Image registration based on ensemble of extreme learning machine
Aşırı öğrenme makinası topluluğuna dayalı görüntü çakıştırma
- Tez No: 600120
- Danışmanlar: DR. ÖĞR. ÜYESİ YAVUZ ŞENOL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Görüntü çakıştırma, tek bir koordinat sisteminde çeşitli sensörlerden, noktaların farklı görünümlerinden veya farklı zamanlardan elde edilen bir dizi görüntüyü hizalayan işlemdir. Görüntü özelliklerini kullanarak sinir ağı ile görüntü çakıştırma, geometrik dönüşüm parametrelerini (ölçekleme, döndürme ve öteleme) tahmin etmek için kullanılan bir işlevdir. Bu tez çalışmasında, görüntü çakıştırma prosedürü gürültünün rahatsızlık etkisinin üstesinden gelmek, gürültülü koşullar altında geometrik dönüşüm parametrelerinin tahmininin doğruluğunu ve sağlamlığını arttırmak için birleştirilmiş aşırı öğrenme makineleri kullanılarak gerçekleştirilmiştir. Yapılan deneylerde, afin dönüşümü kullanılarak dönüştürülmüş üç farklı görüntü kullanılmıştır. Özellikler gürültülü görüntü ve gürültüsüz görüntülerden ayrık kosinüs dönüşümüyle elde edildi. Bu özellikler sinir ağlarına girdi olarak verildi ve çakıştırma parametreleri sinir ağlarının çıkışından hesaplandı. Yapay sinir ağı tabanlı görüntü çakıştırma iki aşamada gerçekleştirilebilir. Çakıştırma öncesi aşamada, aşırı öğrenme makineleri, radyal tabanlı sinir ağı ve ileri beslemeli sinir ağı, çeşitli parametrelerle ötelenmiş, ölçeklenmiş ve döndürülmüş görüntülerden elde edilen özellikler ile eğitilmiştir. Çakıştırma aşamasında, eğitilmiş ağlar test görüntülerinden çıkarılan özellikler ile beslenmiş ve kayıt parametreleri çıktıda gözlenmiştir. Elde edilen sonuçlar farklı kullanılan sinir ağları açısından karşılaştırıldı. Sonuçlar, aşırı öğrenme makinelerinin, gürültünün varlığında diğer iki sinir ağından daha iyi sonuç verdiğini göstermiştir.
Özet (Çeviri)
Image registration is the process that aligns a set of images obtained from various sensors, different views of points or different time in one coordinate system. Image registration with neural network using image features is a scheme that used to estimate the geometrical transformation parameters namely (scaling, rotation and translation). In this thesis, the image registration procedure was carried out using ensembled extreme learning machines to overcome the disturbance effect of the noise, improve the accuracy and robustness of the estimation of the geometrical transformation parameters under noisy conditions. In performed experiments, three different images, which are transformed using affine transformation, were used. The features were extracted from the noisy images and noise-free images by discrete cosine transform. These features were given as input to neural networks and the registration parameters were calculated at the output of the network. Image registration based on the neural network can be realized in two stages. In the pre-registration stage, extreme learning machines, radial basis function and feed-forward type of neural networks were trained by features extracted from images, which are translated, scaled and rotated with various parameters. In the registration stage, the trained networks were fed by features extracted from test images and the registration parameters were observed at the output. The obtained results were compared in terms of different used neural networks. The results showed that extreme learning machines give better result in the present of the noise than the other two neural networks.
Benzer Tezler
- Multiresolution image registration based on wavelet transform
Dalgacık dönüşümüne dayalı çok çözünürlüklü görüntü çakıştırma
BARBAROS YAMAN
Yüksek Lisans
İngilizce
2009
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
YRD. DOÇ. DR. HALDUN SARNEL
- Depth extraction, refinement and confidence estimation from image data
Başlık çevirisi yok
GÖRKEM SAYGILI
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTechnische Universiteit Delft (Delft University of Technology)PROF. DR. M. J. T. REINDERS
DR. E. A. HENDRIKS
- Registering range images and segmenting 3d object models
Derinlik imgelerinin eşleştirilmesi ve üç boyutlu modellerin bölütlenmesi
OLCAY SERTEL
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. CEM ÜNSALAN
- Atmospheric turbulence mitigation and moving object detection in turbulence degraded video using feature based optical flow
Atmosferik türbülanstan etkilenmiş görüntülerde öznitelik tabanlı optik akış yöntemi kullanılarak türbülans etkilerinin azaltılması ve hareket eden nesnelerin tespit edilmesi
TUFAN ÇALIŞKAN
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDeniz Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OKAN TOPÇU
- Öznitelik tabanlı imge çakıştırma
Feature based image registration
ŞAHİN IŞIK
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KEMAL ÖZKAN