1. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE
MODİFİYE EDİCİ KATKI TİPİ VE KATKI ORANININ
BELİRLENMESİ
Şevket GÜMÜŞTEKİN1, Ali TOPAL2, Burak ŞENGÖZ2
1 İzmir Yüksek Teknoloji Enstitüsü, Elektrik Mühendisliği Bölümü, İzmir
2 Dokuz Eylül Üniversitesi, İnşaat Mühendisliği Bölümü, İzmir
1
2. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Giriş
Mikroskobi Polimerlerin saf bitüm içindeki dağılım homojenliğinin kontrolü
Sübjektif değerlendirmeler Yetersiz bilgi
.
50
45
Polymer distribution area (%)
Görsel değerlendirmeler
o Zengin bitüm fazı,
o Zengin polimer fazı
o Ara faz
40
35
*D kraton = 1.4257x2 - 1.2658x
30
2
R = 0.9518
25
20
15
10
5
Kalite kontrolü Laboratuvar deneyi ihtiyacı
0
0
1
2
3
4
5
6
7
Polymer content (% )
Regression analy sis between the p oly mer content and p oly mer distribution
Saf bitüm içerisinde polimer dağılım %’leri
2
3. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Görüntü analizleri ile dokusal özelliklerin tanımlanması ve doku örneklerinin
sınıflandırılması yaygın bir çalışma alanı haline gelmiştir.
Bu amaçla kullanılan en önemli yöntemlerden biri, görüntülerin Gabor
süzgeçlerinden geçirildikten sonra, farklı ölçek ve yöne karşılık gelen süzgeç
tepkilerinin dokuyu tasvir eden öznitelikler olarak kullanılmasıdır.
Gabor süzgeçlerinin kullanıldığı çok sayıdaki doku analizi çalışmaları arasında;
İçerik tabanlı görüntü çıkarma,
Uzaktan algılama,
Hata sezme,
Biometrik tanıma,
Tıbbi görüntü analizi,
Nesne tanıma,
Yazı görüntüsü işleme,
gibi farklı uygulamalar yer almaktadır.
3
4. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
ANAFİKİR:
Bitüm içinde dağılan polimerin doku karakteristikleri PMB’ün fiziksel ve kimyasal
özellikleri ile doğrudan ilgilidir.
Farklı oranlarda Polimer katkı içeren PMB görüntüleri farklı doku karakteristiklerine
sahiptir.
AMAÇ:
Bitüm içinde dağılan polimerin tipi ve oranına bağlı olarak değişen doku
özelliklerinin görsel araçlarla değerlendirilmesi, sübjektif değerlendirmeleri
ortadan kaldırılabilmesi,
Bu özelliklerin Gabor süzgeçlerinden elde edilen öznitelikler yardımıyla kullanılması
ve bu sayede farklı katkı maddelerinin ve katkı oranlarının sadece görüntülerin
kullanılmasıyla sınıflandırılması hedeflenmiştir.
4
5. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Kapsam
Bu çalışmada;
PMB
Farklı katkı maddeleri
Farklı karışım oranları
Kraton®1101 (SBS-1)
Soltene®6302 (SBS-2)
Evatene®2805 (EVA-1)
Elvaloy®4170 (EVA-2)
Elvaloy®3427 (EBA)
% 2-6
% 2-6
% 3-7
% 1,5-1,75
% 2-6
Optik mikroskopi
3 farklı büyütme
İnce kesit
Yüksek çözünürlüklü
görüntü
Doku Analizi
GABOR süzgeçleri
Öznitelikler
Sınıflandırma
40×, 100×, 400×
100 * 5 * 3 = 1.500 Adet (Veri Kümesi)
12 * 5 * 3 = 180 Adet (Test kümesi)
A, B, C yöntemleri
36 Gabor özniteliği
En Yakın Komşuluk (KNN)
5
6. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Doğada çok farklı doku tipleri vardır. Gözümüz bu doku farklılıklarını kolayca ayırt edebilir.
Bununla birlikte sadece gri renk tonlarını kullanarak bu dokuları sayısal olarak da ifade
etmek mümkündür. (Örn: koyu ya da açık piksel sayıları, gri seviye histogramı vb.)
Brodatz doku veritabanından farklı doku örnekleri
PMB doku örnekleri
6
9. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Doku Analiz Metodları
Dijital görüntüleme ile doku analizi genellikle 4 farklı kategoride
–
–
–
–
Yapısal
İstatistiksel
Model-tabanlı
Dönüşüm tabanlı
Bu çalışmada dönüşüm tabanlı model kullanılmıştır.
Gabor dönüşümü
Gabor filtreleri insan görme sistemine benzer özellikler sergiler ve dokuların ifade
edilmesi ve ayrılması için uygun olabilecek bir yöntemdir.
Gabor filtreleri yönlendirilebilir ve ölçeklenebilir Gauss filtrelerinden oluşmaktadır.
9
10. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Gabor filtrelerinin tasarlanması
Bu uygulamada, Gabor filtreleri tamamen 2B frekans alanını kapsayacak
şekilde tasarlanmıştır.
Şekil’de gösterilen görüntünün 3 farklı frekans aralığı ve 12 farklı yön için 36 farklı
filtreleme sonucu ortaya çıkan imgelerin genlik boyutları yer almaktadır.
Her filtrenin görüntü üzerindeki tepkisi frekans karakteristiğine özgü sadece sinyal
içeriğini tanımlar.
10
11. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Gabor filtrelerinin PMB görüntülerine uygulanması
PMB örneği üzerinde 12 farklı yönde (kolon) ve 3 farklı ölçekte (sıra)
Gabor filtrelerinin uygulanması sonuçları
I mn ( x , y )
I (x
p
p , y q )G
*
mn
( x, y )
q
11
12. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Gabor filtre tepkilerinden öznitelik vektörü elde edilmesi
Gabor filtreleri M×N büyüklüğündeki I imgesi üzerinde uygulandığında (m,n) ölçek
ve yönüne karşılık gelen Gabor dönüşümü gerçekleştirilir. Burada “*” karmaşık
eşleniktir.
I mn ( x , y )
I (x
p
p , y q )G
*
mn
( x, y )
q
M×N (ölçek sayısı × yön sayısı) farklı görüntünün ortalama ve sapma değerleri
dokuların ifade edilmesini sağlamak amacıyla kullanılmaktadır *16+.
mn
x
(I
I mn ( x , y )
y
MN
mn
x
mn
( x , y ) mn )
2
y
MN
Bu değerelerin bir araya getirilmesi ile öznitelik vektörü elde edilir .
F { 00 ,
00
, 10 , 10 ,..., ( S 1 ) 0 ,
( S 1 ) 0
,...., ( S 1 )( K 1 ) , ( S 1 )( K 1 ) }
Vektör boyu: 72 (=2*M*N)
12
13. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Öznitelik vektörleri arasındaki uzaklık
İki öznitelik vektörü ( F ( i ) , F ( j ) ) arasındaki uzaklık standart sapma ile
normalize edilerek hesaplanır:
d (i , j )
m
n
mn mn
(i)
(
( j)
( m ,n )
m 0 ,1,..., S 1
mn mn
(i)
) (
2
( m ,n )
( j)
)
2
n 0 ,1,..., K 1
Böylece iki doku örneğinin ne kadar benzer (ya da uzak) olduğunu nicel
olarak ifade edebiliriz
13
14. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
K-en yakın komşuluk (K-NN) sınıflandırması
2B bir öznitelik uzayında farklı sınıflara ait uzaylar komşularının bilinen
sınıflarına göre sınıflandırılır:
Sınıfı bilinmeyen bir örnek k komşu içinden en fazlasının üye olduğu sınıfa
ait olarak belirlenir ( eğer k=1 ise , en yakın komşunun sınıfı atanır )
Bizim çalışmamızdaki öznitelik boyutu 72 B!
14
15. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
K-NN Yöntemi ile Doku Sınıflandırılması
Bu çalışmada, k parametresinin 1-5 arası değerleri için hesaplanan
sonuçların ortalaması kullanılmıştır.
