Search

Görüntüişleme metotlarının uygulama alanlar her geçen gün artmakta ve endüstrininfarklı konularındaki problemlere çözüm olmaktadır. Bu çalışmada odun anatomisiiçin önemli olan trahe ve liflerin belirlenmesinde görüntü işleme algoritmalarıkullanılmıştır. Bu parametrelerin odunda bulunma miktarları odunun kullanımalanlarını etkilediği için önemlidir. Çalışmada, yapraklı ağaç odunlarınınenine kesitinden alınan mikroskobik görüntüler kullanılmıştır. Morfolojikişlemler kullanılarak, ilk olarak görüntülerden traheler belirlenmiştir.Belirlenen trahe bölgeleri orijinal görüntüden çıkarıldıktan sonra liflerbelirlenmiştir. Bu parametrelerin görüntüdeki miktarları ve yüzde oranlarıçıkarılmıştır.

Görüntü işleme alanında en büyük problemlerinden biri olan bulanıklığının giderilmesi için bir yöntem önerilmiştir. Bulanıklık kenarların net olmaması, renk geçişlerinin çok yumuşak olması olarak ifade edilebilir. Bu çalışmada, odak bulanıklığı (out-of-focus) için kenar geçişleri kullanılarak bir filtreleme işlemi gerçekleştirilmiştir. Bulanık görüntüden yola çıkarak görüntüdeki bulanık geçişlerden daha keskin bir geçiş elde edebilmek için satır, sütun ve çapraz piksel değerleri kullanılmıştır. Görüntü üzerindeki piksel değerleri satır, sütun, çapraz piksellerin farkları kullanılarak yeniden hesaplanmıştır. Görüntününorijinalliğini bozmadan daha keskin geçişler elde edilmeye çalışılmıştır. Önerilen yöntemin başarisini karşılaştırmak için ortalama, ortanca, wiener ve keskinleştirme filtreleri kullanılmıştır. Karşılaştırma parametreleri olarak görüntü kalitesini ölçen metotlar kullanılmıştır. Bu karşılaştırmalara göre en iyi sonucu önerilen metot vermiştir., In this study, a method is proposed to eliminate blurring which one of the biggest problems in image processing. The blurring can be expressed as being very soft color transitions and the lack of clear edge. In this study, a filtering process was performed using the edge transitions for out-of-focus. The row, column and cross-pixel values were used in order to obtain a sharper transition from blur transition in the image based on the blur image. The pixel values on image were re-calculated using the difference of rows, columns, cross-pixels. Sharper transitions are trying to achieve without distorting the originality of the image. The method is compared with mean, median, wiener, sharpening filters which are widely used in image processing research. Image quality metrics were used to as comparison parameters. The proposed method gave the best results according to these comparisons.

Flok ve filamentlerin morfolojik karakterlerin incelenmesi, aktif çamur durumunun değerlendirilmesinde önemli bir rol oynamaktadır. Özellikle flokların dokusal özellikleri ve serbest halde bulunan filament miktarlarının incelenmesi gerekmektedir. Bu yüzden bölütleme aşamasının ayrı bir önemi vardır ve bu konuda yapılmış birçok çalışma bulunmaktadır. Bu çalışmada, Hücresel Sinir Ağları (HSA) kullanılmıştır. HSA’da sabit bir şablon kullanılmış, sadece iterasyon değeri görüntüye göre güncellenmiştir. İterasyon değerinin belirlenmesinde dalgacık metodu kullanılmıştır. Haar dalgacık filtresi kullanılarak ikinci seviyede ayrıştırma yapılmıştır. Bu ayrıştırma sonucu elde edilen alt bantların uzaysal frekans değerleri kullanılarak iterasyon değeri hesaplanmıştır. Çamur içinde serbest halde bulunan filementlerin miktarı, çamurun özelliği acısından önemlidir. Görüntülerde, filamentler ve floklar iç içe yer alabilmektedir. Bu yüzden görüntüde serbest halde veya floklarla teması bulunan filamentlerin görüntüden ayrıştırılması gerekmektedir. Dolayısıyla HSA işleminden sonra görüntüye bir dizi morfolojik işlemler uygulanmıştır. HSA bölütleme sonucu elde edilen görüntü, kenar çıkarma ve tophat dönüşümü uygulanan görüntüler ile piksel olarak karşılaştırılmıştır. Sonuç olarak, flok ve filamentler görüntünün özelliklerine göre ve çalışmanın amacına uygun olarak bölütlenmiştir., Examination of morphological characteristics of flocs and filaments plays an important role for activated sludge. An examination should be conducted especially on textural features and free filament amounts. This is why the segmentation stage has a particular importance and there are many studies in this regard. In this study, cellular neural networks (CNN) were used. A constant template was used and it was only the iteration value that was updated according to image. Wavelet method was employed to determine the iteration value. Second level decomposition was made with Haar wavelet filter. Iteration value was calculated with spatial frequency values of subbands acquired from decomposition process. The free filament amount in sludge is substantial in terms of activated sludge features. Filaments and flocs in images may appear one within the other. Therefore, filaments that are present free or in contact with flocs should be degraded from the image. Hence, a series of morphological processes were applied on the image after CNN process. A comparison was made between the image acquired from CNN segmentation process and images acquired from edge extraction and top-hat transform. Consequently, flocs and filaments were segmented parallel to features of the image and aim of the study.

