Search

Bilgisayarla görü alanında dikkati çeken alanların bulunması işlemi gittikçe önemi artan popüler bir konudur. Son yıllarda, bu konu üzerine birçok araştırma çalışması yapılmış ve çeşitli yöntemler geliştirilmiştir. Tespit edilen alanlar belirgin nesne tespiti, resimden çıkarım yapma, resmin yeniden boyutlandırılması, resim ve video sıkıştırma gibi birçok bilgisayarla görü uygulamasında girdi olarak önemli rol oynamaktadır. Önerilen modellerde, insan görselliğinde dikkati çeken piksellerin/bölgelerin belirginleştirilmesi ve arka planda kalan piksellerin/bölgelerin bastırılması ile dikkat çekme haritaları üretilir. Yapılan önceki çalışmalarda dikkat çekme haritası oluşturmak için genel olarak resmin renk, biçim, doku, parlaklık ve konum bilgileri kullanılır. Bu tezde ise, süperpiksel yöntemiyle bölütleme yapılan resimde karmaşık ağ, histogram, renk, konum ve alan bilgisi kullanılarak dikkat çekme haritası oluşturulması üzerine çalışılmıştır. Önerilen yöntem önceki yöntemlerin halka açık veri kümesi sonuçları ile karşılaştırılarak, başarısı ve tutarlılığı ortaya konulmuştur., The process of salient regions detection in the field of computer vision has increasingly become very popular topic. In recent years, lots of research works have been carried out and lots of various techniques have been developed on this topic. Detected regions plays an important role in many computer vision applications such as salient object detection, image retrieval, image retargeting - seam carving, image and video compression as an input. In the proposed frameworks, saliency maps are generated by highlighting foreground pixels/regions attracting human visual attention and suppressing background pixels/regions. In previous studies, to generate saliency maps are generally used to image's color, orientation, texture, luminance and location information. In this thesis, it has been studied on generating saliency maps by using complex network, histogram, color, location and area information in the segmented image with superpixel method. The proposed system's success and consistency are illustrated by comparing with the results of previous methods which have been gathered with a publicly available dataset.