Nesne tespiti için kullanılan şablon eşleme yönteminin komşuluk havuzu tekniği ile güçlendirilmesi

Abstract

Bu çalışmada görüntü işleme alanında nesne tespiti yapan yöntemlerden biri olarak literatürde kabul gören şablon eşlemeyi güçlendirmek amacıyla Komşuluk Havuzu Algoritması önerilmiştir. Bu yeni teknik ile şablon eşleme işleminin gerçekleştirildiği uygulamalarda en büyük eşleşme derecesinin yanı sıra sahte eşleşmelerin kolaylıkla tespit edilmesi sağlanmıştır. Klasik bir görüntü işleme tekniği olan şablon eşleme, küçük boyutlu olan şablon görüntüyü daha büyük bir kaynak görüntüde piksel bazlı arar ve piksellerin benzerlik derecesini matematiksel olarak hesaplar. Bu hesaplama işlemi neticesinde kaynak görüntüde elde edilen eşleşmeler gerek benzeyen/benzemeyen gerekse de zayıf/orta/güçlü benzerlik dereceleriyle ortaya konabilmektedir. Ancak, bu teknik görüntü tarama yöntemini kullandığından hem oldukça yavaş ve hem de sahte eşleşmelere neden olduğundan doğruluğu düşüktür. Önerilen komşuluk havuzu fikri sahte eşleşmelerin önüne geçmekle birlikte en yüksek benzerlik derecesine sahip eşleşmenin daha kolay elde edilmesini de sağladığından şablon eşleme yönteminin doğruluğunu da artırmıştır. Deneyler üç farklı görüntü üzerinde, görüntü boyutu, benzerlik eşik değeri, komşuluk büyüklüğü ve hesaplama süresi olmak üzere dört farklı parametre temelinde gerçekleştirilmiştir. Tüm deneylerde iki farklı benzerlik eşik değeri kullanılarak eşik değerinin doğruluğa ve hesaplama süresine etkilerinin incelenmesinin yanı sıra farklı boyutlarda görüntüler kullanılarak görüntü boyutunun hesaplama süresine olan etkileri de incelenmiştir. Sonuçta önerilen yöntemin sahte eşleşmelerin önüne geçme geçtiği deneylerle kanıtlanmıştır.

In this study, Neighborhood Pooling Algorithm is proposed in order to strengthen template matching. With this new technique, in applications where template matching is performed, in addition to the highest match degree, fake matches can be easily detected. Template matching searches the small-sized template image in a larger source image on a pixel-by-pixel basis and mathematically calculates the similarity degree of pixels. As a result of this calculation process, the matches obtained in the source image can be presented with similar/dissimilar or weak/medium/strong similarity degrees. However, since this technique uses the image scanning method, it is both very slow and causes fake matches, so its accuracy is low. The proposed neighborhood pooling idea prevents fake matches and also increases the accuracy of the template matching method since it provides easier obtaining of the match with the highest similarity degree. Experiments were carried out on three different images based on four different parameters: image size, similarity threshold value, neighborhood size and calculation time. In all experiments, two different similarity threshold values were used to examine the effects of the threshold value on accuracy and computation time. As a result, it was proven through experiments that the proposed method prevents false matches.