Yılmaz, ErsenKılıkçıer, Çağlar2021-01-202021-01-202020-10-22Kılıkçıer, Ç. (2020). 2b görüntülerden 3b hacimsel görüntülerin oluşturulması. Yayınlanmamış doktora tezi. Bursa Uludağ Üniversitesi Fen Bilimleri Enstitüsü.http://hdl.handle.net/11452/15367Hacimsel görselleştirme yüzey görselleştirmeye göre daha yüksek işlem yükü gerektirir. Teknolojinin gelişmesine paralel olarak hacimsel görselleştirmeye olan ilgi son yıllarda artmıştır. Hacimsel görselleştirmede önemli zorluklardan bir tanesi ilgi duyulan bölgelerin transfer fonksiyonları aracılığı ile çıkarımıdır. Bu tez çalışmasında hacimsel görselleştirmede karşılan bu zorluğun çözümü için yüzey görselleştirmede sıklıkla kullanılan sınıflandırma temelli yaklaşım uygulanmıştır. Bu tezde önerilen yaklaşımda hacimsel görselleştirme işlemi iki aşamada gerçekleştirilmektedir. İlk aşamada görüntü işleme ile yerel sınırlar çıkartılmakta ve bu sınırlar makine öğrenmesi yöntemi ile birleştirilerek ilgi duyulan bölge (İDB) belirlenmektedir. İkinci aşamada ise bir transfer fonksiyonu aracılığı ile İDB hacimsel olarak görselleştirilmektedir. Önerilen yaklaşımın başarım analizi yapılırken gürültünün İDB ve hacimsel görüntü üzerindeki etkisi araştırılmıştır. Başarım analizi sonucunda önerilen yaklaşımın hacimsel görselleştirmeyi iyileştirdiği görülmüştür.Volumetric visualization requires higher processing load than surface visualization. In parallel with the development of technology, interest in volumetric visualization has been increased in recent years. One of the major challenges in volumetric visualization is the extraction of regions of interest through transfer functions. In this thesis, a classificationbased approach, which is frequently used in surface visualization, has been applied to solve this challenge in volumetric visualization. In the approach proposed in this thesis, volumetric visualization process is carried out in two stages. In the first stage, local boundaries are extracted with the image processing and the region of interest (ROI) is determined by combining these boundaries with the machine learning methods. In the second stage, ROI is visualized volumetrically by using a transfer function. While analysing the performance of the proposed approach, the effect of the noise on the ROI and the volumetric image was investigated. As a result of the performance analysis, it was seen that the proposed approach improved the volumetric visualization.VIII, 104 sayfatrinfo:eu-repo/semantics/openAccessVolume renderingHacim görüntülemeDigital image processingSayısal görüntü işlemeGörüntü sınıflandırmaImage classificationdoctoralThesis