Video processing methods robust to illumination variations

Hareketli gölgeler imge ayrıştırma ve nesne takibi gibi çeşitli uygulamalarda sorunlar teşkil etmektedir. Bu sorunların ana sebebi gölge piksellerinin hedef pikselleri olarak yanlış sınıflandırılmasıdır. Bu nedenle, doğru ve güvenilir bir gölge tesbit yönteminin kullanımı, ileri video işleme uygulamalarının gerçekleştirilebilmesi için şarttır. Tezin ilk bölümünde, hareketli gölge tesbiti için cepstrum tabanlı bir yöntem sunulmaktadır. Önerilen yöntem, iyi bilinen açık hava ve kapalı ortam video örneklerinde kıyaslama amacıyla test edilmiştir.Önceki yaklaşımların üzerine sağlanan iyileştirmelerin gösterilmesi amacıyla, nicel ölçütler tanıtılmış ve bu ölçütlere dayalı karşılaştırmalar yapılmıştır.Çoğu video işleme uygulaması; gözetleme, izleme ve video sıkıştırma gibi gerçek zamanlı uygulamalarda nesne takibinin temel işlem olması sebebiyle nesne takibini gerektirir. Bu nedenle, bir nesnenin değişen ışık koşulları altında doğru takibi güvenilirlik açısından çok önemlidir. Bilindiği üzere gözlenen ortam ve hedef üzerinde oluşan ışık değişiklikleri, takipçinin hedefi kaybetmesine sebep olması yönüyle güvenilir nesne takibinin önünde bir engel teşkil etmektedir. Tezin ikinci bölümünde, bu sorunun üstesinden gelmek amacıyla iki boyutlu (2B) cepstrum kullamına dayalı bir yaklaşım önerilmiştir. Hedef bölgesinden elde edilen cepstral alan özellikleri kovaryans takip algoritmasına tanıtılmış ve deneysel olarak hedef bölgesinin 2B-cepstrum analizinin değişen ışık koşullarına karşı getirdiği dayanıklılık gözlemlenmiştir. Diğer bir katkı ise kovaryans matris tabanlı nesne takip yönteminin yerine kullanılabilecek ko-fark matris tabanlı nesne takip yönteminin geliştirilmesidır.Çoğu hedef takip yönteminin sorunlarından biri, genelde ışık değişikliklerinden kaynaklanan hedef kaybı durumu için oluşturulmuş, iyi kurulmuş bir tesbit mekanizmasının bulunmayışıdır. Tezin son bölümünde, hedef kaybı tesbiti için güven aralığı tabanlı istatistiksel bir yöntem geliştirilmiştir. Hedefin özellik vektörünün yığmalı dağılım fonksiyonunun üst ve alt sınır fonksiyonları, verilen bir güven düzeyi için tahmin edilir. Hedef bölgesi olarak tahmin edilen bölgenin tahmini yığmalı dağılım fonksiyonunun sınırları aşması durumunda hedefin takip algoritması tarafından artık takip edilmediği sonucuna varılır. Bu yöntem hedef imge bölgesinin özelliklerini kullanan çoğu hedef takip algoritmasına uygulanabilir.