Tez No	İndirme	Tez Künye	Durumu
143668	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	Shape: Representation, description, similarity and recognition / Şekil: Sunum, betimleme, benzerlik ve tanıma Yazar:NAFİZ ARICA Danışman: PROF. DR. FATOŞ YARMAN VURAL 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:	Onaylandı Doktora İngilizce 2003 173 s.
Bu tezde, şekil analizi üzerine çalışmalar yapılarak, şekil betimleme, şekil benzerliği ve tanıması için yeni yöntemler önerilmiştir. İlk olarak, iki boyutlu şekil bilgisini tek boyutlu fonksiyonlarla ifade eden yeni bir şekil betimleme yaklaşımı sunulmak tadır. Bu amaçla, iki aşamalı yöntem uygulanır. İlk aşamada, iki boyutlu şekil bilgisi çözünürlük seviyesinden bağımsız olarak tek boyutlu moment fonksiyonlarına dönüştürülür. Dönüşüm, bir sınır noktasını diğer tüm sınır noktalarına bağlayan ker terizlerin açı bilgisine dayanır. Şekil sınırı topolojik yapısının istatistiklerinin bulun masında her sınır noktasında kerteriz çiftleri arasındaki açı, rastgele değişken olarak tanımlanır. Tüm kerteriz açılarının ikinci derece istatistikleri ile tek boyutlu Kerteriz Açısı İstatistikleri (KAİ) fonksiyonları oluşturulur, ikinci aşamada, tek boyutlu KAI fonksiyonları değişik öznitelik çıkarma yöntemleri kullanılarak sıkıştıhr. KAI foksiyon- ları, sunumun veri setine bağımlı olmasını ortadan kaldırmaktadır. Ayrıca, dönmeye, yer değişimine ve ölçeğe değişimsiz, bozunuma da hassas değildir. İkinci olarak, KAİ öznitelik uzayında tanımlanan üç değişik benzerlik ölçümü yöntemi adapte edilmektedir. Bunlar, Dizinlerin Eniyi Eşleşmesi, Dinamik Eşleştirme ve Periyodik Seri Eşleştirme algoritmalarıdır. Bu algoritmalardaki temel amaç, bozunuma izin vererek iki KAİ özniteliği arasındaki uzaklığı anaza indirgemektir. Üçüncü olarak, sınır tabanlı şekil tanıma için yeni bir Saklı Markov Modeli (SMM) topolojisi önerilmektedir. Dairesel SMM olarak adlandırılan topoloji, hem şekli ifade eden dizindeki sıra bilgisini saklamakta hemde model durumlarının belirli aralıklarla tekrar ziyaret edilmesine imkan sağlamaktadır. Önerilen Dairesel SMM vektör uzunluğuna hassas değildir. Ayrıca, başlangıç ve bitiş model durumu olmadığından, şekil sınırının başlangıç noktasına bağımsızdır. MPEG-7 veri seti üzerinde yapılan deneylerde önerilen şekil betimleyicisi, rapor- lanan en iyi yöntemlerden daha iyi sonuçlar vermiştir. Dairesel SMM ise klasik topolo jilerden daha yüksek tanıma oranına sahiptir.Anahtar Kelimeler: Şekil Betimlemesi, Şekil Benzerliği, Şekil Tanıma, Eşleştirme, Dairesel Saklı Markov Modelleri
In this thesis, we study the shape analysis problem and propose new methods for shape description, similarity and recognition. Firstly, we introduce a new shape descriptor in a two-step method. In the first step, the 2-D shape information is mapped into a set of 1-D functions. The mapping is based on the beams, which are originated from a boundary point, connecting that point with the rest of the points on the boundary. At each point, the angle between a pair of beams is taken as a random variable to define the statistics of the topological structure of the boundary. The third order statistics of all the beam angles is used to construct 1-D Beam Angle Statistics (BAS) functions. In the second step, we apply a set of feature extraction methods on BAS functions in order to describe it in a more compact form. BAS functions eliminate the context-dependency of the representation to the data set. BAS function is invariant to translation, rotation and scale. It is insensitive to distortions. No predefined resolution or threshold is required to define the BAS functions. Secondly, we adopt three different similarity distance methods defined on the BAS feature space, namely, Optimal Correspondence of String Subsequences, Dynamic warping and Cyclic Sequence Matching algorithms. Main goal in these algorithms is to minimize the distance between two BAS features by allowing deformations. Thirdly, we propose a new Hidden Markov Model (HMM) topology for bound ary based shape recognition. The proposed topology called circular HMM is both ergodic and temporal. Therefore, the states can be revisited in finite time intervals while keeping the sequential information in the string which represents the shape. It is insensitive to size changes. Since it has no starting and terminating state, it is insensitive to the starting point of the shape boundary. Experiments are done on the dataset of MPEG 7 Core Experiments Shape-1. It is observed that BAS descriptor outperforms all the methods in the literature. The circular HMM gives higher recognition rates than the classical topologies in shape analysis applications.Keywords: Shape Representation, Shape Description, Shape Similarity, Matching, Circular Hidden Markov Models