Data-driven phase retrieval using deep generative models
Derin üretici modeller ile veri güdümlü faz geri kazanımı
- Tez No: 877009
- Danışmanlar: DOÇ. DR. SEVİNÇ FİGEN ÖKTEM SEVEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 127
Özet
Bu tez, elektron mikroskopisi, kristalografi, astronomi ve optik görüntüleme gibi alanlarda önemli uygulamaları olan faz geri kazanımı isimli doğrusal olmayan bir ters problemi ele almaktadır. Bir sinyalin Fourier dönüşümünün sadece genlik değerlerinden yola çıkarak bu sinyalin algoritmik olarak geri kazanılması amaçlanan bu problemde klasik olarak kullanılan yöntemler sağlamlık, gürültü hassasiyeti ve hesaplama verimliliği açısından oldukça sınırlıdırlar. Bu sınırlamaların üstesinden gelmek için bu çalışmada ileri düzey derin üretici modeller yardımıyla veri güdümlü yeni faz geri kazanım teknikleri geliştirilmiştir. İlk olarak, Langevin dinamiği tekniğini baz alan bir faz geri kazanım yaklaşımı anlatılmaktadır. Bu yöntem, prNet-Small ve prNet-Large ismindeki derin öğrenme yapılarını kullanmakta ve algısal kalite-bozulma dengesini göz önünde bulundurarak minimum bozulma yanında yüksek algısal kalitede geriçatım elde etmektedir. İkinci olarak, Doğrudan Gürültü Giderme ile Ters Çevirme (InDI) çerçevesi, Fourier faz geri kazanımı için denenmektedir. Bu yöntem, ayrıca gelişmiş başlangıç stratejileri ve birleştirme teknikleri kullanarak, geleneksel yöntemlere kıyasla eğitim verimliliğini ve görüntü kalitesini artırmaktadır. Son olarak, Gürültü Giderme Difüzyon Geri Kazanım Modelleri (DDRM) faz geri kazanımı problemine Hibrit Giriş-Çıkış (HIO) yöntemi kullanılarak genişletilmektedir. Bu yaklaşım, faz geri kazanım performansını artırmak için önceden eğitilmiş koşulsuz difüzyon modellerini kullanmaktadır. Genel olarak, bu tez, skor/difüzyon tabanlı çerçeveyi entegre etmenin faz geri kazanımının görsel performansını önemli ölçüde iyileştirdiğini, daha iyi gürültü dayanıklılığı ve daha iyi hesaplama başarımı sunduğunu göstermektedir. Bu gelişmeler, hesaplamalı görüntüleme ve çeşitli bilim ve mühendislik uygulamaları için geniş kapsamlı etkilere sahiptir.
Özet (Çeviri)
This thesis addresses the nonlinear inverse problem of phase retrieval, which is the process of recovering a signal from the magnitude of its Fourier transform, a fundamental challenge in fields such as electron microscopy, crystallography, astronomy, and optical imaging. Classical phase retrieval techniques face limitations in robustness, noise sensitivity, and computational efficiency. To overcome these limitations, this work develops novel data-driven phase retrieval methods by exploiting advanced deep generative models. Firstly, we present a phase retrieval approach leveraging Langevin dynamics within diffusion models. This approach utilizes two different deep learning pipelines, namely prNet-Small and prNet-Large, and carefully balances the perceptual quality-distortion tradeoff. While we favor minimal distortion, we also aim to create high-perceptual quality images. Secondly, we use the Inversion by Direct Denoising (InDI) framework to solve the Fourier phase retrieval problem. The developed method also employs advanced initialization strategies and ensembling techniques, resulting in improved training efficiency and better image quality compared to traditional methods. Thirdly, we extend the Denoising Diffusion Restoration Models (DDRM) for phase retrieval by combining with the Hybrid Input-Output (HIO) method. This approach utilizes pretrained unconditional diffusion models. Overall, this thesis demonstrates that exploiting the score/diffusion-based framework significantly improves the solution of the phase retrieval problem by enabling unprecedented image quality, better noise robustness, and higher computational speed and efficiency. These advancements have a broad impact on computational imaging and various scientific and engineering applications.
Benzer Tezler
- A Multimedia information system
Çoklu ortam bilgi sistemi
FEVZİ SALİH KARAMAN
Yüksek Lisans
İngilizce
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ESEN ÖZKARAHAN
- Detailed design of a long endurance small unmanned aerial vehicle
Yüksek seyir süresine sahip küçük bir insansız hava aracının detay tasarımı
ŞEMS İKBAL YÜZGEÇ
Yüksek Lisans
İngilizce
2024
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRİ ACAR
- Innovation management in design-intensive family firms from office furniture manufacturing industry: A dynamic capability perspective from an emerging market
Ofis mobilyası imalat sanayisindeki tasarım yoğun aile firmalarında inovasyon yönetimi: Gelişmekte olan bir pazardan dinamik yetenek perspektifi
SELİN GÜLDEN
Doktora
İngilizce
2022
Endüstri Ürünleri Tasarımıİstanbul Teknik ÜniversitesiEndüstriyel Tasarım Ana Bilim Dalı
PROF. DR. ÖZLEM ER
- Effective integration of data mining techniques with businessintelligence using web mining
Başlık çevirisi yok
OMER MUNEAM MUSHREF
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Equimolar binary compounds: A first-principles based machine learning study
Eşmolar ikili alaşımlar: AB-initio tabanlı makina öğrenme çalışması
CEM ORAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. ADEM TEKİN