uzaktan algilamada gÖrÜntÜ segmentasyonu

8/6/2019 UZAKTAN ALGILAMADA GRNT SEGMENTASYONU

1/16

UZAKTAN ALGILAMADA GRNT SEGMENTASYONU

ZET

Grnt analizindeki en karmak ve nemli adm grnt bltlemedir. Yaplacak analizin

baarl olup olmamas bltlemenin baarsna baldr. Bir grnty oluturan nesnelerineayrma ilemi grnt Bltleme(segmentasyon) olarak adlandrlr.

Baka bir tanmla ile grnt bltleme, homojen bir kme ierisinden ayn karakteristiesahip alanlarn karlmas, arka plandan ayrtrlmas, daha belirgin bir halegetirilmesi ilemleri olarak da tanmlanr. Grnt bltleme, z nitelik karm ve nesnetanmann baarsn dorudan etkiledii iin grnt anlama sistemleri zerinde nemli biretkiye sahiptir.

1.Grnt segmentasyonu

Saysal grnt islemenin nemli bir konusu, bir grntnn trdes blmlerebltlenmesidir. Grnt bltleme, saysal grnt islemenin en zor problemlerinden biridirve literatrde birok farkl yaklasm ve metotlar nerilmistir. Ancak halen btn grnttiplerine uygulanabilen ve mkemmel sonular saglayan kesin bir zm mevcut degildir.Grnt bltleme, saysal grnt islemenin grsel-ynlendirimli otonom robotik, rnkalite denetimi, tbbi teshis, uzaktan alglanan resimler gibi alanlarda uygulamalar olannemli bir arastrma konusudur. Grnt bltlemenin amac, bir grnty, grntdenkarlan belirleyici niteliklere gre trdes blgelerine ayrmak olarak tanmlanabilir. Grnt

bltleme metotlar drt kategori iinde snflandrlabilir:

1) Kmeleme metotlar2) Blge-tabanl metotlar3) Melez metotlar4) Bayesgil metotlar.

Bltleme, bir grnty anlaml ve trdes blmlerden olusan kmelere paralamay ierir,bu durumda paralanms her blmdeki pikseller, nitelikleri veya zellikleri ayn olan trdesbir kmeye sahiptirler. Grnt zelliklerinin bu kmeleri; piksel grilik seviyesi, piksel RGBrengi, pikselin kameradaki sras, pikselin yeri, blgesel es-degisirlik matrisi, gri seviyeler,ztlk, spektral degerler veya niteliksel zellikleri ierebilir. Bltlemenin sonucu, her biri teketikete sahip olan trdes blmlerin bir saysdr. Bylece bir grnt, birbirine bagl ve st

ste binmeyen blmlerin bir kmesi olarak tanmlanr, bu durumda grntdeki her pikselait oldugu blm gsteren tek bir blm etiketine sahip olur. Grnt bltlemenin sonulargenellikle daha yksek seviyeli saysal grnt isleme islemlerinin ilk parametreleri olarakkullanlrlar.


2/16

ekil:orijinal grnt ve bltlenmi grnt

Bltleme islemine baska bir perspektiften de bakabiliriz. Bu baks noktasnda, daha fazla ya

da daha az ayn trdes yogunluga sahip piksellerin birlesik kmesi blmleri biimlendirir.Bu durumda, blmlerin iindeki pikseller blm tanmlar ve bltleme islemi tmgrnty sonlu bir sayda blme paralamay ierir. kinci kategorideki baslca yaklasmlar,

bir blmdeki pikseller arasndaki benzerlige dayanr. Bir grnty bltlerken, piksellerinesitli yerel zellikleri kullanlr.

mge bltleme algoritmalar, bilgisayar grmesi uygulamalarnda genellikle ilk ilembasama olarak kullanlmaktadr. Burada, bir grup piksel ile temsil edilen imge esi,imgenin btnnden ayrt edilir.Saptanan iyi bltleme teknikleri:

Histogram tabanl esikleme Blm bytme Blm ayrma ve birlestirme Kmeleme/Snflandrma Graf teorik yaklasm Kural tabanl veya bilgi gdml yaklasm

1.1.Grnt segmentasyonun kullanm alanlar

Gnmzde grnt segmentasyomu birok alanda kullanlmaktadr.Yaygn olarak

kullanld baz alanlar u ekildedir;

Medikal grntlerde; Tmrlerin yerlerinin tespitinde ve dier patalojik bulgularda, Doku hacimlerinin llmesinde, Bilgisayar gdml cerrahi operasyonlarda, Tehis koyulmasnda, Tedavi planlamasnda, Anatomik yap almalarnda;

Uydu grntleri araclyla nesnelerin belirlenmesi(yollar,ormanlar vb.); Yz tanmlama sistemleri;


3/16

Parmak izi tanmlama sistemleri; Trafik kontrol sistemleri vb.

