EN İYİ ARKADAŞ BENZERLİĞİ YÖNTEMİ İLE DOKU EŞLEŞTİRME

Abstract

Çoğu bilgisayar görmesi ve görüntü analizi probleminde, iki veya daha fazla farklı nesne veya görüntü arasında bir benzerlik ölçütü tanımlamak gerekir. Şablon eşleştirme, belirli matematiksel algoritmaları kullanarak nesneler arasında benzerlikler elde etmek için kullanılan klasik ve temel bir yöntemdir. Bu çalışmada şablon eşleştirme tanıtılmış, şablon eşleştirme yaklaşımları ve bazı önemli şablon eşleştirme teknikleri açıklanmış ve matematiksel yapıları belirtilmiştir. Çeşitli şablon eşleştirme uygulama alanları gözden geçirilmiş ve nesne tanıma için farklı alanlarda şablon eşleştirme uygulamaları gerçekleştirilmiştir. Özellikle, En iyi Arkadaş Benzerliği (EAB) olarak bilinen yeni bir şablon eşleştirme yöntemi açıklanmış, özellikleri analiz edilmiş ve bu yöntemin bazı alanlarda uygulamaları gerçekleştirilmiştir. Ardışık çerçevelerde başarılı olan EAB'nin farklı şablon eşleştirme uygulama alanlarındaki başarımı değerlendirilmiştir. Bununla birlikte literatürde şablon eşleştirme için yaygın olarak kullanılan bazı şablon eşleştirme yöntemleri (Kare Farkı Eşleştirme, Korelasyon Eşleştirme, Korelasyon Katsayısı Eşleştirme ve Normalleştirilmiş Yöntemler) de matematiksel formülleri ile birlikte açıklanmıştır. Bu yöntemlerle de doku eşleştirme ve yaprak tanıma gibi alanlarda uygulamalar gerçekleştirilmiştir. Gerçekleştirilen ortak uygulamalarda bu yöntemlerin EAB ile olan başarımları karşılaştırılmıştır. Anahtar Kelimeler: Şablon Eşleştirme, Görüntü Eşleştirme, Görüntü Tanıma, Doku Tanıma, Doku Eşleştirme, Yaprak Tanıma, Yaprak SınıflandırmaIn most computer vision and image analysis problems, it is necessary to define a similarity measure between two or more different objects or images. Template matching is a classic and basic method used to obtain similarities between objects using certain mathematical algorithms. In this study, template matching is introduced, template matching approaches and some important template matching techniques are explained and mathematical structures are represented. A wide range of template matching application areas have been reviewed and template matching applications have been implemented in different areas for object recognition. In particular, a new template matching method known as Best Buddies Similarity (BBS) is described, its properties are analyzed, and its implementation has been done in some areas. The performance of the BBS, which was successful in sequential frames, in different template matching application areas was evaluated. Also, some template matching methods commonly used in the literature for template matching (Square Difference Matching Method, Correlation matching methods, Correlation Coefficients Matching Methods and Normalized methods) are also described along with their mathematical formulas. With these methods, applications have been realized in areas such as texture matching and leaf recognition. In the common practices realized, the performance of these methods with BBS is compared. Keywords: Template Matching, Image Matching, Image Recognition, Texture Matching, Texture Recognition, Leaf Recognition, Leaf Classification