Geri Dön

Image restoration using dynamical neural networks

Dinamik yapay sinir ağları ile görüntü onarımı

  1. Tez No: 39483
  2. Yazar: ATA ÜNAL
  3. Danışmanlar: DOÇ.DR. CÜNEYT GÜZELİŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1994
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 141

Özet

Aynı zamanda konumsal değişmeyen bozucu sistemlerin, yani bulanıklık fonksiyonlarının, görüntü onanmmdaki önemi, HYSA'lannın şimdiye dek yapılmış uygulamalarından daha karmaşık olan bir görüntü işleme uygulaması olan görüntü onarımı alanında potansiyelinin ve sınırlarının saptanması girişimini yüreklendirmiştir. Bu amaçla HYSA'lar için yeni önerilmiş olan bir öğrenme algoritması, Dinamik Algılayıcı Öğrenme Algoritması (Reccurent Perceptron Learning Algorithm : RPLA) kullanılmıştır. YS Alarmın uygulamalarına yönelik kuramsal çalışmalar iki temel nokta etrafında toplanır. Bunlar sırasıyla tasarım ve öğrenmedir. YSA'lanmn tasarımında temel olarak genelde enerji fonksiyonlarından, öğrenme yöntemleri geliştirmede ise hata fonksiyonlarından yararlanılır. Bu bakımdan, bu tez görüntü onaranı problemine YSAlanm her iki açıdan da kullanılarak yaklaşmaktadır. Hopfield modeli için tasarım, HYSA modeli için öğrenme yaklaşımı tercih edilmiştir. Bölüm T de YS Alarma ilşkin genel bilgi ve kavramların verilmesinin ardından, Bölüm 3ve Bölüm 4“te bu çalışmada kullanılan YSA modeleri, sırasıyla Hopfield ağı ve HYSA tanıtılmıştır.Bu bölümlerde söz konusu YSA modellerinin varolan görüntü işleme uygulamalarına da kısaca değinilmiştir.Bölüm 5'te yararlanılan temel bir takım kavramlarıyla birlikte sayısal görüntü onarımı problemi tanıtılmıştır. Bölüm 6”da, konumsal değişmeyen bir bulanıklık fonksiyonu ve gürültü tarafından bozulmuş gri seviyeli görüntülerin onarımı amacıyla, fazladan hücreler içeren değiştirilmiş bir Hopfield ağı modeli ve buna ilişkin onarım yöntemi sunulmaktadır. Verilen restorasyon algoritmasının yazılım gerçeklemesinin yanısıra, çok büyük boyutlardaki veri saklama gereksinimine bir çözüm olarak Hopfield ağının bağlantı ağırlık katsayılarının bulunması işlemi hızını belirgin olarak düşürecek uygun bir algoritma ile konumsal değişmeyen bulanıklık fonksiyonunun parametreleri cinsinden dinamik olarak hesaplanması önerilmiştir. Tezin yazarı tarafından geliştirilen bu algoritma blok Toeplitz matrisinin genel yapısı ve konumsal değişmeyen bulanıklık fonksiyonunun genel davranışının, görüntünün boyutlarından bağımsız olacak şekilde modellenmesi temeline dayanmaktadır. Bölüm 7de HYSA ile görüntü onarımı yapabilmek amacıyla veriye özgü bir tasarım aracı olarak kullanılacak olan eğiticili öğrenme algoritması Dinamik Algılayıcı Öğrenme Algoritması [19] tamtılmıştır.Bölüm 8“ de HYSAlanmn literatürde ilk kez gri seviyeli xıgörüntülerin onarımı gibi karmaşık bir görüntü işleme dalma uygulanması için yeni bir yaklaşım önerilmiştir. Bu bilindiği kadarıyla, ayrı ayrı görüntünün bitleri üzerinde paralel bir işleme önermesiyle de, varolan görüntü onarımı yöntemleri açısından da yeni bir yaklaşımdır. Bu bölümde görüntü onarımını gerçeklemek amacıyla veriye özgü bir araç olarak kullanılan ve yeni önerilmiş olan Dinamik Algılayıcı Öğrenme Algoritması, RPLA da tanıtılmıştır. Özellikle HYS Alarmın kullanıldığı bu bölümdeki çalışmada amaç, sadece verilen görüntü onarımı işlevini en azından belli bir düzeyde yerine getirecek bir yazılım yöntemi geliştirmek değil, bu yöntemi geliştirirken modelin aslmda varolan geniş ölçekli tümdevre tasarımına uygunluğunu da korumaktır. Bu nedenle, literatürde HYSA için çok seviyeli bir hücre modeli önerilmiş olmasma ve doğrusal olmayan çıkış fonksiyonlarının uygun tasarım altında gerçeklenebilirliğinin gösterilmiş bulunmasına karşın, HYSA'mn Chua ve Yang tarafından önerilmiş olan geleneksel çıkış yelpazesi değiştirilmemiştir. Aynı zamanda belirtilmelidir ki, alanında bir ilk çalışma olarak bu tez amaçlanan, geleneksel anlamda mutlaka doyurucu sonuçlar almak ya da varolan görüntü onarımı teknikleri ile sonuç