| Başlık | Rakam Tanıma için KNN ve LDA Algoritmalarının Karşılaştırılması |
| Öğrenci | Hayır |
| Yazar(lar) |
Yazar 1 Name: Halit Çetiner Org: Süleyman Demirel Üniversitesi Country: TR E-mail: halitcetiner_AT_sdu.edu.tr Yazar 2 Name: Ömer Kuşcu Org: Süleyman Demirel Üniversitesi Country: TR E-mail: omerkuscu_AT_sdu.edu.tr |
| Diğer Yazar(lar) | halitcetiner_AT_gmail.com |
| Anahtar Kelimeler | KNN, LDA, Dalgacık Yöntem, Rakam Tanıma. |
| Özet | Yapılan bu çalışmada rakamların görüntülerini içeren görüntü kümeleri (RIGK)?den elde edilen rakamlar kullanılarak bir veri tabanı oluşturulmuştur. İki boyutlu ayrık dalgacık yöntemi kullanılarak bu veri tabanında bulunan rakamlardan öznitelikler çıkarılmıştır. Bu öznitelikler RIGK üzerinde tespit edilen ve bölütlenen rakamların sınıflandırılmasında ve tanınmasında kullanılmıştır. Sınıflandırılma işleminde en yakın komşu algoritması ( KNN ) ve doğrusal ayırt edici analiz (LDA) algoritmaları kullanılmış ve bu algoritmalar karşılaştırılmıştır. Çalışmanın ilerleyen bölümlerinde görüntünün dosyadan işlenebilir halde okunması, okunan görüntü üzerinde kırpma, parlaklık ayarı gibi ön işlemler yapılmıştır. Ön işlemden geçen görüntü gri seviye formatına dönüştürülmüş ve görüntüye özgü belirlenen eşik değer yardımıyla görüntü binary formata dönüştürülmüştür. Bu aşamadan sonra bağlantı bileşen analizi ile görüntü üzerindeki gürültüler belirlenerek temizlenmiştir. Gürültüden temizlenen görüntü üzerinden alınan yatay histogram ile RIGK üzerinde rakam olabilecek alanların tespiti yapılarak, bu alanlar belirlenmiştir. Belirlenen alanlar üzerinden dikey histogramlar ile RIGK üzerindeki rakamlarının olabileceği bölgeler belirlenmiştir. RIGK üzerindeki rakamların tespiti için histogram sonucunda ardışık olarak ayrık nesnenin bulunduğu bölgeler rakam bölgesi olabileceği araştırmak üzere işaretlenmiştir. İşaretlenen bölgeler üzerinde bölütler arasında dikey histogram?e göre nesneler arası boşlukların hesaplanarak rakam bölgeleri belirlenmiştir. RIGK rakamlarının olduğu bölge tespit edildikten sonra rakam olabilecek bölgeler bölütlenerek kenar boşluklarının silinmesi ve ölçekleme gibi ön işlemlerden geçirilerek öznitelik çıkarma algoritmasına parametre verilerek bu bölgelerin öznitelikleri iki boyutlu ayrık dalgacık algoritması ile çıkartılmıştır. Görüntüden çıkartılan bu öznitelikler sırasıyla KNN ve doğrusal ayırt edici analiz algoritmaları ile sınıflandırılıp tanıma başarı oranları kıyaslanmıştır. Ayrıca bu anlatılan test işlemine geçilmeden önce eğitim aşamasında görüntü veri tabanındaki verilerin %50?si eğitim amaçlı kullanılmıştır. Bu noktada eğitim süreleri kıyaslandığında KNN algoritmasının daha başarılı olduğu tespit edilmiştir. |
| Başlıklar | Üniversite Bilişim Sistemleri |
| Dosya |
 |