K en yakın komşu sınıflandırması, leave one out çapraz doğrulama tekniği
kullanılarak PMB’ler üzerinde Gabor özniteliklerinin test edilmesinde
kullanılmıştır.
o Her bir grup örneği bilinen bir sınıfı, geri kalan görüntü örnekleri test
kümesi olarak kullanılır.
o Her bir görüntüden elde edilen öznitelikler ideal olarak aynı gruba ait
diğer 11 görüntüye çok yakın olmalıdır.
K-NN sınıflandırması ile doğru olarak sınıflandırılan sorgu kümesi
oranı, sorgu sınıfının başarı oranı olarak kaydedilir.
15
16. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
ANALİZ
Herhangi bir insan, PMB görüntülerinin fiziksel özelliklerini büyük ölçüde
ayırt edebilir.
Bilgisayar ortamında fiziksel özellikleri ayırt edebilme işlemlerini otomatik
olarak gerçekleştirebilmek için görüntülere ait temel özellikleri ortak olan
sınıfların belirlenmesi gerekmektedir.
Her bir polimer tipi ve içeriğinde hazırlanan PMB örneklerinden üç farklı
büyütme (40×, 100×, 400×) altında 12’şer (12x5x3=180) adet görüntü
alınmıştır.
36 Gabor özniteliği olan bir veri kümesi hesaplamada kullanılmıştır.
Her bir görüntüden elde edilen öznitelikler ideal olarak aynı gruba ait diğer
11 görüntüye çok yakın olmalıdır.
16
17. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Gabor özniteliklerinin Sınıflandırmada kullanımı için testler
Gabor özniteliklerinin bitüm görüntülerini ne kadar iyi ifade ettiğini belirlemek için
3 farklı test uygulanmıştır:
Test 1: PMB örnekleri içinde farklı katkı oranlarına dair alt gruplara ait 12
görüntüden her birine ait öznitelik vektörü sırayla sorgulama amacıyla kullanılır.
Aynı yakınlaştırma derecesinde (400×, 100× veya 40×) görüntülenen tüm farklı
katkı oranlı görüntülerden elde edilen öznitelikler sorgulamada kullanılır.
Test 2: Katkısız ve katkılı tüm görüntüler içinden (Farklı büyütmeler için toplam 300
görüntü arasından) her bir görüntü için sorgulama yapılır. Bir sınıfa ait 12
görüntünün ortalama K-NN sınıflandırma başarısı, sınıfın ortalama başarısı olarak
kaydedilir.
Test 3: Katkısız ve katkılı tüm görüntüler ana gruplarda birleştirilir ve
(Katkısız, EBA, EVA ve SBS) her bir görüntü için sorgulama yapılır. O gruba ait N
görüntünün ortalama K-NN başarısı grubun ortalama başarısı olarak kaydedilir.
17
18. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
ANALİZ SONUÇLARI
SBS-1 içindeki sorgulama sonuçları
Polymer
tipi
İçerik
(%)
400×
100×
40×
A
B
C
A
B
C
A
B
C
(%) (%) (%) (%) (%) (%) (%) (%) (%)
100 100 100 100 100 100
82
82
82
3
SBS-1
2
90
92
92
100 100 100
97
100
97
4
40
15
15
80
78
85
62
43
78
5
87
78
85
55
52
47
88
90
92
6
85
83
85
93
90
97
95
87
88
Ort
80
74
75
86
84
86
85
80
87
100X için SBS-1 görüntülerinin
GPLVM yöntemi ile 72den 2ye
indirgenmiş öznitelik uzayında yerleşimi
18
20. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
ANALİZ SONUÇLARI
400×
100×
40×
A
(%)
B
(%)
C
(%)
A
(%)
B
(%)
C
(%)
A
(%)
B
(%)
C
(%)
Saf
87
87
87
38
38
38
100
100
100
EBA
93
93
91
89
95
95
71
74
66
EVA
97
97
98
92
92
92
93
94
94
SBS
90
90
90
95
95
95
88
88
88
Ortalama
Matris
Polimer Tipi
92
92
91
78
80
80
88
89
87
400×
Yöntem A
100×
Yöntem B
Tüm modifiye bitüm
görüntülerinden sınıf
sorgulama sonuçları
40×
Yöntem C
Saf
(%)
EBA
(%)
EVA
(%)
SBS
(%)
Base
(%)
EBA
(%)
EVA
(%)
SBS
(%)
Base
(%)
EBA
(%)
EVA
(%)
SBS
(%)
Saf
87
0
13
0
38
2
42
18
100
0
0
0
EBA
0
93
3
4
0
95
4
1
0
66
31
3
EVA
0
1
97
2
1
2
92
5
0
4
94
2
SBS
0
1
9
90
0
0
5
95
0
0
12
88
Üç farklı büyütme derecesi
ve test kombinasyonu için
karşılaştırma matrisi:
Her bir satır atanan
sınıfların bir sorgu sınıfı ve
yüzdesini temsil eder.
