Tez No	İndirme	Tez Künye	Durumu
185899		Örüntü tanıma ve görüntü analizinde rasgele yapay sinir ağı kullanımıyla boolean rasgele kümelerin modellenmesi / Modelling boolean random sets for pattern recognition and image analysis by using random neural network Yazar:TANSU Danışman: PROF.DR. ÖMER L. GEBİZLİOĞLU Yer Bilgisi: ANKARA ÜNİVERSİTESİ / FEN BİLİMLERİ ENSTİTÜSÜ / İSTATİSTİK ANABİLİM DALI Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering ; İstatistik = Statistics Anahtar Kelime:	Onaylandı Doktora Türkçe 2007 177 s.
ÖZETDoktora TeziÖRÜNTÜ TANIMA ve GÖRÜNTÜ ANALİZİNDE RASGELE YAPAY SİNİR AĞIKULLANIMIYLA BOOLEAN RASGELE KÜMELERİN MODELLENMESİTansu KÜÇÜKÖNCÜAnkara ÜniversitesiFen Bilimleri Enstitüsüİstatistik Anabilim DalıDanışman : Prof. Dr. Ömer L. GEBİZLİOĞLUDoğrusal ya da doğrusal olmayan işleçlerle şekillerden elde edilen çıktılara istatistikselyöntemlerin uygulanmasına dayanan istatistiksel şekil inceleme çalışmaları, Rasgele Kümelerve Boolean modeli gibi şekilleri tanımlayıcı ve Matematiksel Morfoloji gibi şekillerinincelenmesinde kullanılan işleçler ve yöntemler sağlayıcı ve Rasgele Yapay Sinir Ağları(RYSA) gibi genel amaçlı çözüm yöntemleri sağlayıcı kuramsal çalışmalarla desteklenmektedir.Bu çalışmada Boolean rasgele kümeler RYSA yardımıyla görüntü analizi ve örüntü tanımaçerçevesinde modellenmiştir. Rasgele Kümeler ve Boolean modeli, Matemetiksel Morfoloji veRYSA ilk kez bir uygulamada bir arada kullanılmıştır. Boolean rasgele kümelerinincelenmesinde ve modellenmesinde ilk kez yapay sinir ağlarından yararlanılmıştır. Çok girdiliVE ve VEYA işleçleri RYSA ile ilk kez gerçeklenmiştir. Morfolojik işleçler, RYSA ile ilk kezgerçeklenmiştir.Geliştirilen yöntem, düzgün sınırlı kesikli Boolean rasgele küme (DSKBRK) görüntülerininincelenmesi için tasarlanmıştır. Yöntem, sentetik, doğal, ve farklı algılayıcılardan elde edilenDSKBRK görüntülerinin incelenmesine uygun olup, geniş bir yelpazede uygulama gizilgücünesahiptir.Bu çalışmada Boolean model parametresi olarak büyüklük ölçüleri, şekil büyüklüğü dağılımı,yoğunluğu, spektrumu, ve beklenen değeri kullanılmıştır. Boolean model parametreleri,DSKBRK görüntülerinin morfolojik eleklerden geçirilerek elde edilen verilerle, deneyseltahmin edici yöntemi, ve Monte Carlo tahmin edici yöntemi kullanılarak tahmin edilmiştir.Monte Carlo yönteminde Boolean Rasgele Kümelerin benzetişimi, iki boyutlu Poissonbenzetişim yöntemi ile yapılmıştır. Morfolojik elekler, aşınma ve genişleme kombinasyonlarıolan açılış ve kapanış işlemleridir, ve çok girdili VE ve VEYA işlemlerinin kombinasyonlarınıyerine getiren RYSA mimarileri ile gerçeklenmiştir.2007, 165 sayfaAnahtar Kelimeler : Rasgele Küme, Boolean Modeli, Matematiksel Morfoloji, MatematikselBiçimbilim, Rasgele Yapay Sinir Ağı, Deneysel Tahmin Edici, Monte Carlo Tahmin Edicisi,Şekil Analizi, Görüntü Analizi, Örüntü Tanıma
ABSTRACTPh.D. ThesisMODELLING BOOLEAN RANDOM SETS FOR PATTERN RECOGNITION AND IMAGEANALYSIS BY USING RANDOM NEURAL NETWORKTansu KÜÇÜKÖNCÜAnkara UniversityGraduate School of Natural and Applied SciencesDepartment of StatisticsSupervisor : Prof. Dr. Ömer L. GEBİZLİOĞLUStatistical shape analysis studies, which are based on application of statistical methods to dataextracted from shapes via linear or nonlinear operators, are supported with theoretical studiessuch as Random Sets and Boolean model, which are descriptive for shapes, and MathematicalMorphology, which provides operators and methods to analyze shapes, and Random NeuralNetworks (RNN) that provide general purpose solution methods.In this study, Boolean random sets are modelled by using RNN from the perspective of imageanalysis and pattern recognition. For the first time Random Sets and Boolean Model,Mathematical Morphology, and RNN are used together in an application. Also among the firststhat are done in this thesis work comprise neural networks to analyze and to model Booleanrandom sets, and multiple input AND and OR functions and morphological operators that areimplemented by using RNN.The developed method is designed to analyze uniformly bounded discrete boolean random sets(UBDBRS). It is appropriate for analyzing images which can be synthetic, natural, and obtainedfrom different sensors. It also has an application potential in a wide spectrum.In this study, size measures such as shape size distribution, density and spectrum, and expectedvalue are used as Boolean model parameters. Boolean model parameters are estimated by usingexperimental estimator and Monte Carlo Estimator, with data obtained morphologically sievingUBDBRS images. Boolean Random Sets are simulated for Monte Carlo method via twodimensional Poisson simulation. Morphological sieves are opening and closing functions whichare combinations of erosion and dilation, and are implemented via RNN architectures whichperforms multiple input AND and OR functions.2007 , 165 pagesKey Words : Random Set, Boolean Model, Mathematical Morphology, Random NeuralNetwork, Experimental Estimator, Monte Carlo Estimator, Shape Analysis, Image Analysis,Pattern Recognition