Image text deblurring by convolutional neural networks
Konvolüsyonel sınır ağları ıle görüntü metın bulanıklığı gıderme
- Tez No: 676685
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN ÖZBAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Kameraların gözetleme, fotoğrafçılık vb. gibi çeşitli alanlarda sıkça kullanılması nedeniyle görüntü bulanıklaştırma son yıllarda araştırmacılar tarafından en çok çalışılan konulardan biridir. Akıllı telefonlarda bulunan kameraların kullanıldığı alanlardan biri de belgelerin internet üzerinden kaydedilmesi veya gönderilmesi amacıyla görüntülerinin alınmasıdır. Görüntü alma veya aktarma işlemi sırasında görüntü bozulması kaçınılmazdır. Hesaplama teknikleri ve araçlarındaki gelişmelerle, görüntü bozulması önlenebilir veya büyük ölçüde düzeltilebilir, ancak, elde edilen görüntülerin kalitesi birçok uygulama için hala yetersizdir. Bu, en gelişmiş dijital fotoğraf kurtarma araçlarının geliştirilmesini gerektirir. Bu tez, bulanık metin görüntülerinin kör bir şekilde kurtarılması için derin öğrenme yöntemlerini kullanan bir mimari oluşturmaya odaklanmaktadır. U-net, Resnet ve ters evrişim için gruplanmış genişletilmiş evrişime dayalı otomatik kodlayıcı mimarisi önerilmiştir. U-net mimarisi, özellik çıkarma için bir kodlayıcı ve görüntü yeniden oluşturma için bir kod çözücü olmak üzere iki bölümden oluşur.Görüntünün boyutunu küçültmeden Resnet ve genişletilmiş evrişim mimarisi kullanılmıştır. Model, güvenilir bir şekilde fotoğraf kalitesinde efektlerle gerçekçi görüntüler üretebilir. Simüle edilmiş ve gerçekçi bulanık görüntüler üzerinde yapılan kapsamlı testler, önerilen ağın mevcut yöntemlerle karşılaştırılabilir olduğunu göstermiştir. Geleneksel genel amaçlı bulanıklık giderme yöntemleriyle karşılaştırıldığında, önerilen bulanıklık giderme algoritması metin görüntülerinde daha tatmin edici sonuçlar üretebilir. Cesaret verici deneysel sonuçlar, önerilen yöntemin etkinliğini göstermektedir.
Özet (Çeviri)
Image deblurring is one of the most studied topics by researchers in recent years, due to the frequent use of cameras in various fields such as surveillance, photography, etc. One of the areas in which the cameras available in smartphones are used is to take images of documents in order to save or send them over the Internet. Image degradation is inevitable during the acquisition or transmission process. With the advancements in computational techniques and tools, image degradation can be avoided or corrected to a great level, however, the quality of the acquired images is still insufficient for many applications. This calls for the development of the most advanced digital photo recovery tools. This thesis focuses on creating an architecture using deep learning methods for blind recovery of blurred text images. Autoencoder architecture that is based on U-net, Resnet, and grouped dilated convolution for deconvolution is proposed. The U-net architecture consists of two parts, an encoder for feature extraction and a decoder for image regeneration. Resnet and Dilated convolution architecture without reducing the size of the image is used. The model is capable of producing realistic latent images with photo-quality effects in a reliable manner. Extensive testing on simulated and realistic blurry images showed that the proposed network is comparable to current methods. Compared with traditional general-purpose de-interference methods, the proposed deblurring algorithm can produce more satisfactory results on text images. The encouraging experimental results demonstrate the effectiveness of the proposed method.
Benzer Tezler
- Deblurring text images affected by multiple kernels
Birden çok bulanıklaşma unsurundan etkilenmiş metin görüntülerinin netleştirilmesi
TOLGA DİZDARER
Yüksek Lisans
İngilizce
2018
Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÇELEBİ PINAR
- Hübanname ve Zenanname'de metin - resim ilişkisi
Image-text relationship Hubanname and Zenanname
SALİHA İÇEN
Yüksek Lisans
Türkçe
2001
Güzel SanatlarHacettepe ÜniversitesiSanat Tarihi Ana Bilim Dalı
PROF. DR. GÜNSEL RENDA
- İlkokul 2. sınıf Türkçe ders kitabının resim-metin ilişkisi açısından değerlendirilmesi
Evaluation of Turkish textbook for second grade in term of image text relation
FUNDA İNAN YILDIZ
Yüksek Lisans
Türkçe
2015
Eğitim ve Öğretimİstanbul Aydın ÜniversitesiSınıf Öğretmenliği Ana Bilim Dalı
DOÇ. DR. BAYRAM BAŞ
- Natural scene image text detection and recognition using a novel global curvature feature
Yenı küresel eğri özellikleri kullanarak doğal sahne görüntü metni algılama ve tanıma
BELAYNESH CHEKOL
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NUMAN ÇELEBİ
- Sosyal ağ sitelerinde sosyal karşılaştırma davranışı: İnstagram-Twitter karşılaştırması
Social comparison behaviour on social network sites: The comparison between Twitter and Instagram
MAHİRE ARMAĞAN DÜNDAR
Yüksek Lisans
Türkçe
2021
Halkla İlişkilerİstanbul ÜniversitesiKişilerarası İletişim Anabilim Dalı
DOÇ. DR. FIRAT TUFAN