Araştırma Makalesi
BibTex RIS Kaynak Göster

Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu

Yıl 2021, Cilt: 25 Sayı: 3, 650 - 657, 30.12.2021

Şevkiye Babacan İbrahim Kılıç

https://doi.org/10.19113/sdufenbed.898845

Öz

Bu çalışmada en iyi görüntü kalitesinin belirlenmesi amacıyla bulanıklaştırılmış görüntüler orijinal görüntü ile karşılaştırılmıştır. Literatürde görüntü kalitesini belirlemede kullanılan bazı klasik yaklaşımlar Normalleştirilmiş Çapraz Korelasyon, Normalleştirilmiş Mutlak Hata, Yapısal İçerik, Tepe Sinyal Gürültü Oranı değerleridir. Bu çalışmada bilimsel araştırmalarda iki metodun karşılaştırılmasında kullanılan Bland-Altman Metodu, ilk kez görüntü kalitesinin belirlenmesi amacı ile kullanılmıştır. İstatistiksel analizler için ilk olarak görüntü standardının sağlanması amacıyla Afyon Kocatepe Üniversitesinin logosu 8 bit derinliğinde 256 x 256 boyutlarında gri tonlamalı bir görüntüye dönüştürülmüştür. Bu görüntü orijinal görüntü olarak ele alınıp A olarak adlandırılmıştır. Karşılaştırılan görüntüler ise orijinal görüntünün gürültü eklenerek bulanıklaştırılmış B, C ve D olarak adlandırılan üç görüntüsünden oluşmaktadır. İlgili görüntüler rassal olarak seçilen ve k, k1 ve k2 olarak adlandırılan 0-256 arasındaki farklı üç satır ve bu satırlara karşı gelen sütunlara ait piksellerin değerlerinden elde edilmiştir. Daha sonra bulanıklaştırılmış görüntülerin orijinal görüntü ile ikili karşılaştırmaları, Bland-Altman Metodu ile gerçekleştirilmiştir. Yapılan analizler sonucunda B, C ve D olarak adlandırılan bulanık görüntüler arasından orijinale en yakın görüntünün hem klasik yaklaşımlarla hem de öne sürülen Bland-Altman yaklaşımı ile B görüntüsü olduğu belirlenmiştir. Elde edilen sonuçlar ilgili tablo ve şekillerde ayrıntılı olarak verilmiştir.

