Yapay sinir ağları kullanarak görüntü çakıştırma
Bu tez size mi ait?
Bu kayıt toplu arşivden geldi. Sizinse profilinize bağlayın.
Özet (TR)
Görüntü çakıştırma çeşitli sensörlerden, değişik zamanlarda ya da farklı bakış açılarından çekilen birçok fotoğraf olarak tanımlanabilen çeşitli gruplardaki veriyi bir koordinat sistemine dönüştüren bir işlemdir. Bu tezde, dönüştürme modeli olarak afin dönüşümü seçilmiştir.Bu tezde görüntü çakıştırma işlemi sinir ağları kullanılarak gürültünün varlığında yapılmaktadır. Uygulamalarda üç tane resmimiz bulunmaktadır ve bu resimlerin hepsine afin dönüşümü uygulanmıştır. İlk olarak resimlerden özellikler çıkarmış ve bu özellikler ağa giriş olarak verilmiş sonra çıkışta tahmini parametreler elde edilmiştir. Bu özellikler ayrık kosinüs dönüşünü ya da iki boyutlu temel bileşen analizi ile çıkarıldı. Çakıştırma öncesi evrede aynı manzaraya ait ötelenmiş, döndürülmüş ve ölçeklendirilmiş resimlerden çıkarılmış özellikler hem radyal tabanlı yapay sinir ağını hem de ileri beslemeli sinir ağını eğitmek için kullanılmıştır. Çakıştırma evresinde, test resminden özellikler çıkarılır ve bu özellikler ağa verilir. Bu şekilde çakıştırma parametreleri elde edilir.Sonuçlar hem çeşitli özellik çıkarma yöntemlerine göre hem de yapay sinir ağı çeşitlerine göre karşılaştırılmıştır.
Yazar
Devin Sağırlıbaş
Bu Yayına Nasıl Atıf Yapılır
Devin Sağırlıbaş (Yüksek Lisans Tezi). Yapay sinir ağları kullanarak görüntü çakıştırma, 2010, Dokuz Eylül University.
Anahtar Kelimeler
Lisans
Tüm Hakları Saklıdır
Bu eser belirtilen lisans koşulları altında paylaşılmaktadır.
Dokuz Eylül University tezlerinden daha fazlası
- Urla bölgesi kırsal mimari mirasının karakteristikleri ve koruma sorunları(2019)
- AFAD gönüllülük sisteminin etkin müdahale açısından analiz(2020)
- Muâviye b. Ebî Süfyân'a yöneltilen eleştiriler(2019)
- Polifenol-Fe(III) komplekslerinin ve tannik asit reçinenin sentezi, karakterizasyonu ve uygulamaları(2013)
- Türk resim sanatının son on yılına yönelik değerlendirmeler(1994)
- Türkiye'de kırsal hayat (1960-1970)(2022)