Birka genel amal algoritmalar ve teknikler grnt segmentasyonu iin

gelitirilmitir.grnt bltleme problemi iin gelitirilen kesn tek bir zm olmadiin,belirlenen birtakm teknikler kombine edilerek grnt segmentasyonu probleminizmek iin kullanlr.

1.2.GRNT SEGMENTASYO PROBLEMLERNDE KULLANILANYNTEMLER

1.2.1.KMELEMEYE DAYALI BLTLEME

Bilgi srml bltleme teknikleri histogram ynlendirmeli ve kmeynlendirmeli olabilir. Histogram ynlendirmeli bltleme, ok zellikli bir

bilginin her zellii iin ayr bir bltleme meydana getirir, daha sonra dahaok paralanms blgeler meydana getirmek iin her zellikten bltlemesonularn st ste bindirir. Kme ynlendirmeli bltleme grntpiksellerini kmelere blmek iin ok boyutlu bilgi kullanr. Her pikselin bazniteliklere sahip oldugu ve bir vektrle gsterildii grntleri bltlemede,kme ynlendirmeli teknikler histogram ynlendirmelitekniklerden daha uygun olabilir. Kme analizleri 1960 lardan beri ok dikkatekmektedir ve OCR (optik karakter tanma) sistemi, parmak izi tanma,hareket alglama, biyolojik grnt bltlemesi gibi pek ok alandakullanlmaktadr

Kmeleme, yeleri baz benzer zelliklere sahip olan nesnelerin gruplara ayrlmas ilemiolarak tanmlanabilir. Aadaki tanmlamalar kmeleme tabanl bltlemeyi aklamak iinfaydal olacaktr:

Bir kme, benzer olan elemanlarn bir grubudur. Farkl kmelerdeki elemanlar benzerdeildirler.

Bir kme, kmedeki herhangi iki nokta arasndaki mesafenin, kmenin iindeki vedndaki herhangi bir noktaya olan mesafesinden daha ksa oldugu test alanndakinoktalarn birleimidir.

Kmeler, olduka yksek younlukta nokta ieren ve diger blgelerden, daha azyounluklu noktalar ieren bir blge ile ayrlan ok boyutlu bir uzayn birletirilmi

blgeleri olarak tanmlanabilir.

Kmeleme metotlar hiyerarsik ve paral olmak zere ikiye ayrlabilir.

Hiyerarik kmeleme metodu

Hiyerarik kmeleme metodu her veri ifti arasndaki benzerlii gsteren yaknlk matrisikullanmna dayanmaktadr.kmelerin deiim modelleri ve benzerlik dzeylerinin i iegruplar eklinde temsil eden bir dendrogram oluur.bylece kk kmeler birleerek bykkmeleri oluturur yada byk kmeler blnerek alt kmelere ayrlrlar.istenilen seviyeyegelince dendrogram kesilerek istenilen birbirinden bamsz veri kmeleri elde edilir.

Hiyerarik kmeleme metodu genelde kk veri setlerinde kulanlr.bu metod pratik deildir.


4/16

Bu metodun bir dezavantaj da bir veri noktas bir kmeye atand zaman budeitirilemez.bu nedenle balang aamalarnda byle bir hata olutuysa bunun geri dnyoktur ve ilem batan yaplmaldr.

Paral kmeleme metoduParal kmeleme metodunda veriler direk kmeler halinde ayrk gruplara atanr.verileri endoru ekilde kmelendirmek amacyla bir ama fonksiyonu belirlenir.

