Tez No	İndirme	Tez Künye	Durumu
479843		Seyrek temsil ile içerik tabanlı görüntü erişimi / Content based image retrieval with sparse representation Yazar:CEYHUN ÇELİK Danışman: DOÇ. DR. HASAN ŞAKİR BİLGE 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:Görüntü bölütleme = Image segmentation ; Görüntü erişimi = Image retrieval	Onaylandı Doktora Türkçe 2017 112 s.
İçerik Tabanlı Görüntü Erişimi (İTGE), görüntü ve çoklu ortam verilerinin artmasıyla birlikte, bu verilerden çıkarılan anlamlı bilgilerle arama işlemi yapmak ihtiyacı ile ortaya çıkmıştır. Günümüzde, Düşük Seviye Özelliklerden (DSÖ'lerden) Yüksek Seviye Anlamsal Bilgi'nin (YSAB) çıkarılmasında Yerel Özellik Tanımlayıcıları (YÖT'ları) kullanılmaktadır. Böylece, İTGE modelleri, Bölge Tabanlı Görüntü Erişimi (BTGE) yaklaşımları ile çözülmeye başlanmıştır. Seyrek Temsil (ST) uzun zamandır sinyal ve görüntü işleme yaklaşımlarında kullanılmakla birlikte son yıllarda İTGE problemlerine çözüm üretmektedir. Bu çalışmada ilk olarak literatürde YÖT ve ST algoritmalarının performansını değerlendirmek amacıyla bir İTGE çatısı önerilmiş ve bu çatı ile kapsamlı testler yapılmıştır. Daha sonra çok etiketli veri kümeleri için çevrimdışı ve çevrimiçi iki BTGE modeli önerilmiştir. Önerilen BTGE modellerin oluşturulma süresini hızlandırmak için de yeni bir YÖT kümeleme yaklaşımı önerilmiştir. Yapılan testlerde önerilen yaklaşımların literatürdeki yaklaşımlara göre daha başarılı sonuçlar verdiği gözlemlenmiştir.
Content Based Image Retrieval (CBIR) has emerged with the need to search with meaningful information extracted from these data, along with the increase in image and multimedia data. Today, Local Feature Descriptors (LFDs) are used to derive High Level Semantic Information (HLSI) from Low Level Features (LLFs). Thus, the CBIR models have begun to be solved through Region Based Image Retrieval (RBIR) approaches. Sparse Representation (SR) has been used in signal and image processing approaches for a long time and has been providing solutions to the CBIR problems in recent years. In this study, first, a CBIR framework is proposed in order to evaluate the performance of the LFDs and SR algorithms in the literature and comprehensive tests are made with this framework. Then, two offline and online RBIR models for multi-labeled data sets are proposed. A new LFD clustering approach is also adopted to speed up the building of recommended RBIR models. It has been observed that the proposed models are performed more successfully than the approaches in the literature.