Multi-exposure image fusion with edge preserving smoothing filter
Çoklu pozlamalı görüntü füzyonu kenar koruyucu yumuşatma filtresi
- Tez No: 687371
- Danışmanlar: Assist. Prof. Dr. SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Bu yüksek lisans tezi, görüntü işleme ve derin öğrenme teknikleri. CNN kullanarak görüntü kenarı yumuşatma sisteminin geliştirilmesi yapay arı kolonisi optimizasyonu görevi sıcak takipte, özel dikkat gösteriliyor. görüntünün tüm kenarlarının yumuşatılması. Meta boyuta olan yüksek eğilimi göz önüne alındığında, koruma oranlarında ciddi düşüşler ve görüntüdeki yüksek kenarlar arası değişkenlik görünümün yanı sıra hekimin uygun şekilde gürültüden arındırma eğitimi konusunda güçlü bir gereklilik bir görüntü göz korkutucu bir görev olarak kabul edilebilir. Bu araştırma tezinin amacı, derin bir segmentasyonu için çoklu pozlama görüntü füzyonu için öğrenme ve görüntü işleme boru hattı Derin öğrenme ve görüntülemede hibrit tekniklerle bir görüntüde kenarlar. Edebiyat farklı görüntüleme modeli mimarileri ile farklı makalelerin gözden geçirilmesi gerçekleştirilmiştir. CNN görev için özel model oluşturulmuş ve derin öğrenme tekniği (CNN) kullanılmıştır. hibrit görüntü işleme tekniklerinin farklı ince ayar seviyeleri. Yüksek kenar için tarama Kenarları yüksek doğrulukta tanımlamak için filtre tartışma konusu olmuştur. Mevcut tartışmada, Önerilen yumuşatma prosedürü, olası ön tarama dahil olmak üzere kemik yoğunluğuna dayalıdır Yapay Arı Kolonisi (ABC) optimizasyonunu kullanan teknikler. Yeni tahminin geliştirilmesi modeller ve otomatik yumuşatma, gelecekte genel tarama programlarına katkıda bulunabilir. Özel derin öğrenme model mimarileri, farklı derinlikleri temsil edecek şekilde tasarlanmıştır. NS Bunun arkasındaki fikir, artan temsil kapasitesinin sonuçlara etkisini analiz etmek ve bir görüntüdeki tüm kenarlar için görselleştirmeler. Ek olarak, derin öğrenme CNN modeli oluşturuldu. geleneksel otomatik görüntü işleme yaklaşımını temsil eder. Görüntü işleme kullanılmıştır örneğin görüntü alanının segmentasyonunda iyi sonuçlar veren görüntülerin bazı kenarları Göz önünde bulundurulan görüntü yumuşatma alanlarının yapısı ve segmentasyonu. Çalışma ayrıca düşük eğitim hızı gibi pratik derin öğrenme zorluklarına çözümler bulmaya çalışır ve kesinlikle% 97.59 doğrulukla şeffaflık eksikliği. Görüntüleme ve derin öğrenme MATLAB kullanılarak mevcut paralellikten yararlanmak için boru hatları optimize edilmiştir göz önünde bulundurulan birden fazla araçla programlama dili.
Özet (Çeviri)
This master's thesis focuses on multi-exposure image fusion using image processing and deep learning techniques. The development of image edge smoothening system using CNN based on artificial bee colony optimization task is in hot pursuit, with special attention being given to the smoothening of all the edges of image. Given its high propensity to meta-size, going hand in hand with severe decreases in preservation rates, and the high inter-edge variability in image appearance, as well as a strong requirement on the training of the physician properly de-noising an image can be considered a daunting task. The purpose of this research thesis is to use a deep learning and image processing pipeline for multi-exposure image fusion for the segmentation of edges in an image using with hybrid techniques in deep learning and imaging. The literature review of different papers was conducted with different imaging model architectures. The CNN custom model was created for the task, and deep learning technique (CNN) was used with different levels of fine tuning of hybrid image processing techniques. Screening for high edge filter to identify edges at high accuracy has been under debate. In current discussion, the suggested smoothening procedure is bone density based including possible prescreening techniques using the Artificial Bee Colony (ABC) optimization. Development of new prediction models and automated smoothening could contribute to general screening programs in the future.The custom deep learning model architectures were designed to represent different depths. The idea behind this is to analyze the effect of increasing representational capacity to the results and visualizations for all edges in an image. Additionally, deep learning CNN model was created to represent traditional automated image processing approach. Image processing has been used in some edging of images, producing good results for example in segmentation of image area structure and segmentation of image smoothening areas under consideration. The study also attempts to find solutions to practical deep learning challenges such as low training speed and lack of transparency with an accuracy of 97.59% absolutely. The imaging and deep learning pipelines are optimized in order to exploit the available parallelism using the MATLAB programming language with multiple tools under consideration.
Benzer Tezler
- Multi-exposure image fusion algorithms for high dynamic range imaging
Yüksek dinamik aralıklı görüntüleme için çoklu pozlamayla görüntü birleştirme algoritmaları
OĞUZHAN ULUCAN
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET TÜRKAN
- Multi exposure image fusion using sparse representation and K-means clustering
Seyrek temsil ve K-means kümeleme kullanarak çoklu poz füzyonu
ZEYNEP ÖVGÜ YAYCI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TÜRKAN
- Çoklu-pozlamalı görüntü birleştirme için yeni yöntemler
New methods for multi-exposure image fusion
HARUN AKBULUT
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL ASLANTAŞ
- Retineks teorisi kullanılarak yeni bir çoklu pozlamalı görüntü birleştirme tekniğinin geliştirilmesi
A novel multi exposure image fusion technique using retinex theory
BETÜL ISLAM
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET NUSRET TOPRAK
- Novel AI- based face recognition framework using deep neural networks and bounding box annotation
Başlık çevirisi yok
RASHA KHALID OMAR AL-OMARY
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM