C# language and
Visual Studio 2012 platform are selected for developing the software for this
thesis. Back-propagation neural network was employed as the image
classification method; Euclidean distance was selected to measure the distance
in content-based classification system and finally, Emgu CV image processing
library was selected in feature extraction processes. Caltech101 data set was used
to compare the effectiveness of image classification and content-based image
retrieval systems. The results show that content-based image retrieval systems
are superior in terms of classification accuracy. Furthermore, invariant moment
shave been applied to Caltech101 data set, where all images are colourful.
Normally, these moments are employed on colourless images and extracted from the
different angles of view of the same image.
Invariant Moments Image Classification Image Retrieval ArtificialNeural Networks
Bu tez kapsamındaki
yazılım, Visual Studio 2012 platformu üzerinde C# programlama dili ile
kodlanmıştır. İmge sınıflandırma yöntemi olarak geri yayılımlı yapay sinir ağı,
içerik tabanlı görüntü erişim sistemlerinde mesafe ölçümü için Öklid uzaklığı
ve öznitelik çıkarma işleminde ise bir görüntü işleme kütüphanesi olan Emgu CV
kullanılmıştır. Programda Caltech101 imge seti üzerinde hem imge erişim hem de
imge sınıflandırma işlemi yapılarak iki işlemin sonuçları karşılaştırılmıştır.
İçerik tabanlı görüntü erişim sisteminin imge sınıflandırma yönteminden
doğruluk kriteri bakımından daha başarılı olduğu gözlemlenmiştir. Ayrıca
öznitelikler çıkarılırken, genelde renksiz imgeler üzerinde ve imgenin farklı
bakış açılarına bakılarak çıkarılan değişmez moment öznitelikleri, bu tezde
renkli Caltech101 imge setine uygulanmıştır.
Değişmez Momentler İmge Sınıflandırma İmge Erişim Yapay Sinir Ağları
Konular | Bilgisayar Yazılımı |
---|---|
Bölüm | PAPERS |
Yazarlar | |
Yayımlanma Tarihi | 1 Haziran 2017 |
Gönderilme Tarihi | 6 Nisan 2017 |
Kabul Tarihi | 17 Mayıs 2017 |
Yayımlandığı Sayı | Yıl 2017 Cilt: 2 Sayı: 1 |
The Creative Commons Attribution 4.0 International License is applied to all research papers published by JCS and
a Digital Object Identifier (DOI) is assigned for each published paper.