Segmentasyon – Multimedya Bölümü – Multimedya Bölümü Ödevleri – Multimedya Bölümü Tez Yaptırma –Multimedya Bölümü Ödev Ücretleri

Segmentasyon

Geleneksel olarak, segmentasyon, görüntü işlemeye indirgenir ve düşük seviyeli bir işlem olarak kabul edilir. Görüntü ve video verileri için, temsil yöntemlerinin çoğu, özellikle sıkıştırma yöntemleri, bunları aralarında bazı işlevsel veya istatistiksel ilişkiler olan sadece sayılar olarak ele alır.

İçeriğe dayalı açıklamayı sıkıştırma şemalarına dahil etme girişiminde bulunulmadı. Görüntü işlemenin işi, bazı matematiksel veya istatistiksel kriterlere göre homojen olan segmentleri veya bölgeleri bulmaktır.

Öte yandan, sözde bilgisayar görüşü veya yapay zeka (AI) yöntemleri, görüntünün içeriğiyle ilgilenen üst düzey işlemlerle, yani bölümlerin veya bilgi temsilinin arkasındaki anlamı anlamakla ilgilidir. Bununla birlikte, son zamanlarda, görüntü veya video verilerini içlerindeki segmentleri kullanarak temsil etmeye çalışan, her bir segmentin içeriğinin matematiksel olarak karakterize edildiği, içerik tabanlı kodlamaya dayalı birleşik bir yaklaşım ortaya çıkmaktadır.

Görüntüleri ve videoları içeriklerine göre işleme konusundaki son trendle birlikte, içerik tabanlı bölümleme yöntemlerine ilgi artıyor. İçerik tabanlı bölütleme yöntemleri ile kullanıcılar, örneğin bir gün batımını tasvir eden resimlere erişerek, içeriklerini belirleyerek ilgili veritabanlarından resimlere ve videolara erişebilirler.

İçeriğe dayalı erişim arzusu insanlar için çok doğaldır. Mevcut muazzam miktarda veri nedeniyle, istenen bir görüntü veya video için her üyeyi görüntüleyen bir görüntüye veya video veritabanına göz atmak son derece sıkıcı ve zaman alıcı bir görev haline gelir. İçeriğe dayalı temsili kolaylaştırmak için, hem görüntüler hem de video olan ilk ham veriler, her bölümün açıklaması içeriğiyle ilişkili olacak şekilde bölümlendirilmelidir.

Benzer özelliklere sahip her bir nesne veya bir nesne grubu, verilerin içerik tabanlı tanımlamasının bir bilgisayar tarafından otomatik olarak işlenmesini mümkün kılacak şekilde tanımlanmalıdır. Bu nedenle, görüntü ve video verileri için içerik tabanlı veya nesne tabanlı bölümleme sorunu büyük önem kazanmıştır.

Artan erişilebilir dijital görüntü ve dijital video verileri, muazzam miktarda veriye yol açtı. Ayrıca, donanımdaki son gelişmeler, bu kadar büyük miktardaki görüntü, video, ses verisinin veya bunların bir kombinasyonunun yönetimini sıradan hale getiriyor.

Bu gerçeklerden dolayı, içeriğe dayalı erişim daha da alakalı hale gelir ve veritabanı sistemleri için bir gereklilik haline gelir. Belirtildiği gibi, içeriğe dayalı erişim olanağının uygulanması tek bir temele dayanamaz ve temeldeki veri modeli, uzamsal ve zamansal ilişkiler, alanın a priori bilgisi gibi birkaç önemli hususun dikkate alınmasını gerektirir. 

VERİ MODELİ BÖLÜMÜ

Geleneksel veritabanı sistemlerinin çoğu ilişkisel veri modellerine dayalıdır ve metinsel ve sayısal verileri depolamak ve yönetmek için tasarlanmıştır. Bilgiye erişim genellikle çoklu ortam verileri için yeterli olmayan dokusal veya sayısal değerlerin basit karşılaştırmalarına dayanır, çünkü multimedya sistemlerindeki bilgiler oldukça değişken ve anlamsal olarak zengindir. Multimedya verilerini işlemek için daha iyi olanaklar sağlayan başka bir veri modeli, nesne yönelimli veri modelidir.

Bununla birlikte, çoklu ortam verilerinin uzamsal-zamansal ilişkileri, nesne yönelimli veri modellerinde hala iyi yönetilememektedir. Diğer bir deyişle, geleneksel veri tabanı sistemleri, çoklu ortam verilerinin içeriğini depolamak, yönetmek ve almak için yeterli olanaklar sağlamaz. Bu nedenle, temel veri modelinde multimedya verilerini işlemek için tesislerde multimedya uzantısı gereklidir.