1.2.2. SIKITIRMA TEMELL METOTLAR (COMPRESSION-BASED METHODS)

Sktrma temelli metotlarda; btn muhtemel bltlendirmeler ve verinin kodlama uzunluu

boyunca, en uygun bltlendirme minimize edilir. Bu iki kavram arasndaki balant;

bltlendirmenin, modelleri bir grnt iinde bulmaya almas ve grnt iindeki

herhangi bir dzenliliin sktrma iin kullanlmasndan ibarettir. Bu metot; yaps ve snr

ekli ile her blt tanmlamaktadr. Btn bu bileenlerin her biri, olas dalm

fonksiyonlarnn ve kodlama uzunluunun hesaplanmas ile modellenir. Bu hesaplamalar ise;

aadaki ekilde yaplr:

- Snrlardaki kodlanm eimler, dzgn bir evresel izgiye sahip olma

eilimindedirler. Grnt iindeki evresel izgilerin farkl zincir kodlarnn kodlanmas iin

Huffman Kodlamas kullanlmaktadr.

- Yap, yitimli sktrma ile kodlanmtr. Prensip olarak bu yntem, minimum

tanmlama uzunluu (MDL) ile ayn ilkeye sahiptir.

Grntnn herhangi bir segmentasyonu iin ,bu segmentasyon yntemi grnty kodlamak

iin bit saysn verir.bylece bir grntnn mmkn olan tm segmentasyonlar arasnda en

ksa kodlama uzunluunu reten segmentasyon bulunur.bu basit bir kmeleme yntemiyle

bulunabilir.

KENAR TABANLI BLTLEME:

Kenar tabanl bltlemeye gemeden nce kenar, izgi, nokta gibikavramlardan ve nasl bulunduklarnn anlalmas gereklidir.

Kenar, izgi ve Nokta Tespiti

Kenarlar, izgiler ve noktalar grntdeki esitli blgeler hakknda birokbilgi tasrlar. Bu zellikler, yerel zelliklerden tek basna elde edildikleri iingenellikle yerel zellikler olarak adlandrlr. Kenar ve izgilerin her ikisi

birden gri seviyedeki ani degisimden elde edilmesine ragmen halen buikisi arasnda nemli bir fark vardr. Bir kenar aslnda birbirinden aka


5/16

farkl iki blm arasnda snr izer, bu bir kenarn iki farkl blm arasndasnr oldugu anlamna gelir. Diger taraftan, bir izgi, dzenli trdes birblmn iine yerlestirilebilir. rnegin, ince bir izgi, ayn bitkileribulunduran iki tarm arazisi arasnda kullanlabilir. Bir nokta dzenli trdes

bir blmn iine yerlestirilir ve gri degeri yerlestirildigi blmdeki ortalama gri degerinden

farkldr. Bu bir sivri uca benzer.

Kenar tespit islemi temelde bir grntdeki yogunluk seviyelerindeki nemli yereldegisimlerin tespit edilmesi islemidir. Yogunluk seviyesindeki degisim grntnn gradyanile llr. _ki boyutlu bir grnt f(x,y) ise bu grntnn gradyan asagdakigibi bir vektr olacaktr;

GxGy=dfdxdfdy

Gradyann byklg degisik birka yolla hesaplanabilir.Gf(x,y)=Gx2+Gy2

Gf(x,y)=Gx+Gy

Gf(x,y)=maxGx,Gy

Gradyann dogrultusu asagda grldg gibidir;

x,y=tan-1GyGx

Burada asxeksenine gre llr.

Gradyan operatr gri seviye yogunluklarndaki degisimleri ve ayrcadegisimlerle birlikte meydana gelen dogrultuyu hesaplar. Bu, komsupiksellerin degerlerinin farkyla hesaplanr. rnegin xveyekseni boyuncaolan degisimler. _ki boyutlu bir grntde gradyanlar yaklask olarakasagdaki gibidir;

Gx=fi+1,j-fi,j

Gy=fi,j+1-fi,j

Gradyan operatrleri, biri x dogrultusundaki digeri y dogrultusundakigradyan elde etmek iin iki maskeye gereksinim duyarlar. Bu iki gradyan,byklg grntdeki bir noktadaki kenar gradyannn kuvvetini gsterenve as gradyan asn gsteren bir vektr byklg elde etmek iinbirlestirilir.


