Geri Dön

Görüntü pekiştirmede kullanılan uyarlanır bulanık maskeleme tekniği için en uygun süzgeç ve parametre seçimi analizi

Analysis of optimum filter and parameters selection for adaptive unsharp masking in image enhancement

  1. Tez No: 285039
  2. Yazar: ONUR JANE
  3. Danışmanlar: DOÇ. DR. HAKKI GÖKHAN İLK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Görüntü pekiştirme teknikleri, son yıllarda askeriden sivile geniş bir uygulama yelpazesinde kullanılabilmektedir. Görünür bant görüntülerinin kötü kayıt kalitesi ve yetersiz kayıt koşulları, kızılötesi bant görüntülerinin ise sıcaklık dağılımına bağlı olarak meydana gelen bulanıklılığı gibi olumsuz durumlar görüntü pekiştirme tekniklerinin önemini daha da artırmaktadır. Bu noktada, ?Bulanık Maskeleme? (BM) görüntü pekiştirme tekniğine alternatif olarak, uyarlanır ve geri beslemeli bir yapıda görüntüdeki hedefleri ?en az hata? ile daha keskin bir şekilde elde etmek için ?Uyarlanır Bulanık Maskeleme (UBM)? tekniği tercih edilmektedir. Görüntü işleme literatüründe UBM tekniği geniş yer almasına rağmen, bu teknikte kullanılan süzgeç yapılarının ve parametrelerin nasıl belirlendiğinden söz edilmemektedir. Tez çalışmasında, UBM tekniğinde kullanılan en uygun süzgeçlerin seçimi irdelenmiş ve bu teknikte kullanılan pek çok parametrenin seçiminin hangi kriterlere göre ve hangi sırada yapıldığı hem görünür bant (gri seviyeli ve renkli görüntüler) hem de kızılötesi bant görüntüleri için MATLAB programlama dili yardımıyla detaylı olarak analiz edilmiştir. Bu analize göre, orta seviyede karşıtlığa sahip bölgeler için belirlenen alt ve üst sınır eşik değerlerin, diğer parametrelere göre daha baskın olduğu; yani UBM tekniği kullanımında görüntüdeki keskinleştirme bölgelerini en uygun biçimde sınıflandırmanın (varyans görüntüsündeki hedeflerin kenar geçiş yerlerinin gözlemine veya varyans görüntüsünün piksel parlaklık değerlerinin ortalamasını alma esasına dayalı olarak), istenen pekiştirilmiş görüntüye ulaşılabilmesinde etkisi olduğu sonucuna varılmıştır. Ek olarak, UBM tekniğinde kullanılan optimizasyon yöntemi Gauss-Newton algoritmasında tek yönde, sadece sütun boyunca güncelleme yapıldığı için kenar algılama süzgeçlerinden Laplasyan süzgecin, Prewitt ve Sobel süzgece göre daha iyi sonuç verdiği gözlenmiştir. Dolayısıyla bu çalışma, görüntüdeki bulanık bölgeleri maskeleyerek, en az hata ile daha keskin görüntüler elde etmeleri için UBM kullanıcılarına süzgeç ve parametre seçimi kapsamında bir yol haritası sunmuştur.

Özet (Çeviri)

In recent years, image enhancement techniques have been used in a wide variety of application areas ranging from military to civil. Bad recording quality and inadequate recording conditions of visible band images and blurry targets depending on the heat distribution on the infrared images have increased the importance of those techniques more and more. At this point, ?Adaptive Unsharp Masking? (AUM) technique, which is an alternative technique to ?Unsharp Masking? (UM) and which helps sharpen the targets on the image with minimum error by using adaptive and feedback structure, is preferred. Although AUM is well reported and cited in the literature extensively, those studies however, lacks the selection of filter structure and the interpretation of vital parameters for their optimum values in a clear and concise manner. In this thesis work, the selection of optimum filter structure used in AUM and the interpretation of optimum parameters selection with their criterion have been analyzed in detail by using MATLAB programming language for both visible band (gray scale and color images) and infrared band images. According to that analysis, lower and upper limit threshold values for medium contrast level areas are the most dominant factor among the other parameters; that is, in AUM, it is important to decide region classes (depending on the observations on the edge of targets in variance image or depending on the average calculations of the pixel intensity values of variance image) in order to sharpen the edges with the boundary of threshold values for desired enhanced output image. Moreover; since there is only one way column update in Gauss-Newton algorithm, which is used as an optimization method in AUM, Laplacian filter as an edge detection filter causes much more appropriate enhanced image than the other edge detection filters called Prewitt and Sobel filters. Thus, in the light of selecting optimum filter and parameters, this study has proposed a road map for AUM users in order to obtain sharper images with minimum error by masking blurry regions of interest.

Benzer Tezler

  1. Analysis of visual design principles in art and architecture by computer vision and learning based model

    Sanat ve mimaride görsel tasarım prensiplerinin bilgisayarlı görü ve öğrenme tabanlı model ile analizi

    GÖZDENUR DEMİR

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ASLI KANAN

  2. The navigation of an autonomous car using deep convolutional neural network and lidar measurements

    Derin dönüşümlü sinir ağı ve lıdar ölçümleriyle otonom bir arabanın navigasyonu

    AZEEZ FOLAYEMI ADEBAYO

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mekatronik MühendisliğiKocaeli Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN METİN ERTUNÇ

  3. Bir senelik retansiyon periyodu sonunda farklı retansiyon protokollerinin oklüzal kontak alanları üzerine etkisi

    The effect of different retention protocols on occlusal contact areas in a one-year retention period

    BURÇAK KARA

    Doktora

    Türkçe

    Türkçe

    2018

    Diş HekimliğiBezm-i Alem Vakıf Üniversitesi

    Ortodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BERZA YILMAZ

  4. Derin pekiştirmeli öğrenme yöntemi ile görüntü hash kodlarını oluşturma

    Generating image hash codes with deep reinforcement learning method

    ELİF AKKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURHAN BARAKLI

  5. Görüntü sınıflandırmada yineleyen derin ağ ve görü dönüştürücü modellerinin karşılaştırılması

    Comparison of recurrent deep network and vision transformer models in image classification

    OĞUZHAN BUBO

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURHAN BARAKLI