Doku tipi imgelerin sınıflandırılması için bir uygulamalı entropi tabanlı dalgacık-yapay sinir ağı sistemi

A wavelet-artificial neural network system based on adaptive entropy for texture images classification

Özet

Günümüzde, doku tipi imgelerin analiz ve sınıflandırılması konusu önemli bir hal almıştır. Doku tipindeki imgelerin sınıflandırılmasında geçmişte karşılaşılan en büyük güçlük, bu tür imgelerin doğru karakterize edilebil- mesi için yeterli yöntemlerin geliştirilememesidir. Ancak son zamanlarda, Gabor süzgeçleri, dalgacık ayrışımları gibi çok çözünürlüklü analiz yöntemlerinin doku tipi imgelerin sınıflandırılmasında diğer klasik yöntemlere göre üstün başarı sağladıkları görülmektedir. Bu çalışmada ise, Brodatz imge albümünden elde edilen 20 adet doku tipi resmin sınıflandırılabilmesi için, uyarlamalı norm entropi tabanlı bir dalgacık-yapay sinir ağı yapısı geliştiril- miştir. Kullanılan yapay sinir ağı çok katmanlı geriye yayılımlı yapıya sahiptir. Yapılan test çalışmalarında geliştirilen yöntemin etkinliği denenmiş ve ortalama % 90 oranında bir tanıma başarısı elde edilmiştir.

Abstract

Nowadays, analysis and classification of texture images analysis and classification becomes an important topic. In the past, greatest difficulty in classification of texture images was the deficiency of enough methods to characterize. Recently, it is seen that, multi-resolution analysis methods such as Gabor filters, wavelet decompositions are superior to other classic methods. In this study, a wavelet-artificial neural network structure based on adaptive norm entropy was developed for classification of the 20 texture images obtained from Brodatz image album. The artificial neural network used in this study has a multi layer, back propagation structure. Efficiency of the developed method was tested showing that an average of %90 recognition success was obtained.