6/16

ekil.:kenar,izgi,nokta tespitia)giri grntsb)dikey kenarlarc)yatay kenarlar

d)her iki yndeki kenar grntsKenar gradyanlarnn hesaplanmasna alternatif bir yaklasm, grntnnsekiz es blmlenmis dogrultuda (dogu, kuzeydogu, kuzey, kuzeybat, bat,gneybat, gney, gneydogu) seilen bir sablon kmesi ile konvolsyonasokulmasn ierir. Her sablon belirli bir yndeki kenarlarn bulunmasnsaglar.

deal bir kenar bulucunun bir kenar noktasn, grntdeki yanls, varolmayan bir kenar noktasn yanlslkla tespit etmeyecek, dogru bir kenarnoktas karmayacak hassasiyette kesin olarak tespit etmesigerekmektedir. Bu iki gereklilik sk sk birbiriyle elisir. Bir kenar noktasnn

varlg ha kndaki karar bir esik degerine bagldr. Bu durumda, egergradyann byklg bir esik degerinden bykse bu noktada bir kenarnoktasnn var oldugu sonucuna varrz, aksi halde kenar noktas yoktur.Eger seilen esik degeri bykse, dogru kenar noktalarnn tespitedilememe olaslg vardr. Benzer sekilde seilen esik degeri kkse, pekok grltl noktann yanlslkla kenar noktas olarak tespit edilmesimmkndr. deal bir kenar bulucunun amac esik degerini uygun birsekilde semektir.

Gradyan islemi grntdeki grlty arttrdgndan dolay bu sorunuazaltmann en iyi yolu gradyan operatrlerinin uygulanmasndan ncegrlt ieren yksek uzaysal frekanslar filtrelemektir.


7/16

Kenar Tabanl Bltleme

Kenar bulucularn bir ksm arastrmaclar tarafndan gelistirilen basit birdegisime dayanmaktadr. Kenar tabanl metotlar degisik parlaklk veya

renk degerlerinin bir blgeden diger blgeye hzl geis yerlerinibelirlemeye alsr. Temel prensip baz gradyan operatrlerinin grntylekonvolsyona sokularak uygulanmasdr.

Bunlarn iinden en nemlileri; Robert operatr, Sobel operatr, Prewittoperatr, Canny operatr, Krisch operatrdr [1]. Bu operatrleriinden en iyi kenar bulucu Canny operatrdr.

Bu operatr tabanl kenar belirleme tekniklerinin her birinde, gradyanbyklgnn degerini hesaplarz. Gradyan byklg belirli bir esikdegerinden daha bykse, bir kenarn varlgn tespit ederiz.

Kenar tabanl bltlemede, bir dogrultudaki aydnlktan karanlga geis hzndaki mmknolan en byk artsn dogrultusunu veren her noktadaki grnt yogunlugunun gradyanhesaplanr. Bu durumda sonu o noktadaki grntnn ne kadar hzl ya da yavas degistiginigsterir. Ne var ki, grntde krk snrlar mevcut oldugunda, kenar tabanl yaklasmlaryanls sonulara neden olabilmektedir. Bu snrlarn gvenilir sonular elde edilebilmesi iin

birlestirilmesi gerekmektedir

Kenar Tabanl Bltlemenin Snrlamalar

Kenar belirleme metotlarnn baslca snrlamalar:

1-) Dsk kaliteli grntleme aralar ile elde edilen birok grntde,baz sradan metotlar sahte kenarlar ve bosluklar olusturur ve bunlarnuygulanabilirligi bu durumda snrldr.

2-) Kenar grntleme teknikleri grntnn yerel komsulugunda yer alan bilgiyedayanmaktadr. Kenar grntleme tekniklerinin birogu, bir grntde gml olarak

bulunan model tabanl bilgiyi ele almaz.

3-) Birok durumda kenar bulma stratejileri, grntde anlaml bir sekilde var olabilen dahayksek dereceden dzenlemeleri gz ard eder.

4-) Kenar noktalar grntden karldktan sonra, bu noktalar snrlar belirlemek iinbirbirine baglanr. Bu islem genellikle ilk olarak kenar elemanlarn kenar blmlerinebenzeterek ve ardndan blmleri snrlara benzeterek yaplr. Kenarlar birlestirme islemibazen grntde sreksizliklerin ve bosluklarn olusmasna yol aar.

5-) Kenar birlestirme metotlar, snrdaki bosluklar kapatmak iin sklkla keyfi eklentilerebasvurur.

6-) Sahte kenarlar teshis etmek ve snflandrmak genellikle g bir islemdir.

