan kaldırmayı amaçlamaktadır. Ham görüntülerdeki diş olmayan piksellerin diş olan piksellere göre fazla olması ve görüntülerdeki kontrast ve renk seviyesinin bölgesel olarak farklılık göstermemesi görüntü işlemeyi zorlaştırmaktadır. Bu tezin amacı, panoramik x-ray görüntülerindeki dişlerin olduğu bölgeyi ve dişleri otomatik olarak bölütleyebilmektir. İlk olarak, görüntülerin boyutlarını hem her görüntü için sabit olması hem de işlemsel olarak hızlı sonuçlar almak için düşürerek alt-örnekleme yapılmıştır. Sonraki aşamada, görüntülerdeki diş alanının merkez noktası otomatik olarak belirlenmiştir. Daha sonra piksellerin yeğinlik değerleri, bulunan merkez noktasına göre x koordinatı, bulunan merkez noktasına göre y koordinatı ve 3x3 penceresinde maksimum ve minimum değerlerin çıkarılmasıyla elde edilen öznitelikler kullanılarak diş bölgesinin bölütlenmesi gerçekleştirilmiştir. Bunun için bir Makine Öğrenme (ML) algoritması olan CatBoost algoritması kullanılmıştır. Makine Öğrenme (ML) modeli oluşturulurken, veri setinin ezberlenmesini önlemek için eğitim veri setinin k-kat çapraz doğrulaması ve hiper parametrelerin ızgara arama optimizasyonu yöntemleri uygulanmıştır. Diş bölgesini tam olarak bölütleyebilmek için makine öğrenmesi modelinden elde edilen her sonucun üzerinde ağız bölgesinin deforme olabilen şekiller uydurulmuştur. Bu sayede diş bölgesi içinde bulunmayan piksellerden kurtulunmuş ve diş bölgesi bölütlemesi yapılmıştır. Diş bölgesini bölütledikten sonra Derin Öğrenme (DL) modeli oluşturulup bu modele sadece bölütlenen diş bölgeleri giriş olarak verilmiştir. Model içinde karalılığı sağlamak ve işlem hızını arttırmak amacıyla elde edilen bölütlenmiş diş bölgeleri görüntülerinin boyutları düşürülerek alt-örnekleme yapılmıştır. Derin Öğrenme (DL) sonucunda her görüntü üzerinde dişlere ait olan bir pencere elde edilmiştir. Her pencere içindeki dişlerin tam bölütlenmesi için Tony F. Chan ve Luminita Vese (Chan-Vese) algoritması uygulanmıştır. Bu sayede pencereler dişlerin şeklinde küçültülmüş ve bölütmele işlemi yapılmıştır. Sonuçlar, Makine Öğrenmesi (ML) ve Derin Öğrenme (DL) için öğrenme eğrisi; dişlere ait olan piksellerin doğruluğunu ölçmek için F1, doğruluk, hatırlama ve kesinlik skorları kullanılarak analiz edilmiştir.
Siyah alaca süt sığırlarında vücut ölçülerinin birbirlerine oranlarının verim özellikleri ile ilişkisi
Bu çalışmada, Görüntü İşleme Metotları (GİM) kullanarak Siyah Alaca süt sığırlarının vücut ölçülerinin ortaya konması, elde edilen vücut ölçülerinin birbirlerine bölünerek oranlar elde edilmesi ve bu oranların verim özellikleri ile ilişkilerinin ortaya konması amaçlanmıştır. Bu amaçla 198 büyük baş Siyah Alaca süt sığırının Sabit Nesne Video Metodu (SNV) yardımıyla vücut ölçüleri tespit edilmiştir. Tespit edilen vücut ölçüleri birbirlerine bölünerek oranlar elde edilmiş ve bu oranlar ile Günlük Ortalama Süt Verimi (GOSV), Gebelik Başına Tohumlama Sayısı (GBTS), İlkine Tohumlama Yaşı (İTY) ile İlkine Buzağılama Yaşı (İBY) arasındaki ilişkileri ortaya konmuştur. Araştırmada, GOSV, GBTS, İTY ve İBY ile vücut ölçülerinden cidago yüksekliği (CY), sırt yüksekliği (SY), sağrı yüksekliği (SGY), oturak yumru yüksekliği (OYY), göğüs derinliği (GD), vücut uzunluğu (VU), gövde uzunluğu (GU), vücut alanı (VA) ve vücut çevresi (VÇ) arasındaki ilişkinin tüm laktasyon guruplarında düşük, negatif yönlü ve istatistik olarak önemli olmadığı gözlenmiştir (p>0.05). Vücut ölçülerinden elde edilen oranlar modele dahil edilerek GOSV, GBTS, İTY ve İBY'nın tahmini için oluşturulan çoklu regresyon denklemlerine ilişkin en yüksek Determinasyon Katsayısı (R2) değerlerinin GOSV için CY (0.389 (p<0.01)), GBTS için VA (0.344 (p<0.05)), İTY için VÇ (0.266 (p<0.05)) ve İBY için VÇ ile edilen oranların kullanıldığı çoklu regresyon denklemleri olduğu gözlenmiştir.Süt sığırlarında vücut ölçülerinin belirlenmesinde GİM uygulamalarının Klasik Ölçüm Metotları'na (KM) göre daha pratik olduğu söylenebilir. Siyah Alaca süt sığırlarında GOSV, GBTS, İTY ve İBY gibi süt ve döl verimlerinin tahmini için vücut ölçülerinden elde edilen oranlar kullanılarak oluşturulan regresyon denklemlerinin tahmin gücünün düşük olduğu belirlenmiştir.
Derin öğrenme yöntemleri ile görüntü sahteciliği tespiti
Günümüzde her geçen gün kullanımı artan sosyal medya ve internet sayesinde neredeyse çekilen her fotoğraf internet ortamına yüklenmektedir. Bu sebeple görüntü elde etmek çok daha kolay hale gelmiştir. Görüntülerin kolaylıkla elde edilmesi, gelişen teknolojiler sayesinde görüntü üzerinde değişiklik yapılmasını teşvik edici hale gelmiştir. Görüntüler üzerinde kişinin kendi isteği ile yapmış olduğu değişikliklerin yanı sıra kötü niyetli kişiler tarafından yapılan değişiklikler ise bir takım sorunlara yol açmakta olup istenmeyen durumlar yaratabilmektedir. Yapılan değişiklikler ile kişisel verilerin ihlalinden herhangi bir resmi belge üzerinde sahteciliğe kadar geniş bir alanı etkilemektedir. Sahtecilik yöntemleri farklı şekilde yapılmaktadır. Kopyala-taşı yöntemi, mevcut görüntüdeki bir alanın aynı görüntü üzerinde farklı bir alana kopyalanması ile yapılmaktadır. Görüntü birleştirme, farklı iki görüntünün istenilen alanları birleştirilmesi ile oluşturulmaktadır. Görüntü rötuşlama, görüntü üzerinde istenmeyen bölgelerin etkisi azaltarak ya da istenilen alan üzerinde iyileştirme yapılarak görüntü daha ilgi çekici hale getirilmektedir. Çalışmada bu düşünceden yola çıkılarak görüntüler üzerinde değişiklik olup olmadığının tespit edilmesi eğer değişiklik var ise o alanın işaretlenmesi için derin öğrenme yöntemi kullanılmıştır. Derin öğrenme yöntemleri sayesinde yüksek boyutlu verilerde daha hızlı ve daha yüksek başarı elde edilmiştir. Çalışmada CASIA ve CoMoFoD veri setleri üzerinde uygulama gerçekleştirilmiştir. Veri setleri üzerinde yapılan testler sonucunda ortalama %76,86 oranından doğruluk elde edilmiştir.
