Tez No	İndirme	Tez Künye	Durumu
444986		Semantic interest point detection / Anlamsal ilgi noktası sezimi Yazar:SİNEM ASLAN Danışman: PROF. DR. EMRULLAH TURHAN TUNALI ; PROF. DR. MEHMET BÜLENT SANKUR Yer Bilgisi: Ege Üniversitesi / Fen Bilimleri Enstitüsü / Uluslararası Bilgisayar Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:Bilgisayarla görme = Computer vision ; Bilgisayarlı görüntüleme = Computer imaging ; Sayısal görüntü analizi = Digital image analysis ; Sayısal görüntü işleme = Digital image processing ; Sayısal görüntüleme teknikleri = Digital imaging techniques ; Yapay görme = Machine vision	Onaylandı Doktora İngilizce 2016 144 s.
Bu tez çalışmasında, çeşitli imge anlama uygulamalarında etkin şekilde kullanılabilecek, yenilikçi bir model-güdümlü görsel sözlük oluşturma yöntemi geliştirilmiştir. Symbolic Patch Dictionary (SymPaD) olarak isimlendirilen bu görsel sözlük, Sözcükler Torbası (Bag of Visual Words) uygulama adımlarını izlemektedir, imge noktaları sıkça ve düzenli aralıklarla ziyaret edilir, bu imge noktaları yörelerine sözlük atomlarına benzerliklerine göre puanlar atanır, imge yörelerinin puanları bir histogramın selelerinde biriktirilir ve böylece imge imzası elde edilir. Önerilen yöntem, literatür çalışmalarından, görsel sözlüğün üretim aşamasında farklılaşmaktadır. SymPaD sözlüğündeki şekil bölütleri nitel imge karakteristiklerini kodlamak üzere matematiksel formülasyon ile üretilir. Geliştirilen yöntem, çeşitli imge anlama uygulamaları için kullanılan denektaşı verikümelerinde etkin performans başarımı sağlamaktadır.
In this thesis, the problem of constructing a generic model-driven visual dictionary that is adequate for a variety of image understanding applications is investigated. The proposed dictionary based scheme that we call Symbolic Patch Dictionary (SymPaD), follows the steps of Bag of Visual Words (BoVW) paradigm in which, pixels are visited on a dense grid, local image characteristics are extracted in terms of shape similarity scores to the dictionary atoms, the scores are pooled, and finally an image signature is obtained. We differ from BoVW schemes in the literature in the generation of our shape dictionary. These shape patterns are generated by mathematical formulae encoding qualititative image characteristics. Compared with the existing model-driven schemes our method is able to represent images of a variety benchmark datasets of image understanding applications with better discrimination.