GRNT EKLEME TEKNKLER


8/16

Eikleme bltlemenin ok basit bir uygulama biimidir. Gri seviyeli eikleme teknikleri,

saysal bir grnty ortak zel ve geni blmlere ayrmak iin kolay hesaplanabilir

metotlardr. Eikleme ilemi, grntnn birka anlaml paraya ayrlmasna dayanan en

iyi eikdeerlerinin bir kmesinin belirlenmesi ilemini iermektedir.

ncelikle bir eik deeri tanmlanr, daha sonra bir grntdeki her piksel bu eik deeri ile

karlatrlr. Eer piksel eik deerinden bykse nesne, aksi takdirde arka plan olarak

belirlenir. Eik deeri sklkla younluk veya renk deeri olacaktr. Eik deerinin grnt

zerinde deiebildii baka biimleri de vardr fakat eikleme ilkel bir teknik olduundan

sadece ok basit bltleme uygulamalarnda alacaktr

iki Seviyeli Eikleme:

ki seviyeli eikleme ift

tepeli histograma sahipgrntler zerindekullanlr. ki seviyelieiklemede, nesne vearka plan farkl gri seviyeliiki deiik gruba ayrlr.rnek verecek olursak:

1-) Bir kitaptaki alfa nmerik karakterler genellikle arka plandaki

beyaz kattan daha karanlktr.

2-) Mitoz hcrelerin bir grntsndeki kromozomlar arka plandan dahakaranlktr.

Bu durumlarn her birinde, histogramlarn ekilleri aralarnda bir oluk

olan nesne ve arka plan blmlerine kar gelen ift tepeli bir

yapdadr. Oluk noktas genellikle eik deeri olarak seilir. ift seviyeli

eiklemede, T eik deerinden byk tm gri deerler nesne olarak

belirlenirken, dier tm gri deerler arka plan olarak belirlenir, bylecenesne pikselleri arka plan piksellerinden ayrlr.

ekil 1.3: ift tepeli grnt eiklemesi


9/16

ift tepeli bir grntde eik deeri seimi iin basit bir yinelemelialgoritma aadagsterilmitir;1. Adm: Balang iin bir eik deeri seilir T T0 .

2. Adm: Grnt T eik deeri kullanlarak arka plan ve nesne

olmak zere iki blme ayrlr.

3. Adm: Srasyla arka plan ve nesnenin ortalama gri seviye deerleri 1ve 2hesaplanr.

4. Adm: Yeni eik deeri hesaplanr. T=(1+2)/2

5. Adm: 2 den 4 e kadar olan admlar T eik deerinde bir deiim

olmayana dek tekrarlanr.

ok Seviyeli Eikleme:

ok seviyeli eiklemede, grnt birok eik deeri kullanlarak deiik

blmlere ayrlr. Bu durumda oluan histogramlar, aralarnda oluk olan

ok tepeli yaplardr.

Eer nesneler ayrksa ve gri seviyeleri belirgin bir ekilde arka plandanfarkl ise, bu durumda histogram her tepesi dierinden ak bir ekilde

ayrlan ok tepeli bir yapdadr. Byle bir grnty bltlerken,

tepelerin arasndaki oluklar eik deerleri olarak seilirler. Byle bir

ok nesneli bltleme rnei ekil 1.4de grlmektedir.


10/16

ekil 1.4: ok seviyeli grnt eiklemesi: (a) ok tepelihistogram, (b) Giri grnts, (c)-(e) Giri grntsnn sa

st kesinin srasyla 110, 147, 185 eik deerleri iinbltlenmesi

T eik deeri aadaki durumlara gre snrl ya da geni aplolabilir.

1-) T eik deeri sadece g(x,y) gri seviyesine dayanyorsa eik deerigeniapldr.

2-) Eikleme, T eik deeri, N(x,y) nin (x,y) noktasndaki snrl bir

grntnn zelliini gsterdii, hem g(x,y) hem de N(x,y) ye dayand

zaman snrldr. Snrl grnt zellii, (x,y) noktas etrafndaki bir

komuluun ortalama gri seviyeleri gibi snrl grnt istatistikleriyle

hesaplanabilir.

lave olarak, eer T eik deeri g(x,y) ve N(x,y) zerindeki gibi

bir zamana dayanyorsa bu durumda eikleme dinamik olarak

isimlendirilir.

