Görüntü bölütlemede filtreleme ve örnekleme önişleme adımlarının incelenmesi

Abstract

Bir resimden anlamsal veri çıkarımı için bir işlemler serisi uygulanır ve bu işlerden biri de görüntü segmentasyonudur. Görüntü segmentasyonu, görüntüyü her bir parça renk ve desen gibi benzer parçalar olacak şekilde küçük parçalara (segmentlere) ayırır. Bu tezde, önişlem yöntemlerinin resim segmentasyonu üzerine etkileri farklı açılardan incelenmiştir. İlk olarak, ön işlem metotlarından biri olan Peer Group Filtering görüntüler üzerine uygulanmış ve görüntü segmentasyonu üzerine etkileri incelenmiştir. Peer Group Filtering algoritması resimdeki gürültüleri yok etmek ve resimdeki renk değişikliklerini düzeltmek için kullanılmaktadır. İkinci olarak, diğer bir görüntü segmentasyonu ön işlemi olan Lloyd?s örnekleme algoritması uygulanmış ve görüntü segmentasyonuna katkısı incelenmiştir. Llody?s örnekleme algoritması görüntüdeki renk sayısını azaltılmaktadır. Son olarak, iki farklı segmentasyon algoritması (fast scanning ve JSEG algoritması) ön işlemden geçmiş görüntüler kullanılarak karşılaştırılmıştır. Çalışmada, doğal ve sentetik görüntüler deneysel olarak test edilmiştir. Sonuçlar açıkça gösteriyor ki, Peer Group Filtering ön işleminden sonra, segmentasyon başarısı artmış, segmentasyon çalışma süresi azalmıştır. Diğer taraftan, örneklemeyle ilgili deney sonuçlarına göre Lloyd?s örnekleme algoritmasından yararlanmakta örnekleme seviyesi seçimi çok önemlidir. Eğer doğru örnekleme seviyesi seçilirse, örnekleme segmentasyon işlemine yardımcı olmaktadır.

There is a series of processes to extract semantic information from an image and one of them is the image segmentation. Image segmentation splits the image into smaller parts (segments) such that each segment has similar features such as similar colors or textures. In this thesis, the effects of preprocessing methods on image segmentation process are analyzed from different perspectives. Firstly, Peer Group Filtering, which is one of the preprocessing methods used before image segmentation, is applied on the images and its effect on image segmentation is analyzed. Peer Group Filtering algorithm is used to eliminate noises and to smooth color changes on images. Secondly, Lloyd?s quantization algorithm, which is another preprocessing method used before image segmentation, is applied and its contribution on image segmentation is investigated. Lloyd?s quantization algorithm reduces the number of colors in images. Finally, two different segmentation algorithms (fast scanning algorithm and JSEG algorithm) are compared using preprocessed images. Natural and synthetic images have been experimentally tested in this study. The results obviously indicate that after Peer Group Filtering preprocessing, segmentation achievement increases while run time of the segmentation decreases. On the other hand, the experiments related with the quantization show that, selected quantization level is very important to get benefit from Lloyd?s quantization algorithm. If correct quantization level is selected, then quantization helps segmentation process.