Çelik lif katkılı betonlarda lif dağılımını etkileyen değişkenlerin etki düzeylerinin belirlenmesi
Günlük ihtiyaçların değişimi ve sürdürülebilir üretim istenilen beton özelliklerini etkilemektedir. Beton endüstrisi bu amaçla kendini sürekli geliştirmektedir. Lifli beton son yıllarda inşaat sektöründe yoğun olarak kullanılan beton türüdür. Bu nedenle lifli beton özelliklerinin tahmin edilebilirliği oldukça önem kazanmaktadır. Bu çalışmada lifli betonlarda lif dağılımını etkileyen etki değişkenlerinin lif dağılımı üzerindeki etki düzeylerinin belirlenmesi amaçlanmıştır.Çalışma kapsamında lif hacim oranı (%1, %2 ve %3), karıştırma süresi (5 dk., 8.5 dk. ve 12 dk.) ve lif uzunluğu (35 mm, 50 mm ve 60 mm) etki değişkeni, lif dağılımı ise tepki değişkeni olarak seçilmiştir. Lif dağılımının belirlenmesi için 15 deneme noktasında toplam 45 adet 150150600 mm boyutlarında kare prizma kiriş numuneleri üretilmiştir (beton sınıfı C30/37 seçilmiştir). Her bir numune üç ara kesite bölünmüştür. Kesitlerdeki lif dağılımları, göz ve dijital görüntü işleme yöntemi ile belirlenen lif adedinin numunedeki toplam lif adedine bölünmesiyle hesaplanmıştır. Seçilen etki değişkenlerinin lif dağılımı üzerindeki etki düzeyleri ANOVA ile belirlenmiştir. Ayrıca lif dağılımı ile ultrasonik atımlı dalga hızı ve eğilme dayanımı arasındaki etkileşim incelenmiştir. Bunlara ek olarak kalıplara beton döküm yönünün (mala yüzeyi alt bölgesi) kesitteki lif dağılımına etkisi de belirlenmiştir. En yüksek mala yüzeyi alt bölgesi lif dağılımı üçüncü ara kesitte %61.12,birinci ara kesitte ise 55.92'dir. Bu nedenle çalışma kapsamında üretilen beton için genel olarak beton döküm yönünün kesitteki lif dağılımının homojenliğini etkilemediği söylenebilir. Lif dağılımları üzerinde sadece lif uzunluğu değişkeni anlamlı etkiye (p –değeri < 0.0001) sahiptir. Birinci ve üçüncü kesit yüzeyi lif dağılımı için elde edilen modellerin R2 değerleri sırasıyla 0.9055 ve 0.9604 olarak elde edilmiştir. R2'lerin yüksek olması modellerin tahmin doğruluğunun yüksek olduğunu göstermektedir. Göz ile sayım sonucu elde edilen lif dağılım oranları ile dijital görüntü işleme yöntemi ile belirlenen lif dağılım oranlarının farkı maksimum 0.58'dir. Anahtar Kelimeler: Lifli Beton, Lif Dağılımı, Dijital Görüntü İşleme, Ultrasonik Atımlı Dalga Hızı, Eğilme Dayanımı
Görüntü işleme teknikleri kullanılarak göz kırpma hareketleriyle tekerlekli sandalye simülatörü kontrolü
Görüntü işleme, bilgisayarla bütünleşik olarak birçok endüstriyel ve teknolojik uygulamalarda kullanılabilen bilgisayar çalışmasıdır. Dijital ortama aktarılan görüntülerin sayısal verileri kullanılarak iyileştirilmiş veya değiştirilmiş birbirinden farklı görüntüler elde edilebilmektedir. Aynı zamanda görüntü işleme tekniklerinden faydalanılarak nesne tanıma işlemleri de gerçekleştirilebilmektedir. Görüntü işleme sistemi yüz tanıma sistemlerinde sahteciliğe karşı koruma için de kullanılabilir. Göz kırpılmalarının algılanması, operatör olarak çalışan kişilerin dikkatini izleyen sistemlerde önemlidir. Bu çalışmada, görüntü işleme teknikleri kullanılarak tespit edilen yüz bölgesinden OpenCv ve Dlib kütüphaneleri kullanılarak göz ve kaş unsurları ayrıştırılıp elde edilen veriler işlenmeye çalışılmıştır. Python programlama dili ile yazılım algoritmaları oluşturulmuştur. Yapılan filtrelemeden elde edilen göz kırpma algılama işlemleri göz bölgesinde herhangi bir rahatsızlık olmayan kişiler üzerinde test edilmiştir. Farklı ışık Lüx değerlerine sahip ışık ortamlarının göz kırpılmalarına olan etkileri Arduino ile geliştirilen LDR sensörü ile hesaplanmıştır. Aynı zamanda ışık kaynağının bulunduğu açının yüz hatlarının ve göz kırpılmalarına etkileri gözlemlenmiştir. Kamera açısının ve mesafesinin göz kırpılmalarının hesaplanmasına olan etkileri hesaplanmıştır. Uzun deneysel çalışmalar sonucunda elde edilen verilerin Raspberry Pi modülüne gönderilip hazırlanan algoritmalar ile tekerlekli sandalye yerine geçecek mini robotun kontrolü sağlanmıştır.
Diyabetik retinopati hastalığının teşhisi için derin öğrenme ile retinal fundus görüntülerinin sınıflandırılması
Bu çalışmada, diyabetik retinopati hastalığının teşhisi ve hastalığın seviyesinin belirlenmesi, bir sınıflandırma problemi olarak ele alınmış ve tahmin edilmeye çalışılmıştır. Bu amaçla, popüler bir veri seti olan APTOS 2019 veri setinin 224x224 filtrelenmiş versiyonu seçilmiş olup, bu veri setinden, çok sınıflı ve az sınıflı olmak üzere toplamda 5 adet yeni veri seti daha oluşturulmuştur. Orijinal veri seti ve yeni oluşturulan yeni veri setlerine, CNN tabanlı mimariler (5 Layer CNN, EfficientNetB0, EfficientNetB1, VGG16, VGG16-TL, VGG19-TL, MobilNet, MobileNet V2, bizim tasarladığımız CNN, GoogleNet, DenseNet121 ve ResNet50) uygulanarak ve farklı veri bölümlendirmeleri seçilerek (80-20 eğitim-test, 3,5 ve 10 kez çapraz doğrulama) geniş çaplı bir modelleme çalışması yapılmıştır. Sonuç olarak, hastalık seviyesinin sınıflandırması için en iyi model, %94.82 test doğruluk başarısı ile MobilNet V2 modeli olarak; hastalık tahmini için de en iyi model, %99.26 test doğruluk başarısı ile DenseNet121 modeli olarak bulunmuştur.
Riskli alanlar için LPG takılı araçların bilgisayarlı görü teknikleriyle tespit edilmesi
Dünya nüfus artışına bağlı olarak araç kullanımı gün geçtikçe yaygınlaşmaktadır. Akıllı ulaşım sistemleri kapsamında artan araç sayısının neden olduğu sorunları çözmek için bilişim sektörü ile ulaşım sektörü entegre bir şekilde çalışmaktadır. Sensörler ve kameralarla elde edilen veriler yapay zeka tabanlı bilişim teknolojileriyle analiz edilerek otonom araçlar, güvenlik, trafik yönetimi, navigasyon ve yolcu bilgilendirme sistemlerinde kullanılmaktadır. Bilgisayarlı görü teknikleri, görüntü işleme ile derin öğrenme teknolojilerinin birlikte kullanılması sonucu makinelerin, görüntülerden anlamlı örüntüler ve ilişkiler çıkarmasını sağlamaktadır. İnsan beyninin taklit edilmesine dayanan bu teknik, öğrendiği örüntü ve ilişkiler sonucunda bir karar verebilme yeteneğine sahip hale gelmektedir. Bilgisayarlı görü teknikleri turizm, tarım, sağlık, sanayi, savunma, ulaşım, hizmet, e-ticaret vb. birçok alanda yaygın bir şekilde kullanılmaktadır. Bu alanlarda geliştirilen uygulamalar çeşitli zorluklara çözüm üretmektedir. Ulaşım alanındaki zorluklardan biri Sıvılaştırılmış Petrol Gazı (LPG- Liquified Petroleum Gas) yakıtı kullanan araçlar ile ilgilidir. LPG tanklarının içindeki gazların yanıcı olması ve patlama ihtimali nedeniyle özellikle şehirlerdeki belirli alanlarda tehlike oluşturmaktadır. Kapalı otopark hizmeti bulunduran hastaneler, alışveriş merkezleri, oteller, askeri yerleşkeler gibi kurum ve kuruluşlarda LPG' li araçların girişi yasaklanmıştır. Yasağın denetim yöntemi ise bir personelin görevlendirilmesi ve araç bagajlarının görevli personel tarafından kontrol edilmesiyle gerçekleştirilmektedir. Uygulanan denetim yöntemi maddi olarak görevli personelin uygun şartlarda istihdam edilmesi gerekliliği, görevlinin hata payı bulundurması ve araç sürücüleri için bir zaman kaybı oluşturması sebebiyle sürdürülebilir bir sistem değildir. Bu tez çalışmasında bilgisayarlı görü teknikleri kullanılarak LPG yakıtıyla çalışan araçların otomatik bir şekilde tespiti yapılmıştır. Türkiye'deki farklı illerde mobil kameralar aracılığıyla çekilen araç görüntü verileri dört farklı derin öğrenme modeli ile eğitilerek karşılaştırılmıştır. Modeller üzerinde gerçekleştirilen eğitim ve performans testleri sonucu YOLOv8 modelinde, 0.994 mAP doğruluk ve 11.6 ms hız değerleri ile diğer modellerden daha etkili sonuç elde edilmiştir. Güncel hayatta gerçek zamanlı izleme ve doğruluk açısından kararlı bir model olduğu gösterilmiştir. Geliştirilen sistemin, bilgisayarlı görü tekniği uygulamalarına katkıda bulunmasının yanı sıra ulusal ekonomiye, toplum can güvenliğine ve çevrenin korunmasına fayda sağlayabileceği öngörülmektedir.
Bir insansız hava aracı için takipçi uçuş kontrolcüsünün uzun kısa süreli bellek tabanlı olarak geliştirilmesi
Bu tezde, simülasyon ortamında dört-rotorlu insansız hava araçları (İHA) kullanılarak lider-takipçi problemi üzerinde çalışılmıştır. Lider-takipçi problemi İHA'ların birlikte çalışmaları gereken senaryolar için oldukça önemlidir. Tez kapsamında, lider ve takipçi İHA'ların aralarında herhangi bir iletişim olmaksızın uçtukları durumda; takipçinin, lider İHA'yı takip etmesini sağlayan otonom uçuş kontrolcüsü, yalnızca takipçi üzerindeki kameradan alınan görüntüler kullanılarak geliştirilmiştir. Takipçi İHA'nın, lider İHA'dan herhangi bir şekilde konum, hız veya hareket yönü gibi bir veriyi iletişim kanallarıyla alamadığı bu durumda salt kamera görüntülerinin kullanımıyla bu kontrolcünün geliştirilebilmesi için; zaman serisi verilerini işleyebilen Uzun Kısa Süreli Bellek (LSTM) tabanlı bir çözüm önerilmiştir. Bu çözümde takipçinin lideri takip edebilmesi için sahip olması gereken yatış hızının, dalış hızının ve lider İHA'ya göre yükseklik farkının kamera görüntüleri kullanılarak tahmin edilmesi ve bu tahmin edilen bu bilgilere göre takipçi İHA'nın kontrolünün sağlanması hedeflenmiştir. Bu hedef doğrultusunda, LSTM tabanlı modelin eğitimi için gerekli olan veriseti Microsoft AirSim simülasyon ortamında lider ve takipçi İHA'lar çeşitli rotalarda, takipçi lideri takip edecek şekilde uçurularak hazırlanmıştır. Bu verisetinde, uçuş boyunca takipçi İHA'nın üzerindeki kameradan alınan görüntüler, takipçinin bu görüntülerle eş zamanlı yatış hızı, dalış hızı ve lidere bağıl olarak yükseklik farkı bilgileriyle birlikte kaydedilmiştir. LSTM tabanlı modelin performansını arttırmak amacıyla kameradan alınan görüntüler, LSTM katmanına beslenmeden önce zaman dağılımlı bir evrişimsel sinir ağından (CNN) geçirilmiştir. Bu kısımda düşük gecikme süreli bir model olması sebebiyle MobileNet tercih edilmiştir. Ayrıca, çözülmek istenen problemde görüntüler üzerinde işlemler gerçekleştirildiğinden dolayı uzamsal ilişkiler önemli olduğu için, LSTM katmanı normal LSTM'den farklı olarak literatürdeki Evrişimsel LSTM (ConvLSTM) katmanı olarak seçilmiştir. Hazırlanan veri seti ile takipçinin sahip olması gereken yatış hızını, dalış hızını ve lidere göre yükseklik farkını tahmin etmek amacıyla 3 ayrı model eğitilmiştir. Bu modeller, test aşamasında kullanılırken tahmin edilen yatış hızı ve dalış hızı bilgileri takipçiye hedef hız olarak beslenmiştir. Tahmin edilen yükseklik farkı bilgisi de takipçinin uçması gereken hedef yüksekliğin belirlenmesinde kullanılmıştır. Bu şekilde geliştirilen kontrolcünün performansı, lider İHA'nın (1) sağa ve sola manevralar yaparak sabit bir yükseklikte uçtuğu bir rotada, (2) üstten bakıldığında 8 şeklini çizecek şekilde sabit bir yükseklikte uçurulduğu bir rotada ve (3) spiral şeklindeki dairesel ve aynı zamanda yükselmeyi de içeren yörüngede uçurulduğu bir rotada test edilmiştir. Elde edilen sonuçlar, LSTM tabanlı kontrolcünün takipçinin hem yatay eksende ihtiyaç duyduğu yatış ve dalış hızlarını hem de dikey eksendeki yükseklik farkını başarılı bir şekilde tahmin edebildiğini göstermektedir. Böylece takipçi, liderin karmaşık ve dinamik hareketlerine güvenilir şekilde uyum sağlayarak takibini gerçekleştirmiştir. Bu çalışma, doğrudan iletişime ihtiyaç duymayan ve yalnızca görsel verilerle çalışan otonom lider-takipçi sistemiyle literatüre önemli bir katkı sunmaktadır. Bu yaklaşım, özellikle çoklu İHA sistemlerinde, iletişim kopukluklarına karşı dayanıklı bir çözüm sunmakta ve sahada uygulanabilirliği artırmaktadır.
Novel global optimization techniques with applications and image processing system with theoretical and computational analysis
This research introduces innovative global optimization methodologies with a focus on deterministic filled function techniques, extending their theoretical foundations and practical applications, particularly in engineering. Recognizing the limitations of conventional local optimization methods—especially in navigating complex, multimodal landscapes—this work develops novel auxiliary functions capable of systematically escaping local minima and progressing toward global optima. These new filled functions are designed to address critical shortcomings in existing methods, such as sensitivity to tuning parameters and the numerical instability caused by exponential and logarithmic expressions. The thesis begins by formulating the global optimization problem, outlining the classification of solution strategies into stochastic, heuristic, and deterministic frameworks. Emphasis is placed on deterministic methods, particularly filled function-based approaches, due to their structured nature and reproducibility. A key contribution of this work is the construction of a parameter-free, numerically stable filled functions that eliminates the need for delicate tuning and avoids computational issues common in earlier methods. This approach is theoretically validated and benchmarked across standard test functions, demonstrating superior performance in terms of convergence speed and robustness. Beyond theoretical development, the filled function methodology is extended to tackle real-world optimization problems. A significant application "The Facility Layout Problem (FLP)" are explored in depth. For FLP, the proposed technique is adapted to handle the combinatorial complexity inherent in layout design, offering efficient solutions that outperform existing methods in accuracy and computational cost. Further, the scope of this study is expanded into the domain of image processing through offering the smoothing technique used in non-smoothed algorithms. Recognizing that many image processing tasks, such as denoising and segmentation, inherently involve non-smooth objective functions, this thesis we use a smoothing-based total variation model. This model is analytically constructed to maintain fidelity to original image structures while effectively suppressing noise. The proposed method is benchmarked on several standard images and compared with widely used denoising algorithms with non-smoothed norm function showing notable improvements in image clarity and feature preservation. Through extensive experimentation and rigorous theoretical support, this dissertation establishes a versatile and powerful optimization framework that not only enhances the reliability of global searches in mathematical models but also brings significant advancements to real-world applications in engineering and image analysis. The proposed filled function approaches, with its adaptability and computational stability, contribute a robust tool for researchers and practitioners seeking optimal solutions in complex, high-dimensional problem spaces.
