Geri Dön

Odak tabanlı konvolüsyonel sinir ağları ile gauss gürültüsünün giderilmesi

Gaussian noise removal with attention-based convolutional neural networks

PDF İndir

  1. Tez No: 856665
  2. Yazar: AHMET ULU
  3. Danışmanlar: PROF. DR. BEKİR DİZDAROĞLU
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 129

Özet

Gürültü azaltma sayısal imgelerde meydana gelen bozulmaların imgenin orijinal yapısının mümkün olduğunca korunarak ortadan kaldırılması işlemi olup bir imgenin görsel kalitesini iyileştirmesinden dolayı görüntü işleme alanında yapılan birçok farklı çalışma için bir ön işleme adımı olarak büyük önem arz etmektedir. Gauss gürültüsü en çok karşılaşılan gürültülerden bir tanesidir. Tez çalışması kapsamında gri ve renkli seviyeli görüntülerden farklı seviyelerde gauss gürültüsünün giderilmesi için konvolüsyonel sinir ağları (CNN) tabanlı yeni bir ağ önerilmiştir. İlk olarak gürültü azaltma işlemi sırasında imgenin orijinal yapısının korunması için asıl gürültü azaltma işlemine kılavuz olması amacıyla gürültülü imgeden Yerel İkili Örüntü (YİÖ) tabanlı doku imgesi çıkarılmış ve bu amaçla iki dallı bir yapıya sahip TENet isimli bir CNN ağı önerilmiştir. Daha sonra gürültü azaltma işlemi için gürültülü imge ve gürültülü imgeden elde edilen YİÖ imgesini girdi olarak alan CNN tabanlı MLFAN ağı önerilmiştir. MLFAN ağı tasarım olarak çok seviyeli öznitelik çıkarımı için farklı çekirdek boyutlarına sahip konvolüsyon katmanlarından ve bu özniteliklerin ağırlıklandırılması için kanal tabanlı odak mekanizmalarından oluşmaktadır. Buna ek olarak MLFAN ağının tasarımının değerlendirilmesi için kapsamlı bir ablasyon çalışması sunularak sayısal ve görsel sonuçlarla birlikte değerlendirilmesi yapılmıştır.

Özet (Çeviri)

The process of noise reduction in digital images involves mitigating distortions that occur, aiming to eliminate them while preserving the original structure of the image as much as possible. This operation holds significant importance as a preprocessing step in various image-processing studies due to its ability to enhance the visual quality of an image. Gaussian noise is one of the most encountered types of noise. In the scope of this thesis, a new network based on Convolutional Neural Networks (CNN) is proposed for the removal of Gaussian noise at different levels in grayscale and color images. Initially, a Local Binary Pattern (LBP) based texture image is extracted from the noisy image to serve as a guide for the main noise reduction process, aiming to preserve the original structure of the image. For this purpose, a CNN named TENet, with a two-branch structure, is proposed. Subsequently, for the noise reduction process, a new CNN-based MLFAN network is proposed, taking both the noisy image and the LBP-based texture image obtained from the noisy image as inputs. The MLFAN network is designed with convolutional layers having different kernel sizes for multi-level feature extraction and channel-based attention mechanisms for weighting these features. Additionally, a comprehensive ablation study is presented to evaluate the design of the MLFAN network, accompanied by numerical and visual results.

Benzer Tezler

  1. Tez No

    887835

    Scene change detection with triplet loss network using self-supervised learning

    Üçlü kayıp ağı ile kendi kendine denetimli öğrenme metodu kullanarak sahne geçişlerinin tespiti

    BURAK NAYIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Ana Bilim Dalı

    DR. TANKUT AKGÜL

  2. Tez No

    709250

    Derin öğrenme yöntemlerinin çöz ve aktar tabanlı işbirlikli haberleşme sistemlerindeki performansının incelenmesi

    Performance analysis of deep learning methods in decode and forward based cooperative communication systems

    BİLGEHAN AKDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HACI İLHAN

  3. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  4. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  5. Tez No

    895238

    Developing mobile robot obstacle avoidance methods with model-based and learning-based methods

    Mobil robotlarda model tabanlı ve öğrenme tabanlı engelden kaçınma yöntemleri geliştirilmesi

    AYKUT ÖZDEMİR

    Doktora

    İngilizce

    İngilizce

    2023

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    PROF. DR. OVSANNA SETA ESTRADA

Geri Dön