Geri Dön

Image restoration using dynamical neural networks

Dinamik yapay sinir ağları ile görüntü onarımı

  1. Tez No: 39483
  2. Yazar: ATA ÜNAL
  3. Danışmanlar: DOÇ.DR. CÜNEYT GÜZELİŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Görüntü restorasyonu, Yapay sinir ağları, Image restoration, Artificial neural networks
  7. Yıl: 1994
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Aynı zamanda konumsal değişmeyen bozucu sistemlerin, yani bulanıklık fonksiyonlarının, görüntü onanmmdaki önemi, HYSA'lannın şimdiye dek yapılmış uygulamalarından daha karmaşık olan bir görüntü işleme uygulaması olan görüntü onarımı alanında potansiyelinin ve sınırlarının saptanması girişimini yüreklendirmiştir. Bu amaçla HYSA'lar için yeni önerilmiş olan bir öğrenme algoritması, Dinamik Algılayıcı Öğrenme Algoritması (Reccurent Perceptron Learning Algorithm : RPLA) kullanılmıştır. YS Alarmın uygulamalarına yönelik kuramsal çalışmalar iki temel nokta etrafında toplanır. Bunlar sırasıyla tasarım ve öğrenmedir. YSA'lanmn tasarımında temel olarak genelde enerji fonksiyonlarından, öğrenme yöntemleri geliştirmede ise hata fonksiyonlarından yararlanılır. Bu bakımdan, bu tez görüntü onaranı problemine YSAlanm her iki açıdan da kullanılarak yaklaşmaktadır. Hopfield modeli için tasarım, HYSA modeli için öğrenme yaklaşımı tercih edilmiştir. Bölüm T de YS Alarma ilşkin genel bilgi ve kavramların verilmesinin ardından, Bölüm 3ve Bölüm 4“te bu çalışmada kullanılan YSA modeleri, sırasıyla Hopfield ağı ve HYSA tanıtılmıştır.Bu bölümlerde söz konusu YSA modellerinin varolan görüntü işleme uygulamalarına da kısaca değinilmiştir.Bölüm 5'te yararlanılan temel bir takım kavramlarıyla birlikte sayısal görüntü onarımı problemi tanıtılmıştır. Bölüm 6”da, konumsal değişmeyen bir bulanıklık fonksiyonu ve gürültü tarafından bozulmuş gri seviyeli görüntülerin onarımı amacıyla, fazladan hücreler içeren değiştirilmiş bir Hopfield ağı modeli ve buna ilişkin onarım yöntemi sunulmaktadır. Verilen restorasyon algoritmasının yazılım gerçeklemesinin yanısıra, çok büyük boyutlardaki veri saklama gereksinimine bir çözüm olarak Hopfield ağının bağlantı ağırlık katsayılarının bulunması işlemi hızını belirgin olarak düşürecek uygun bir algoritma ile konumsal değişmeyen bulanıklık fonksiyonunun parametreleri cinsinden dinamik olarak hesaplanması önerilmiştir. Tezin yazarı tarafından geliştirilen bu algoritma blok Toeplitz matrisinin genel yapısı ve konumsal değişmeyen bulanıklık fonksiyonunun genel davranışının, görüntünün boyutlarından bağımsız olacak şekilde modellenmesi temeline dayanmaktadır. Bölüm 7de HYSA ile görüntü onarımı yapabilmek amacıyla veriye özgü bir tasarım aracı olarak kullanılacak olan eğiticili öğrenme algoritması Dinamik Algılayıcı Öğrenme Algoritması [19] tamtılmıştır.Bölüm 8“ de HYSAlanmn literatürde ilk kez gri seviyeli xıgörüntülerin onarımı gibi karmaşık bir görüntü işleme dalma uygulanması için yeni bir yaklaşım önerilmiştir. Bu bilindiği kadarıyla, ayrı ayrı görüntünün bitleri üzerinde paralel bir işleme önermesiyle de, varolan görüntü onarımı yöntemleri açısından da yeni bir yaklaşımdır. Bu bölümde görüntü onarımını gerçeklemek amacıyla veriye özgü bir araç olarak kullanılan ve yeni önerilmiş olan Dinamik Algılayıcı Öğrenme Algoritması, RPLA da tanıtılmıştır. Özellikle HYS Alarmın kullanıldığı bu bölümdeki çalışmada amaç, sadece verilen görüntü onarımı işlevini en azından belli bir düzeyde yerine getirecek bir yazılım yöntemi geliştirmek değil, bu yöntemi geliştirirken modelin aslmda varolan geniş ölçekli tümdevre tasarımına uygunluğunu da korumaktır. Bu nedenle, literatürde HYSA için çok seviyeli bir hücre modeli önerilmiş olmasma ve doğrusal olmayan çıkış fonksiyonlarının uygun tasarım altında gerçeklenebilirliğinin gösterilmiş bulunmasına karşın, HYSA'mn Chua ve Yang tarafından önerilmiş olan geleneksel çıkış yelpazesi değiştirilmemiştir. Aynı zamanda belirtilmelidir ki, alanında bir ilk çalışma olarak bu tez amaçlanan, geleneksel anlamda mutlaka doyurucu sonuçlar almak ya da varolan görüntü onarımı teknikleri ile sonuç açısından bir karşılaşmaya gitmek değil, ileride sürmesi umulan çalışmalara da temel oluşturmak üzere, dinamik YS Alarmın potansiyelinin ve sınırlarının alışılagelenden daha derinlemesine bir araştırmasıdır. xııAynı zamanda konumsal değişmeyen bozucu sistemlerin, yani bulanıklık fonksiyonlarının, görüntü onanmmdaki önemi, HYSA'lannın şimdiye dek yapılmış uygulamalarından daha karmaşık olan bir görüntü işleme uygulaması olan görüntü onarımı alanında potansiyelinin ve sınırlarının saptanması girişimini yüreklendirmiştir. Bu amaçla HYSA'lar için yeni önerilmiş olan bir öğrenme algoritması, Dinamik Algılayıcı Öğrenme Algoritması (Reccurent Perceptron Learning Algorithm : RPLA) kullanılmıştır. YS Alarmın uygulamalarına yönelik kuramsal çalışmalar iki temel nokta etrafında toplanır. Bunlar sırasıyla tasarım ve öğrenmedir. YSA'lanmn tasarımında temel olarak genelde enerji fonksiyonlarından, öğrenme yöntemleri geliştirmede ise hata fonksiyonlarından yararlanılır. Bu bakımdan, bu tez görüntü onaranı problemine YSAlanm her iki açıdan da kullanılarak yaklaşmaktadır. Hopfield modeli için tasarım, HYSA modeli için öğrenme yaklaşımı tercih edilmiştir. Bölüm T de YS Alarma ilşkin genel bilgi ve kavramların verilmesinin ardından, Bölüm 3ve Bölüm 4”te bu çalışmada kullanılan YSA modeleri, sırasıyla Hopfield ağı ve HYSA tanıtılmıştır.Bu bölümlerde söz konusu YSA modellerinin varolan görüntü işleme uygulamalarına da kısaca değinilmiştir.Bölüm 5'te yararlanılan temel bir takım kavramlarıyla birlikte sayısal görüntü onarımı problemi tanıtılmıştır. Bölüm 6“ da, konumsal değişmeyen bir bulanıklık fonksiyonu ve gürültü tarafından bozulmuş gri seviyeli görüntülerin onarımı amacıyla, fazladan hücreler içeren değiştirilmiş bir Hopfield ağı modeli ve buna ilişkin onarım yöntemi sunulmaktadır. Verilen restorasyon algoritmasının yazılım gerçeklemesinin yanısıra, çok büyük boyutlardaki veri saklama gereksinimine bir çözüm olarak Hopfield ağının bağlantı ağırlık katsayılarının bulunması işlemi hızını belirgin olarak düşürecek uygun bir algoritma ile konumsal değişmeyen bulanıklık fonksiyonunun parametreleri cinsinden dinamik olarak hesaplanması önerilmiştir. Tezin yazarı tarafından geliştirilen bu algoritma blok Toeplitz matrisinin genel yapısı ve konumsal değişmeyen bulanıklık fonksiyonunun genel davranışının, görüntünün boyutlarından bağımsız olacak şekilde modellenmesi temeline dayanmaktadır. Bölüm 7de HYSA ile görüntü onarımı yapabilmek amacıyla veriye özgü bir tasarım aracı olarak kullanılacak olan eğiticili öğrenme algoritması Dinamik Algılayıcı Öğrenme Algoritması [19] tamtılmıştır.Bölüm 8”de HYSAlanmn literatürde ilk kez gri seviyeli xıgörüntülerin onarımı gibi karmaşık bir görüntü işleme dalma uygulanması için yeni bir yaklaşım önerilmiştir. Bu bilindiği kadarıyla, ayrı ayrı görüntünün bitleri üzerinde paralel bir işleme önermesiyle de, varolan görüntü onarımı yöntemleri açısından da yeni bir yaklaşımdır. Bu bölümde görüntü onarımını gerçeklemek amacıyla veriye özgü bir araç olarak kullanılan ve yeni önerilmiş olan Dinamik Algılayıcı Öğrenme Algoritması, RPLA da tanıtılmıştır. Özellikle HYS Alarmın kullanıldığı bu bölümdeki çalışmada amaç, sadece verilen görüntü onarımı işlevini en azından belli bir düzeyde yerine getirecek bir yazılım yöntemi geliştirmek değil, bu yöntemi geliştirirken modelin aslmda varolan geniş ölçekli tümdevre tasarımına uygunluğunu da korumaktır. Bu nedenle, literatürde HYSA için çok seviyeli bir hücre modeli önerilmiş olmasma ve doğrusal olmayan çıkış fonksiyonlarının uygun tasarım altında gerçeklenebilirliğinin gösterilmiş bulunmasına karşın, HYSA'mn Chua ve Yang tarafından önerilmiş olan geleneksel çıkış yelpazesi değiştirilmemiştir. Aynı zamanda belirtilmelidir ki, alanında bir ilk çalışma olarak bu tez amaçlanan, geleneksel anlamda mutlaka doyurucu sonuçlar almak ya da varolan görüntü onarımı teknikleri ile sonuç açısından bir karşılaşmaya gitmek değil, ileride sürmesi umulan çalışmalara da