Otomatik yüz segmentasyonu; bilgisayarla görü, kodlama vb. uygulamalarda anahtar rol görevini üstlenmektedir. Bu sebeple, segmentasyon algoritmalarının sonuçlarının, sonraki adımlara olan etkisi oldukça fazladır. Aynı zamanda, bu algoritmaların değişen koşullara dayanıklı, hesaplama açısından verimli algoritmalar olması önem arz etmektedir. Bu tezin amacı; farklı yüz segmentasyon metotlarını analiz etmek ve bu metotları dayanıklılık ve hesaplama açısından verimliliklerine göre karşılaştırmaktır. Bu tez kapsamında, dört farklı yüz segmentasyon metodunun uyarlanması ve bu yöntemlerin karşılaştırılması sunulmuştur. Deneyler IRIS ve Terravic veri tabanları için gerçekleştirilmiştir. Uyarlanan yüz segmentasyon metotları hata oranları ve sınıflandırma performanslarına göre karşılaştırılmıştır.

Automatic face segmentation is a key issue in many applications such as machine vision, coding, etc. Therefore, the accuracy of the segmentation algorithms results has a strong impact on the later stages. These algorithms should also be computationally efficient and robust against changing environments. The aim of this thesis is to analyze different approaches for face segmentation and compare them in terms of the robustness and computational efficiency. Four different face segmentation methods are chosen to be compared in the scope of this thesis. Experiments are performed on IRIS and Terravic databases. Implemented face segmentation methods are compared according to their classification performances and error rates.

103