açısından bir karşılaşmaya gitmek değil, ileride sürmesi umulan çalışmalara da temel oluşturmak üzere, dinamik YS Alarmın potansiyelinin ve sınırlarının alışılagelenden daha derinlemesine bir araştırmasıdır. xııAynı zamanda konumsal değişmeyen bozucu sistemlerin, yani bulanıklık fonksiyonlarının, görüntü onanmmdaki önemi, HYSA'lannın şimdiye dek yapılmış uygulamalarından daha karmaşık olan bir görüntü işleme uygulaması olan görüntü onarımı alanında potansiyelinin ve sınırlarının saptanması girişimini yüreklendirmiştir. Bu amaçla HYSA'lar için yeni önerilmiş olan bir öğrenme algoritması, Dinamik Algılayıcı Öğrenme Algoritması (Reccurent Perceptron Learning Algorithm : RPLA) kullanılmıştır. YS Alarmın uygulamalarına yönelik kuramsal çalışmalar iki temel nokta etrafında toplanır. Bunlar sırasıyla tasarım ve öğrenmedir. YSA'lanmn tasarımında temel olarak genelde enerji fonksiyonlarından, öğrenme yöntemleri geliştirmede ise hata fonksiyonlarından yararlanılır. Bu bakımdan, bu tez görüntü onaranı problemine YSAlanm her iki açıdan da kullanılarak yaklaşmaktadır. Hopfield modeli için tasarım, HYSA modeli için öğrenme yaklaşımı tercih edilmiştir. Bölüm T de YS Alarma ilşkin genel bilgi ve kavramların verilmesinin ardından, Bölüm 3ve Bölüm 4”te bu çalışmada kullanılan YSA modeleri, sırasıyla Hopfield ağı ve HYSA tanıtılmıştır.Bu bölümlerde söz konusu YSA modellerinin varolan görüntü işleme uygulamalarına da kısaca değinilmiştir.Bölüm 5'te yararlanılan temel bir takım kavramlarıyla birlikte sayısal görüntü onarımı problemi tanıtılmıştır. Bölüm 6“ da, konumsal değişmeyen bir bulanıklık fonksiyonu ve gürültü tarafından bozulmuş gri seviyeli görüntülerin onarımı amacıyla, fazladan hücreler içeren değiştirilmiş bir Hopfield ağı modeli ve buna ilişkin onarım yöntemi sunulmaktadır. Verilen restorasyon algoritmasının yazılım gerçeklemesinin yanısıra, çok büyük boyutlardaki veri saklama gereksinimine bir çözüm olarak Hopfield ağının bağlantı ağırlık katsayılarının bulunması işlemi hızını belirgin olarak düşürecek uygun bir algoritma ile konumsal değişmeyen bulanıklık fonksiyonunun parametreleri cinsinden dinamik olarak hesaplanması önerilmiştir. Tezin yazarı tarafından geliştirilen bu algoritma blok Toeplitz matrisinin genel yapısı ve konumsal değişmeyen bulanıklık fonksiyonunun genel davranışının, görüntünün boyutlarından bağımsız olacak şekilde modellenmesi temeline dayanmaktadır. Bölüm 7de HYSA ile görüntü onarımı yapabilmek amacıyla veriye özgü bir tasarım aracı olarak kullanılacak olan eğiticili öğrenme algoritması Dinamik Algılayıcı Öğrenme Algoritması [19] tamtılmıştır.Bölüm 8”de HYSAlanmn literatürde ilk kez gri seviyeli xıgörüntülerin onarımı gibi karmaşık bir görüntü işleme dalma uygulanması için yeni bir yaklaşım önerilmiştir. Bu bilindiği kadarıyla, ayrı ayrı görüntünün bitleri üzerinde paralel bir işleme önermesiyle de, varolan görüntü onarımı yöntemleri açısından da yeni bir yaklaşımdır. Bu bölümde görüntü onarımını gerçeklemek amacıyla veriye özgü bir araç olarak kullanılan ve yeni önerilmiş olan Dinamik Algılayıcı Öğrenme Algoritması, RPLA da tanıtılmıştır. Özellikle HYS Alarmın kullanıldığı bu bölümdeki çalışmada amaç, sadece verilen görüntü onarımı işlevini en azından belli bir düzeyde yerine getirecek bir yazılım yöntemi geliştirmek değil, bu yöntemi geliştirirken modelin aslmda varolan geniş ölçekli tümdevre tasarımına uygunluğunu da korumaktır. Bu nedenle, literatürde HYSA için çok seviyeli bir hücre modeli önerilmiş olmasma ve doğrusal olmayan çıkış fonksiyonlarının uygun tasarım altında gerçeklenebilirliğinin gösterilmiş bulunmasına karşın, HYSA'mn Chua ve Yang tarafından önerilmiş olan geleneksel çıkış yelpazesi değiştirilmemiştir. Aynı zamanda belirtilmelidir ki, alanında bir ilk çalışma olarak bu tez amaçlanan, geleneksel anlamda mutlaka doyurucu sonuçlar almak ya da varolan görüntü onarımı teknikleri ile sonuç açısından bir karşılaşmaya gitmek değil, ileride sürmesi umulan çalışmalara da temel oluşturmak üzere, dinamik YS Alarmın potansiyelinin ve sınırlarının alışılagelenden daha derinlemesine bir araştırmasıdır. xııAynı zamanda konumsal değişmeyen bozucu sistemlerin, yani bulanıklık fonksiyonlarının, görüntü onanmmdaki önemi, HYSA'lannın şimdiye dek yapılmış uygulamalarından daha karmaşık olan bir görüntü işleme uygulaması olan görüntü onarımı alanında potansiyelinin ve sınırlarının saptanması girişimini yüreklendirmiştir. Bu amaçla HYSA'lar için yeni önerilmiş olan bir öğrenme algoritması, Dinamik Algılayıcı Öğrenme Algoritması (Reccurent Perceptron Learning Algorithm : RPLA) kullanılmıştır. YS Alarmın uygulamalarına yönelik kuramsal çalışmalar iki temel nokta etrafında toplanır. Bunlar sırasıyla tasarım ve öğrenmedir. YSA'lanmn tasarımında temel olarak genelde enerji fonksiyonlarından, öğrenme yöntemleri geliştirmede ise hata fonksiyonlarından yararlanılır. Bu bakımdan, bu tez görüntü onaranı problemine YSAlanm her iki açıdan da kullanılarak yaklaşmaktadır. Hopfield modeli için tasarım, HYSA modeli için öğrenme yaklaşımı tercih edilmiştir. Bölüm T de YS Alarma ilşkin genel bilgi ve kavramların verilmesinin ardından, Bölüm 3ve Bölüm 4“te bu çalışmada kullanılan YSA modeleri, sırasıyla Hopfield ağı ve HYSA tanıtılmıştır.Bu bölümlerde söz konusu YSA modellerinin varolan görüntü işleme uygulamalarına da kısaca değinilmiştir.Bölüm 5'te yararlanılan temel bir takım kavramlarıyla birlikte sayısal görüntü onarımı problemi tanıtılmıştır. Bölüm 6”da, konumsal değişmeyen bir bulanıklık fonksiyonu ve gürültü tarafından bozulmuş gri seviyeli görüntülerin onarımı amacıyla, fazladan hücreler içeren değiştirilmiş bir Hopfield ağı modeli ve buna ilişkin onarım yöntemi sunulmaktadır. Verilen restorasyon algoritmasının yazılım gerçeklemesinin yanısıra, çok büyük boyutlardaki veri saklama gereksinimine bir çözüm olarak Hopfield ağının bağlantı ağırlık katsayılarının bulunması işlemi hızını belirgin olarak düşürecek uygun bir algoritma ile konumsal değişmeyen bulanıklık fonksiyonunun parametreleri cinsinden dinamik olarak hesaplanması önerilmiştir. Tezin yazarı tarafından geliştirilen bu algoritma blok Toeplitz matrisinin genel yapısı ve konumsal değişmeyen bulanıklık fonksiyonunun genel davranışının, görüntünün boyutlarından bağımsız olacak şekilde modellenmesi temeline dayanmaktadır. Bölüm 7de HYSA ile görüntü onarımı yapabilmek amacıyla veriye özgü bir tasarım aracı olarak kullanılacak olan eğiticili öğrenme algoritması Dinamik Algılayıcı Öğrenme Algoritması [19] tamtılmıştır.Bölüm 8" de HYSAlanmn literatürde ilk kez gri seviyeli xıgörüntülerin onarımı gibi karmaşık bir görüntü işleme dalma uygulanması için yeni bir yaklaşım önerilmiştir. Bu bilindiği kadarıyla, ayrı ayrı görüntünün bitleri üzerinde paralel bir işleme önermesiyle de, varolan görüntü onarımı yöntemleri açısından da yeni bir yaklaşımdır. Bu bölümde görüntü onarımını gerçeklemek amacıyla veriye özgü bir araç olarak kullanılan ve yeni önerilmiş olan Dinamik Algılayıcı Öğrenme Algoritması, RPLA da tanıtılmıştır. Özellikle HYS Alarmın kullanıldığı bu bölümdeki çalışmada amaç, sadece verilen görüntü onarımı işlevini en azından belli bir düzeyde yerine getirecek bir yazılım yöntemi geliştirmek değil, bu yöntemi geliştirirken modelin aslmda varolan geniş ölçekli tümdevre tasarımına uygunluğunu da korumaktır. Bu nedenle, literatürde HYSA için çok seviyeli bir hücre modeli önerilmiş olmasma ve doğrusal olmayan çıkış fonksiyonlarının uygun tasarım altında gerçeklenebilirliğinin gösterilmiş bulunmasına karşın, HYSA'mn Chua ve Yang tarafından önerilmiş olan geleneksel çıkış yelpazesi değiştirilmemiştir. Aynı zamanda belirtilmelidir ki, alanında bir ilk çalışma olarak bu tez amaçlanan, geleneksel anlamda mutlaka doyurucu sonuçlar almak ya da varolan görüntü onarımı teknikleri ile sonuç açısından bir karşılaşmaya gitmek değil, ileride sürmesi umulan çalışmalara da temel oluşturmak üzere, dinamik YS Alarmın potansiyelinin ve sınırlarının alışılagelenden daha derinlemesine bir araştırmasıdır. xıı

