Geri Dön

Yapay zeka optimizasyon algoritmaları kullanarak görüntü çakıştırma

Image registration using artificial intelligence optimization algorithms

  1. Tez No: 317953
  2. Yazar: MURAT TAŞYÜREK
  3. Danışmanlar: DOÇ. DR. VEYSEL ASLANTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Görüntü Çakıştırma, Dalgacık Dönüşümü, Yapay Arı Koloni Algoritması, Parçacık Sürü Optimizasyon Algoritması, Genetik Algoritma, Diferansiyel Gelişim Algoritması, Alan Tabanlı çakıştırma, Özellik Tabanlı çakıştırma, Normalize Karşılıklı Bilgi, Image Registration, Wavelet Transform, Artificial Bee Colony Algorithm, Particle Swarm Optimization Algorithm, Genetic Algorithm, Differential Evolution Algorithm, Area Based Registration, Feature Based Registration, Normalized Mutual Information
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 110

Özet

Görüntü çakıştırma farklı veri setlerini tek bir koordinat sistemine dönüştürme işlemidir. Görüntü çakıştırma, aynı çevreye ait farklı zamanlarda, farklı sensörlerden veya farklı bakış açılarından alınmış iki görüntü arasındaki en iyi geometrik dönüşümü tahmin etme işlemi olarak da tanımlanabilir. Görüntü çakıştırma metotlarının temel amacı referans görüntü ve giriş görüntü arasındaki geometrik dönüşümü sağlayan dönme, öteleme ve ölçekleme parametrelerinin değerini bulmaktır.Görüntü çakıştırma işlemi son yıllarda artarak devam etmektedir ve bu sahada birçok metot geliştirilmiştir. Görüntü çakıştırma yöntemleri genel olarak alan tabanlı ve özellik tabanlı olmak üzere iki gruba ayrılır.Bu tez çalışmasında sezgisel algoritmalar ile alan tabanlı ve özellik tabanlı görüntü çakıştırma işlemi gerçekleştirilmiş ve başarılı sonuçlar elde edilmiştir. Alan tabanlı yöntem olarak görüntü çakıştırma işleminde sıklıkla kullanılan dalgacık dönüşüm yöntemi kullanılmıştır.Bu tez çalışmasında, Yapay Arı Koloni Algoritması kullanarak görüntü çakıştırmayı sağlayan yeni bir teknik önerilmiştir. Önerilen tekniğin performansı, normalize karşılıklı bilgi kullanarak Genetik Algoritma, Parçacık Sürü Optimizasyon Algoritması, Diferansiyel Gelişim Algoritması ile karşılaştırılmış ve önerilen tekniğin daha iyi sonuçlar ürettiği gözlemlenmiştir.

Özet (Çeviri)

Image registration is the process of transforming different sets of data into one coordinate system. Image registration can be defined as the process of estimating best match for two images of the same scene taken at different times, from different viewpoints, and/or by different sensors. The main objevtive of image registration methods is the estimation of the values of rotation, translation and scaling parameter between input image and reference image.Interested in image registration continues to increase in recent years and many methods have been developed in this area. Image registration methods, in general, are divided into two groups: area based and feature based methods.In this thesis, heuristic algorithms with area based and feature based image registration techniques are accomplished and successful results have been obtained. Wavelet transform, commonly used in image registration, have been employed in the area based method.This thesis proposes a novel technique that provides image registration by using Artificial Bee Colony Algorithm. Performance of the proposed technique has been compared with Genetic Algorithm, Particle Swarm Optimization Algorithm, Differential Evolution Algorithm by using normalized mutual information. The results obtained show the feasibility of the proposed technique.

Benzer Tezler

  1. Görüntü sınıflandırması için yapay sinir ağlarının analiz ve optimizasyonu

    Analysis and optimization of artificial neural networks for image classification

    OZAN ARSLAN

    Doktora

    Türkçe

    Türkçe

    2001

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    PROF. DR. OĞUZ MÜFTÜOĞLU

    PROF. DR. CANKUT ÖRMECİ

  2. 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

  3. Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight

    Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş

    ARSLAN ARTYKOV

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE KOYUNCU

  4. A deep learning based framework for identification of ship types using optical satellite images

    Optik uydu görüntüleri kullanarak gemi tiplerinin imliklendirilmesi için derin öğrenme tabanlı yöntem

    SERDAR KIZILKAYA

    Doktora

    İngilizce

    İngilizce

    2023

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  5. Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR