FAST K-MEANS COLOR IMAGE CLUSTERING WITH NORMALIZED DISTANCE VALUES

Authors : Nurdan AKHAN BAYKAN, Ali SAGLAM

Pages : 175-187

Doi:10.15317/Scitech.2018.124

View : 14 | Download : 10

Publication Date : 2018-06-01

Article Type : Research Paper

Abstract :Görüntü segmentasyonu, görüntü piksellerinin kümelere gruplandığı orta seviye bir görüntü işleme aşamasıdır. Öyle ki, bu şamadan elde edilen veri daha sonraki aşamalar için önceki veriye göre daha anlamlı hale gelmiş olur. Birçok kümeleme metodu, görüntü segmentasyonu amacıyla yaygın bir şekilde kullanılmaktadır. Bu amaçla, çoğu kümeleme metodu görüntü piksellerinin özelliklerini kullanmaktadır. Bazı kümeleme metotları piksellerin komşuluk sistemini kullanarak görüntünün yerel özelliklerini ele alırken, bazıları da görüntünün genel özelliklerini ele almaktadır. Anlaşılması kolay ve uygulaması basit olan K-ortalama algoritması, bütün görüntünün özelliklerini ele alarak segmentasyon yapmaktadır. Bu algoritmada, küme sayısı başlangıç giriş değeri olarak kullanıcı tarafından verilmektedir. Bu segmentasyon işlemi için, eğer piksellerin bir histogram üzerindeki dağılımı kullanılırsa algoritma daha hızlı çalışmaktadır. Bu histogram üzerindeki değerler belirli bir aralıkta ve ayrık olmak zorundadır. Bu çalışmada, piksellerin her bir renk değerinden faydalanmak için piksellerin renk değerleri ile görüntünün ortalama renk değerleri arasındaki Öklit uzaklığı kullanılmıştır. Ayrık değerlerden oluşan bir histogram elde etmek için, uzaklık değerlerini belirli değer aralığında normalize ettik ve bu değerleri ayrıklaştırmak için en yakınındaki tamsayıya yuvarladık. Bu K-means metodu, ISPRS WG III/4 2D Semantic Labeling veri setinden alınan kentsel görüntüler üzerinde gri seviye değerlerinin ve uzaklık mesafesi değerlerinin histogramları ile test edilmiştir. İki histogram karşılaştırıldığında, uzaklık değeri histogramı gri seviye değer histogramından daha iyi sonuç vermiştir.
Keywords : Kümeleme, Histogram, Görüntü segmentasyonu, K ortalama