Evrişimli sinir ağları tabanlı süper çözünürlük yöntemleri ile avuç izi görüntü kalitesinin iyileştirilmesi
Enhancing palmprint image quality using convolutional neural network-based super-resolution methods
- Tez No: 951459
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZKAN BİNGÖL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gümüşhane Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Bu tez çalışması, avuç izi tanıma sistemlerinde kullanılan biyometrik görüntülerin kalitesini iyileştirmek amacıyla, derin öğrenme tabanlı süper-çözünürlük yöntemlerinin performansını incelemektedir. Literatürde yaygın olarak kullanılan GAN, DCGAN, BGAN, BEGAN ve özellikle çekişmeli otokodlayıcı (AAE) mimarileri değerlendirilmiş; elde edilen süper-çözünürlüklü çıktılar hem PSNR gibi referanslı hem de BRISQUE gibi referanssız metriklerle analiz edilmiştir. Yapılan deneylerde, AAE modeli en başarılı sonuçları verdiğinden, geliştirme süreci bu yapı üzerine odaklanmıştır. Modelin kod çözücü kısmı konvolüsyonel katmanlarla yeniden tasarlanarak 2 kat çözünürlük artırımı sağlayacak şekilde optimize edilmiş, IIT Delhi avuç içi veri seti ile eğitilmiştir. Görüntü kalitesi iyileştirme sürecinin yalnızca görsel kaliteyi değil, aynı zamanda biyometrik tanıma doğruluğunu da artırdığı yapılan testlerle ortaya konmuştur.
Özet (Çeviri)
This thesis investigates the performance of deep learning-based super-resolution methods to enhance the quality of biometric images used in palmprint recognition systems. Widely used architectures in the literature—such as GAN, DCGAN, BGAN, BEGAN, and particularly the Adversarial Autoencoder (AAE)—were evaluated. The resulting super-resolved images were analyzed using both reference-based metrics like PSNR and no-reference metrics such as BRISQUE. Among these models, the AAE architecture achieved the best results; thus, the development process focused on this structure. The decoder component of the model was redesigned with convolutional layers and optimized to achieve 2× resolution enhancement. The model was trained on the IIT Delhi palmprint dataset. Experimental results demonstrated that the image quality enhancement process not only improved visual quality but also significantly increased biometric recognition accuracy.
Benzer Tezler
- Derin öğrenme tabanlı süper çözünürlük teknikleri kullanarak JPEG sıkıştırma kaybının iyileştirilmesi
Recovering JPEG compression loss via deep learning-based super resolution techniques
MUHAMMET BOLAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
DR. NURULLAH ÇALIK
- Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches
Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük
PEIJUAN WANG
Doktora
İngilizce
2022
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- On real-world face super-resolution and face image synthesis evaluation
Gerçek dünya yüz süper çözünürlüğü ve yüz görüntüsü sentezi değerlendirmesi üzerine
ERDİ SARITAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Derin öğrenme ile süper çözünürlüklü radar görüntüleme
Super resolution radar imaging with deep learning
İREM FADİME ERİM
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Generative adversarial networks in computer vision applications
Bilgisayarli görü uygulamalarinda çekişmeli üretici ağlar
SEMİH ÖRNEK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU