Histogram sayısal görüntülerdeki piksellerin dağılımını gösteren önemli bir bilgi temsil yöntemidir. Gri seviyeli görüntülerde tek boyutlu dizi işlenirken, renkli görüntülerde üç boyutlu dizinin analizinin yapılması gereklidir. Dolayısıyla renkli görüntülerde histogram işleminin hesapsal maliyeti yüksektir. Her kanaldan alınan tek boyutlu histogram bilgisinin birleştirilmesi ise ayrıca bir problemdir. Bu çalışmada renkli görüntülerde Kırmızı-Yeşil-Mavi (KYM) renk uzayı kullanılarak tek boyutlu histogram üreten yeni bir teknik geliştirilmiştir. Önerilen yaklaşımda, öncelikle her kanal için Otsu ve Kapur eşikleme yöntemleri kullanılarak eşikler elde edilmiş, akabinde renk uzayı söz konusu eşikler yardımıyla 8 adet prizmaya bölünmüştür. Oluşturulan prizma içerisinde kalan pikseller aynı sınıfa atanarak kümeleme yapılmıştır. İlave olarak aynı sınıfa dâhil olan piksellerin ortalama değeri kullanılarak renk indirgemesi yapılmıştır. Böylece elde edilen görüntülerdeki bilgi kaybı tepe sinyal gürültü oranı (Peak Signal Noise Ratio: PSNR) ölçütü ile değerlendirilmiştir.

Sayısal görüntülerden oluşan bir veri tabanından sorgulanan bir görüntünün aynısının veya benzerlerinin getirilmesi süreci görüntü erişimi olarak tanımlanır. Her ne kadar sayısal görüntü piksellerden oluşuyor olsa da sorgulama piksel düzeyinde değil, sayısal görüntüleri temsil eden vektörler düzeyinde yapılmaktadır. Görüntülerin vektörler ile temsil edilmesi özellik çıkarma süreci olarak adlandırılır ve içerik tabanlı görüntü erişiminin (İTGE) en önemli aşamasıdır. Özellik vektörünün temsil kabiliyetinin düşük olması sistemin performansının da düşük olması demektir. Gri ölçekli görüntülerin histogramları en tipik özellik vektörleridir. Diğer taraftan renkli görüntülerde üç ayrı kanal mevcut olduğundan, görüntüyü temsil edebilecek histogram üç boyutlu bir dizi oluşturur ki bu durum sistemin hesap maliyetini oldukça artıracaktır. Bu nedenle araştırmacılar renkli görüntülerdeki renk sayısını azaltma veya renk indirgeme yaklaşımını tercih etmişlerdir. Vektör kuantalama olarak adlandırılan renk indirgeme sürecinde ise her zaman aynı sonucu üretmek mümkün olmamıştır. Bunun nedeni ise bazı algoritmaların başlangıçta rastgele üretilen renk vektörleri ile çözüm aramalarıdır. Linde-Buzo-Gray (LBG), K-ortalamalar ve bulanık c-ortalamalar algoritmaları bu tür çözüm yaklaşımlarına tipik örneklerdir. Bu çalışmada tekrarlı ortalama tabanlı renk indirgeme yaklaşımı kullanılarak yeni bir görüntü erişim metodu önerilmiştir. Önerilen stratejide, öncelikle her bir renk kanalının histogramı üzerinden tekrarlı bir şekilde ortalamalar hesaplanmış ve çok seviyeli eşikler elde edilmiştir. Elde edilen eşikler kullanılarak RGB renk uzayı alt prizmalar şeklinde dilimlenmiştir. Oluşan alt prizmalar içinde kalan pikseller aynı sınıfa atanmış ve ilgili sınıftaki piksellerin ortalamaları kullanılarak renk indirgemesi yapılmıştır. Sınıf indisleri ve ilgili sınıflara tahsis edilen piksel sayıları yardımıyla tek boyutlu histogram elde edilmiştir. Son aşamada ise elde edilen sınıf tabanlı histogram özellik vektörü olarak atanmış ve içerik tabanlı görüntü erişimi gerçekleştirilmiştir. Önerilen algoritma ve LBG algoritması ile sonuçlar alınmış ve karşılaştırmalar yapılmıştır.

İçerik tabanlı görüntü erişim yöntemleri, renk, desen ve şekil bilgileri gibi farklı özelliklere ihtiyaç duymaktadır. Araştırmacılar, görüntü histogramından elde edilen verileri de bu bağlamda kullanmaktadır. Histogram bilgileri, yerel veya global olarak hesaplanır. Ancak, aynı içeriğe sahip olsalar da, farklı en / boy oranlarına sahip görüntülerde yerel yaklaşımlar kullanılamamakta ve tüm pikselleri işleyen yöntemler ile de her zaman istenilen sonuca varılamamaktadır. Bu çalışmada, farklı boyutlarda iki görüntüden, eşit sayıda pencere alınarak, görüntülerin benzerlik ölçümünde kullanılan ve yerel histograma dayanan yeni bir yöntem geliştirilmiştir. Geliştirilen yöntem, Weizmann tekli nesne görüntü bölütleme veritabanındaki 100 görüntü üzerinde test edilmiş ve yöntemin başarısı global histogram yaklaşımlarıyla karşılaştırılmıştır.

No abstract

No abstract