Filtreler

2007 - 200912010 - 20141
Filtreleri Sıfırla

Ayarlar

Bölüm: Işık University, Faculty of Engineering, Department of Electrical-Electronics Engineering × Konu: Monitoring ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Mülteci barınaklarının uydu görüntülerinden çoklu-sınıflı çizge-kesme bölütleme ve gölge bilgisi kullanılarak otomatik sezimi
    (IEEE, 2014-04-23) Kucur Ergünay, Şerife Seda; Kahraman, Fatih; Ateş, Hasan Fehmi
    Bu çalışmada, mülteci kamplarında bulunan yaşam alanlarının/barınakların (çadır, konteynır vb.) uydu ve hava görüntülerinden otomatik olarak sezimi ve sayımına yönelik bir yöntem tanıtılmaktadır. Mülteci kamplarındaki barınakların çok yüksek çözünürlüklü (VHR) görüntülerde dahi çok küçük boyuta sahip, belli bir alanda çok sık ve bazen karmaşık şekilde yerleştirilmiş ve arkaplan ile ayrıştırılması zor nesnelere denk geliyor olması otomatik barınak/çadır sezim ve sayımını zorlaştırmaktadır. Bahsedilen problemin çözümüne yönelik olarak çok sınıflı çizge-kesme (graph-cut) bölütlemesi ve gölge bilgisinin kullanıldığı özgün bir yöntem çalışma kapsamında önerilmektedir. Buna göre, ilk adımda çizge-kesme bölütleme yöntemi ve morfoloji işlemleri uygulanarak çadır sezimi yapılmıştır. Bu adımda sezilememiş çadırların bulunabilmesi için ikinci bir adımda çadırların gölge bilgisinden faydalanılmıştır. En son adımda gradyan-tabanlı eşikleme yöntemi ile yanlış tespitlerin elenmesi amaçlanmıştır. Önerilen yöntem, özellikle karmaşık yerleşim düzenine sahip mülteci kampları (çadırkent) üzerinde test edilmiştir. Yöntemin başarımı kesinlik (precision) ve geri getirme (recall) kriterlerine göre belirlenmiştir. Elde edilen ortalama kesinlik ve geri getirme başarımları sırasıyla %91.9 ve %90.0 olup problemin zorluğu göz önünde bulundurulduğunda umut vadedici bir sonuçtur.
  • Küçük Resim
    Yayın
    EEG signal compression based on classified signature and envelope vector sets
    (IEEE Computer Society, 2007) Gürkan, Hakan; Güz, Ümit; Yarman, Bekir Sıddık Binboğa
    In this paper, a novel method to compress ElectroEncephaloGram (EEG) Signal is proposed. The proposed method is based on the generation Classified Signature and Envelope Vector Sets (CSEVS) by using an effective k-means clustering algorithm. In this work on a frame basis, any EEG signal is modeled by multiplying three parameters as called the Classified Signature Vector, Classified Envelope Vector, and Frame-Scaling Coefficient. In this case, EEG signal for each frame is described in terms of the two indices R and K of CSEVS and the frame-scaling coefficient. The proposed method is assessed through the use of root-mean-square error (RMSE) and visual inspection measures. The proposed method achieves good compression ratios with low level reconstruction error while preserving diagnostic information in the reconstructed EEG signal.