Hücresel sinir ağlarının şablon katsayılarının sayısal imgelerde kenar çıkarımı amacıyla farklı algoritmalar ile optimizasyonu
Optimizing the cloning templates of cellular neural networks by different algorithms for edge detection in digital images
- Tez No: 246160
- Danışmanlar: YRD.DOÇ.DR. ALPER BAŞTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Hücresel sinir ağları, kenar çıkarımı, görüntü işleme, optimizasyon algoritması, Cellular neural networks, edge detection, image processing, optimization algorithm
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 52
Özet
Hücresel Sinir Ağları(HSA)'nın, hücre adı verilen yapı taşlarının iki-boyutlu bir bağlantı geometrisi ile dizilmesinden oluşan mimarisinin doğal bir sonucu olarak, ana uygulama alanı görüntü işleme olmuştur. Parçalı doğrusal dinamik bir model olmasından ve doğrusal analiz tekniklerinin kullanımına izin verdiğinden HSA'nın analizi, diğer dinamik ağlara göre daha kolaydır. HSA, iki boyutlu yapısının doğal bir sonucu olarak şimdiye kadar çoğunlukla yapay zeka, görüntü işleme gibi araştırma ve uygulama alanlarında kullanılmıştır.Bu tez çalışmasında amaç, HSA'nın görüntü işleme uygulamalarındaki başarımının çeşitli optimizasyon algoritmaları ile ölçülmesi ve literatürde görüntü işleme için sıkça kullanılan diğer yöntemlerle farklılıklarının araştırılmasıdır. Bu çalışmada, bir HSA'nın şablon katsayıları, sayısal imgelerde kenar çıkarımı amacıyla Nelder-Mead Optimizasyon Algoritması (NMOA), Isıl İşlem Algoritması (IİA), Parçacık Sürüsü Optimizasyon Algoritması (PSOA), Farksal Gelişim Algoritması (FGA) ve Klonal Seçme Algoritması (KSA) kullanılarak belirlenmektedir.HSA'nın şablon katsayıları basit yapay eğitim imgeleri kullanılarak belirlenmiştir. Sunulan kenar çıkarıcıların başarımı birinci dereceden farklı kenar çıkarıcılarla karşılaştırılmış, tüm operatörlerin başarımları hem ikili hem de gri seviyeli test imgeleri üzerinde test edilmiştir. HSA'nın görüntü işleme uygulamalarında başarılı ve etkin bir şekilde kullanıldığı görülmüştür.
Özet (Çeviri)
Cellular Neural Network(CNN) has its main application area in image processing as a natural result of its structure that is composed of cells ranking as two-dimensional linking geometry. The analysis of CNN is relatively easier than the analysis of other dynamic networks since it is a piecewise linear dynamic model and it allows usage of linear analysis techniques. CNN has been mostly used in research and application areas such as artificial intelligence, image processing and information theory until now.The aim of this thesis is the measurement of the performance of cellular neural networks in image processing by using various optimization algorithms and investigating the differences from other image processing methods in the literature. This study determines the cloning template of CNN by using optimization algorithms of Particle Swarm Optimization Algorithm (PSOA), Clonal Selection Algorithm (CSA), Simulated Annealing(SA), Differential Evolution Algorithm(DEA) and Nelder-Mead Optimization Algorithm(NMOA).The cloning templates of CNN is determined by using simple artificial training images. The performance of edge detector in question is compared with the performance of different first degree edge detectors and the performance of all operators are tested both by dual and also by grey level test images.
Benzer Tezler
- FPGA üzerinde HYSA ve HYSA'ya özel öğrenme algoritmalarının birlikte gerçeklenmesi
Implementation of CNN and CNN specific learning algorithms on FPGA
ERDEM KÖSE
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Hücresel sinir ağlarında denge noktasının varlığı için yeni kriterler
New criteria for the existence of stable equilibrium points in cellular neural networks
NEYİR ÖZCAN
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SABRİ ARIK
- Genetik hücresel yapay sinir ağları ve jeofizik uygulamaları
Genetic cellular neural networks and geophysical applications
ERDEM BİLGİLİ
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiGebze Yüksek Teknoloji EnstitüsüElektronik Mühendisliği Ana Bilim Dalı
PROF.DR. ALİ ALKUMRU
- Hücresel sinir ağlarının simülasyonları için sürekli zaman modelleri
Continious time models for the simulations of cellular neural networks
BARAN TANDER
Doktora
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF.DR. MAHMUT ÜN
- Analog CMOS implementation of cellular neural networks
Başlık çevirisi yok
İZZET ADİL BAKTIR
Yüksek Lisans
İngilizce
1991
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiDOÇ.DR. MEHMET ALİ TAN