A content-based web image retrieval system for person identification structured on the SSIM, PSNR ve SNR
Image searching is one of the most important services that need to be supported. In general, 2 different approaches have been applied to allow searching of image collections: one is based on image textual Meta data and the other is based on image content information. Querying by is called content-based image retrieval (CBIR). CBIR systems involve research on databases and image processing, handling problems that vary from storage issues to friendly user interfaces. In this study, a computer vision method, which is a content-based web image retrieval system, is proposed for automatically identifying person. We have developed an image retrieval system named as the (PICBIR=Person identification with content based image retrieval), which uses structural similarity (SSIM) as the method for retrieving person images, similar to a given set of reference same images in a database. PSNR and SNR are among the methods that have been widely used to study images for the purpose of comparison. The FEI database was used to test the particular methods used in this study. The current database consists of 2800 images that were taken at different positions and exposures of 200 people. It has been evident that the method proposed in the inquiries that was made for different male and female samples is successful in face recognition.
EEG verileri ile derin öğrenme tabanlı epilepsi nöbeti teşhisi
Canlıların vücudunun düzenli bir şekilde işlemesini ve hayatını devam ettirmesi için gereken işleri yerine getirmesinin kontrolünü sağlayan temel organ beyindir. Bu açıdan düşünüldüğünde beynin insan hayatı için de hayati bir öneme sahip olduğu ve bu organ üzerinde meydana gelecek aksaklıkların direkt olarak vücudu etkileyeceği aşikardır. Elektroensefalografi (EGG) beyinde meydana gelen aksaklıkların tespit edilmesini sağlayan bir araç niteliğindedir ve beyinde gerçekleşen elektriksel aktivitenin sonucunda elde edilen bir sinyal türüdür. EEG sinyallerinin nörolojik hastalıklarının birçoğuna özel bilgiler taşıması da araştırmacıları bu sinyalleri incelemeye itmiştir. Beyinde meydana gelen ve EEG sinyallerinden faydalanılarak tespiti gerçekleştirilen hastalıklardan biri de gün geçtikçe görülme oranı artan ve kısıtlı imkanlar sebebiyle ölüm veya kalıcı hasarla sonuçlanabilen epilepsi hastalığıdır. Bu imkansızlıklardan doğan tehlikelerin varlığı araştırmacıları maliyeti düşük asistan sistemler önermeye sürüklemiştir. Bu çalışma kapsamında bizler de epilepsi hastalığının bu yayılışına istinaden uzmanların çevresel faktörlerden kaynaklı olarak yapabilecekleri hataları azaltmak ve bu hataların doğurabileceği telafisi zor olan veya olmayan hataların önüne geçilmesi adına bir asistan fikir oluşturmayı amaçladık. Bu doğrultuda iki farklı veri setiyle çalışmamızı gerçekleştirerek sağlıklı ve epilepsi hastalığına sahip insanların verilerini analiz edip bu analizler sonucunda deneklerin bulunduğu hallerin tespitini gerçekleştirmeyi amaçladık. Edindiğimiz bu amaç doğrultusunda The Hauz Khas veri setini ve literatürde sıklıkla kullanılan Bonn Epilepsi veri setini derin öğrenme yöntemlerinden Resnet-50, Resnet-101, AlexNet, GoogleNet ve VGG-19 yaklaşımlarını veri setlerine uygulayarak sınıflandırdık. Ancak verileri ham bir şekilde almaktansa sınıflandırma işlemine daha keskin sınırlarla tabi tutmak adına Kısa Zamanlı Fourier Dönüşümü (Short Time Fourier Transform, STFT) ve Sürekli Dalgacık Dönüşümü (Continous Wavelet Transform, CWT) yöntemlerini uygulayarak sınıflandırma doğruluğunu dolayısıyla da yöntemin kabul edilebilirliğini artırmaya çalıştık. Yapılan çalışma nihayetinde özellik çıkarım yöntemi olarak CWT kullanımının sonucunda The Hauz Khas veri seti üzerindeki preiktal ve iktal anlarını tüm sınıflandırıcılarla %100 oranında sınıflandırmayı başardık. Ayrıca Bonn veri setinin ikili sınıflandırmalarında da CWT özellik çıkarım yönteminden faydalanarak tüm sınıflandırıcılarla %100 başarı oranına ulaşırken
Bükümlü parçaların büküm açısının ölçümüne yönelik görüntü işleme tabanlı sistem geliştirilmesi
Bu tez çalışmasında, bükümlü parçaların büküm açılarının hassas biçimde ölçülmesini sağlayan düşük maliyetli ve görüntü işleme tabanlı taşınabilir bir sistem geliştirilmiştir. Sistem, galvanizli sac, DKP siyah sac ve MDF ahşap gibi malzemelerin büküm açılarını endüstriyel koşullarda doğru şekilde ölçmeyi amaçlamaktadır. Sac işleme endüstrisinde, bükümlü parçaların ölçümü genellikle zaman alıcı olup özel donanım ve uzman personel gerektirmektedir. Standart ölçüm prosedürlerinin eksikliği ve operatöre bağlılık, farklı cihazlar ya da kullanıcılar arasında tutarsızlıklara yol açmakta ve bu durum kalite kontrol maliyetlerini artırmaktadır. Bunun üzerine biri dikey diğeri yatay olmak üzere iki çizgi lazer ve bir webcam temelli görüntü alma düzeneği tasarlanmıştır. Dikey lazer, operatörün büküm hattını kolaylıkla tespit etmesini sağlarken; yatay lazer, görüntü işleme algoritmaları aracılığıyla büküm açısının hassas şekilde hesaplanmasında kullanılmıştır. Ölçüm sistemi, lazer üçgenleme prensibi temel alınarak tasarlanmış ve tersine mühendislik yaklaşımı ile üç boyutlu katı modelleme yapılmıştır. Bükümlü parça üzerine yansıtılan lazer ışığı çizgisi ortamdan ayrıştırılarak ölçülecek parçanın açı değeri hesaplanmıştır. Kamera kalibrasyonu için Zhang tarafından önerilen satranç tahtası yöntemi kullanılmış; ayrıca, ışık şiddetinin mesafeye bağlı değişimini modellemek amacıyla bir eksponansiyel kalibrasyon modeli geliştirilmiştir. Geliştirilen sistem, yaklaşık 45° ile 135° arasındaki büküm açılarına sahip galvanizli sac, DKP siyah sac ve MDF ahşap olmak üzere üç farklı numuneler üzerinde test edilmiştir. Ayrıca kırmızı, mavi ve yeşil olmak üzere üç farklı renkteki lazerin üç farklı numuneler üzerindeki performansları da karşılaştırılmıştır. Kamera parametreleri olan pozlama, kazanç, doygunluk değerleri kullanılan lazerin rengine göre optimize edilmiştir. Yapılan deneyler sonucunda önerilen sistemin ±1° hassasiyetle ölçüm yapabildiği ve kaba montaj sanayisine yönelik endüstriyel standartları karşıladığı tespit edilmiştir.
