GMDH yapay nöral ağ temelli resim sıkıştırma
Başlık çevirisi mevcut değil.
- Tez No: 38662
- Danışmanlar: DOÇ. DR. KENAN DANIŞMAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Görüntü, Görüntü işleme, Veri sıkıştırma, Yapay sinir ağları, Image, Image processing, Data compression, Artificial neural networks
- Yıl: 1995
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde insanın görme sistemindeki birimlerin özellikleri, fonksiyonları ile birlikte renkli resim işlemenin teorik temelleri ve farklı resim sıkıştırma teknikleri incelenmiştir. Bu çalışmada GMDH (Group Method of Data Handling-Grup Metoduyla Veri Toplama) nöral ağı temelli yeni bir resim sıkıştırma metodu geliştirilmiştir. Bu yeni teknikte GMDH ağı tahmini kodlama tekniğinde kodlayıcı olarak kullanılmıştır. Yapılan literatür taramasına göre, GMDH ağı ilk defa bu çalışmada resim sıkıştırma alanında uygulanmıştır. Resim sıkıştırma çalışmasının başlangıç amacı retina resimleri işleyen, arşivleyen, print eden bir genel görüntü sistemine GMDH ağlarını kullanarak etkili bir resim sıkıştırma modülü geliştirmekti. GMDH kendi kendine organize olan denetimli öğrenme algoritmasına sahip bir yapay nöral ağ tipidir. Bu çalışmada, GMDH nöral ağı DPCM (Differentail Pulse Code Modülation-Ayınmlı Darbe Kod Modülasyonu) temelli bir tahmini kodlama sisteminde tahmin edici olarak geliştirilmiştir. Bir resbir'in (resim birimi-.pixel) etrafındaki komşu resbirlerinin bazılarının değerlerine bakarak GMDH ağı o resbirin değerini başarılı bir şekilde tahmin edebilmiştir. Kullanılan öğretme algoritması en küçük ortalama kare minimizasyonu üzerine kurulmuştur. Tezde ayrıca, geliştirilen GMDH nöral ağı temelli yeni resim sıkıştırma tekniğinin performansı matematiksel tekniklerle ölçülmüş ve değerlendirme yapılmıştır. Diğer bazı resim sıkıştırma teknikleri ile performans karşılaştırması da yapılmıştır. Hataların Karelerinin Ortalamalarının Karekökü, Tepe Sinyalin Gürültüye Oram ve Normalize edilmiş karşılıklı benzerlik kriterleri, performans ölçme ve karşılaştırma için kullanılan kriterlerdir.
Özet (Çeviri)
In this thesis, the features of the vision system of human, the theoritical basis of color image processing and the image compression method are researched. In this study, a new image compression metod that is based on GMDH neural network is developed. The GMDH (Group Method of Data Handling) neural network was used as a predictor in a predictive coding algorithm.In the literature, the GMDH network is first used for image compression in this work. The initial aim of this work was to develop an efficient compression scheme using the GMDH neural network for a retinal image processing system. The GMDH is a self-organising supervised artificial neural network. It was used as the predictor part of a DPCM (Differential Pulse Code Modulation) based predictive coding system. The network successfully predicts the value of a pixel by reading in the values of some pixels adjacent to it. The training algorithm used was based on the Least Mean Square minimisation method. The thesis also presents a quantitative evaluation of the performance of the GMDH network based image compression metod and a comparison with some other existing techniques. The methods used for the evaluation were RMSE (Root Mean Square Error), PSNR (Peak Signal to Noise Ratio) and NCC (Normalised Cross-Correlation).
Benzer Tezler
- Yapay nöral ağ temelli meteorolojik parametrelerin tayini
Prediction of meteorological parameters based on artificial neural networks
NURETTİN ACIR
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik MühendisliğiNiğde ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DOÇ. DR. ADNAN GÖRÜR