temel oluşturmak üzere, dinamik YS Alarmın potansiyelinin ve sınırlarının alışılagelenden daha derinlemesine bir araştırmasıdır. xııAynı zamanda konumsal değişmeyen bozucu sistemlerin, yani bulanıklık fonksiyonlarının, görüntü onanmmdaki önemi, HYSA'lannın şimdiye dek yapılmış uygulamalarından daha karmaşık olan bir görüntü işleme uygulaması olan görüntü onarımı alanında potansiyelinin ve sınırlarının saptanması girişimini yüreklendirmiştir. Bu amaçla HYSA'lar için yeni önerilmiş olan bir öğrenme algoritması, Dinamik Algılayıcı Öğrenme Algoritması (Reccurent Perceptron Learning Algorithm : RPLA) kullanılmıştır. YS Alarmın uygulamalarına yönelik kuramsal çalışmalar iki temel nokta etrafında toplanır. Bunlar sırasıyla tasarım ve öğrenmedir. YSA'lanmn tasarımında temel olarak genelde enerji fonksiyonlarından, öğrenme yöntemleri geliştirmede ise hata fonksiyonlarından yararlanılır. Bu bakımdan, bu tez görüntü onaranı problemine YSAlanm her iki açıdan da kullanılarak yaklaşmaktadır. Hopfield modeli için tasarım, HYSA modeli için öğrenme yaklaşımı tercih edilmiştir. Bölüm T de YS Alarma ilşkin genel bilgi ve kavramların verilmesinin ardından, Bölüm 3ve Bölüm 4“te bu çalışmada kullanılan YSA modeleri, sırasıyla Hopfield ağı ve HYSA tanıtılmıştır.Bu bölümlerde söz konusu YSA modellerinin varolan görüntü işleme uygulamalarına da kısaca değinilmiştir.Bölüm 5'te yararlanılan temel bir takım kavramlarıyla birlikte sayısal görüntü onarımı problemi tanıtılmıştır. Bölüm 6”da, konumsal değişmeyen bir bulanıklık fonksiyonu ve gürültü tarafından bozulmuş gri seviyeli görüntülerin onarımı amacıyla, fazladan hücreler içeren değiştirilmiş bir Hopfield ağı modeli ve buna ilişkin onarım yöntemi sunulmaktadır. Verilen restorasyon algoritmasının yazılım gerçeklemesinin yanısıra, çok büyük boyutlardaki veri saklama gereksinimine bir çözüm olarak Hopfield ağının bağlantı ağırlık katsayılarının bulunması işlemi hızını belirgin olarak düşürecek uygun bir algoritma ile konumsal değişmeyen bulanıklık fonksiyonunun parametreleri cinsinden dinamik olarak hesaplanması önerilmiştir. Tezin yazarı tarafından geliştirilen bu algoritma blok Toeplitz matrisinin genel yapısı ve konumsal değişmeyen bulanıklık fonksiyonunun genel davranışının, görüntünün boyutlarından bağımsız olacak şekilde modellenmesi temeline dayanmaktadır. Bölüm 7de HYSA ile görüntü onarımı yapabilmek amacıyla veriye özgü bir tasarım aracı olarak kullanılacak olan eğiticili öğrenme algoritması Dinamik Algılayıcı Öğrenme Algoritması [19] tamtılmıştır.Bölüm 8" de HYSAlanmn literatürde ilk kez gri seviyeli xıgörüntülerin onarımı gibi karmaşık bir görüntü işleme dalma uygulanması için yeni bir yaklaşım önerilmiştir. Bu bilindiği kadarıyla, ayrı ayrı görüntünün bitleri üzerinde paralel bir işleme önermesiyle de, varolan görüntü onarımı yöntemleri açısından da yeni bir yaklaşımdır. Bu bölümde görüntü onarımını gerçeklemek amacıyla veriye özgü bir araç olarak kullanılan ve yeni önerilmiş olan Dinamik Algılayıcı Öğrenme Algoritması, RPLA da tanıtılmıştır. Özellikle HYS Alarmın kullanıldığı bu bölümdeki çalışmada amaç, sadece verilen görüntü onarımı işlevini en azından belli bir düzeyde yerine getirecek bir yazılım yöntemi geliştirmek değil, bu yöntemi geliştirirken modelin aslmda varolan geniş ölçekli tümdevre tasarımına uygunluğunu da korumaktır. Bu nedenle, literatürde HYSA için çok seviyeli bir hücre modeli önerilmiş olmasma ve doğrusal olmayan çıkış fonksiyonlarının uygun tasarım altında gerçeklenebilirliğinin gösterilmiş bulunmasına karşın, HYSA'mn Chua ve Yang tarafından önerilmiş olan geleneksel çıkış yelpazesi değiştirilmemiştir. Aynı zamanda belirtilmelidir ki, alanında bir ilk çalışma olarak bu tez amaçlanan, geleneksel anlamda mutlaka doyurucu sonuçlar almak ya da varolan görüntü onarımı teknikleri ile sonuç açısından bir karşılaşmaya gitmek değil, ileride sürmesi umulan çalışmalara da temel oluşturmak üzere, dinamik YS Alarmın potansiyelinin ve sınırlarının alışılagelenden daha derinlemesine bir araştırmasıdır. xıı

