Geri Dön

İslami geometrik desenlerde derin öğrenme algoritmaları ile görüntü restorasyonu

Image restoration of islamic geometric patterns with deep learning algorithms

PDF İndir

  1. Tez No: 975493
  2. Yazar: MAKBULE ÖZDEMİR
  3. Danışmanlar: PROF. DR. SEMRA ARSLAN SELÇUK
  4. Tez Türü: Doktora
  5. Konular: Mimarlık, Architecture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
  12. Bilim Dalı: Mimarlık Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Dijitalleşmenin etkisiyle, kültürel mirasın korunmasında modern teknolojilerin kullanımı giderek önem kazanmaktadır. İslami Geometrik Desenlerin (İGD) dijital analizi alanındaki mevcut çalışmalar, ağırlıklı olarak grup teorisine dayalı sınıflama yöntemlerine ve vektörel üretim yaklaşımlarına odaklanmaktadır. Bu yöntemler, çoğunlukla desenlerin geometrik yapısının anlaşılmasına ve tanımlanmasına yöneliktir. Bu tez, İslami geometrik desenlerin dijital görüntü restorasyonu bağlamında, derin öğrenme temelli bir metodoloji geliştirerek geleneksel mimari süsleme sanatlarının korunması ve yeniden üretimi konusunda katkı sunmayı amaçlamaktadır. Bu doğrultuda teorik düzeyde, geleneksel desen analiz yaklaşımlarından farklı olarak veri odaklı bir çerçeve oluşturulmuş; yöntemsel olarak ise hem sınıflandırma hem de görüntü tamamlama algoritmalarının aynı kültürel veri seti üzerinde bütüncül biçimde test edildiği disiplinlerarası bir yapı geliştirilmiştir. Tez kapsamında, verinin hazırlanması, doğruluğunun test edilmesi ve eksik desen parçalarının tamamlanması görevlerinde derin öğrenme temelli algoritmalar uygulanmış; üretilen sonuçların hem nicel hem de nitel analizi gerçekleştirilmiştir. Ayrıca, İGD'ye özgü simetrik yapı ve süreklilik gibi biçimsel özellikler değerlendirme kriterleri olarak ele alınmış, elde edilen çıktıların başarısı bu niteliksel ölçütler üzerinden analiz edilmiştir. Çalışmanın veri toplama aşamasında, çeşitli kaynaklardan temin edilen yüksek çözünürlüklü desen görselleri kullanılarak üç ayrı sınıf oluşturulmuştur. Bu ayrım, hem görsel bozulmanın hem de algoritmaların sınıflandırma ve tamamlama performanslarının analizinde belirleyici bir faktör olarak kullanılmıştır. Derin ağlar aracılığıyla gerçekleştirilen sınıflandırma sürecinde elde edilen doğruluk oranları, İGD'lerin kendi içinde ayrışabilir yapısal özelliklere sahip olduğunu doğrulamıştır. Bu bulguların ardından, eksik desenlerin tamamlanmasına yönelik üretici algoritmalar ve derin görüntü boyama yöntemleri uygulanmış, performanları karşılaştırmalı olarak değerlendirilmiştir. Sonuç olarak, önerilen metodolojik yapı, İGD'lerin yapısal özelliklerini gözeterek restorasyon kalitesini ölçebilen ve yeniden kullanılabilir bir çerçeve ortaya koymaktadır.

Özet (Çeviri)

With the impact of digitalization, the use of modern technologies in the preservation of cultural heritage is becoming increasingly significant. Existing studies on the digital analysis of Islamic Geometric Patterns (IGPs) mainly focus on classification methods based on group theory and vector-based generative approaches. These methods are predominantly oriented toward understanding and describing the geometric structure of the patterns. This dissertation aims to contribute to the preservation and reproduction of traditional architectural ornamentation by developing a deep learning-based methodology for the digital restoration of Islamic geometric patterns. In this context, a data-driven framework has been established at the theoretical level, differing from traditional pattern analysis approaches; methodologically, a multidisciplinary structure has been developed in which both classification and image inpainting algorithms are tested comprehensively on the same cultural dataset. Deep learning-based algorithms have been applied to tasks such as data preparation, accuracy verification, and the completion of missing pattern segments. The generated outputs have been analyzed using both quantitative and qualitative methods. Moreover, formal characteristics specific to IGPs, such as symmetrical structure and rhythmic continuity, have been employed as evaluation criteria, and the success of the outputs has been examined based on these qualitative measures. During the data collection stage, three distinct categories were formed using high-resolution pattern images obtained from various sources. This categorization has been used as a determining factor in analyzing both the degree of visual degradation and the performance of classification and inpainting algorithms. Classification using deep neural networks yielded accuracy rates that confirm the presence of distinguishable structural characteristics within IGPs. Based on these findings, generative algorithms and deep image inpainting methods were applied to the completion of missing pattern regions, and their performances were evaluated comparatively. In conclusion, the proposed methodological framework provides a reusable approach that assesses restoration quality while taking into account the structural properties of Islamic geometric patterns.

Benzer Tezler

  1. Tez No

    665780

    Building detection from very high resolution satellite images with deep learning approach

    Derin öğrenme yaklaşımı ile çok yüksek çözünürlüklü uydu görüntülerinde bina tespiti

    ESRA ÖZAYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  2. Tez No

    1015551

    Güçlendirilmiş sezgisel üstü algoritma temelli makine öğrenme algoritmaları ile veri sınıflandırma stratejileri

    Data classi̇fi̇cati̇on strategi̇es usi̇ng enhanced metaheuri̇sti̇c-based machi̇ne learni̇ng algori̇thms

    BEYTULLAH YAĞIZ

    Doktora

    Türkçe

    Türkçe

    2026

    İstatistikVan Yüzüncü Yıl Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. YENER ALTUN

    DOÇ. DR. ERDAL EKER

  3. Tez No

    812314

    A comparative study of nonlinear model predictive control and reinforcement learning for path tracking

    Yol izleme için doğrusal olmayan model öngörülü kontrol ve pekiştirmeli öğrenmenin karşılaştırmalı çalışması

    GAMZE TÜRKMEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. OVSANNA SETA ESTRADA

  4. Tez No

    985730

    Generating a high-definition map (HD MAP) via yolo (you only look once) deep learning-based object detection model

    Yolo (you only look once) derin öğrenme tabanli nesne tespit modeli ile yüksek tanimli hari̇ta (HD MAP) oluşturma

    YASİN MEMİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. HANDE DEMİREL

  5. Tez No

    874223

    Multi-scale recursive context aggregation network for semantic segmentation

    Anlamsal bölümleme için çok ölçekli özyinelemeli bağlam birleştirme ağı

    ABDULLAH YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KESKİNÖZ

Geri Dön