Kenar tespiti, görüntü iþleme alanýnda en çok kullanýlan iþlemlerden biridir. Söz konusu iþlem nesne tanýma ve takibi, bölge tespiti ve özellik çýkarýmý için sýklýkla kullanýlmaktadýr. Ýlaveten kenar tespit algoritmalarý genel amaçlý görüntülerden uydu görüntülerine ve týbbi görüntülemeye kadar birçok alana uygulanmaktadýr. Kenar tespitinde gradyan, türev ya da Canny operatörü gibi çok bilindik yöntemlerin yaný sýra wavelet dönüþümü gibi yaklaþýmlar da kullanýlabilmektedir. Bu teknikler ile görüntüdeki kenarlar tespit edilirken, piksellerin gri seviye deðerleri üzerinde çýkarma ya da toplama gibi doðrusal iþlemler yapýlýr. Ancak insan görsel sistemi kenarlarý belirlerken pikseller arasýndaki lineer iþlemler yerine uyarýcý ve engelleyici nöronlarý kullanýr. Bu çalýþmada insan görsel sistemini baþarýlý þekilde simüle eden bir Ýðnecikli Sinir Aðý (Spiking Neural Network - SNN) modeli önerilerek, ayrýk dalgacýk dönüþümünün (Discrete Wavelet Transform - DWT) gerçekleþtirilmesinde kullanýlmýþtýr. DWT hesaplamasýnda gerçekleþtirilen komþu piksellerin gri seviye deðerleri arasýndaki toplama ve çýkarma iþlemleri yerine, önerilen model kullanýlmýþtýr. Ardýndan elde edilen DWT sonuçlarý, geleneksel DWT sonuçlarý ile karþýlaþtýrýlmýþtýr. Deneyler BSDS (Berkeley Segmentation DataSet) test veri tabanýndaki 100 görüntü üzerinde gerçekleþtirilmiþtir. Elde edilen DWT sonuçlarý 2x enterpolasyon iþlemine tabi tutularak büyütülmüþ ve BSDS Test aracý ile kenar tespit baþarýlarý ölçülmüþtür. Yöntemlerin baþarý ölçümü için F-Skor metriðinden faydalanýlmýþtýr. Önerilen yaklaþým, geleneksel DWT’ye göre daha üstün performans göstermiþtir.
Anahtar Kelimeler: Ýðnecikli Sinir Aðý, Kenar, Wavelet, F-Skor
|