Entropi Tabanl Eikleme:

Entropi tabanl eikleme genellikle ift seviyeli eiklemede

kullanlr. Entropi Shannon tarafndan tanmlanan bir grntdeki

bilginin bir lsdr [6]. Shannon entropisinin deikenleri, grnt

bltlemede eik deerlerinin belirlenmesi iin etkin bir biimde

kullanlr. Entropi tabanl eiklemede, nesne ve arka plan

blmlerinin entropisi eik deerlerinin en uygun deer olarak

seilmesi iin kullanlr.


11/16

ekil:entropi tabanl bltleme

BLGE TABANLI BLTLEME

Blge tabanl metotlar kenar tabanl metotlar tamamlayc niteliktedir. Blgetabanl metotlardaki temel nokta, ayn ya da benzer parlaklktaki pikselleriverilen homojenlik kstasna gre blgelere ayrmaktr. Bu metotlar verilenpikselin komsu piksellerine bakar ve eer homojenlik kstas salanrsa birblgede birletirir. Homojenlik kstas, seimi byk bir problem olan baz esikdeerlerine dayanmaktadr. nk doru esik deerini belirleyebilmek iinsrekli deneme yaplmaktadr ve bu esik deerleri her zaman grntbilgisine dayanmaktadr.

Blge bytme metodu

Blge bytme metodu en basit ve en ok kulanlan blee tabanl bltleme algoritmalarndan biridir.bir balan noktas belirlenerk balanr.daha sonra komu pikseller belli birhomojenlik kriterine gre eklenerek bu alan giderek byr.

Blge bytme, pikselleri veya alt blgeleri daha byk blgeler olusturacak sekildegruplayan prosedr ile ilgilidir. Kaynak noktalarnn bir kmesiyle baslayarak, blgeler, her

bir kaynak noktasna yogunluk, gri seviye derecesi, renk gibi ayn niteliklere sahip olankomsu pikselleri ilave ederek bu kaynak noktalarndan bytlr. Bu, her piksel islemesokulana kadar her kaynak pikselin yinelemeli olarak bydg ve ylelikle snrlar kapalokgenlerle belirlenen degisik blgelerin sekillendigi yinelemeli bir islemdir.

Blge bytmede nemli konular:


12/16

Baslang kaynaklarnn seimi, blgeleri ve bytme islemi sresince farklblgelerdeki noktalar iine alan uygun zelliklerin seimini belirtir.

Grntnn belirli zelliklerine dayanan pikselleri bytme islemi, iyi bltlemebelirlemeyebilir. Baglanabilirlik veya bitisiklik bilgisi de blge bytme islemindekullanlmaldr.

Benzerlik: Benzerlik, uzaysal bitisik iki piksel veya piksellerin bir kmesinin ortalamagri seviyesi arasnda gzlenen, degisik blgeler meydana getiren gri seviyedekiminimum fark gsterir. Eger bu fark benzerlik esik degerinden daha dskse,

pikseller ayn blgeye ait olur. Blgenin Alan: Minimum alan esik degeri piksellerdeki en kk blge byklg ile

iliskilidir. Bltlenmis grntde, hibir blge kullanc tarafndan tanmlanan bu esikdegerinden daha kk olmayacaktr.

Blge Bytme Soni islemi: Blge bytme optimum olmayan parametre ayarlarnn birsonucu olarak sklkla az byme ya da fazla byme ile sonulanr. Kenar tabanl ve blge

bytme tabanl bltlemeden elde edilen bltleme bilgisini birlestiren bir son islemcigelistirilmistir. Daha basit son islemciler, genel bulgulara dayanr ve bltlenmis grntdekiorijinal olarak uygulanan homojenlik kstasna gre herhangi bir komsu blgeyle

birlestirilemeyen kk blgelerin saysn azaltr.

Blge Birlestirme ve Blme

Bir bltleme algoritmas olan blge birlestirme ve blmede, grntdeki tekbir byk blgenin paralanmas yznden birok kk blge retebilir.Byle bir durumda, daha kk blgelerin benzerlik ve yogunlugunadayanarak birlestirilmesine ihtiya vardr. Basit bir blge birlestirmealgoritmas asagda gsterilmistir

1. Adm: Esik degerlerinin bir kmesi kullanlarak grnt R1, R2,..........,Rm gibiblgelere bltlenir.

2. Adm: Grntnn bltlenmis tanmndan bir blge bitisiklik graf(RAG) olusturulur.

3. Adm: Her Ri, i = 1,2,.......,m iin Rinin Rjye bitisik oldugu tm Rj,ji lerRAG dan tanmlanr.

4. Adm: Her i ve j iin Ri ve Rjarasnda uygun bir benzerlik ls Sij hesaplanr.

5. Adm: Sij>T ise Ri ve Rj birlestirilir.

6. Adm: 3 ten 5 e kadar olan admlar benzerlik kstasna gre birlestirilecek herhangi birblge kalmayana dek tekrar edilir.


13/16

ekil:grnt blme ve birletirmea)ham grnt

b)ham grntnn drt ayr blok halinde blnmesic)grnty homojen paralara blmekd)blnen paralarn birletirilmi hali

Birlestirme iin baska bir strateji iki blgenin arasndaki kenarlarn yogunluguna dayanr. Bumetotta, komsu blgeler arasndaki birlestirme islemi, iki blge arasnda izilen snrnuzunlugu boyunca var olan kenar yogunluguna dayanr. Eger kenar yogunlugu kkse kenarnoktalar zayftr, bu durumda eger birlesme ortalama piksel yogunlugu degerlerini fazladegistirmiyorsa bu iki blge birlestirilebilir.

Hatal baslang bltlemesi yznden ok kk blgelerin meydana geldigi baz durumlarvardr. Bu durum farkl blgelerin tek bir blgeye hatal birlesmesinden dolay meydana gelir.Bu gibi bir durumda, bltlenmis bir grntdeki gri degerlerin degisimi bir esik degerininzerinde olabilir ve bu nedenle blgelerin her bir kk blgenin ayn kk degisimleresahip oldugu daha kk blgelere blnmesi gerekmektedir.

Blme ve birlestirme, blme ve birlestirme islemi uygulamalarnn bir kurala dayandgkarmask grntleri bltlemek iin birlestirilebilir.


14/16

GRAF BAZLI BLTLEME METODU

Bltlemeye bir baks as da, nesnenin bulundugu imgenin piksellerinin, ya da nesnelere aitzniteliklerin olusturdugu veri setindeki bilesenlerin aralarndaki iliskilere gre, hangilerinin

birer alt kme olusturabileceginin bulunmasdr. Bu adan bakldg zaman problemimiz bir

kmeleme problemi olmaktadr.

Kmeleme probleminin zmne ok esitli yaklasmlar vardr. Bunlardan bir tanesi degraflar ile gelistirilmis olan zmdr. Her bir veri, graf zerinde bir dgm ile gsterilir.Datalarn birbirleri ile olan iliskileri ise, dgmler arasndaki kenarlardr. iki veri arasndakuvvetli bir iliski varsa (bunun anlam, bu iki verinin birbirlerine temel alnan znitelie gre

benzer olduudur), bu iki veri arasndaki kenar bilgisinin agrlg yksek olarak belirlenir.Eger verilerin birbirleri ile benzerlikleri az ise, bu iki veri dgmnn arasndaki kenar bilgisidaha dsk tutulacaktr. Veriler arasndaki iliskiler agrlkl bir graf haline getirildikten sonra,

problemimiz byle bir graf en iyi paralara ayrma (graph cut) problemi haline gelecektir.

Blge Bitisiklik Graf: Bir grntdeki blgeler zerindeki bitisiklik iliskisi birblge bitisiklik graf (RAG) ile gsterilebilir. Grntdeki blmler RAG daki birN=N1,N2,,Nm dgmler kmesi ile gsterilir. Burada Ni dm grntdekiRi blgesini gsterir ve Ri blgesinin zellikleri dm veri yaps Ni desaklanr. Ni ve Nj arasndaki ei,j kenar Ri ve Rj blgeleri arasndaki bitiikliigsterir. Ri ve Rj blgeleri Ri blgesindeki bir piksel ve Rj blgesindeki birpiksel birbirine bitiik ise bitiiktirler. Bitisiklik 4 komsuluklu veya 8komsuluklu olabilir. Bitisiklik iliskisi, yansyan ve simetriktir fakat geiskenolmak zorunda degildir. Sekil 1.6da alt ayr blgeden olusan bir grntnnbitisiklik graf grlmektedir.

Sekil 1.6: (a) 6 farkl blgeden olusan bir grnt, (b) Grntn bitisiklik graf

Watershed Dnm

Watershed yntemi, yamur damlalarnn dmesi ve batrma dncesinden hareketle,

rnt eimi arasndaki bal alanlarn ayrlmasn salar. Orijinal rntnn morfolojikeimini topografik yzey gibi ele alarak her seviyedeki komu nokralarn eim benzerliklerini


15/16

kullanarak havzalara ayrlmasn salar. Watershed dnmn farkl ekillerde tanmlamakmmkndr. Burada tanmdan ok uygulama nemli grlm ve uygulamalar zerinedurulacaktr.

Havzalarn, minimumlarn etki alanlarna karlk geldii anlalmaktadr. Bu nedenle,

etki alanlarnn jeodezik iskeletiyle watershedler arasnda yakn bir iliki vardr.Watershed Dnm Yntemleri

Konunun iyi anlalabilmesi iin ncelikle rnt deil sradalarn oluturduu topografikbir yap gz nne alnmaldr.

ekil 24. Watershed topografik grnm

ekil 24te sra dalar arasnda kalan blgeler grlmektedir. ekilde grlen dalarn dikeykesit izdmdr. Asl grnt boyutludur. ekil 25te grld gibi blgeye

(havzaya) ayrlmtr. Watershed yntemiyle bulunmaya allan boyutlu eklinhavzalardr. Blgeler dipten su alan bir vadinin nasl su ile kaplanaca dnlerekayrlmtr. Farkl blgelerden taan sularn arasnda setler ekilecei dnldnde ekildegrlen farkl blgeler oluacaktr.

ekil 25. Watershed ile ayrlm blgeler

Blgelerin ayrlmas iin dnlen dier bir yntem ise yamur damlacklarnn dme vehavzalarda bir araya gelmesiyle aklanmaktadr. Herhangi bir yere den bir yamur damlasen yakn dibe akmaya balayacak en dibe ulatnda ancak durabilecektir. Buradadamlacklarn akarken azalmayaca (buharlamayaca) ve dorudan havzaya katlaca


16/16

varsaylmaktadr. Bu ekilde aynen batmada olduu gibi ukurlar dolacak ve daha sonraukurlardan taan ve birleen sularn arasna set (watershed) ekilerek birlemesiengellenecektir. Bu ekilde tm alann suyla dolmasyla oluan snr izgileri farkl havzalarayrt etmemizi salayacaktr. ekil 25te grlen A,B ve C blgeleri bu ekildeoluturulmutur.

Gerekte, ekildeki gibi przsz eimi olan bir yer yzeyi ve grnt olamamaktadr. Yzeyzerinde grlt veya istenmeyen kk ukurlar da bulunabilmektedir.

ekil 26da yzeydeki kntlar nedeniyle oluan kk ukurlar ve bunlar nedeniyleoluabilecek X blgeleri grlmektedir. Grlt nedeniyle fazlaca blgelerin olumas ar

bltleme olarak adlandrlr. Ar bltlemeyi engellemek iin yzeyin grltlerdenarndrlmas veya watershed yntemi iin belirli derinlik deerlerinin gzard edilmesigerekmektedir.

ekil 26. Grltl yzey ve ar bltleme

Grnt zerinde Watershed Uygulamas

Topografik olarak bu ekilde aklanan yntemin, grnt zerinde kullanlmas iingrntnn gri seviyeye dntrlm olmas gerekmektedir Blgelere ayrlm olangrnt iinden hcrelerin seilmesi ilemi daha nceki blmlerde anlatlmtr. Buyntemin kullanm amac bitiik hcrelerin ayrmn yapabilmesidir. Aynen doadaki snrizgilerinin bulunmasnda olduu gibi burada da ama,ukurlar dolduran su snrlarn

bulmak olacaktr. rnek grntde resim zerinde grntler de olduu iin ok fazla girintiknt grlmektedir. Grnt zerinde Watershed uygulandnda alnacak sonu aada

grld gibi ar bltleme olacaktr.

ekil 27. Watershed yntemi ile ar bltlenmi bir grnt

uzaktan algilamada gÖrÜntÜ segmentasyonu

Documents