Deep learning based homography parameter estimation for mosaicing of non-overlapping image patches
Örtüşmeyen görüntü yamalarının mozaiklenmesi için derin öğrenme tabanlı homografi parametresi tahmini
- Tez No: 864638
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN KORAY GÜLTEKİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Görüntü mozaikleme, yüksek çözünürlüklü yeni ve büyük bir görüntü oluşturmak için daha geniş görüş alanına (FOV) sahip iki görüntünün birleştirilmesi işlemidir. Mozaikleme için genellikle iki tür yaklaşım kullanılmıştır. Birinci tür yaklaşımlara öznitelik tespitine dayanan geleneksel yöntemler adı verilmektedir. Mozaik kalitesi özniteliklerin sayısına bağlıdır. Geleneksel yöntemler, az sayıda özniteliğe sahip görüntülerde iyi performans göstermemektedir. Denetimli öğrenmeye dayalı görüntü mozaikleme çözümleri güvenilmezdir çünkü bu yöntemler sıklıkla eksik veri sorunuyla karşılaşır. Literatürde bu alanda yapılan çalışmalar genel olarak ortak bir örtüşme alanına sahip olan görüntüleri birleştirmeyi amaçlamaktadır. Bu makalede, ortak örtüşme alanına sahip olmayan görüntüleri kenarların öteleme bilgilerini kullanarak birleştirmeye çalışıyoruz. Bunun için öğrenmeye dayalı bir yöntem öneriyoruz ve derin bir homografi tahmin ağı kullanıyoruz. Ağ, hedef görüntünün referans görüntüye göre yatay ve dikey eksendeki yer değiştirme miktarını tahmin etmek için özel olarak oluşturulmuş bir veri kümesi kullanılarak eğitilir. Deneysel testler, manzara görüntüleri ve bunların Gauss gürültüsü eklenmiş versiyonlarını içeren özel olarak oluşturulmuş bir veri seti kullanılarak gerçekleştirilir. Test sonuçları, ağın iki görüntü arasındaki yatay ve dikey eksendeki yer değiştirme miktarını başarılı bir şekilde tahmin edebildiğini ve dolayısıyla iki görüntünün doğru noktadan birleştirilebildiğini göstermektedir.
Özet (Çeviri)
Image mosaicing is the process of stitching two images with a larger field of view (FOV) to create a new large image with high resolution. Two kinds of approaches have generally been used for mosaicing. The first kind of approaches are called the traditional methods which are based on feature detection. Mosaicing quality depends on the number of features. Traditional methods do not perform well on images with low number of features. The supervised learning-based image mosaicing solutions unreliable because these methods often experience the problem of missing data. Studies in this field in the literature generally aim to stitch images with a common overlap area. In this article, we try to stitch images with translational displacements along the edges that do not have overlapping areas. For this, we propose a learning-based method and use a deep homography estimation network. The network is trained using a custom generated dataset to estimate the displacement amount of the target image in the horizontal and vertical axis relative to the reference image. Experimental tests are carried out using a custom generated dataset including landscape images and their gaussian noise added versions. The test results shows that the network can successfully predict the displacement amount in the horizontal and vertical axis between the two images and therefore the two images can be stitched from the right point.
Benzer Tezler
- Beyin kitlelerine yönelik erken tanı ve sınıflandırma sistemi
Early diagnosis and classification system for brain masses
ALİ BERKAN URAL
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT HARDALAÇ
PROF. DR. PINAR ÖZIŞIK
- Parçacık sürü optimizasyonu, hedef öncelikli algoritma ve derin öğrenme ile fotonik yapılarda tersine tasarım
Inverse design of photonic structures with particle swarm optimization, objective-first algorithm and deep learning
İPEK ANIL ATALAY
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAMZA KURT
- Derin öğrenme tabanlı bilgisayar destekli akciğer kanseri tespiti
Deep learning based computer aided lung cancer detection
BÜŞRANUR BAHAT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN GÖRGEL
- Akciğer BT görüntülerinden tümörlü verilerin farklı derin öğrenme modelleriyle tahmini
Prediction of tumor data from lung CT images with different deep learning models
VOLKAN ÇETİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
- Holografik mikroskopinin hücresel analiz ve veri güvenliği performansının iyileştirilmesi
Improvement of cellular analysis and data security performance of holographic microscopy
MUHAMMED ALİ PALA
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ZAHİD YILDIZ