Özet (Çeviri)

görüntülerin onarımı gibi karmaşık bir görüntü işleme dalma uygulanması için yeni bir yaklaşım önerilmiştir. Bu bilindiği kadarıyla, ayrı ayrı görüntünün bitleri üzerinde paralel bir işleme önermesiyle de, varolan görüntü onarımı yöntemleri açısından da yeni bir yaklaşımdır. Bu bölümde görüntü onarımını gerçeklemek amacıyla veriye özgü bir araç olarak kullanılan ve yeni önerilmiş olan Dinamik Algılayıcı Öğrenme Algoritması, RPLA da tanıtılmıştır. Özellikle HYS Alarmın kullanıldığı bu bölümdeki çalışmada amaç, sadece verilen görüntü onarımı işlevini en azından belli bir düzeyde yerine getirecek bir yazılım yöntemi geliştirmek değil, bu yöntemi geliştirirken modelin aslmda varolan geniş ölçekli tümdevre tasarımına uygunluğunu da korumaktır. Bu nedenle, literatürde HYSA için çok seviyeli bir hücre modeli önerilmiş olmasma ve doğrusal olmayan çıkış fonksiyonlarının uygun tasarım altında gerçeklenebilirliğinin gösterilmiş bulunmasına karşın, HYSA'mn Chua ve Yang tarafından önerilmiş olan geleneksel çıkış yelpazesi değiştirilmemiştir. Aynı zamanda belirtilmelidir ki, alanında bir ilk çalışma olarak bu tez amaçlanan, geleneksel anlamda mutlaka doyurucu sonuçlar almak ya da varolan görüntü onarımı teknikleri ile sonuç açısından bir karşılaşmaya gitmek değil, ileride sürmesi umulan çalışmalara da temel oluşturmak üzere, dinamik YS Alarmın potansiyelinin ve sınırlarının alışılagelenden daha derinlemesine bir araştırmasıdır. xıı

Benzer Tezler

  1. Tez No

    14184

    Markov ve Gibbs rastlantı alan modelleri ile doku sentezleme ve sınıflandırma

    Texture synthesis and classification using Markov and Gibbs random field models

    ERDOĞAN CAMCIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1990

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. ERDAL PANAYIRCI

  2. Tez No

    46270

    Hareket kestirimi

    Motion estimation

    AYLA ÇEVİK

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. MELİH PAZARCI

  3. Tez No

    39123

    Sayısal hücre görüntülerinin kodlanması ve nicel analizi

    Coding and quantitative analysis of the digital cell images

    NEŞE APAK

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. MUHİTTİN GÖKMEN

  4. Tez No

    47723

    Kompleks cepstrum ve adaptif iterasyonla görüntü onarma

    Image restoration by using complex cepatrum and adaptive iteration

    ZİYA TELATAR

    Doktora

    Türkçe

    Türkçe

    1996

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    PROF.DR. ÖNDER TÜZÜNALP

  5. Tez No

    24433

    Image identification andrestoration using EM algorithm

    Başlık çevirisi yok

    YÜCEL YEMEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    1992

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMİN ANARIM

Geri Dön