20
21. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
SONUÇLAR
Mikroskop altında farklı yakınlaştırma derecelerinde görüntülenen PMB
görüntüleri üzerinde üç farklı test uygulanmıştır.
Bu testler örneklerin gruplandırması ve sorgulama uzayının büyüklüğü açısından
birbirinden farklıdır.
Test sonuçları, uygun yakınlaştırma derecesi ve yöntem seçildiği takdirde bitüm
görüntülerinin büyük ölçüde doğru olarak sınıflandırılabildiğini göstermiştir.
Mekanik bir test uygulamadan sadece görüntüler üzerinde kısa zamanda
uygulanabilen bu testler sayesinde denetleme ve kalite kontrolü gibi uygulamalar
oldukça güvenilir bir şekilde kolayca gerçekleştirilebilir.
Örnek fotoğrafların gösterildiği görüntülerden de görülebileceği gibi birbirinden
görsel olarak kolayca ayrılabilen sınıflara ait örneklerde doğru sınıfa atama
başarımının fazla olduğu, diğer sınıflara görsel benzerlik gösteren sınıflar için ise
başarım yüzdesinin düşük olduğu görülmüştür.
21
22. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
SONUÇLAR
Nitel yaklaşımla uyumlu olduğu görülen nicel sonuçlarımız, doku analizi kullanarak
hangi sınıflar için güvenilir bir otomatik sorgulama yapılabileceğini göstermektedir.
Üç farklı test uygulanmış, birinci testte her bir katkı maddesinin farklı oranlarda
eklendiği grup içinde dokusal özelliklerin katkı oranını tespit etmek için ne kadar
faydalı olduğu araştırılmıştır. Bazı katkı türleri ve yaklaştırma faktörleri için bu testin
%100’e yakın doğru sonuç verdiği görülmüştür.
İkinci testte bütün katkı maddeleri ve katkı oranları birlikte incelenmiş, bazı
durumlar için dokusal özelliklerin çok ayırıcı olduğu görülmüştür.
Üçüncü test katkı sınıflarının birbirinden ne kadar ayrık olduğunu göstermektedir.
Gabor öznitelikleri kullanılarak PMB görüntülerinin dokusal özellikleri
incelendiğinde bitüme eklenen katkı maddelerinin ve bu maddelerin hangi oranda
eklendiğinin algılanmasının büyük ölçüde mümkün olduğu görülmüştür.
Gabor süzgeçlerinden elde edilen öznitelikler PMB örnekleri üzerinde otomatik
olarak sınıflandırma amacıyla kullanılabilecektir.
22
23. MODİFİYE BİTÜMLERDE GÖRÜNTÜ ANALİZİ İLE MODİFİYE
EDİCİ KATKI TİPİ VE KATKI ORANININ BELİRLENMESİ
Teşekkürler..
Çalışma, 104M559 No’lu Türkiye Bilimsel ve Teknolojik Araştırma Kurumu
tarafından desteklenmiştir.
Şevket GÜMÜŞTEKİN1, Ali TOPAL2, Burak ŞENGÖZ2
1 İzmir Yüksek Teknoloji Enstitüsü, Elektrik Mühendisliği Bölümü, İzmir
2 Dokuz Eylül Üniversitesi, İnşaat Mühendisliği Bölümü, İzmir
E-Posta: sevketgumustekin@iyte.edu.tr
E-Posta: ali.topal@deu.edu.tr
E-Posta: burak.sengoz@deu.edu.tr
23