Anahtar Kelimeler

İstatistiksel Metot Karşılaştırma Blant Altman Metodu Görüntü Kalitesi

Kaynakça

  • [1] Yıldız, N. 2010. Görüntü İşlemenin Dünü, Bugünü ve Geleceği, Elektrik Mühendisliği Dergisi, 440(1), 11-16.
  • [2] Marry, R. 2011. Introduction to Image Processing. https://webier.link/0ihqv (Erişim Tarihi:28.02.2021).
  • [3] Shoyab, M., Begum, S., Shawal, S., 2014. Fundamentals of Digital Image Processing and Basic Concept of Classification. International Journal of Chemical and Process Engineering Research, 1(6): 98-108.
  • [4] Eldem, A., Eldem, H., Palal A. 2017. Görüntü İşleme Teknikleriyle Yüz Algılama Sistemi Geliştirme, BEÜ Fen Bilimleri Dergisi 6(2), 44-48.
  • [5] Solomon, C., Breckon, T. 2011, Fundamentals of digital image processing: A practical approach with examples in Matlab. Wiley-Blackwell. 355s.
  • [6] Çayıroğlu, İ. Görüntü İşleme ve Temel Kavramlar. https://webier.link/pjwp3 (ErişimTarihi:28.02.2021).
  • [7] Kuo, M. S., Lee, H. B., Tian, W. 2006. Introduction to Digital Image Processing, Real-Time Digital Signal Processing, 579–626.
  • [8] Suentens, P. 2017. Introduction to Digital Image Processing, Fundamentals of Medical Imaging, 1–14.
  • [9] Jackson, W. 2015. Digital Image Compositing Fundamentals. Apress, 171s.
  • [10] Young, I. T., Gebrands. J. J., Vliet. L. J. 1995. Fundamentals of Image Processıng. Copyright, 113s.
  • [11] Kesimal B. 2017. Görüntü İşeme. https://webier.link/it5hg (Erişim Tarihi:04.03.2021).
  • [12] Aytan, A. E., Öztürk Y., Örgev, E. K. 1993. Görüntü İşleme, İ.Ü. Diş Hekimliği Dergisi, 27(4), 273-277.
  • [13] Balakrishkan, A. V., Mazumdar, R. R. 2010. On Powers of Gaussian White Noise, 57(11), 1-10.
  • [14] Stein, M. L. 1999. Interpolation of Spatial Data: Some Theory for Kriging. Springer Series in Statistics. Springer. 40s.
  • [15] Laligant, O., Truchetet, F., Fauvet, E. 2013. Noise estimation from digital step-model signal, IEEE Trans. Image Processing, Dec., 22(12), 5158-67.
  • [16] Awad A., 2019. Denoising images corrupted with impulse, Gaussian, or a mixture of impulse and Gaussian noise, Engineering Science and Technology, an International Journal, 22(3), 746-753,
  • [17] Dosselmann, R., Yang, D. X. 2005. Existing and Emerging Image Quality Metrics, Saskatoon, 1906-1913.
  • [18] Egizarian, K., Astola, J., Ponomarenko, N., Lukin, V., Battisti, F., Carli M. 2006. A New Full-Reference Qualıty Metrıcs Based On Hvs, Scottsdale, 4 s.
  • [19] Horé, A., Ziou, D., (2010). Image quality metrics: PSNR vs. SSIM. International Conference on Pattern Recognition, 1051-4651, DOI 10.1109/ICPR.2010.579.
  • [20] Zhao, F., Huang, O., Gao, W. (2006) Image Matching by Normalized Cross-Correlation , Conference Paper in Acoustics, Speech, and Signal Processing Fransa, 14–19 Mayıs 2006;Cilt2,DOI:10.1109/ICASSP.2006.1660446.
  • [21] Giavarina, D. 2015. Understanding Bland Altman analysis, Biochemia Medica, 25(2):141–51.
  • [22] Duyar, U. 2010. Dijital Görüntü Teknolojileri, Elektrik Mühendisliği Dergisi, 440, 17-22.
  • [23] Ocakçı M., Bostancı S.H. 2009. Kent Siluetlerine İlişkin Tasarım Niteliklerinin Entropi Yaklaşımı ile Değerlendirilmesi, İTÜ dergisi/a, 2: 27-36.
  • [24] Bland, J.M., Altman, D.G. 1999. Measuring agreement in method comparison studies, Statistical Methods in Medical Research, 8: 135-160.
  • [25] Hollis, S. 1996. Analysis of method comparison studies, Ann Clin Biochem, 33:1-4.
  • [26] Bland, J.M., Altman, D.G. 1986. Statistical methods for assessing agreement between two methods of clinical measurement, Lancet; I: 307-10.
  • [27] Saraçlı, S., Çelik, H.E. 2012. Metot Karşılaştırma Çalışmalarında Bland-Altman ve Tip II Regresyon Analizinin Karşılaştırılması, Düzce Üniversitesi Sağlık Bilimleri Enstitüsü Dergisi, 2(1): 11-14.
  • [28] Genç, Y., Sertkaya, D., Demirtaş, S., 2003. Klinik Araştırmalarda İki Ölçüm Tekniğinin Uyumunu İncelemede Kullanılan İstatistiksel Yöntemler, Ankara Üniversitesi Tıp Fakültesi Mecmuası 56(1):1-6.

