Görüntüdeki nesneleri çevreleme yöntemleri

Bu tez çalışmasında, literatürde aktif çevreleme yöntemleri (active contour models-ACMs) olarak adlandırılan ve görüntüdeki herhangi bir nesnenin çevrelenmesini sağlayan yöntemler incelenmiştir. Bölütleme işleminde görüntü içerisindeki homojen renk dağılımı sergileyen pikseller gruplanmaktadır. ACM'ler, görüntü işleme alanındaki bölütleme konu başlığı altında incelenmektedir. ACM'deki temel amaç, ön plan nesnesi ile arka plan bölgesini birbirinden ayıran sınır hattının keşfedilmesidir. Literatürdeki ACM'ler incelendiğinde kenar tabanlı ve alan tabanlı olmak üzere iki sınıfa ayrıldığı görülmektedir. Alan tabanlı ACM'ler, "ön plan nesnesi görüntünün orta kısmında olur" fikrine dayanmaktadır. Kenar tabanlı yöntemler, orijinal görüntü fonksiyonunun sürekli bir yaklaşımını kullanmıştır. Kenar tabanlı ACM'ler, nihai çevrelemeye ulaşmak için görüntü gradyanına dayalı kenar algılama yöntemi kullanmıştır. Alan tabanlı yöntemlerin doğruluk ve performans açısından kenar tabanlı yöntemlerden iyi olduğu bilinmektedir. Bu nedenle tez çalışmasında alan tabanlı yöntemlere odaklanılmıştır. Alan tabanlı yöntemlerden kısaca bahsetmek gerekirse; Mumford-Shah yönteminin geliştirilmiş bir versiyonu olan C-V yöntemi, gradyan kullanımına ihtiyaç duymadan ön plan nesnesini çevreleyen sınır hattını tespit edebilmektedir. SBGFRLS yöntemi, görüntüdeki nesneleri kaplayacak bir maskeyi sürekli güncelleyerek ön plan nesnesini arka plandan ayırmaya çalışmaktadır. ORACM, SBGFRLS yönteminin geliştirilmiş bir versiyonudur. ORACM parametre gerektirmeyen ve daha az zaman gerektiren, alan tabanlı ACM'dir. Bulanık enerji tabanlı aktif çevreleme yöntemi (FACM), yukarıda bahsedilen klasik yöntemlerden farklı olarak aktif sınır hatlarını tespit etmek için bulanık mantık teorisini kullanmaktadır. FACM, global ve lokal görüntü bilgisini birlikte kullanmaktadır. Tez kapsamında FACM yöntemi detaylı bir şekilde incelenmektedir. Bu tez çalışmasında alan tabanlı ACM'lerin uygulamaları Matlab kullanılarak gerçekleştirilmiştir. Farklı yapılara sahip gerçek görüntüler kullanılarak test edilen yöntemlerin üstünlük ve eksiklikleri kapsamlı bir şekilde irdelenmiştir. Sonuç olarak, FACM ve ORACM yöntemlerinin aktif sınır hattını doğru bir şekilde keşfettiği ve birbirine yakın sonuçlar ürettiği görülmüştür. ANAHTAR KELİMELER: Aktif Çerçeveleme Yöntemleri, C-V, ORACM, SBGFRLS ve FACM