Tez No	İndirme	Tez Künye	Durumu
659690		Renkli histogram kullanarak içerik tabanlı görüntü erişimi / Content based image retrieval by using color histogram Yazar:MAHMUT KILIÇASLAN Danışman: PROF. DR. RECEP DEMİRCİ Yer Bilgisi: Gazi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Sayısal görüntü işleme = Digital image processing	Onaylandı Doktora Türkçe 2020 128 s.
Renk, doku veya şekil bilgilerinden faydalanılarak veri tabanında istenilen görüntüye ulaşma süreci içerik tabanlı görüntü erişimi (İTGE) olarak tanımlanır. İlgili sistemlerde görüntülerin benzerliklerinin değerlendirilmesi piksel seviyesinde değil, görüntüleri temsil eden özellik vektörleri aracılığıyla gerçekleştirilmektedir. Böylece özellik vektörleri farklı boyutlardaki görüntülerin karşılaştırılmalarına olanak sağlamaktadır. Bu nedenle sayısal görüntülerin vektörler ile temsil edilmesi içerik tabanlı görüntü erişiminin (İTGE) en önemli aşamasıdır. Gri ölçekli görüntülerin histogramları en tipik özellik vektörleridir. Diğer taraftan renkli görüntüyü temsil edebilecek histogram üç boyutlu bir dizi oluşturur ki bu durum sistemin hesapsal maliyetini oldukça artırmaktadır. Bundan dolayı araştırmacılar renkli görüntülerdeki renk sayılarını azaltmayı başka bir ifadeyle renk indirgeme yaklaşımını önermişlerdir. Diğer taraftan vektör kuantalama olarak bilinen renk indirgeme sürecinde ise her zaman aynı sonucu üretmek mümkün olmamıştır. Bunun nedeni ise önerilen algoritmaların başlangıçta rastgele üretilen renk vektörleri ile çözüm aramalarıdır. K-ortalamalar, Linde-Buzo-Gray (LBG) ve bulanık c-ortalamalar gibi algoritmalar bu tür çözüm yaklaşımlarına tipik örneklerdir. Bu çalışmada yeni bir İTGE sistemi geliştirilmiştir. Önerilen stratejide öncelikle tekrarlı ortalama veya histogramın ağırlık merkezi (HAM), Otsu ve Kapur yöntemleri ile çok seviyeli eşikler elde edilmiştir. Elde edilen eşikler kullanılarak RGB renk uzayı alt prizmalar şeklinde dilimlenmiştir. Oluşan alt prizmaların içinde kalan pikseller aynı sınıfa atanmış ve ilgili sınıftaki piksellerin ortalamaları kullanılarak renk indirgemesi yapılmıştır. Sınıf indisleri ve ilgili sınıflara tahsis edilen piksel sayıları yardımıyla renkli görüntüleri temsil eden sınıf tabanlı tek boyutlu histogramlar elde edilmiştir. Son aşamada ise renkli görüntüler için üretilen tek boyutlu histogramlar özellik vektörü olarak kullanılmış ve içerik tabanlı görüntü erişimi gerçekleştirilmiştir. Önerilen algoritma ve LBG algoritması Corel1K (Wang) veri tabanında test edilmiş ve karşılaştırmalar yapılmıştır. Geliştirilen algoritmada renkli görüntüleri 8, 27 veya 64 renge indirmek mümkün olmuştur. Renk sayısı aynı zamanda özellik vektörünün eleman sayısı temsil etmektedir. 64 renkli HAM yöntemi geleneksel LBG yaklaşımından %22 daha başarılı olmuştur. Ayrıca Otsu ve Kapur tabanlı İTGE sistemi ise LBG tabanlı İTGE yaklaşımlarından %18 daha doğru sonuçlar üretmiştir.
The process in which any desired image in database is retrieved by using color, shape or texture information is called content-based retrieval (CBIR). In the related systems, the evaluation of similarities of images is carried out through feature vectors representing images, not at the pixel levels. Thus the feature vectors allow to compare similarities of images with different sizes. Therefore, the representation of images by vectors is called feature extraction process and it is the most significant stage of content-based image retrieval (CBIR). Histograms of gray-scale images are typical feature vectors. On the other hand, the histogram which represents any color image involves a three-dimensional array, which will increase the computational cost of CBIR system. Accordingly, researchers have proposed color reduction approaches that reduce number of colors in color images. The color reduction process is also known as vector quantization. Nevertheless, it was not always possible to produce the same results. The reason is that some algorithms search for solutions with randomly generated color vectors initially. Algorithms such as K-means, Linde-Buzo-Gray (LBG), and fuzzy c-means are typical solution techniques. In this study, a novel CBIR system has been developed. In the proposed strategy, multi-level thresholds were obtained from histogram of each color channel by using recursive mean or the center of gravity of histogram, Otsu and Kapur algorithms. By using the attained thresholds, the RGB color space was sliced into sub-prisms. The pixels remaining in the sub-prisms created were assigned to the same class and color reduction was performed by using the means of pixels in the related class. A cluster-based one-dimensional histogram representing color images was generated through class indices and the number of pixels allocated to the relevant clusters. Finally, one-dimensional histogram vectors were used as feature vectors and content based image retrieval was realized. The proposed algorithm and LBG algorithm have been tested with Corel1K (Wang) database and comparisons have been completed. It is possible to reduce color images into 8,27 or 64 colors in the developed algorithm. The number of colors also represents the number of elements of feature vectors. The center of gravity of histogram algorithm with 64 colors has become %22 more successful than conventional LBG technique. Additionally, Otsu and Kapur based CBIR system produced 18% more accurate results than the LBG based CBIR system.