An Alternative Statistical Approach for Determining Image Quality in Image Processing: Bland-Altman Method

Yıl 2021, Cilt: 25 Sayı: 3, 650 - 657, 30.12.2021

Şevkiye Babacan İbrahim Kılıç

https://doi.org/10.19113/sdufenbed.898845

Öz

In this study, blurred images were compared with the original image in order to determine the best image quality. Some classical approaches used in determining image quality in the literature are Normalized Cross Correlation, Normalized Absolute Error, Structural Content, Peak Signal to Noise Ratio values. In this study, the Bland-Altman Method, which is used to compare two methods in scientific research, was used for the first time to determine image quality. For statistical analysis, the logo of Afyon Kocatepe University was transformed into a grayscale image with 256 x 256 dimensions in 8-bit depth in order to provide the image standard first. This image was taken as the original image and named A. The compared images consist of three images called B, C and D of the original image blurred with noise. Relevant images were obtained from the values of pixels belonging to different rows 0-256 and corresponding columns, named k, k1 and k2, which were selected randomly. As a result of the analysis, it was determined that among the blurred images named B, C and D, the closest image to the original was the B image with both classical approaches and the proposed Bland-Altman approach. The results obtained are given in the relevant tables and figures in detail.

Anahtar Kelimeler

Statistical Comparison Bland-Altman Method Image Quality

Kaynakça

  • [1] Yıldız, N. 2010. Görüntü İşlemenin Dünü, Bugünü ve Geleceği, Elektrik Mühendisliği Dergisi, 440(1), 11-16.
  • [2] Marry, R. 2011. Introduction to Image Processing. https://webier.link/0ihqv (Erişim Tarihi:28.02.2021).
  • [3] Shoyab, M., Begum, S., Shawal, S., 2014. Fundamentals of Digital Image Processing and Basic Concept of Classification. International Journal of Chemical and Process Engineering Research, 1(6): 98-108.
  • [4] Eldem, A., Eldem, H., Palal A. 2017. Görüntü İşleme Teknikleriyle Yüz Algılama Sistemi Geliştirme, BEÜ Fen Bilimleri Dergisi 6(2), 44-48.
  • [5] Solomon, C., Breckon, T. 2011, Fundamentals of digital image processing: A practical approach with examples in Matlab. Wiley-Blackwell. 355s.
  • [6] Çayıroğlu, İ. Görüntü İşleme ve Temel Kavramlar. https://webier.link/pjwp3 (ErişimTarihi:28.02.2021).
  • [7] Kuo, M. S., Lee, H. B., Tian, W. 2006. Introduction to Digital Image Processing, Real-Time Digital Signal Processing, 579–626.
  • [8] Suentens, P. 2017. Introduction to Digital Image Processing, Fundamentals of Medical Imaging, 1–14.
  • [9] Jackson, W. 2015. Digital Image Compositing Fundamentals. Apress, 171s.
  • [10] Young, I. T., Gebrands. J. J., Vliet. L. J. 1995. Fundamentals of Image Processıng. Copyright, 113s.
  • [11] Kesimal B. 2017. Görüntü İşeme. https://webier.link/it5hg (Erişim Tarihi:04.03.2021).
  • [12] Aytan, A. E., Öztürk Y., Örgev, E. K. 1993. Görüntü İşleme, İ.Ü. Diş Hekimliği Dergisi, 27(4), 273-277.
  • [13] Balakrishkan, A. V., Mazumdar, R. R. 2010. On Powers of Gaussian White Noise, 57(11), 1-10.
  • [14] Stein, M. L. 1999. Interpolation of Spatial Data: Some Theory for Kriging. Springer Series in Statistics. Springer. 40s.
  • [15] Laligant, O., Truchetet, F., Fauvet, E. 2013. Noise estimation from digital step-model signal, IEEE Trans. Image Processing, Dec., 22(12), 5158-67.
  • [16] Awad A., 2019. Denoising images corrupted with impulse, Gaussian, or a mixture of impulse and Gaussian noise, Engineering Science and Technology, an International Journal, 22(3), 746-753,
  • [17] Dosselmann, R., Yang, D. X. 2005. Existing and Emerging Image Quality Metrics, Saskatoon, 1906-1913.
  • [18] Egizarian, K., Astola, J., Ponomarenko, N., Lukin, V., Battisti, F., Carli M. 2006. A New Full-Reference Qualıty Metrıcs Based On Hvs, Scottsdale, 4 s.
  • [19] Horé, A., Ziou, D., (2010). Image quality metrics: PSNR vs. SSIM. International Conference on Pattern Recognition, 1051-4651, DOI 10.1109/ICPR.2010.579.
  • [20] Zhao, F., Huang, O., Gao, W. (2006) Image Matching by Normalized Cross-Correlation , Conference Paper in Acoustics, Speech, and Signal Processing Fransa, 14–19 Mayıs 2006;Cilt2,DOI:10.1109/ICASSP.2006.1660446.
  • [21] Giavarina, D. 2015. Understanding Bland Altman analysis, Biochemia Medica, 25(2):141–51.
  • [22] Duyar, U. 2010. Dijital Görüntü Teknolojileri, Elektrik Mühendisliği Dergisi, 440, 17-22.
  • [23] Ocakçı M., Bostancı S.H. 2009. Kent Siluetlerine İlişkin Tasarım Niteliklerinin Entropi Yaklaşımı ile Değerlendirilmesi, İTÜ dergisi/a, 2: 27-36.
  • [24] Bland, J.M., Altman, D.G. 1999. Measuring agreement in method comparison studies, Statistical Methods in Medical Research, 8: 135-160.
  • [25] Hollis, S. 1996. Analysis of method comparison studies, Ann Clin Biochem, 33:1-4.
  • [26] Bland, J.M., Altman, D.G. 1986. Statistical methods for assessing agreement between two methods of clinical measurement, Lancet; I: 307-10.
  • [27] Saraçlı, S., Çelik, H.E. 2012. Metot Karşılaştırma Çalışmalarında Bland-Altman ve Tip II Regresyon Analizinin Karşılaştırılması, Düzce Üniversitesi Sağlık Bilimleri Enstitüsü Dergisi, 2(1): 11-14.
  • [28] Genç, Y., Sertkaya, D., Demirtaş, S., 2003. Klinik Araştırmalarda İki Ölçüm Tekniğinin Uyumunu İncelemede Kullanılan İstatistiksel Yöntemler, Ankara Üniversitesi Tıp Fakültesi Mecmuası 56(1):1-6.
Toplam 28 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Şevkiye Babacan 0000-0001-9780-4213

