İki boyutlu çok bantlı doğrusal öngörü modellerinin görüntü kodlama ve tanımaya uygulanması

Basit Öğe Kaydı
dc.contributor.advisorOrhun, Emrah
dc.contributor.authorÖztürk, Yusuf
dc.date.accessioned2024-08-19T19:29:14Z
dc.date.available2024-08-19T19:29:14Z
dc.date.issued1990
dc.departmentEge Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.descriptionBu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.en_US
dc.description.abstractABSTRAKT Bu tez, doğrusal öngörü modellerinin iki boyutlu çok bantlı veriler için yeniden düzenlenmesi ve görüntü kodlama ve tanıma problemlerine uygulanması konularını incelemektedir. Bu tez kapsamında çok bantlı doğrusal öngörü uygulamalarında karşılaşılan kararsızlık problemi üzerinde çalışılmış ve daha önce Morf ve diğ. [29] tarafından geliştirilen kararsızlık testlerine dayanarak iki basamaklı bir kararlılaştırma yöntemi geliştirilmiştir. Itakura Saito tipi spektral bozulma ölçüm yöntemleri çok bantlı iki boyutlu sistemlerde uygulanmak üzere yeniden formüle edilmiştir. Maragos ve diğ. [25] tarafından doku görüntülerinin sınıflandırılması amacıyla gerçekleştirilen çalışma, iki boyutlu çok bantlı doğrusal öngörü model parametreleri kullanılarak gerçekleştirilmiştir. Itakura- Saito tipi spektral bozulma ölçüm yöntemlerinin [28] her üç şekli incelenmiş ve iki boyutlu çok bantlı sistem parametreleri kullanılarak görüntü sınıflandırılması için en az hatalı ölçüm yönteminin belirlenmesi amacıyla deneyler yapılmıştır. ABSTRACT This study presents the extension of linear prediction models to multichannel two-dimensional case and its applications to image coding, segmentation and clasa i t İCat ion. The aLablilLy y a. u Ij 1 c m faucJ iu LUo multichannel linear; predictive yyüteırıo has been addressed and a two-stage stabilization algorithm has been developed based oh the stability criteria reported by Morf et al.[29]. Itakura-Saito type spectral distortion measures have been extended to multichannel case. The work by Maragos et al [25] has been extended to classify image textures by means of multichannel two-dimensional linear predictioncoefficients. All three forms of Itakura-Saito type spectral distortion measures [28] have been analyzed to select the best distortion measure for classification of images by means of their multichannel two-dimensional linear prediction coefficients.en_US
dc.identifier.endpage217en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://hdl.handle.net/11454/83351
dc.identifier.yoktezid10250en_US
dc.language.isotren_US
dc.publisherEge Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.subjectDoğrusal öngörü modellerien_US
dc.subjectLinear prediction modelsen_US
dc.subjectGörüntü kodlamaen_US
dc.subjectImage codingen_US
dc.subjectGörüntü tanımaen_US
dc.subjectImage recognitionen_US
dc.subjectKararlılaştırma sistemien_US
dc.subjectStabilization systemen_US
dc.subjectİki boyutlu sistemleren_US
dc.subjectTwo dimensional systemsen_US
dc.titleİki boyutlu çok bantlı doğrusal öngörü modellerinin görüntü kodlama ve tanımaya uygulanmasıen_US
dc.typeDoctoral Thesisen_US

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu