13 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 10 / 13
Öğe Laws doku enerji ölçümü tabanli k-NN siniflandirici modeli ile iris tanima sistemi(IEEE, 20013-06-13) Acar, Emrullah; Özerdem, Mehmet SiraçBiyometrik tanıma teknolojisi genellikle çok pahallı ve son derece önemli güvenlik uygulamaları ile ilişkili olmuştur.İris tanıma sistemi, etkili biyometrik tanımasistemlerinden biridir. Bu çalışmada, farklı insanlardan elde edilen gözimgelerininiçerdiği irisdokuözelliklerinegörekişilerin tanınmasıamaçlanmıştır. İmgeler CASIAiris veritabanındanelde edilmiştir. İmge dokusuna duyarlı yeni yöntemlerdenbiri olanLawsDoku Enerji Ölçümü (Laws TEM) kullanılarak, iris dokusunun belirli yerelalanlarındanöznitelik vektörleri elde edilmiştir. kEn Yakın Komşu (k-NN) sınıflandırıcıparametrelerinden komşu sayısı(k) farklı değerlerde alınarak, elde edilen öznitelik vektörleri k-NN sınıflandırıcısı ile ayrıştırılmıştır. Farklı komşu sayılarına göre sisteminperformans değerlerikarşılaştırılmıştır. Sonuç olarak en yüksek ortalama performans,k-NNsınıflandırıcısınınk=1ve 2komşularıyapısında % 80.74olarak gözlemlenmiştir.Öğe Detection and recognition of Turkish license plate characters with image segmentation based correlation method(Batman Üniversitesi, 2018) Çalışkan, Abidin; Acar, Emrullah; Orun, ÖzgeÖğe GLCM tabanlı k-nn sınıflandırıcı modeli ile avuç içi tanıma sistemi(Batman Üniversitesi, 2012-06-01) Çalışkan, Abidin; Acar, Emrullah; Kaya, YılmazK en yakın komşuluk algoritması, sınıflandırma problemini çözen bir algoritmadır. Sınıflandırma, yeni bir imgenin özniteliklerini inceleme ve bu imgeyi önceden tanımlanmış bir sınıfa atamaktır. Önemli olan, her bir sınıfın özelliklerinin önceden belirlenmiş olmasıdır.Bu çalışmada Hongkong Politeknik Üniversitesi veritabanına ait avuç içi imgeleri kullanılmıştır. El imgeleri ön işlemden geçirildikten sonra avuç içi imgeleri elde edilmiştir. Gri seviye eş oluşum matrisi (GLCM) metodu kullanılarak her bir imgeden öz nitelik parametreleri elde edilmiştir. Bu parametreler k en yakın komşuluk algoritması (k-NN) sınıflandırıcısının girişine verilerek performansı en iyi sistem tasarlanmıştır. Sonuç olarak en iyi performans k=1 komşuluk yapısında % 91.4 olarak gözlemlenmiştir.Öğe Multi-feature extraction and multi-classification techniques with computer aided breast cancer detection(Batman Üniversitesi, 2018) Çalışkan, Abidin; Acar, Emrullah; Budak, CaferÖğe Kızıltepe tarımsal alan i̇mgeleri̇ni̇n gabor dalgacik dönüşümü i̇le sınıflandırılması(IEEE, 2012-05-30) Acar, Emrullah; Özerdem, Mehmet SiraçBu çalışmada, Kızıltepe (Mardin) tarım alanlarına ilişkin imgelerin, bitkinin farklı gelişim dönemlerine (ekim dönemi, az gelişmiş dönem, tam gelişmiş dönem ve hasat dönemi) göre sınıflandırılması amaçlanmıştır. İmgeler TARİT (Tarımsal Rekolte İzleme ve Tahmin Sistemi) projesi kapsamında kurulan istasyonlardan elde edilmiştir. İmge dokusuna duyarlı olan yöntemlerden Gabor Dalgacık Dönüşümü (GDD) kullanılarak, ürünün gelişim sürecine ilişkin imgelerin öznitelik vektörleri elde edilmiştir. Bu yöntem ile elde edilen öznitelik vektörleri ayrı ayrı sınıflandırıcılarda test edilerek, elde edilen performans sonuçları karşılaştırılmıştır. Sınıflandırıcı olarak Çok Katmanlı Algılayıcı (MLP) ve k-En Yakın Komşu (k-NN) yöntemleri kullanılmıştır. Sonuç olarak en yüksek ortalama performans, MLP sinir ağının 24-35-4 ağ yapısında % 98.01 olarak gözlemlenmiştir.Öğe Classification of soil surface wetness by histogram of oriented gradients and extreme learning machine models(Batman Üniversitesi, 2018) Çalışkan, Abidin; Acar, Emrullah; Budak, CaferÖğe Parmak izi tanıma tekniklerine genel bir bakış(Batman Üniversitesi, 2018) Çalışkan, Abidin; Budak, Cafer; Acar, EmrullahÖğe 2B ve 3B medikal görüntülerde gürültü temizleme tekniklerinin karşılaştırmalı incelenmesi(Batman Üniversitesi, 2018) Çalışkan, Abidin; Çevik, Ulus; Acar, EmrullahÖğe Gabor dalgacık dönüşümü tabanlı yapay sinir ağı modeli ile zambak yaprağı imgelerinde pas hastalıklarının tespiti(Batman Üniversitesi, 2012-06-01) Acar, Emrullah; Çalışkan, Abidin; Sezgin, NecmettinBitkilerdeki hastalıklar, hasadı ve dolayısıyla verimi etkilemektedir. Hastalıkların önceden kestirilmesi, çiftçilerin alacağı önlemler ile verimi artıracaktır. Verimi etkileyen önemli hastalıkların başında pas hastalığı gelmektedir. Bu çalışmada bitki örneği olarak, zirai uygulamalarla ilgili farklı zirai sitelerden bir uzman yardımıyla elde edilmiş zambak çiçeği yaprak imgeleri kullanılmış olup, Gabor dalgacık dönüşümü tabanlı yapay sinir ağı modeli ile pas hastalığını tespit eden bir sistem tasarlanmıştır. İlk aşamada, imgelere ilişkin Gabor dalgacık dönüşümü kullanılarak her bir sayısal imgeden ayrı bir özellik matrisi elde edilip, matrislerin ortalama, standart sapma ve entropi gibi istatistiksel değerleri hesaplanmıştır. Bu değerler öznitelik vektörüne eklenerek, her bir imge için bir öznitelik vektörü oluşturulmuştur. İkinci aşamada, Gabor dalgacık dönüşümü tabanlı öznitelik vektörleri yapay sinir ağı modelinin girişine verilerek sınıflandırma için performansı en iyi ağ yapısı belirlenmeye çalışılmıştır. Zambak çiçeği yaprak imgeleri iki (1-sağlıklı, 2- hastalıklı) grupta sınıflandırılmış olup sınıflandırma çalışmaları sonucunda, en iyi ortalama performansa %80,00 başarı ile yapay sinir ağı modelinin (3-25-1) ağ yapısında ulaştığı gözlemlenmiştir.Öğe Palmprint recognition system based on gabor wavelet transform with K-NN classifier model(INESEC, 2017) Çalışkan, Abidin; Ergen, Burhan; Acar, EmrullahPalmprint recognition system is regarded as reliable and accurate biometric identification system. The biometric approach palm recognition system has attracted the attention of researchers in recent times because of the presenting a new biometric feature compared to other models. In this work, gabor wavelet transform (GWT) based palmprint recognition system has been developed. Firstly, image coordinate system is determined in order to facilitate image alignment for feature extraction. Then, region of interest is cropped from the palmprint images. With the developed system, features are extracted from the region of interest and they are given to k-nearest neighbors (k-NN) classifier as input parameters. Finally, the highest success rate for GWT based systematic sampling was computed as 86.90% according to the non-request data selection and it was observed that the proposed recognition system provide successful results in classification of palmprint images. Moreover, a good identification of the feature vector is the main factor that affects performance. Thus, the performance can also be improved by finding more suitable feature vectors.