Döküm kusurlarının tespiti sürecinde görüntü özellik çıkarımı ve makine öğrenmesi kullanımı
Döküm sanayisinde yüzey kusurlarının tespiti, ürün kalitesinin artırılması ve üretim hattındaki hataların erken aşamada belirlenebilmesi açısından büyük önem taşımaktadır. Bu çalışmada, döküm parça görüntüleri üzerinden kusurların otomatik olarak tespit edilebilmesi amacıyla görüntü işleme ve makine öğrenmesi tabanlı bir sınıflandırma sistemi geliştirilmiştir. Kullanılan veri seti, Kaggle platformundan temin edilen ve hatalı-hatasız olarak etiketlenmiş 6625 görüntüden oluşmaktadır (3750 hatalı, 2875 hatasız). Görüntülerin sınıflandırılabilirliğini artırmak amacıyla Histogram of Oriented Gradients (HOG), Local Binary Patterns (LBP), Scale-Invariant Feature Transform (SIFT), Gabor filtreleri, GLCM, Wavelet dönüşümü, renk histogramı, Zernike momentleri, Hu momentleri ve Fourier dönüşümü olmak üzere toplam 10 farklı özellik çıkarım yöntemi uygulanmıştır. Çalışma kapsamında, HOG ve LBP özelliklerinin etkisi beş farklı hücre boyutu (25x25, 50x50, 100x100, 150x150, 300x300) ayrı ayrı değerlendirilmiş, her varyasyon için özgün özellik veri setleri oluşturulmuştur. Özellik vektörlerinin yüksek boyutluluğu nedeniyle, mRMR (minimum Redundancy Maximum Relevance) ve Ki-Kare (Chi-square) gibi özellik seçimi algoritmaları uygulanarak bilgi açısından en anlamlı öznitelikler belirlenmiş ve sınıflandırma modelleri bu daraltılmış veriyle yeniden eğitilmiştir. Model eğitimleri MATLAB Classification Learner aracı kullanılarak gerçekleştirilmiş ve Fine Tree, Fine KNN, Wide Neural Network, Bagged Trees, Gaussian Destek Vektör Makineleri (DVM) ve Binary GLM olmak üzere altı farklı sınıflandırma algoritması ile sonuçlar karşılaştırılmıştır. Elde edilen sonuçlara göre, en yüksek doğruluk oranı %99.7 ile 25x25 hücre boyutunda, özellik seçimi yapılmadan eğitilen Wide Neural Network modeli ile elde edilmiştir. mRMR ve Ki-Kare (χ²) yöntemleriyle yapılan özellik seçimleri, model başarısını belirli oranlarda korurken, özellikle veri boyutunun düşürülmesiyle birlikte eğitim süresinde kayda değer azalma sağlamıştır. Düşük özellikli yapıdaki 300x300 boyutunda ise ayrıca özellik seçimi uygulanmamış, mevcut haliyle yüksek performanslı sonuçlara ulaşılmıştır. Çalışma sonucunda, döküm parçalarının yüzey kusurlarının tespiti için önerilen sistemin hem doğruluk hem de işlem verimliliği açısından endüstriyel uygulamalara entegre edilebilecek nitelikte olduğu görülmüştür.
Yabani hayvanların derin öğrenme algoritmalarıyla tespit edilmesi ve uzaklaştırılması
Tarım sektöründe hayvan güvenliği, ekonomik sürdürülebilirliğin sağlanması ve hayvan refahının korunması açısından temel bir gerekliliktir. Yırtıcı hayvan saldırıları ile yetkisiz insan girişleri, çiftlik hayvanlarında kayıplara, verim düşüşlerine ve ekonomik zararlara yol açarak tarımsal üretimde ciddi tehditler oluşturmaktadır. Bu tez çalışması kapsamında, söz konusu tehditleri gerçek zamanlı olarak tespit edebilen, düşük maliyetli, taşınabilir ve caydırıcı etkiye sahip yapay zeka tabanlı bir güvenlik sistemi geliştirilmiştir. Çalışmada kullanılan veri seti 13.258 ham görüntüden oluşmaktadır. Sınıflar arasındaki dengesizlikleri gidermek amacıyla uygulanan veri artırma teknikleriyle toplam görüntü sayısı 20.510'a yükseltilmiştir. Ham veriler; çiftlik alanları, şehir merkezleri ve yırtıcıların doğal yaşam alanlarında kaydedilen sahnelerin yanı sıra yerel çiftçi kayıtları, belgesel içerikleri ve açık erişimli video kaynaklarından elde edilen karelerden derlenmiş; tüm örnekler manuel olarak etiketlenip doğrulanarak güvenilir bir veri kümesi oluşturulmuştur. Geliştirilen sistemde, step motor ve sürücülerle yönlendirilen pan–tilt mekanizmasına entegre edilmiş bir web kamerası üzerinden alınan görüntüler işlenmektedir. Sistem mimarisinde merkezi işlem birimi olarak Raspberry Pi 5, hızlandırıcı birim olarak Google Coral TPU kullanılmıştır. Motor kontrolleri Arduino Uno ile sağlanmıştır. Yazılım bileşeninde, derin öğrenme tabanlı nesne tespit modeli YOLOv11'in üç varyantı (n, s, m), herhangi bir ön işleme uygulanmamış veri seti üzerinde ve aynı eğitim parametreleri ile karşılaştırmalı olarak değerlendirilmiştir. Elde edilen sonuçlara göre YOLOv11n yaklaşık %93,7 mAP@0.5, %74,4 mAP@[.5:.95] ve 1,8 ms tahmin süresi; YOLOv11s %94,2 mAP@0.5, %76,5 mAP@[.5:.95] ve 4,4 ms tahmin süresi; YOLOv11m ise %94,3 mAP@0.5, %77,1 mAP@[.5:.95] ve 10,7 ms tahmin süresi elde etmiştir. Parametre sayısı, çıkarım süresi ve gömülü kullanım kısıtları birlikte değerlendirildiğinde, hız–doğruluk dengesi açısından YOLOv11s en uygun seçenek olarak belirlenmiştir. Uygulama aşamasında YOLOv11s modeli, veri artırma ve ön işleme adımlarıyla yeniden eğitilmiş, optimize edilmiş ve Coral TPU üzerinde çalıştırılmak üzere TFLite formatına dönüştürülmüştür. Doğrulama sonuçlarında model %92,6 mAP@0.5, %87,6 geri çağırma ve %89,9 hassasiyet değerlerine ulaşmış; özellikle yırtıcı hayvan sınıflarında metriklerin çoğu %90'ın üzerinde seyretmiştir. Saha testleri, sistemin 10–15 FPS hız aralığında, 1–10 m mesafedeki hareketli nesneleri 3–10 km/s hız aralığına kadar doğru biçimde tespit edebildiğini ve 360° takip gerçekleştirdiğini; ayrıca 0,8 s aralıklarla 6 mm çapında zararsız materyal fırlatarak caydırıcı müdahale sağlayabildiğini göstermiştir. Ek olarak sistem, tespit edilen nesnelere ait görüntüleri sınıf bazlı olarak arşivleyip ileride veri kümesinin genişletilmesine yönelik otomatik veri toplama işlevi de sunmaktadır. Bu tez çalışması yapay zeka ve gömülü sistem teknolojilerini bütünleşik bir yapıda bir araya getirerek tehdit tespiti, takip ve caydırıcı müdahaleyi eşzamanlı gerçekleştiren kompakt, maliyet etkin ve uygulanabilir bir akıllı güvenlik sistemi ortaya koymaktadır. Geliştirilen sistemin, tarım ve hayvancılık uygulamalarında güvenliği artırmaya, müdahale süresini kısaltmaya ve potansiyel kayıpları azaltmaya anlamlı katkı sunacağı değerlendirilmektedir.
Robotik kaynakta mekanik geri besleme ve yapay zeka tabanlı optimizasyon
Robotik kaynak sistemleri, modern üretimde yüksek hassasiyet, tekrarlanabilirlik ve verimlilik sağlamaları nedeniyle önemlidir. Ancak üretim kalitesini düşüren en temel sorunlardan biri, kaynak dikişinde oluşan sapmaların anlık olarak düzeltilmemesidir. Bu sapmalar doğrudan kalite kaybına ve maliyet artışına yol açmaktadır. Isıl deformasyonlar, parça toleranslarındaki farklılıklar, programlama hataları ve sürece eklenen manuel kalite kontrol adımları gibi çok sayıda faktör de üretim verimliliğini düşürmektedir. Bu nedenle endüstriyel otomasyonun bu çok faktörlü zorluklarına çözüm sunacak otomatik, hızlı ve güvenilir optimizasyon sistemlerinin geliştirilmesi kritik öneme sahiptir. Bu tezde, mekanik geri besleme tabanlı yörünge takip sistemi ve yapay zeka destekli kusur ve dikiş sapma tespiti sistemi olmak üzere iki temel çözüm sunulmuştur. Bu sistemlerin her ikisi de bağımsız olarak modellenmiş, test edilmiş ve performansları analiz edilmiştir. Mekanik geri besleme sistemi, entegre analog açı sensörleri aracılığıyla, temas tabanlı bir yaklaşımla kaynak dikişindeki sapmaları anlık olarak tespit eder ve bu veriyi yörünge düzeltmesi için kullanır. Simülasyon ve saha verileri arasında %96-98'lik bir uyumla doğrulanan bu yaklaşım, yüksek bir yörünge takip performansı sergilemiştir. Saha deneylerinde sistem hibrit FCM-PID kontrol algoritması ile başlangıçtaki 25 mm'lik yörünge sapmasını 4-5 saniyelik yerleşme süresiyle dengeleyerek nihai konumsal hatayı ±500 µm mertebesine indirmiştir. Geliştirilen bulanık kurallar aracılığıyla osilasyon seviyeleri de dikkate alınarak klasik PID kontrole kıyasla yerleşme süresi %14'ten fazla kısaltan bu hibrit yaklaşım, sistemin endüstriyel uygulamalardaki etkinliğini kanıtlamıştır. Yapay zeka tabanlı sistemde, YOLOv5-s ve YOLOv8-m modelleri, kaynak dikişi sapmalarını ve kusurlarını tespit etmek üzere özgün bir veri setiyle eğitilmiştir. Deneysel sonuçlar, model performansının eğitim verisi miktarıyla doğrudan ilişkili olduğunu ortaya koymuştur. Özellikle kaynak kusuru tespitinde, eğitim verilerinin %30 ve epoch sayısının %25 artırılmasıyla YOLOv8-m modelinin F1 ve güven skorlarında belirgin bir artış gözlemlenmiştir. Bu bulgu, sistemin veri artırımı yoluyla öğrenme ve genelleme kabiliyetinin yüksek olduğunu göstermektedir. Sonuç olarak bu tez çalışması, robotik kaynak otomasyonu için hem bağımsız hem de entegre çalışabilen robotik kaynakta sıkça karşılaşılan sapma ve kalite kontrol sorunlarına çözüm sunmaktadır. Geliştirilen sistemler, endüstriyel uygulamalarda karşılaşılan farklı gereksinimlere yönelik esnek, düşük maliyetli ve yüksek performanslı alternatifler sağlamaktadır.
