KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2001 / Cilt: 14 - Sayı: 4

Yapay sinir ağları ile görüntü kodlama

Image coding with the use of artificial neural networks

Erkan BEŞDOK
Mehmet ERLER
Şeref SAĞIROĞLU
Sayfa
1229–1234
Yayın Tarihi
2022-10-18
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Ayrık kosinüs transformuyla elde edilen resim kodlamaya göre YSA ile yapılan kodlamada daha iyi sonuç elde edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, yapay sinir ağlarına (YSA) dayalı resim kodlama tekniği sunulmuştur.
📊
Temel Bulgular & Veri:YSA ile resim kodlama DC bileşenler kullanılarak gerçekleştirilmiştir.
💡
Sonuç & Katkı:Ayrık kosinüs transformuyla elde edilen resim kodlamaya göre YSA ile yapılan kodlamada daha iyi sonuç elde edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Bu çalışmada, yapay sinir ağlarına (YSA) dayalı resim kodlama tekniği sunulmuştur. YSA ile resim kodlama DC bileşenler kullanılarak gerçekleştirilmiştir. YSA eğitiminde geliştirilmiş delta-bar-delta algoritması kullanılmıştır. Ayrık kosinüs transformuyla elde edilen resim kodlamaya göre YSA ile yapılan kodlamada daha iyi sonuç elde edilmiştir.

Abstract

This study presents a new approach based on artificial neural networks (ANNs) to code the images in an efficient manner. ANNs achived the image coding with the use of DC elements. The extended delta-bar-delta algorithm is used to train the neural network. The results show that image coding" using ANNs is achieved with high accuracy in comparision with the classical discrete cosine transformation.

🔖

Bu Makaleye Atıf Yap

BEŞDOK, E., ERLER, M., SAĞIROĞLU, Ş. (2022). Yapay sinir ağları ile görüntü kodlama. Gazi Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 14 - Sayı: 4, 1229–1234. https://ajindex.com/articles/522346

Kaynakça (10)

  1. Rosenfeld, A. and A.C. Kak (1982),
  2. Digital Picture Processing, Second Edition.
  3. Academic Press, New York. 2.Pratt, W.K. (1991),
  4. Digital Image Processing, Second Edition Wiley, New York. 3.Sid-Ahmed, M. A. (1995),
  5. Image Processing, McGraw-Hill, New York. 4.Sonka, M., Hlavac, V. and Boyle, R. (1999), Image processing, analysis, and machine vision, Second Edition, BROOK/COLE Publishing Company, Pasific Grove, USA. 5.Castleman, K.R. (1996),
  6. Digital Image Processing, Prentice-Hall, Englewood Cliffs. New Jersey. 6.Rao, K.R. and Yip, P. (1990),
  7. Discrete Cosine Transform, Algorithms, Advantages. Applications, Academic Press,Boston. 7.Simpson, P. K. (1990),
  8. Artificial Neural Systems Foundation, Paradigms, Application and Implementation, Permagnon Press, ISBN 0-08-037895-1. 8.Haykin, S. (1994), Neural Networks: A Comprehensive Foundation. ISBN 0-02-352761-7,
  9. Macmillan College Publishing Company, New York, USA. 9.Pham, D. T. and Sagiroglu, S. (1996), Three methods of training multi-layer perceptrons to model a robot sensor. Robolica, vol. 13, pp. 531-538. 10.Minai, A. A. and Williams, R. D. (1990), Acceleration of Backpropagation Through Learning Rate and Momentum Adaptation, Int. Joint Conf. on Neural Networks. Washington. DC. vol. 1, pp. 676-679. 11.Jacobs, R. A. (1988), Increased Rate of Convergence Through Learning Rate Adaptation, Neural Networks, V.I, pp.295-307. 12.Neural Computing (1996), A Technology Handbook for Professional II/PLUS and Neural Works Explorer", Pittsburgh: NeuralWare, Inc., Technical Publications Group. 13.Browne, A. (1997),
  10. Neural Network Analysis, Architectures and Applications ISBN: 0750304995, lop Pub., New York. 14.Warwick, K., Taylor, J. G. and Kurkova, V. (1997), Dealing with Complexity^ Neural Network Approach. ISBN:3540761608 Publisher:Springer-Verlag New York. 15.Masters, T. (1996), Practical Neural Network Recipes in C++, ISBN: 0124790402 Publisher: Harcourt Brace & Company, New York. 16.Beşdok, E., Raster Veritabanlarının Yapay Sinir Ağları ile Yorumlanması, Doktora Tezi, İTÜ Fen Bilimleri Ensititüsü, Ekim 2000, İstanbul.