Yazar
Çetinkaya, Ekrem
Basım Tarihi
2019-08-19
Konu
Bilgisayarla görme, Görüntü işleme, Derin öğrenme
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
165aa560-b1fc-4531-81c3-ce9247b866b8
Lokasyon
Bilgisayar Bilimleri Bölümü
Tarih
2019-08-19
Örnek Metin
Görüntü gürültü giderme, birçok bilgisayarlı görme uygulamasının gerektirmesi nedeniyle görüntü işleme alanındaki temel problemlerden biridir. Yıllar boyunca görüntü gürültü gidermede mekansal filtrelemeden model tabanlı yaklaşımlara kadar çeşitli yaklaşımlar kullanılmıştır. Tüm geleneksel yöntemlere üstünlük sağlayan sinir ağı tabanlı ayrımcı yöntemler son yıllarda popülerlik kazanmıştır. Ancak bu yöntemlerin çoğu hala çeşitli gürültü seviyeleri ve türlerine karşı esneklik sağlamakta zorlanıyor. Bu tezde, görüntü gürültüsünü gidermek için özellik piramit ağının bir çeşidi ile birleştirilmiş derin evrişimli bir otomatik kodlayıcı öneriyoruz. Çeşitli gürültü seviyelerine ve türlerine karşı dayanıklılığı artırmak için eğitim sırasında bozuk doğal görüntülerle birlikte Blender yazılımında simüle edilmiş veriler kullanırız. Deneysel sonuçlarımız, önerilen yöntemin kör Gauss gürültüsünü gidermede, en son teknoloji yöntemlere kıyasla çok daha az eğitim süresi gerektirerek rekabetçi performansa ulaşabileceğini göstermektedir. Kapsamlı deneyler bize, önerilen yöntemin tek bir ağ ile geniş gürültü seviyeleri aralığında umut verici bir performans verdiğini gösterdi. Resimde gürültüyü gidermek için, uzun yıllar saklanabilen modele dayalı yöntemlere kadar yıllar içerisinde çeşitli kullanımlar kullanıldı. Tüm geleneksel kırılmalardan daha iyi bir performans sergilemelerinden dolayı, sinir ağı tabanlı ayrımlar son yıllarda popülerlik kazanmıştır. Bununla birlikte, bu yöntemlerin çoğu hala daha çeşitli ses seviyelerine ve türlerine karşı dayanıklılık sağlama konusunda sorun yaşamaktadır. Bu tezde, resimde gürültü giderme için özellik piramitlerinin bir çeşidini içeren derin evrimli otomatik kodlayıcı kullanan bir yöntem sunulmaktadır. Çeşitli gürültü seviyelerine ve tiplerine karşı veri kaybı için, öğrenme sırasındaki oranların yanı; Blender yazılımında elde ettiğimiz simüle edilmiş veriler de sistemlere aktarılır. Sonuçlarımız, önerilen yöntemin, en gelişmiş çözünürlük karşılaştırması çok daha az bir eğitim süresiyle kör Gauss gürültü giderme işleminde yapılabilen bir performans sergileyebildiğini göstermektedir. Kapsamlı modellerimiz bize yöntemimizin, tek bir ağ ile geniş ses seviyesinde değişen umut verici bir performans sergilediğini gösterdi.