Öz bilgi destekli derin öğrenme yaklaşımları ile hsg gürültü giderme
Hiperspektral görüntülerin (HSG'lerin) çevre izleme, hedef tespiti ve sınıflandırma gibi alanlardaki kullanımı hayati önem taşımaktadır. Ancak, gürültü etkisiyle meydana gelen bozulmalar HSG'lerin etkinliğini önemli ölçüde engellemektedir. Bu durum, HSG'lerden elde edilen verilerin doğruluğunu ve güvenilirliğini olumsuz etkilemektedir. Bu nedenle, anlamlı bilgiyi HSG'lerden doğru bir şekilde çıkarmak için gürültü giderme kritik öneme sahiptir. Geleneksel gürültü giderme yöntemleri, başlangıçta iki boyutlu (2B) görüntü tekniklerinden uyarlandığı için önemli olan uzamsal-spektral korelasyonları göz ardı etmektedir. Bu da spektral bozulmalara yol açmaktadır. HSG gürültü gidermedeki son gelişmeler, karmaşık optimizasyon süreçleri kullanarak uzamsal-spektral korelasyonlardan faydalanmaya odaklanmıştır. Ancak bu durum da hesaplama verimliliğini olumsuz etkilemektedir. Son zamanlarda, derin öğrenmenin popülerliği ile birlikte, Evrişimsel Sinir Ağları (ESA) tabanlı yaklaşımlar, geleneksel yöntemlere göre önemli gelişmeler göstererek HSG gürültü giderme yöntemlerinde yeni bir dalga yaratmıştır. ESA'lar güçlü model varsayımlarından faydalanarak HSG gürültü gidermede etkili öznitelik çıkarmak için kullanılmaktadır. Bu veri odaklı modeller, gürültülü HSG'lerden temiz HSG'lere otomatik olarak bir eşleme öğrenmektedir. Ancak, ESA'lar farklı giriş içeriğinin kendine özgü özelliklerine adapte olma ve uzamsal-spektral alan içindeki uzun menzilli bağımlılıkları yakalama konusunda zorluklarla karşılaşmaktadır. Bu tez, Derin Sinir Ağları (DSA) kullanarak HSG'lerden gürültü gidermeyi ve restorasyon işlemini gerçekleştirmeyi amaçlamaktadır. Yukarıdaki zorlukların üstesinden gelebilmek için, HSG gürültü giderme işlemine özel olarak uyarlanmış yeni öz-bilgi destekli dinamik mimariler önermekteyiz. Dinamik mimariler, derin öğrenme alanında hızla gelişen bir alan olarak, statik modellere göre önemli bir avantaj sunmaktadır. Statik muadillerinin aksine, dinamik ağlar yapılarını veya parametrelerini her yeni girdi için çıkarım aşamasında uyarlayabilmektedir. Bu uyarlanabilirlik, hesaplama verimliliğinden ödün vermeden elde edilen daha iyi doğruluk, daha güçlü temsil yeteneği ve genelleme yeteneği olmak üzere üç önemli fayda sağlamaktadır. İlk olarak, uzamsal-spektral bilgiye dayalı adaptif öznitelik dönüşümünü sağlayan Spektral Öz Modülasyonlu Kalıntı Blokları (Self-Modulating Residual Blocks-SSMRB) ile donatılmış Öz-Modülasyonlu ESA (Self-Modulating Convolutional Neural Networks; SM-CNN) ağımızı tanıtmaktayız. Özellikle, SSMRB'nin eklenmesi, gürültü giderme ağımızı, her giriş HSG'sinin uzamsal-spektral özelliklerine göre gürültü giderirken tahmin edilen özniteliklerini uyarlayan dinamik bir ağa dönüştürmektedir. Gürültü gidermeyi, banttan banda uzamsal bilgiyi tarayarak ve uzamsal bilgi ile birlikte bitişik spektral bilgiyi kullanarak gerçekleştirmekteyiz. Bu mimari sayesinde, farklı uzamsal-spektral özelliklere sahip test verileri tek bir model ile gürültüden arındırılabilmektedir. Sonuçların nitel ve nicel değerlendirmesi, önerilen modelin hem yapay hem de gerçek verilerde diğer tek model algoritmalardan daha verimli olduğunu göstermektedir. Ancak, bu modelimiz, global bilgileri etkili bir şekilde yakalayamamasından dolayı son zamanlarda önerilen Dönüştürücü tabanlı modellere göre daha düşük performans sergilemektedir. Hem yerel detayları hem de uzamsal olarak uzak bölgeleri inceleyerek, uzun menzilli bağımlılıkların ortaya çıkarılması görüntünün daha kapsamlı bir şekilde anlaşılmasına katkıda bulunmaktadır. Öz-dikkat mekanizmasına sahip olan Dönüştürücü'ler, uzun menzilli bağımlılıkları yakalama yetenekleri nedeniyle giderek daha yaygın kullanılmaktadır. Ancak, Dönüştürücü'leri lokal özellikleri öğrenmeleri için eğitmek genellikle önemli miktarda veri gerektirmektedir ve bu veri HSG'lerde kolayca bulunamayabilir. Ek olarak, HSG'lerdeki yüksek bant sayısı, özellikle öz-dikkat hesaplamaları için Dönüştürücü'lerde bellek kullanımını ve hesaplama karmaşıklığını artırabilmektedir. Bu sorunları ele almak için, ESA'ların güçlü yönü olan lokal öznitelik çıkarımını, Dönüştürücü yapısının uzun mesafeli bağımlılık modelleme becerisi ile birleştiren Hibrit ESA-Dönüştürücü modeli olan 3B evrişim ağı ile Kanal-bazlı ve Spektral Dönüştürücü (Channel-wise and Spectral Transformer with 3D convolution network; CST3D) sunmaktayız. CST3D, spektral ve kanal bazlı öz-dikkat mekanizmalarını, öğrenilebilir modülatörlerle entegre ederek, ilgili spektral bantları önceliklendirmeyi ve dikkat odağını güçlendirmeyi sağlamaktadır. Bu hibrit yaklaşım, ESA ve Dönüştürücü bireysel modellerin sınırlamalarını aşarak üstün gürültü giderme performansı ve farklı veri kümelerine genelleştirilebilme imkanı sunmaktadır. Deneysel sonuçlar, yaklaşımımızın HSG'lerden farklı türdeki gürültüyü etkili bir şekilde giderdiğini ve klasik, CNN tabanlı ve diğer hibrit modeller dahil olmak üzere günümüzün en son teknoloji modellerinden daha iyi performans gösterdiğini ortaya koymaktadır. Diğer yandan, sinir ağlar genellikle gözetimli öğrenme yöntemiyle eğitilmekte ve daha sonra görülmemiş veriler üzerinde test edilmektedir. Gözetimli öğrenme büyük miktarda veri gerektirmektedir ve aynı zamanda temiz görüntülere de ihtiyaç duymaktadır. Ancak, HSG'ler için çok sayıda görüntü toplamak ve temiz görüntüler elde etmek zor ve masraflıdır. Sonuç olarak, bu gibi durumlarda sinir ağlarını gözetimli öğrenme yöntemleriyle eğitmek zorlu hale gelmektedir. Dinamik modeller veri adaptasyonunu artırmada etkili olsa da, HSG verisinin önemli spektral değişkenlik gösterdiği durumlarda performans düşüşleri yaşanabilmektedir. Bu çalışmada önerdiğimiz iki aşamalı öğrenme stratejisi hem ön öğrenmeyi hem de öz-gözetimli kalibrasyonu kullanmaktadır. İlk aşama, modeli gürültülü ve temiz veri çiftleri üzerinde eğitmek için gözetimli öğrenmeyi içermektedir. İkinci aşama, yalnızca gürültülü verileri kullanarak öz-gözetimli kalibrasyonla modeli belirli gürültü çeşitlerine uyarlamaktadır. Bunun için, orta spektral bandı tahmin etmek amacıyla komşu bandın bilgilerini hedef olarak kullanmaktayız. Ağın anlamlı ilişkileri öğrenmesini ve yalnızca girdiyi kopyalamayı engellemek için, hedef bandı giriş verilerinden stratejik olarak hariç tutarak kör bir nokta oluşturmaktayız. Bu nedenle, öz-gözetimli öğrenme tekniğimize Kör Bant Öz-gözetimli (Blind Band Self-Supervised; BBSS) öğrenme adı verilmektedir. Yaklaşımımızın, sinir ağı daha önce gözetimli öğrenmede belirli gürültü modelleriyle karşılaşmamış olsa bile, gürültülü HSG'ler için modelin doğruluğunu artırdığı gösterilmektedir. Çalışmalarımız, HSG gürültü giderme için dinamik derin öğrenme mimarilerine doğru bir paradigm değişikliğini temsil etmektedir. Bu yaklaşım, gerçek dünya senaryolarında daha iyi doğruluk, hesaplama verimliliği ve genelleme yeteneklerinin vaadini taşımaktadır. Ek olarak, modelleri öz-kalibre etme yetenekleriyle donatarak, böylece temiz veri olmadan bile daha öncede görülmemiş ve potansiyel olarak gürültülü verilere uyum sağlama ve genelleme yeteneğini güçlendirmek amaçlanmaktadır.