Özet (Çeviri)

görüntülerin onarımı gibi karmaşık bir görüntü işleme dalma uygulanması için yeni bir yaklaşım önerilmiştir. Bu bilindiği kadarıyla, ayrı ayrı görüntünün bitleri üzerinde paralel bir işleme önermesiyle de, varolan görüntü onarımı yöntemleri açısından da yeni bir yaklaşımdır. Bu bölümde görüntü onarımını gerçeklemek amacıyla veriye özgü bir araç olarak kullanılan ve yeni önerilmiş olan Dinamik Algılayıcı Öğrenme Algoritması, RPLA da tanıtılmıştır. Özellikle HYS Alarmın kullanıldığı bu bölümdeki çalışmada amaç, sadece verilen görüntü onarımı işlevini en azından belli bir düzeyde yerine getirecek bir yazılım yöntemi geliştirmek değil, bu yöntemi geliştirirken modelin aslmda varolan geniş ölçekli tümdevre tasarımına uygunluğunu da korumaktır. Bu nedenle, literatürde HYSA için çok seviyeli bir hücre modeli önerilmiş olmasma ve doğrusal olmayan çıkış fonksiyonlarının uygun tasarım altında gerçeklenebilirliğinin gösterilmiş bulunmasına karşın, HYSA'mn Chua ve Yang tarafından önerilmiş olan geleneksel çıkış yelpazesi değiştirilmemiştir. Aynı zamanda belirtilmelidir ki, alanında bir ilk çalışma olarak bu tez amaçlanan, geleneksel anlamda mutlaka doyurucu sonuçlar almak ya da varolan görüntü onarımı teknikleri ile sonuç açısından bir karşılaşmaya gitmek değil, ileride sürmesi umulan çalışmalara da temel oluşturmak üzere, dinamik YS Alarmın potansiyelinin ve sınırlarının alışılagelenden daha derinlemesine bir araştırmasıdır. xıı

Benzer Tezler

  1. Tez No

    834354

    A statistical framework for degraded underwater video generation

    Bozulmuş sualtı video üretimi için istatistiksel bir yapı

    SERKAN ŞATAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Tez No

    892819

    Öz bilgi destekli derin öğrenme yaklaşımları ile hsg gürültü giderme

    Self-ınformation empowered deep learning approaches for hsı denoising

    ORHAN TORUN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM

    PROF. DR. MEHMET ERKUT ERDEM

  3. Tez No

    456334

    Investigation of biological flows through particle image velocimetry (PIV) combined with several imaging techniques

    Parçacık görüntülemeli hız ölçümü (PIV) ve farklı görüntüleme yöntemlerinin birleştirilerek biyolojik akışların incelenmesi

    FAZIL EMRE USLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilim ve TeknolojiKoç Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KEREM PEKKAN

  4. Tez No

    905195

    Dinamik olmayan stokastik rezonans yöntemi kullanılarak su altı görüntülerinin iyileştirilmesi

    Underwater image enhancement using non-dynamic stochastic resonance

    RUSTAM SALIMOV

    Doktora

    Türkçe

    Türkçe

    2024

    Fizik ve Fizik MühendisliğiSakarya Üniversitesi

    Fizik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HACI AHMET YILDIRIM

  5. Tez No

    259286

    Görüntü iyileştirme ve onarma teknikleri

    Image enhancement and restoration techniques

    MÜCELLA ÖZBAY KARAKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Bilim ve TeknolojiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MELİH CEVDET İNCE

Geri Dön