Tez No	İndirme	Tez Künye	Durumu
450280		A quantitative comparison of state of the art circle detection algorithms / Modern dairesel bölge tespit algoritmalarının nicel olarak karşılaştırılması Yazar:GÖKHAN ÇIPLAK Danışman: YRD. DOÇ. DR. SEVCAN YILMAZ GÜNDÜZ Yer Bilgisi: Anadolu 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 Yüksek Lisans İngilizce 2016 53 s.
Bir çok uygulama alanına sahip olması, dijital imgelerde daire tespitini önemli bir problem yapmaktadır. Literatürde çok sayıda daire tespit algoritması sunulmasına rağmen, her bir algoritma kendi etkinliğini göstermek için özel seçilmiş imgeler kullanmaktadır. Dolayısıyla bu durum farklı algoritmaların birbiriyle kıyaslanmasına olanak tanımamaktadır. Bu problemi çözmek için bu tez çalışmasında 800x600 boyutlarında, çeşitli uygulama alanlarından dairesel nesneler içeren, işaretlenmiş 200 imgeden oluşan dataset sunulmuştur. Bu dataset "Anadolu University Circle Detection Dataset and Benchmark (AUCDB200)" olarak adlandırılır ve bilinen daire tespit algoritmalarının duyarlılık - anma - Fscore ölçütleriyle nicel karşılaştırılmasında kullanılır. Bu tezde ayrıca yakın zamanda yayınlanan Orientation Transform ile çıkartılan yayların kullanılmasıyla, yeni bir daire tespit algoritması sunulmuştur ve bu algoritma OTCircles olarak adlandırılır. Deneyler, 0.92 Fscore değeri ile OTCircles'ın AUCDB200 dataseti için en iyi sonucu verdiğini ve gürültüye karşı daha az hassasiyeti olduğunu göstermektedir.
Detecting circular objects in digital images are crucial problem in common applications. Although several circle detection algorithms have been released in the literature, the algorithms utilize a small set of images to show effectiveness. This situation causes unfair comparison between algorithms. In this thesis, a dataset including 200 images with size 800x6000 and and human annotations are proposed. Images in dataset have circular objects chosen from several application areas. The collected dataset is named as Anadolu University Circle Detection Dataset and Benchmark (AUCDB200), and is carried out for quantitatively comparison of the state of art circle detection algorithms in precision-recall-Fscore metrics. In this thesis, a novel circle detection algorithm is also proposed with benefiting from circular arcs of recently proposed Orientation Transform (OT). The novel algorithm is named as OTCircles. The experimental results in the thesis show that proposed algorithm, OTCircles, presents the best performance for proposed AUCDB200 dataset with 0.92 Fscore. The another results demonstrates that the algorithm is more robust against to noise.