Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2013
Tezin Dili: Türkçe
Öğrenci: YUSUF SOYMAN
Danışman: HAKKI ALPARSLAN ILGIN
Özet:Nesne tanıma üzerine literatürde bütünsel yöntemlerden dönüşüm ? arama tabanlı yöntemlere çok sayıda yöntem önerilmiştir. Bu yöntemler rotasyon, ölçekleme, öteleme, kapatma (occlusion) ve arka plan gürültüsü gibi etkiler karşısında yüksek yanlış alarm oranıyla nesne tanımayı gerçekleştirmektedir. Düşük yanlış alarm oranıyla nesne tanımayı gerçekleştirmek için rotasyon, ölçekleme ve öteleme etkilerinden bağımsız, kapatmaya ve arka plan gürültüsüne dayanıklı bir öznitelik tabanlı nesne tanıma yöntemi kullanılmıştır. Kullanılan yöntemi oluşturan öznitelik çıkartımı ve sınıflandırma gibi işlemler parametrik olarak incelenmiştir. Farklı parametreler kullanılarak gerçekleştirilen deneysel çalışmalar sonucunda performans başarımları elde edilmiştir. Karşılaştırmalı çalışma sonucunda bu parametrelerin nesne tanıma performansına etkileri belirtilmiştir.AbstractIn the literature of the object recognition, there have been various proposals ranging from global methods to transformational-search based methods; yet these methods do not promise object recognition with low false alarm rate under the impacts of rotation, scaling and translation (RST), occlusion and background clutter effects. In order to recognitize the objects with low false alarm rate a feature-based object recognition method which is RST invariance and robust to occlusion and background clutter has been utilized. The components of the utilized method such as feature extraction and classification have been checked out parametrically. As a result of experimental studies with the usage of different parameters successful performances have been attained. In consequence of contrasting studies the effects of these parameters upon object recognition have been emphasized.