Addressing the data diversity gap with uniquely generated synthetic videos for real-world human action recognition
Recognition of human actions using machine learning requires substantial datasets to develop robust models. However, obtaining such real-world data is challenging because it is a costly and time-consuming process. In addition, existing datasets mostly contain indoor videos due to the issues in capturing pose data outdoors. Synthetic data have been employed to overcome these difficulties, yet the currently available synthetic data lack both photorealism and diversity in their features. In this paper, we present the NOVAction engine for generating photorealistic synthetic human action sequences captured from diverse viewpoints to improve action recognition performance. We use NOVAction to create the NOVAction23 dataset comprising 25,415 human action sequences (available at \url{https://graphics.cs.hacettepe.edu.tr/NOVAction}). In NOVAction23, the performed motions and the viewpoints are varied on the fly through procedural generation, so that, for a given animation class, each generated sequence features a unique motion acted by one of the 1,105 synthetic humans captured from a unique viewpoint. We evaluate NOVAction23 by training three state-of-the-art recognizers on it, in addition to the NTU 120 dataset. Our results are further validated through real-world videos from YouTube. The findings confirm that the NOVAction23 dataset can enhance the performance of state-of-the-art video classification for human action recognition.
Ataletsel ölçüm birimi destekli kızılötesi görüntüleme sistemi tasarımı
Kızılötesi (KÖ) görüntüleme sistemleri sivil ve askeri görüntüleme uygulamalarında sıklıkla kullanılmaktadır. Elektromanyetik spektrumun kızılötesi bölgesindeki dalgaboylarında yapılan elektromanyetik yayılımları algılamak üzere odaksal düzlem dizisi (İng. focal plane array) şeklindeki kızılötesi görüntü algılayıcıları (İng. image sensors) kullanılmaktadır. Çeşitli optik elemanlar aracılığıyla odaklanan ve odaksal düzlem dizisi üzerine düşürülmesi sağlanan kızılötesi ışınım belirli bir pozlama süresi (İng. integration time) boyunca algılayıcı tarafından emilir ve daha sonra okuma devreleri aracılığıyla analog elektriksel sinyal olarak okunur. Elde edilen KÖ görüntünün bulanık olmaması için gerekli şartlardan biri pozlama süresi boyunca görüntülenen nesne ile görüntü algılayıcısının birbirlerine göre bağıl hareketlerinin sıfır olması veya kabul edilebilir bir sınırın içinde kalması gerekliliğidir. Görüntülenen nesnenin ya da görüntüleme sisteminin pozlama süresi boyunca yaptığı hareket KÖ görüntü de bulanıklığa neden olacaktır. Bu tez çalışması kapsamında, KÖ görüntüleme sistemi hareketinden kaynaklı ortaya çıkan bulanıklık incelenmiş ve modellenmiştir. Bulanıklığın nicel olarak hesaplanabilmesi için KÖ görüntüleme sistemi hareketini ölçmek amacıyla ataletsel ölçüm birimi (İng. inertial measurement unit) verisi kullanılmıştır. Böylece pozlama süresi boyunca KÖ görüntüleme sistemine ait Ataletsel Ölçüm Birimi (AÖB) verisi kullanılarak her bir piksele ait nokta yayılım fonksiyonunu (İng. point spread function) hesaplayan yazılım geliştirilmiştir. KÖ görüntüleme sistemi hareketinden kaynaklı bulanıklık hesaplandıktan sonra, oluşan bulanıklık görüntü işleme teknikleri kullanılarak yok edilmeye çalışılmıştır. Bulanıklığı gidermek üzere literatürde kullanılan görüntü işleme teknikleri incelenmiş ve başarımlarını test etmek amacıyla MATLAB ortamında benzetimler yapılmıştır. MATLAB ortamında test edilen bulanıklık giderici algoritmaların gerçek zamanlı olarak FPGA üzerinde uygulanabilirliği araştırılmış ve bunun için gerekli donanım ve yazılım kaynakları belirlenmeye çalışılmıştır. Seçilen bir bulanıklık giderici algoritmanın gerçek zamanlı tasarımı birebir FPGA IP çekirdekleri kullanılarak Xilinx System Generator ortamında yapılmıştır. Gerçek zamanlı görüntü netleştirme biriminde hafıza olarak SDRAM kullanımı durumunda, 2B-FFT uygulanmasında kullanılacak devrik alma işleminden dolayı ortaya çıkacak sorunlar incelenmiştir. Bu hafıza kullanılarak bir görüntünün devriğinin (İng. transpose) alınmasının tüm gerçek zamanlı görüntü işleme akışını yavaşlatacak düzeyde uzun olacağı anlaşılmıştır. Görüntünün daha hızlı devriğinin alınması ve hafızayı daha verimli kullanmak üzere Corner Turn Matris isimli yöntem incelenmiştir. Corner Turn Matris yöntemiyle daha hızlı devrik alınması işlemi System Generator ortamında tasarlanmıştır. System Generator ortamında tasarlanan bulanıklık giderici algoritmaya ait benzetimler yapılmış ve sonuçlar MATLAB sonuçları ile karşılaştırılmıştır. Bulanıklık giderici algoritmanın bazı kritik alt IP çekirdekleri Xilinx Zynq SoC (İng. system-on-chip) taşıyan geliştirme kartı kullanılarak gerçek zamanlı olarak test edilmiştir. Gerçek zamanlı olarak uygulanmayan diğer bulanıklık giderici algoritmaların MATLAB benzetimleri yapılmıştır. Tez çalışması sonucunda, KÖ görüntüleme sisteminin pozlama süresi boyunca bir senaryo dahilinde yaptığı hareketin oluşturduğu bulanıklık nicel olarak hesaplanabilmektedir. Ardından bu bulanıklık belirli şartları sağlıyorsa System Generator ortamında tasarlanan bulanıklık giderici algoritma kullanılarak yok edilebilmektedir. Bazı tipteki bulanıklıklar için System Generator uygulamasının başarımı düşük kalabilmektedir. Bu tip bulanıklıklar MATLAB ortamında uygulanan tekrarlayan en küçük kareler (İng. iterative least squares) yöntemi tabanlı bulanıklık giderici algoritma kullanılarak yok edilebilmektedir.