İbrahim Kılıç 0000-0003-0595-8771

Yayımlanma Tarihi 30 Aralık 2021
Yayımlandığı Sayı Yıl 2021 Cilt: 25 Sayı: 3

Kaynak Göster

APA Babacan, Ş., & Kılıç, İ. (2021). Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 25(3), 650-657. https://doi.org/10.19113/sdufenbed.898845
AMA Babacan Ş, Kılıç İ. Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu. SDÜ Fen Bil Enst Der. Aralık 2021;25(3):650-657. doi:10.19113/sdufenbed.898845
Chicago Babacan, Şevkiye, ve İbrahim Kılıç. “Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 25, sy. 3 (Aralık 2021): 650-57. https://doi.org/10.19113/sdufenbed.898845.
EndNote Babacan Ş, Kılıç İ (01 Aralık 2021) Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 25 3 650–657.
IEEE Ş. Babacan ve İ. Kılıç, “Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu”, SDÜ Fen Bil Enst Der, c. 25, sy. 3, ss. 650–657, 2021, doi: 10.19113/sdufenbed.898845.
ISNAD Babacan, Şevkiye - Kılıç, İbrahim. “Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 25/3 (Aralık 2021), 650-657. https://doi.org/10.19113/sdufenbed.898845.
JAMA Babacan Ş, Kılıç İ. Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu. SDÜ Fen Bil Enst Der. 2021;25:650–657.
MLA Babacan, Şevkiye ve İbrahim Kılıç. “Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, c. 25, sy. 3, 2021, ss. 650-7, doi:10.19113/sdufenbed.898845.
Vancouver Babacan Ş, Kılıç İ. Görüntü İşlemede Görüntü Kalitesinin Belirlenmesi için Alternatif Bir İstatistiksel Yaklaşım: Bland-Altman Metodu. SDÜ Fen Bil Enst Der. 2021;25(3):650-7.
 Kapak Resmi İndir

e-ISSN: 1308-6529