Periyodik gürültülerin giderilmesinde istatistiki ve derin öğrenme yöntemlerinin birlikte kullanılması
The combined use of statistical and deep learning methods in the removal of periodic noise
- Tez No: 885442
- Danışmanlar: DOÇ. DR. BÜLENT TURAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Bu tez çalışmasında, dijital görüntülerde sıklıkla karşılaşılan periyodik gürültülerin giderilmesi amacıyla derin öğrenme yöntemleri kullanılarak iki aşamalı bir çözüm geliştirilmiştir. Çalışma, periyodik gürültülerin dijital görüntüleme sistemlerinde sıkça karşılaşılan bir problem olduğunu ve bu gürültülerin, görüntü kalitesini ciddi şekilde düşürerek analiz ve işlemeyi zorlaştırdığını vurgulamaktadır. Çalışmanın amacı, geleneksel yöntemlerin yetersiz kaldığı durumlarda derin öğrenme tekniklerini kullanarak daha etkili bir gürültü giderme çözümü sunmaktır. Bu kapsamda, DnCNN (Denoising Convolutional Neural Network) modeli ile frekans alanı filtreleme yöntemleri birleştirilerek iki aşamalı bir model geliştirilmiştir. Bu modelin performansı, farklı gürültü türleri ve çeşitli görüntü veri setleri üzerinde değerlendirilmiş ve geleneksel yöntemlere kıyasla üstün sonuçlar elde edilmiştir. Tezde, öncelikle gürültülerin tanımı ve türleri detaylı bir şekilde incelenmiş, ardından derin öğrenme yöntemlerinin temel prensipleri ve uygulama alanları açıklanmıştır. Sonuç olarak, geliştirilen iki aşamalı modelin periyodik gürültüleri etkin bir şekilde giderdiği ve görüntü kalitesini önemli ölçüde artırdığı gösterilmiştir.
Özet (Çeviri)
In this thesis, a two-stage solution has been developed using deep learning methods to remove periodic noise frequently encountered in digital images. The study emphasizes that periodic noise is a common problem in digital imaging systems and that this noise significantly degrades image quality, making analysis and processing difficult. The aim of the study is to provide a more effective noise reduction solution using deep learning techniques in situations where traditional methods are insufficient. In this context, a two-stage model has been developed by combining the DnCNN (Denoising Convolutional Neural Network) model with frequency domain filtering methods. The performance of this model has been evaluated on different types of noise and various image datasets, yielding superior results compared to traditional methods. The thesis first thoroughly examines the definition and types of noise, followed by an explanation of the fundamental principles and application areas of deep learning methods. In conclusion, it has been demonstrated that the developed two-stage model effectively removes periodic noise and significantly improves image quality.
Benzer Tezler
- Video görüntülerinde periyodik gürültü etkilerinin yok edilmesi
Removing periodic noise effects from video images
ASİYE EROL
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ GANGAL
- Ayarlanabilir çalışma frekans aralığına sahip mükemmel manyetik iletken yüzeyli metal mahfaza tasarımı
Design of metal enclosure with perfect magnetic conductive surface with adjustable working frequency range
MUSTAFA ÇAKIR
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMET HİLMİ NİŞANCI
- The broad-band noise characteristics of selected cataclysmic variables (CVS), anomalous X-ray pulsars (AXPS) and soft gamma repeaters (SGRS)
Geniş frekans bandında seçilmiş kataklismik degişken, anormal X-ışını atarcaları ve yumuşak gama ışını objelerinin gürültü analizi
BAYBARS KÜLEBİ
Yüksek Lisans
İngilizce
2006
Astronomi ve Uzay BilimleriOrta Doğu Teknik ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. ŞÖLEN BALMAN
- Biyolojik işaret gürültülerinin doğrusal olmayan filtrelerle filtrelenmesi
Filtering biological signal noise with nonlinear filters
ZİŞAN ÇAĞLIİŞLEK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN ZORLU
- Doğal süreçlerde gürültü analizi ve sinyal modellemeleri
Noise analysis and signal modeling in natural processes
SÜLEYMAN BAYKUT
Doktora
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL