Filtreler

2013 - 201912020 - 20211
Filtreleri Sıfırla

Ayarlar

search.filters.applied.f.publicationcategory: Konferans Öğesi - Uluslararası - Kurum Öğretim Elemanı × Konu: Edge detection ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Bir otomatik hedef tanıma algoritmasının geliştirilmesi
    (IEEE, 2013-04-24) Aldemir, Erdoğan; Yıldız, Nerhun; Tavşanoğlu, Ahmet Vedat
    Bu bildiri kapsamında bir Otomatik Hedef Tanıma (OHT) sistemi ele alınarak geliştirilmiş ve geliştirilen sistemin Matlab benzetimleri bildiride sunulmuştur. İkinci olarak OHT sistemlerinde kullanılan ve literatürde sıkça karşılaşılan klasik kenar belirleme algoritmalarının dışında yeni bir kenar belirleme algoritması önerilmiştir. Son olarak da Freeman zincir kodlamasının özellik çıkartma aşamasında kullanılabileceği gösterilmiştir. İlgili sistemin sınıflandırma ve karar verme aşaması hariç tamamı değişik test görüntüleri üzerinde denenmiş ve insan gözüne hitap edebilecek seviyede başarılı sonuçlar elde edilmiştir. İleride sınıflandırma aşamasının da gerçeklenmesi ile tasarlanan OHT sisteminin başarımının daha tarafsız bir ölçüt ile test edilmesi hedeflenmektedir. Ayrıca sistemin donanıma yönelik olarak optimizasyonu ile bir Field Programmable Gate Array (FPGA) gerçeklemesinin yapılması hedefler arasındadır.
  • Küçük Resim
    Yayın
    Edge detection of aerial images using artificial bee colony algorithm
    (Selcuk University Faculty of Technology, 2021-11) Yelmenoğlu, Elif Deniz; Akhan Baykan, Nurdan; Taşdemir, Şakir
    Edge detection techniques are the one of the best popular and significant implementation areas of the image processing. Moreover, image processing is very widely used in so many fields. Therefore, lots of methods are used in the development and the developed studies provide a variety of solutions to problems of computer vision systems. In many studies, metaheuristic algorithms have been used for obtaining better results. In this paper, aerial images are used for edge information extraction by using Artificial Bee Colony (ABC) Optimization Algorithm. Procedures were performed on gray scale aerial images which are taken from RADIUS/DARPA-IU Fort Hood database. Initially bee colony size was specified according to sizes of images. Then a threshold value was set for each image, which related with images’ standard deviation of gray scale values. After the bees were distributed, fitness values and probability values were computed according to gray scale value. While appropriate pixels were specified, the other ones were being abandoned and labeled as banned pixels therefore bees never located on these pixels again. So the edges were found without the need to examine all pixels in the image. Our improved method’s results are compared with other results found in the literature according to detection error and similarity calculations’. All the experimental results show that ABC can be used for obtaining edge information from images.