Image Processing And Pattern Recognition Laboratory

members.jpg

http://image.ceng.metu.edu.tr/

Görüntü İşleme ve Örüntü Tanıma Laboratuvarı, ilgili alanlarda araştırma yapan öğretim üyeleri ve lisansüstü öğrencileri tarafından yaygın bir biçimde kullanılmaktadır. Çalışılan konular arasında, 3D Nesne Modelleme, Belge Görüntü İşleme, İçerik Tabanlı Görüntü Alma ve Bio-Medikal Örüntü Tanıma uygulamaları bulunmaktadır.

Araştırma projeleri, ODTÜ, TÜBİTAK ve çeşitli diğer kaynaklar (DPT, Devlet Planlama Teşkilatı) tarafından desteklenirken, çeşitli kurumlar tarafından da(NSF, Paris Üniversitesi ve diğerleri) uluslararası işbirliği olanakları sunulmaktadır.

Üyeler

  • Prof. Dr. Neşe Yalabık
  • Prof. Dr. Fatoş Yarman Vural
  • Prof. Dr. Volkan Atalay
  • Doç. Dr. Sibel Tarı
  • Ahmet Sayar (Dok.Öğr)
  • Erkut Erdem (Dok.Öğr)
  • Aykut Erdem (Dok.Öğr)
  • Oral Dalay (Dok.Öğr)
  • Gülşah Tümüklü Özyer (Dok.Öğr)
  • Nigar Şen (Dok.Öğr)
  • İsmet Yalabık (YLis.Öğr)
  • Cüneyt Mertayak (YLis.Öğr)
  • Fatih Titrek (Dok.Öğr)
  • Önder Tola (Dok.Öğr)
  • Aysun Sancar (YLis.Öğr)
  • Özge Öztimur (YLis.Öğr)
  • Sezen Erdem (YLis.Öğr)
  • Serdar ÇİFTÇİ (YLis.Öğr)

Güncel Projeler

Incorporating Prior and Contextual Knowledge into Computer Vision Modules

Sibel Tari'nin ekibi, erken ve orta seviye görmedeki içeriksel etkileri araştırmaktadır. Son iki yılda, grup, algısal modüllere önceden gelen bilgileri ve alan bilgilerini eklemek için sistematik yollar geliştirmiştir.

YAHTS

Bu projenin amacı, doktorlara, kas ve iskelet hastalıklarına, yürüme analizi tekniklerini kullanarak doğru ve pratik yöntemlerle teşhis koymalarını, ve hastalıklar hakkında daha ileri tetkikleri yapmalarını sağlayacak bir yazılım sistemi kurmaktır.Yürüme analizi, insanların yürüme düzenlerinin mekanik ölçümlerinin sayısal ve çizgisel olarak gösterimi olarak tanımlanabilir, ve çeşitli anomalilerin ve hastalıkların otomatik olan ve olmayan teşhislerinde, uzman doktorlar tarafından elle yapılmaktadır. Bu projede kullanılan verier Tıp Yürüme Laboratuvarı Ankara Üniversitesi Tıp Fakültesi'nde toplanmaktadır.

İnteraktif sınıflandırılması

Çalışma alanı görsel olduğu ve aranan görsel özniteliklerle eşleşen güçlü berimsel öznitelikler bulunmadığı için, etkileşimli sınıflandırma, uydu görüntülerinin içeriklerinin otomatik sınıflandırılmasına tamamlayıcıdır ve aynı zamanda güçlü bir alternatiftir. Bu projede, uydu görüntülerinin içeriklerinin etkileşimli sınıflandırılması için gerekli yeteneklere sahip bir sistem geliştirilmektedir. Bu sistem, kullanıcının, belirli bir coğrafik nesne(köprü vb.) içeren bölgeler tanımlamasına ve aynı uydu görüntüleri üzerinde, benzer nesneleri bulmasına olanak sağlar. Bulma işlemi, kullanıcının sınıflandırma yöntemini etkileşimle yönlendirmesi ve sonuçların gözlemlemesi bağlamında yinelemeli olarak gerçekleştirilir. Sınıflandırma yöntemi, tek sınıflı bir sınıflandırıcıya dayanır.

Multimedya Alma ve E-Devlet için sorgulama Sistemleri

Fatoş Yarman Vural'ın ekibi, son dönemde, Internet'teki web sayfalarını veri olarak kullanan bir bilgi getirme(retrieval) sistemi geliştirdi. Bu veri getirme sistemi, web sayfalarındaki görsel ve yazılı bilgiyi kullanmaktadır. Genel anlamıyla, bu ekip, görüntülerdeki(insan yüzleri) anlam bilgisi üzerinde çalışan bir görüntü arama motoru ortaya çıkardı. Bu sistem, Internet üzerindeki görüntüler arasında, belirli bir görüntüye benzeyenlerin bulunması amacıyla kullanılır.

Seçilmiş Yayınlar

  • Emre Akbas, Fatos T. Yarman-Vural: Design of a Feature Set for Face Recognition Problem. ISCIS : 2006
  • Nafiz Arica, Fatos T. Yarman-Vural: Shape Similarity Measurement for Boundary Based Features., ICIAR, 2005
  • Mutlu Uysal, Fatos T. Yarman-Vural: ORF-NT: An Object-Based Image Retrieval Framework Using Neighborhood Trees. ISCIS, 2005
  • E. Erdem, A. Sancar, S. Tari: Mumford-Shah Regularizer with Spatial Coherence, Scale Space and Variational Level Set Methods, 2007
  • C. Aslan and S. Tari, An Axis Based Representation for Recognition, ICCV, 2005
  • N. S. Koktas, N. Yalabik, G. Yavuzer, “Combining Neural Networks for Gait Classification”, The 11th Iberoamerican Congress on Pattern Recognition (CIARP 2006), Mexico, Cancun, 2006
  • N. S. Koktas, N. Yalabik, G. Yavuzer, “Ensemble Classifiers for Medical Diagnosis of Knee Osteoarthritis Using Gait Data”, The Fifth International Conference on Machine Learning and Applications (ICMLA 2006), Orlando, Florida, USA, 2006
  • O. Dalay and V. Atalay, “Interactive classification of satellite image content based on query by example”, ISPRS Spatial Data Mining Workshop, Ankara, Turkey, 24-25 November, 2005.
  • R. Hassanpour and V. Atalay, “An Experimental Study on the Sensitivity of Auto-Calibration to Projective Camera Models Parameters”, Optical Engineering, Vol. 45, 047002, 2006.
  • M. Musa, D. de Ridder, R. Duin and V. Atalay, “Almost Autonomous Training of Mixtures of Principal Component Analyzers”, Pattern Recognition Letters, vol.25, No.9, pp.1085-1095, 2004.

research/image/index.tr.txt · Son değiştirilme: 2011/02/17 11:27 Değiştiren: Erdal SIVRI