Çamur hacim indeksi (ÇHİ) atıksu arıtma tesislerinin performans takibinin yapılabilmesi için günlük olarak izlenmesi gereken bir parametredir. Bu parametrenin görüntü işleme ve yapay zekâ teknikleri kullanılarak tahmin edilmesi amaçlanmıştır. Bunun için aktif çamur numuneleri Konya Kentsel Atıksu Arıtma Tesisi aktif çamur ünitesinin havalandırma tankından alınmıştır. Mikroskoptan görüntüleri otomatik almak için motorlu XY platform ve kameralı bir sistem kurulmuştur. Her numuneden sistematik bir şekilde 49 (7x7) adet görüntü alınarak toplam 120 numune incelenmiştir. Bu işlemlerin kolay ve otomatik bir şekilde yapılabilmesi için kullanıcı arayüzü tasarlanmıştır. Alınan görüntülerin flok ve filament yapıları incelenmiş ve bu yapıların bölütlenmesinde dalgacık dönüşümü, uzaysal frekans ve hücresel sinir ağları (HSA) birlikte kullanarak yeni bir bölütleme yöntemi sunulmuştur. Bu yöntemde her bir görüntünün özelliğine göre HSA'nın iterasyon sayısı değiştirilmiştir. Farklı özelliklere sahip atıksu görüntülerinin, içeriğinden bağımsız olarak bölütlenmesi sağlanmıştır. Flok ve filamentleri doğru şekilde ve ayrı ayrı tespiti için bir dizi morfolojik işlemler uygulanmıştır. Ayrıca protozoaların aktif çamurda bulunmaları arıtma teknolojisi açısından önemli olduğundan protozoaların yerlerinin otomatik bulunmasında aktif kontur yöntemi kullanılmıştır. Flok ve filamentlerin morfolojik karakterizasyonu aktif çamur durumunun değerlendirilmesinde önemli bir rol oynadığından bunlara ait özellikler belirlenmiştir. Bu özelliklerin belirlenmesinde yoğunluk, şekilsel ve istatistiksel yaklaşımlardan yararlanılmıştır ve her güne ait veri seti oluşturulmuştur. Veriler rastgele karıştırılıp 5-kat çapraz doğrulama yöntemi ile eğitim ve test verileri elde edilmiştir. Bu eğitim ve test verileri yapay sinir ağına uygulanmıştır. YSA'nın ağırlıkları Levenberg-Marquardt, Genetik Algoritma ve ARI algoritması ile eğitilmiştir. Korelasyon katsayılarının ortalamaları LM-YSA, GA-YSA ve ARI-YSA için sırasıyla r=0.896, r=0.902 ve r=0.915 hesaplanmıştır. Elde edilen sonuçlar görüntü işleme ve yapay sinir ağlarının ÇHİ tahmininde başarılı bir yöntem olarak uygulanabileceğini göstermiştir., The sludge volume index (SVI) is a required parameter to be monitored for the performance of wastewater treatment plants on a daily basis. This parameter was intended to be estimated using image processing and artificial intelligence techniques. For this, activated sludge samples was taken from the aeration tank of the activated sludge process in Konya Domestic Wastewater Treatment Plant. Motorized XY platform and camera system has been established to auto-scan the image from the microscope. 49 (7x7) images from every each sample has been scanned in a systematically. Total of 120 samples were examined. A user interface is designed for making this operation easily and automatically. Floc and filament structures of the images were examined. A new method was developed using cellular neural networks (CNN), spatial frequency and wavelet transform in segmentation of the activated sludge images. In this method, number of iterations of CNN was changed according to the properties of each image. The images with different characteristics of wastewater were segmented regardless of content. Then, a number of morphological operations are applied to correctly determine the floc and filaments separately. Furthermore, the active contour method is used to detect the location of protozoans which are important in the activated sludge. Morphological characterization of floc and filament plays an important role in the evaluation of activated sludge. Their morphological properties were determined. Density, shape and statistical approaches have been utilized to create a set of data for each day. The training and test data have been obtained by randomly mixed the data and applied 5-fold cross-validation method. This training and test data were applied artificial neural network. The weights of the neural network were trained with Levenberg-Marquardt, Genetic and Artificial Bee Colony algorithms. The averages of the correlation coefficients for LM-ANN, GA-ANN and ABC-ANN models were calculated as r=0.896, r=0.902 and r=0.915, respectively. The obtained results have shown that image processing and artificial neural networks can be applied as a successful method for prediction of SVI., Bu tez çalışması BAP tarafından 11201043 nolu proje ile desteklenmiştir.

70

This study proposes a no-reference image quality assessment method for blurred images. In this approach, first, a discrete wavelet transform was applied to the sample images and then the results were decomposed into four subbands. This was followed by the calculation of the spatial frequencies of high-high (HH2) and low-low (LL2) subbands. Then the ratio of spatial frequencies of HH2 and LL2 subbands was calculated. Information about the image quality was obtained by using this ratio, with lower values indicative of better image quality. The study aims to investigate whether the proposed method is capable of measuring the image quality. The proposed technique was tested on the standard images. Three different images were used, of which each one was distorted with the same type and amount of noise. Motion noise, blurring and sharpening was applied to distort the images. The performance of the proposed method was evaluated and compared with eight representative image quality measures. This provides a meaningful comparison across different types of image distortions. Then, the cameraman image was also blurred with two different noises: Gaussian and disk-shaped blur. The varying amount of blur was compared with Universal Image Quality Index (UIQI) values of the cameraman image. The method gives good results in different resolutions as well. Its computation is easy, independent of viewing conditions.