KaydedilenlerDerginizi ekleyin

Dergiler / Sakarya University Journal of Science / 2018 / Cilt: 22 Sayı: 6

Eksik Veri Temininde Shearlet Dönüşümünün Asimptotik Analizi

Asymptotic Analysis of Shearlet Transfom for Inpainting

Hülya KODAL SEVİNDİR
Cüneyt YAZICI
Süleyman ÇETİNKAYA
Sayfa
1544–1551
Yayın Tarihi
2018-12-01
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)

Görüntü işleme uygulamaları içerisinde, görüntüler üzerinde eksik (kayıp) olan verinin yeniden elde edilmesi amacıyla, eksik verinin şeklen yatay konumlanmış dikdörtgen şeklinde olması durumunda Shearlet dönüşümü için asimptotik analizi yapılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Asimptotik analiz bir algoritmanın performansı hakkında bize yol gösterir.
📊
Temel Bulgular & Veri:Shearlet dönüşümü ise dalgacık dönüşümünün etkili bir geliştirmesi olarak son yıllarda ortaya çıkmış matematiksel bir yöntemdir.
💡
Sonuç & Katkı:Görüntü işleme uygulamaları içerisinde, görüntüler üzerinde eksik (kayıp) olan verinin yeniden elde edilmesi amacıyla, eksik verinin şeklen yatay konumlanmış dikdörtgen şeklinde olması durumunda Shearlet dönüşümü için asimptotik analizi yapılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Shearlet Dönüşümü · Dalgacık Dönüşümü · Eksik Verinin Elde Edilmesi

Özet

Asimptotik analiz bir algoritmanın performansı hakkında bize yol gösterir. Matematiksel ispatlarla yapılmış bir asimptotik analiz, algoritmaların performansını anlamlandırmada oldukça güçlü bir yöntemdir. Shearlet dönüşümü ise dalgacık dönüşümünün etkili bir geliştirmesi olarak son yıllarda ortaya çıkmış matematiksel bir yöntemdir. Bu amaçla bu makalede, görüntülerdeki olası kayıp verinin yeniden temini açısından shearlet dönüşümü, dalgacık dönüşümü ile asimptotik olarak kıyaslanmıştır. Görüntü işleme uygulamaları içerisinde, görüntüler üzerinde eksik (kayıp) olan verinin yeniden elde edilmesi amacıyla, eksik verinin şeklen yatay konumlanmış dikdörtgen şeklinde olması durumunda Shearlet dönüşümü için asimptotik analizi yapılmıştır.

Abstract

Supply of missing data, also known as inpainting, is an important application of image processing.Wavelets are commonly used for inpainting algorithms. Shearlet transform which is an affinetransformation is the improvement of the wavelet transform. An asymptotic analysis may help to evaluatethe performance of an algorithm. In this article we compare the asymptotical analysis for wavelet andshearlet transforms in the case of inpainting where the missing data is shaped like a rectangle.

🔖

Bu Makaleye Atıf Yap

SEVİNDİR, H. K., YAZICI, C., ÇETİNKAYA, S. (2018). Eksik Veri Temininde Shearlet Dönüşümünün Asimptotik Analizi. Sakarya University Journal of Science, Cilt: 22 Sayı: 6, 1544–1551. https://ajindex.com/articles/942067

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. R. H., Bamberger and M. J. T., Smith, “A Filter Bank for the Directional Decomposition of Images: Theory and Design”, IEEE Trans. Signal Process., 1992, 40, 882–893
  2. J. P., Antoine, P., Carrette, R., Murenzi and B.,Piette, “Image Analysis with Two-dimensional Continuous Wavelet Transform”, Signal Process., 1993, 31, 241–272
  3. E. J., Cand`es and D. L., Donoho, “New Tight Frames of Curvelets and Optimal Representations of Objects with Piecewise C2 Singularities”, Comm. Pure Appl. Math., 2002, 57, 219–266
  4. M. N., Do and M., Vetterli, “The Contourlet Transform: an Efficient Directional Multiresolution Image Representation”, IEEE Trans. Image Process., 2005, 14, 2091–2106
  5. K., Guo, G., Kutyniok and D., Labate, “Sparse Multidimensional Representations Using Anisotropic Dilation and Shear Operators, Editors: G. Chen and M. J., Lai ” Wavelets and Splines: Athens 2005, Nashboro Press, Nashville, 189–201, 2006
  6. D., Labate, W. Q., Lim, G., Kutyniok, and G., Weiss, “Sparse Multidimensional Representation Using Shearlets”, in Wavelets XI, Edited by M. Papadakis, A. F. Laine, and M. A. Unser, SPIE Proc., 2005, 5914, 254–262
  7. K., Guo, D., Labate, W. Q., Lim, G., Weiss and E., Wilson, “Wavelets with Composite Dilations”, Electron. Res. Announc. Amer. Math. Soc., 2004, 10, 78–87
  8. K., Guo, D., Labate, W. Q., Lim, G., Weiss and E., Wilson, “The Theory of Wavelets with Composite Dilations, Editors: C. Heil”, Harmonic Analysis and Applications, Birkhauser, Boston, 231–250, 2006
  9. K., Guo, W. Q., Lim, D., Labate, G., Weiss and E., Wilson, “Wavelets with Composite Dilations and Their MRA Properties”, Appl. Comput. Harmon. Anal., 2006, 20, 220–236
  10. G., Kutyniok and D., Ch., Labate, “Introduction to Shearlets”, Shearlets: Multiscale Analysis for Multivariate Data, Birkhäuser, Boston, 1–38, 2012. [11] www.shearlab.org [12] G. R., Easley, D., Labate and F., Colonna, “Shearlet-Based Total Variation for Denoising”, IEEE Trans. Image Processing, 2009, 18(2), 260–268
  11. Q., Guo, S., Yu, X., Chen, C., Liu and W., Wei, “Shearlet-based Image Denoising Using Bivariate Shrinkage with Intra-band and Opposite Orientation Dependencies”, IEEE Conference Publications, 2009, 1, 863–866
  12. G. R., Easley and D., Labate, “Image Processing Using Shearlets”, Editors: G., Kutyniok and D., Labate Shearlets: Multiscale Analysis for Multivariate Data, Birkhäuser, Boston, 283–325, 2012
  13. S., Häuser and J., Ma, “Seismic Data Reconstruction via Shearlet-Regular