Image de-noising using 2-D circular-support wavelet transform
| dc.contributor.advisor | Başçiftçi, Fatih | |
| dc.contributor.author | Aydiki, Adil Abdulsattar Yasseen | |
| dc.date.accessioned | 2019-02-05T11:45:21Z | |
| dc.date.available | 2019-02-05T11:45:21Z | |
| dc.date.issued | 2018 | |
| dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı | en_US |
| dc.description.abstract | Yeni bir "İki boyutlu sirkülasyon destekli dalgacık dönüşümüne dayalı ses azaltma algoritması" amaçlanmıştır. (2-D CSWT). 2-D CSWT 2 boyutlu dairesel spektral bölünmüş şemaları etkili bir şekilde sunabilen geometrik bir resim dönüşümüdür (örn. Dairesel olarak parçalanmış frekans alt boşlukları). Böyle bir dönüşümde, klasik tek boyutlu (1-D) haar dalgacıklı düşük geçiş ve yüksek geçiş filtreleri iki boyutlu sirkülasyon destekli eşdeğerlerine dönüşür. Etkili frekans maskelemesi tasarlanmış olan iki boyutlu dairesel dalgacıklı filtrelerin farkedilmesi için uygulanmıştır. Ayrışma evresinde 3 seviyeli alt-örneklemeli bir 2-D sirkülasyon ayrışması (2,2) tarafından gerçekleştirilir. Her seviyede iki boyutlu düşük ve yüksek geçiş frekans katsayı kanalları ayrılabilir iki 2-D bölgesi elde edilir. Ses görselinin girişi 2-D CSWT dönüşümü ile ayrıştırma seviyesine bağlı olarak pek çok iki boyutlu düşük ve yüksek geçiş katsayı kanallarına ayrıştırılır. Eşikleme yaparak ses azaltma işlemi tüm iki boyutlu yüksek geçiş katsayı kanallarında farklı eşikleme seviyeleri ile uygulanabilir. Yeniden kurulum aşamasında sesi azaltılan görseli elde etmek için (2,2) tarafından 2-D sirkülasyon destekli üst örneklemeli yeniden kurulum filtresi kullanılır. Bazı ölçü birimleri kullanılarak, bu tür ses giderme şemalarının performansı farklı gürültülü görüntüler üzerinde test edilerek değerlendirilebilir. Bu ölçü birimleri Ortalama mutlak hata (MAE), Ortalama karesel hata (MSE) ve En yüksek sinyal-gürültü oranı (PSNR)içerebilir. | en_US |
| dc.description.abstract | A new image de-noising algorithm based on a two-dimensional circular support wavelet transform (2-D CSWT) is proposed. By using the 2-D circular spectral split schemes, in this (2-D CSWT) geometrical image transform, images can be efficiently represented. In such transform, the high-pass and low-pass filters of the 2-D circular-support counterparts can be earned from the traditional 1-D analysis Haar wavelet filter bank branches. Efficient frequency-masking is applied to realize the designed 2-D circular wavelet filter bank branches. In the decomposition stage, a 3-level 2-D circular decomposition with down-sampling by (2, 2) is performed. At each level, low- and high-pass 2-D frequency coefficient channels are obtained` on two separable 2-D regions. The input noisy image is decomposed by such 2-D CSWT transform into many 2-D low- and high-pass coefficient channels, depending on the number of the decomposition level. De-noising by thresholding processes can be applied on all 2-D high-pass coefficient channels with different thresholding levels. In the reconstruction stage, a 2-D circular-support reconstruction filter bank with up-sampling by (2, 2) is used to achieve the de-noised image. The performance of such de-noising scheme is evaluated by its examining different noisy images with different noise levels (Salt & Pepper and Gaussian). It is noticed that the proposed circular wavelet scheme can outperform the conventional wavelet de-noising method in terms of correlation factor and Peak Signal to Noise Ratio (PSNR) of the reconstructed images. | en_US |
| dc.identifier.citation | Aydiki, A. A. Y. (2018). Image de-noising using 2-D circular-support wavelet transform. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/14489 | |
| dc.language.iso | en | en_US |
| dc.publisher | Selçuk Üniversitesi Fen Bilimleri Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.selcuk | 20240510_oaig | en_US |
| dc.subject | Back wavelet | en_US |
| dc.subject | Image filtering | en_US |
| dc.subject | Noise processing | en_US |
| dc.subject | Wavelet packet decomposition | en_US |
| dc.subject | Dalgacık dönüşümü | en_US |
| dc.subject | Gürültü temizleme | en_US |
| dc.subject | Dalgacık paket ayrıştırması | en_US |
| dc.subject | Görüntü işleme | en_US |
| dc.title | Image de-noising using 2-D circular-support wavelet transform | en_US |
| dc.title.alternative | İki boyutlu sirkülasyon destekli dalgacık dönüşümünü kullanarak imgelerde gürültü temizlemesi | en_US |
| dc.type | Master Thesis | en_US |