Segmentasyon ne demek Biyoloji
Segmentasyon ÖRNEKLERİ
Psikografik segmentasyon Nedir
Coğrafi segmentasyon
Demografik segmentasyon örnekleri
Embriyonun segmentasyon nedir
Görüntü segmentasyon nedir
Network segmentasyon nedir

Multimedya veri tabanı sistemleri için veri erişimi ve manipülasyonu, farklı özelliklere sahip çeşitli ortamları birleştirmek gerektiğinden, geleneksel veri tabanı sistemlerinden daha karmaşıktır. Ses ve video verileri için, esasen zamansal bir yönü ifade ederler, öyle ki veri parçaları arasındaki senkronizasyon, bir veritabanı sistemi tarafından yönetilmesi gereken bir unsur olabilir.

Metin verileri video verilerinin üzerine yerleştirildiğinde ve video verilerinden ayrı olarak depolandığında, aralarındaki ilişkiyi tanımlamak için hem uzamsal hem de zamansal ilişkilerin yönetilmesi gerekir. Bu nedenle, uzay-zaman ilişkilerini yönetebilme yeteneği, multimedya veri tabanı sistemlerinin önemli özelliklerinden biridir.

Ek olarak, multimedya verilerinin temsili bir şeydir, algılanan içerikler başka bir şeydir. Bu nedenle, içeriklerin tanınması ve yorumlanması erişimde önemli adımlar haline gelir. Bu talebe yanıt olarak, veri tabanı yönetim sistemi, ham verileri ima edilen içeriklere yorumlamak için bilgiye ihtiyaç duyar. Bilgi, alınan verilerin semantiği ile ilişkili içerikler değerlendirilerek elde edilir.

MEKANSAL VE GEÇİCİ İLİŞKİ BÖLÜMÜ

İçerik tabanlı erişim, nesnelerin uzamsal, zamansal veya uzamsal-zamansal ilişkilerine, nesnelerin özelliklerine (şekil, renk, doku vb.) veya nesnelerin hareketine veya yukarıdakilerin kombinasyonuna dayalı olarak gerçekleştirilebilir. 

Nesnelerin uzamsal, zamansal veya uzamsal-zamansal ilişkilerine dayalı olarak alınması, birçok multimedya uygulaması için çok tipiktir. Örneğin, uzamsal anlambilim ve içerik tabanlı erişim kullanan en yaygın uygulamalar, coğrafi bilgi sistemi (GIS) ve harita veritabanlarıdır.

Bu tür sistemler, kentsel planlama ve kaynak yönetimi senaryolarında yaygın olarak kullanılmaktadır. CBS uygulamalarında soyut mekansal ilişkilerin temsili ve indekslenmesi çok önemlidir.

Araştırma, binalar, nehirler vb. gibi coğrafi nesnelerin coğrafi veri tabanlarından alınmasını tartışır. Diğer bir örnek ise, tıbbi teşhis ve tedavi için nesnelerin göreli boyutlarının ve konumlarının kritik olduğu klinik radyoloji uygulamalarıdır.

Nesneler şekilleri, renkleri veya dokuları değerlendirilerek geri alınabilir. Şekiller için iki olası belirtim biçimi vardır. İlk form, getirilecek şeklin bulunduğu veri tabanındaki nesnenin fotoğrafını veya grafiğini vermektir.

Diğer form şekli çizmektir. Örneğin, bir şirket markasının geri alınması, elle yazılmış bir grafik verilerek veya tescilli bir markanın belirtilmesi ile gerçekleştirilir ve keyfi bir şekildeki nesne, elle çizilmiş bir şekil verilerek veya kes-ve- bir tablodan bir şekil yapıştırın.

Renkler ve nesnelerin uzamsal dağılımı genellikle resimlerin geri alınması için uygulanır. Örneğin, uzamsal dağılımlı renk örneği olarak bir görüntüyü (örn. dijitalleştirilmiş bir fotoğraf) belirterek nesneleri alın. Her bir temsili düzlem, yaklaşmalarında dokuz alt düzleme bölünmüştür.

Doku belirtimi, yüzeylerinde belirli bir dokuya sahip nesneleri almak için uygulanır. Amaç, bir görüntüde görünen belirli kalıpları elde etmektir. QBIC sistemi, nesnelerin şekiller, renkler, uzamsal ilişkiler ve doku ile alınmasına izin veren bir sistemdir.

Makale Deniz

Biyografinin Tamamını Gör