Bilgisayarlı Örüntü Tanıma
İç boyama tekniğinin öncüleri çok eski yıllarda sanat eserlerinin kusurlarını gideren sanatçılardı.ancak o zamanlarda henüz adı konulmamıştı. Bilimde ilk temsilcisi elektronikçi bertalmiodur.
Görüntülerde içboyama yöntemlerinin uygulanışı teknik olarak 2000 yılında M. Bertalmio ile başlamıştır. Başlangıçta sadece eskimiş resimlerin onarılması için düşünülmüş olan bu yöntem günümüzde bozulmuş film ve fotoğrafların onarılması, görüntü ölçekleme uygulamaları, televizyon görüntülerindeki istenmeyen logoların, lekelerin, cisim görüntülerinin veya yazıların mevcut görüntüde bir bozulma oluşturmadan kaldırılması, sayısal video iletiminde ortaya çıkabilecek blok kayıplarından kaynaklanan bozulmaların yok edilmesi gibi birçok uygulamada yaygın olarak kullanılmaktadır.
İç boyama tekniği daha çok fotoğraf üstünde kullanılmakta. Bunun sebebi ise hem maliyet (video restorasyonları pahalı sistemler ile yapılır ve insan gücüne ihtiyaç vardır) ayrıca video düzenlemeri sonucunda bu pahalı sistemler kullanılmazsa videoda akış sırasında göze fazlasıyla rahatsız eden kesiklikler oluşur. Bu kesiklikler ise uzamsal-zamansal medyan ve uzamsal-zamansal ortalama süzgeç yöntemleri ile çözüme kavuşturulabilir. Videolarda en iyi sonuç sabit kameraların görüş alanına giren sabit nesnelerdir. Görüntü içboyama için geliştirilen yöntemler genel olarak, germeye dayalı, örüntü tekrarına dayalı ve örnek tabanlı yöntemlerdir. Günümüze kadar yapılmış içboyama çalışmalarının en gözdesi ise örnek tabanlı doku sentezine dayanan çalışması olmuştur.
Örnek tabanlı doku sentezinin temelinde kaynak resimden daha küçük parçalara inilme hedfi vardır. Çalışmada kaynakların renkleri hesaplanır ve en uygun doku elde edilmeye çalışılır.
Görüntüde herhangi bir nesnenin yok edilmesi için örnek tabanlı sentezleme yöntemine ilk yaklaşımlardan birisi Harison’un çalışmasıdır. Harison’un bu çalışmasında hedef bölgedeki doldurulacak bir imgeciğin doldurma sırası komşu imgeciklerin dokusallık düzeyleriyle belirlenmektedir. Ancak ilgili çalışmada başlangıçta görüntüye gürültü ekleme de yapıldığından en küçükleme işlemi için fazladan hesaplama işlemine gereksinim
duyulmaktadır.
Bilgisayarlı Örüntü Tanıma (Pattern Recognition)
Görme olayında nesnelerin ne olduğunun belirlenmesine örüntü tanıma süreci ya da kısaca tanıma denir. Örüntü Tanıma diğer adıyla Pattern Recognition çok geniş bir konu olmakla beraber yapay zekanın üstünde durduğu ve sürekli gelişen bir konu olduğundan bahsedebiliriz.
Örüntü Tanımaya örnek vermek gerekirse, insan yüzünün tanınması, parmak izi, avuç içi tanınması, karakter tanıma, barkod tanıma verebiliriz.
İnsan yüzünün tanınması, kimlik tespiti ve güvenlik açısından büyük önem taşımaktadır. Yüz tanıma yani Face Recognition, suçluların takibinde ve çok gizliliği olan (kozmik oda gibi) yerlerde tercih edilen bir yöntemdir. Face Recognition yapay zekanın ilgilendiği konulardan biridir.
Yüz tanıma problemlerini üç gruba ayırabiliriz.
- Yüzü bulma (Face Detection)
- Yüzü kesimleme(bölümleme- Face Segmentation)
- Yüz doğrulama(face Idenfication)
Parmak izi tanıması ise günümüzde sıklıkla kullanılan bir yöntemdir. Bilindiği üzere dünyada ki her insanın parmak izi birbirinden farklıdır. Bunun yanında, yüz şekli, el ve yüz yapısı, iris, imza ve ses gibi yapılar da farklılıklar göstermektedir. Parmak izi tanıması genel olarak şu aşamalardan geçmektedir.
- Girişin Algılanması (Input Sensing) : Algılayıcılar, sensörler örnek verilebilir.
- Özelliklerin Çıkarılması (Feature Extraction) : Örneğin parmak izi insana özgü 30 özellik barındırır. (Fakat 12’si genellikle kullanılmaktadır)
- Karşılaştırma ve Sonuç (Matching and Result) : Parmak izi tanıması yapılan kişinin verisi, veritabanı ile karşılaştırılır. Ve sonuç belirlenir.
- Düzeltme ve Depolama(Storage and Retrieval) : Eğer kayıt bulunamazsa veri, veritabanına eklenir.
- Sınıflandırma (Classification) : Bu kısımda ise, izler yapısına ve özelliklerine göre sınıflandırılır.
Karakter tanıma da yapay zekanın araştırma konularından biridir. Genelde bu sistemlere OCR (Optical Character Recognition) sistemleri de denir. Bu sistemlerde basılı olan karakterler de başarı oranı yüksek iken, el yazısı gibi kişiye özgü tanımlamalar da ise başarı oranı düşüktür.
OCR programlarına örnek vermek gerekirse, Abbyy Fine Reader programı verilebilir.
| 
