Show simple item record

dc.contributor.authorÇetinkaya, Ekrem
dc.date.accessioned2019-12-11T11:39:41Z
dc.date.available2019-12-11T11:39:41Z
dc.date.issued2019-08-19
dc.identifier.urihttp://hdl.handle.net/10679/6308
dc.identifier.urihttps://tez.yok.gov.tr
dc.identifier.urihttp://discover.ozyegin.edu.tr/iii/encore/record/C__Rb3770394?lang=eng
dc.descriptionThesis (M.A.)--Özyeğin University, Graduate School of Sciences and Engineering, Department of Computer Science, August 2019.
dc.description.abstractImage denoising is one of the fundamental problems in image processing eld since it is required by many computer vision applications. Various approaches have been used in image denoising throughout the years from spatial ltering to model based approaches. Having outperformed all traditional methods, neural network based discriminative methods have gained popularity in the recent years. However, most of these methods still struggle to achieve exibility against various noise levels and types. In this thesis, we propose a deep convolutional autoencoder combined with a variant of feature pyramid network for image denoising. We use simulated data in Blender software along with corrupted natural images during training to improve robustness against various noise levels and types. Our experimental results show that proposed method can achieve competitive performance in blind Gaussian denoising with significantly less training time required compared to state-of-the-art methods. Extensive experiments showed us proposed method gives promising performance in wide range of noise levels with a single network.en_US
dc.description.abstractBirçok bilgisayarla görme uygulamasında tamamlanması gereken bir adım olması sebebiyle, resimde gürültü giderme imge işleme alınan temel problemlerinin başında gelir. Resimde gürültü gidermek için, uzamsal filtrelemeden modele dayalı yaklaşımlara kadar yıllar içerisinde çeşitli yöntemler kullanılmıştır. Tüm geleneksel yöntemlerden daha iyi bir performans sergilemelerinden ötürü, sinir ağı tabanlı ayrımcı yöntemler son yıllarda popülerlik kazanmıştır. Bununla birlikte, bu yöntemlerin çoğu hala daha çeşitli gürültü seviyelerine ve türlerine karşı esneklik sağlamak konusunda sorun yaşamaktadır. Bu tezde, resimde gürültü gidermek için özellik piramitlerinin bir çeşidini içeren derin evrişimli otomatik kodlayıcı kullanan bir yöntem sunuyoruz. Çeşitli gürültü seviyelerine ve tiplerine karşı dayanıklılığı arttırmak için, öğrenme sırasında doğal görüntülerin yanı sıra; Blender yazılımında elde ettiğimiz simüle edilmiş verileri de kullanıyoruz. Deneysel sonuçlarımız, önerilen yöntemin, en gelişmiş yöntemlere kıyasla çok daha az bir eğitim süresiyle kör Gauss gürültü giderme işleminde rekabetçi bir performans sergileyebildiğini göstermektedir. Kapsamlı deneyler bize yöntemimizin, tek bir ağ ile geniş gürültü seviyesi aralığında umut verici bir performans sergilediğini de gösterdi.
dc.language.isoengen_US
dc.rightsrestrictedAccess
dc.titleImage denoising using deep convolutional autoencodersen_US
dc.typeMaster's thesisen_US
dc.contributor.advisorKıraç, Mustafa Furkan
dc.contributor.committeeMemberKıraç, Mustafa Furkan
dc.contributor.committeeMemberAydoğan, Reyhan
dc.contributor.committeeMemberAkarun, L.
dc.publicationstatusUnpublisheden_US
dc.contributor.departmentÖzyeğin University
dc.subject.keywordsComputer visionen_US
dc.subject.keywordsImage processingen_US
dc.subject.keywordsDeep learningen_US
dc.contributor.ozugradstudentÇetinkaya, Ekrem
dc.contributor.authorMale1
dc.relation.publicationcategoryThesis - Institutional Graduate Student


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

  • Master's Theses
    This Collection covers master's thesis produced at Özyeğin University

Show simple item record


Share this page