Tez No	İndirme	Tez Künye	Durumu
56887	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	Unsupervised texture segmentation with Markov random fieled models and self organizing maps / Markov rasgele alan modelleri ve özdüzenlemeli haritalar ile gözetimsiz doku bölütlemesi Yazar:MESUT GÖKTEPE Danışman: PROF. DR. NEŞE YALABIK Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Görüntü tanıma = Image recognition ; Haritalar = Maps ; Isıl işlem = Heat treatment ; Markov rastgele alanları = Markov random fields ; Parametre tahmini = Parameter estimation	Onaylandı Doktora İngilizce 1996 141 s.
öz MARKOV RASGELE ALAN MODELLERİ VE ÖZDÜZENLEMELİ HARİTALAR İLE GÖZETİMSİZ DOKU BÖLÜTLEMESİ Göktepe, Mesut Doktora, Bilgisayar Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Neşe Yalabık Eylül 1996, 127 sayfa Bu çalışmada, iki renkli ve gri-seviyeli görüntülerin tektip doku alanlarına bölütlenmesi araştırılmaktadır. Gözetimsiz öğrenme yaklaşımıyla, bir özdüzenlemeli harita (ÖDH) ve bunun iki katmanlı versiyonu olan bir hiyerarşik özdüzenlemeli harita (HÖDH) kullanılarak görüntülerdeki değişik doku sınıflarına ait bölgeler ayrılmaktadır. HSOM ile kabaca bölütlenmiş görüntüler, ısıl işlem benzetim yöntemiyle iyileştirilmektedir. Markov rasgele alanları (MRA) ile modellenen yapay iki renkli ve gri seviyeli dokusal görüntüler deneme amacıyla kullanılmaktadır. Yöntemler, uzaktan algılanmış gerçek görüntüler üzerinde de jeolojik arazi ve oluşumları bölütlemek için denenmektetir. Bölütlemelerde Brodatz albümündeki doğal dokular da deneme amacıyla kullanılmaktadır. Bölütleme sonuçlan hem gerçek hem de yapay görüntüler için başarılıdır. ÖDH ve HÖDH'nin topolojileri ve büyüklüğü, kullanılan görüntülerin boyut ve gri sayılarından bağımsızdır. ÖDH ve HÖDH uygulamalarında parametre kestirme işlemi gerekmemektedir. Isıl işlem benzetim yönteminde, ikiden fazla farklı bölge içeren görüntülerin geometrisini tanımlamak için Potts modeli önerilmiş ve MRA parametreleri en yüksek ihtimalli parametre kestirmesi ile elde edilmiştir. Önerilenyöntemler hem karmaşık hem de basit geometrik alanları dolduran dokuları başarıyla bölütlemektedir. Isıl işlem benzetim yönteminin hesaplama güçlüğü, ÖDH ve HÖDH ile karşılaştırıldığında yüksek olmakla birlikte, tüm yöntemler hesaplama güçlüğü olarak bir çok gerçek problemde kullanılabilir uygunluktadır. Anahtar Kelimeler: Doku Bölütlemesi, Markov Rasgele Alan Modeli, Özdüzenlemeli Harita, Hiyerarşik Özdüzenlemeli Harita, Isıl İşlem Benzetimi, Parametre Kestirme VI
ABSTRACT UNSUPERVISED TEXTURE SEGMENTATION WITH MARKOV RANDOM FIELD MODELS AND ŞELF ORGANIZING MAPS Göktepe, Mesut Ph.D., Department of Computer Engineering Supervisor: Prof. Dr. Neşe Yalabık September 1996,127 pages in this study, segmentation of binary and gray level images into regions of uniform texture is investigated. An unsupervised approach through the use of a şelf organizing map (SOM) and a multilayer version of it, an hierarchical şelf organizing map (HSOM), is employed to find the regions in an image composed of textures from different classes. Accuracy of coarsely segmented images through HSOM is improved using a simulated annealing method. Binary and gray level artificial textured images modeled as Markov Random Fields (MRF) are used as the inputs for tests. These methods are also examined on real remotely sensed images for segmenting difFerent terrain and geological formations. Natural textures from Brodatz's albüm are also used in the segmentation for testing purposes. The segmentation results are very promising for both artifîcial and real data, The size and the topology of SOM and HSOM are independent from the size of the input image. No parameter estimation is needed for SOM and HSOM segmentations. Potts model is introduced for describing geometry of images with more than two regions and maximum likelihood method is applied for estimating MRF parameters in simulated annealing. Segmentation of textures with complex and simple iiigeometric region shapes is carried out satisfâctorily by ali the methods proposed here. Although computational cost of simulated annealing is high compared to SOM ör HSOM, ali the methods are computationally feasible and applicable for many real life problems. Keywords: Texture Segmentation, Markov Random Field Model, Şelf Organizing Map, Hierarchical Şelf Organizing Map, Simulated Annealing, Parameter Estimation