OTOMATİK KAN HÜCRELERİNİN TANINMASI VE SINIFLANDIRILMASINDA DEĞİŞMEZ MOMENTLERE DAYALI GÖRÜNTÜ İŞLEME YÖNTEMLERİNİN KULLANILMASI

Abstract

Bu çalışmada mikroskobik görüntülerindeki kan hücrelerinin tanınması ve sınıflandırılması için değişmez moment ve çoklu sınıf destek vektör makinelerine (ÇSDVM) dayalı bir yöntem önerilmiştir. ÇSDVM sınıflandırıcısı en çok kullanılan sınıflandırıcılarından biridir. Fakat günümüze kadar kan hücrelerinin tanınması ve sınıflandırılmasında Hu değişmez momentler ile beraber kullanılmamıştır. Bu tez çalışması önişlem aşaması, öznitelik çıkarma aşaması, sınıflandırma aşaması ve test aşaması olmak üzere 4 süreçten oluşur. Ön işleme aşamasında, gri tona çevirme, median filtreleme, kontrast, eşikleme ve morfolojik-mantıksal süreçleri kapsar. Öznitelik çıkarma aşamasında, kan hücrelerinin değişmez moment değerleri hesaplanır. Sınıflandırma aşamasında, bir önceki aşamada çıkarılan özniteliklerin sınıflandırılmasında çoklu sınıf destek vektör makinesi (ÇSDVM) kullanılır. Test aşamasında ise önerilen yaklaşımın başarı yüzdesi hesaplanmıştır. Çalışmada başarı yüzdesini tahmin edebilmek için MATLAB programı kullanılmıştır ve testin sonunda, toplam %98,4 başarı oranı tespit edilmiştir. Anahtar Kelimeler: Görüntü İşleme, Kan Hücreleri, Görüntü İşleme Teknikleri, Hu?nun Değişmez Moment, Çoklu Destek Vektör Makineleri Sınıflandırıcısı.

In this study, it is proposed a method based on invariant moments and Multi Class Support Vector Machine (MCSVM) for recognition and classification of human blood cells in microscopic images. MCSVM classifiers be one of most widely used classifier, but recognition and classification of blood cells so far not used in conjunction with Hu invariant moment. This thesis consists of the four processes about to be preprocessing stage, feature extraction stage, classification stage, and testing stage. The pre-processing stage includes the gray tone dialing, median filtering, contrast, thresholding and morphological-logical processes. Feature extraction phase are calculated invariant moment values of blood cells. The classification stage used multi-class support vector machine (MCSVM) for the classification of features the extracted the previous stage. The testing phase, it was calculated the percentage of success of the proposed approach. İn this study used MATLAB program in order to estimate the percentage of success. Further the end of the test have been identified total 98,4% success rate. Keywords: Image Processing, Blood Cells, Image Processing Techniques, Hu Moment Invariant, Multiple Support Vector Machine classifier.