Tez No	İndirme	Tez Künye	Durumu
202704		Image auto-annotation based on combination of text and visual clustering / Resimlerin metin ve görsel kümelemeye dayalı olarak otomatik etiketlenmesi Yazar:ERBUĞ ÇELEBİ Danışman: YRD. DOÇ. DR. ADİL ALPKOÇAK Yer Bilgisi: Dokuz Eylül Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2006 121 s.
Gelisen çoklu ortam teknolojileri ve nternet üzerinde hızlı bir seklide çogalançoklu ortam ürünleri, arastırmacıları çoklu ortam verilerini sorgulamak ve yönetmeküzere yeni araçlar üretme yönündeki arastırmalara yönelmelerine sebep olmustur.Geleneksel resim sorgulama sistemleri, elle etiketlenen resimler üzerindenyapılmaktadır. Fakat bu yöntem resim sorgulaması için yeterince güçlü bir yöntemdegildir. Daha etkin çözümler bulmak için arastırmacılar, resim içindeki renk, desenve sekil özelliklerini kullanarak resimleri otomatik etiketlendirme yönündeodaklanmıslardır. Genel olarak, kullanıcı istekleri yüksek seviyeli özellikler üzerindeolup, buna karsın, sorgulama sistemleri düsük seviyeli özellikler üzerinden bilgiüretmektedirler. Kullanıcı istekleri ve sistemlerin elde ettikleri bilgiler arasındaki fark?anlamsal eksiklik? olarak bilinir. Bu tezdeki temel amacımız düsük seviyeliözellikler ile yüksek seviyeli özellikler arasında bir baglantı kurarak bu boslugudoldurmaktır.Bu tezde, metin ve görsel kümelemeleri birlestirerek, resimlerin otomatiketiketlenmesi ve sorgulanması için yeni bir yöntem önerilmistir. Temel hipotezimiz,aynı metin kümesinde olan resimlerin ortak görsel özellikleri ile ifadeedilebilecegidir. Hipotezi gerçeklemek için, metin kümelerindeki ortak görsel ögeleribelirleyecek bir yapı olusturduk. Etiketlenmemis bir resim sorgulandıgı zaman, metinsınıflarındaki resimlerin düsük seviyeli özelliklerini isleyerek benzer resimleri buldukve verilen resmin otomatik etiketlenmesini sagladık. Sistemin dogrulugu ve resimleriotomatik etiketleyen bir sistem olarak kullanılabilecegi deneyimlerle gösterilmistir.
The emergence of multimedia technology and the rapidly expandingmultimedia collections on the Internet have attracted significant research efforts inproviding tools for effective retrieval and management of multimedia data.Traditional image retrieval systems were based on manual annotations of images. Thisis not powerful enough for proper image retrieval, because of manual annotations.Researchers are focused on extracting image features and annotating imagesautomatically by considering their content that are color, texture and shape. Generally,user needs are high level features and retrieval systems consider/process the low-levelfeatures to accomplish the retrieval task. This difference between humaninterpretation and extracted/processed information is known as the semantic gap ofsuch systems. In this thesis, our aim is to find a linkage between low-level featuresand high level features to bridge the semantic gap.In this thesis, we propose a novel strategy at an abstract level by combiningtextual and visual clustering results to retrieve images using semantic keywords andauto-annotate images based on similarity with existing keywords. Our mainhypothesis is that images that fall in to the same text-cluster can be described withcommon visual features of those images. In order to implement this hypothesis, we setout to estimate the common visual features in the textually clustered images. When anun-annotated image is given we find the best image match in the different textualclusters by processing their low-level features. Experiments have demonstrated thatgood accuracy of proposal and its high potential of use in annotation of images andfor improvement of content based image retrieval.