İnşaat demiri paketlerinde görüntü işleme ile yüksek doğrulukta demir çubuk sayımı
Demir çelik sektöründe demir çelik ürünlerinin kalite kontrol süreci son derece önemlidir. Döküm sürecinden paketlemeye kadar üretimin her aşamasında çok büyük miktarlarda enerji tüketilir. Demir çelik fabrikaları çevresel ortamın çok tozlu olduğu ve yüksek sıcaklık şartlarının bulunduğu ortamlardır. Bu çalışmada, depolama alanında bulunan çelik inşaat demiri sayımı ele alınmıştır. Demir çelik fabrikalarında çelik inşaat demiri paketinin yeniden sayılması gerektiğinde bu iş için personel görevlendirilir. Yüksek sıcaklık şartlarında insan gözüyle demir çubuk sayımı zorlu bir süreçtir. Bir diğer demir çubuk sayma alternatifi ise çelik inşaat demiri paketinin tartılmak üzere vinç sistemi ile taşınmasıdır. Her ikisi de zaman ve enerji tüketen yöntemlerdir. Bu çalışmada, inşaat demiri paketlerinin akıllı telefon kamerasıyla görüntüleri çekilerek demir çubuk sayımı için algoritma geliştirilmiştir. Boyama eksikliği, uygun olmayan çevresel ortam, bozuk kesim uçları, çelik nervür özellikleri, depolama alanının yetersiz aydınlatılması gibi unsurlara rağmen, geliştirilen algoritma yüksek doğrulukta sayım yapabilmektedir.
Türevlenebilir işleme ile kamera yeniden konumlandırma
Kamera yeniden konumlandırma ve ara sahne tahmini, geniş bir araştırma yelpazesinde önemli konular olup, yapay zekâ ve robotik gibi alanlarda sıklıkla kullanılmaktadır. Bu teknikler, görsel bağlamı anlama ve nesne takibi gibi görevlerde derin öğrenme ile birleştirilerek otonom sistemlerde etkili bir şekilde kullanılmaktadır. Bununla birlikte, 3B görüntü çalışmaları, bilgisayar grafikleri alanında en popüler çalışma alanlarından biri haline gelmiştir. Bu tezde, ilk olarak eniyileme tabanlı bir kamera yeniden konumlandırma yaklaşımı önerilmiştir. Farklı eniyileme yöntemleri üzerinde test edilen bu yaklaşım, belirli bir kaynak sahne üzerinden hedef sahne için kamera konumlandırma işlemini başarıyla gerçekleştirmiştir, bu da 4.24 cm'ye kadar mesafe ve 3.005 dereceye kadar açıyla mümkün olmuştur. Ayrıca bu tez kapsamında derin öğrenme tabanlı 3B ara sahne üretimi çalışması gerçekleştirilmiştir. 3B bilgisayar grafikleri, derin öğrenme ve evrişimsel sinir ağları kullanılarak sentezlenen bu çalışma, kamera konumu bilinen ya da tahmin edilen iki sahne arasındaki sahnenin tahmin edilebildiği bir yöntem geliştirmiştir. Elde edilen görseller, yöntemin başarımını göstermektedir. Ayrıca, bu yöntemin video sabitleme problemi üzerinde test edilmesi sonucunda, ara sahne üretme yönteminin video sabitleme konusunda metrikleri iyileştirdiği raporlanmıştır.
Akciğer kanserinin tespit edilmesinde derin öğrenme algoritmalarının kullanılması
Türkiye'de yılda 163.500 civarında yeni kanser vakası teşhis edilmektedir. Akciğer kanseri, gelişmiş ülkelerin çoğunda olduğu gibi ülkemizde de kanserden dolayı meydana gelen ölümlerinin başını çekmektedir. Dolayısıyla başarılı ve erken teşhis hayati önem taşımaktadır. Akciğer kanseri BT görüntülerideki kanserli dokuların tanısında kullanılacak olan derin öğrenme metotları ile, akciğer kanseri teşhisinde derin öğrenme alanında çok az sayıda araştırma vardır. Bu sebepten dolayı yapılan çalışmada PET/BT görüntüleri üzerinden akciğer kanseri tümörlü doku tespiti için bir derin öğrenme modeli önerilmiştir. Oluşturulan derin öğrenme modellerinde veri seti olarak iyi ve kötü huylu tümör bulunan 38 farklı hastadan 1968 tane BT görüntüsü kullanılmıştır. Yüksek lisans çalışmasında, akciğer kanserinin teşhisi öncesi sınıflandırma için derin öğrenme modelleri kullanılmıştır. Veri seti önce iyi ve kötü huylu tümör bulunma durumlarına göre etiketlenmiştir. Hastalardan alınan BT görüntülerine görüntü işleme metotlarından histogram eşikleme yöntemi uygulanmıştır. Histogram eşikleme metodu uygulanan veriler iyi ve kötü huylu olarak etiketlenmiş, % 80'i eğitim, % 20'si test olacak şekilde ayrılmıştır. Ayrılan bu veri setine önerilen CNN derin öğrenme modeli uygulandığında doğruluk oranı % 98.48 olarak tespit edilmiştir. Oluşturulan veri setinin DNN derin öğrenme modelindeki doğruluk oranı ise % 93.65 olarak tespit edilmiştir. Literatürdeki diğer çalışmalarla karşılaştırıldığında önerilen derin öğrenme modellerinin daha yüksek doğruluk oranına sahip olduğu görülmüştür.
Bilgisayarlı görme yöntemleri ile yoklama listelerinin dijital ortama aktarılması ve imza sahteciliği tespiti
Bu tezde, bilgisayarlı görme yöntemleri kullanılarak yoklama listelerinin dijital tabloya aktarılması için iki yöntem önerilmiştir. Önerilen yöntemler kullanılarak öğrencilerin devam sayıları otomatik olarak hesaplanmıştır. Ön işleme adımında fotoğraftaki yoklama kağıdı ve yoklama kağıdındaki imza hücreleri görüntü işleme yöntemleri kullanılarak tespit edilmektedir. İmza tespiti için önerilen birinci yöntem "Kenar ve İskelet Yöntemi"dir. Bu yöntemde, hücrenin imza içerip içermediği sonucuna varmak için hücre kenarlarının ve iskelet yapılarının yatay ve dikey piksel sayıları geliştirilen algoritmada kullanılır. İkinci yöntem 64 ve 128 filtreli Konvolüsyonel Sinir Ağları (CNN) kullanılarak geliştirilmiştir. Eğitilen CNN'ler hücrede imza bulunmasını tahmin eder. Yoklama listelerindeki imza tespiti için geliştirilen yöntemlerin tahmin doğrulukları şu şekildedir: Kenar ve İskelet Yöntemi %97.61, 64 filtreli CNN %98.39 ve 128 filtreli CNN %98.48'dir. Yöntemlere karşılık gelen yürütme süreleri 64.24, 82.07 ve 92.81 saniyedir. Bu nedenle, yöntemlerin tahmin oranları çok yakınken, Kenar ve İskelet yöntemi, yürütme zamanı türünden, CNN tabanlı yöntemlerden %27.76 ve %44.47 daha yüksek performans gösterir. Ayrıca, yoklama kağıdındaki imza sahteciliği için bir yöntem daha önerilmiştir. Yöntem CNN kullanılarak geliştirilmiştir ve %89.47 başarı oranı ile muhtemel imza sahteciliği ile ilgili bilgilendirme yapar. Anahtar Kelimeler: Bilgisayarlı görme, Konvolüsyonel sinir ağları, Görüntü işleme, Optik karakter tanıma, Şekil iskeleti, Canny kenar tespiti 2021, 94 sayfa