Image restoration using dynamical neural networks
Image restoration using dynamical neural networks
dc.contributor.advisor | Güzeliş, Cüneyt | |
dc.contributor.author | Ünal, Ata | |
dc.contributor.authorID | 39483 | |
dc.contributor.department | Electronics Engineering | en_US |
dc.date.accessioned | 2023-03-16T05:47:57Z | |
dc.date.available | 2023-03-16T05:47:57Z | |
dc.date.issued | 1994 | |
dc.description | Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 1994 | en_US |
dc.description.abstract | 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. | tr_TR |
dc.description.degree | M.Sc. | en_US |
dc.identifier.uri | http://hdl.handle.net/11527/22549 | |
dc.language.iso | en | |
dc.publisher | Institute of Science and Technology | en_US |
dc.rights | Kurumsal arşive yüklenen tüm eserler telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. | tr_TR |
dc.rights | All works uploaded to the institutional repository are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. | en_US |
dc.subject | Görüntü restorasyonu | tr_TR |
dc.subject | Yapay sinir ağları | tr_TR |
dc.subject | Image restoration | en_US |
dc.subject | Artificial neural networks | en_US |
dc.title | Image restoration using dynamical neural networks | en_US |
dc.title.alternative | Dinamik yapay sinir ağları ile görüntü onarımı | tr_TR |
dc.type | Master Thesis | en_US |