Tez No	İndirme	Tez Künye	Durumu
491188		Digital image inpainting using high dimensional model representation based methods / Yüksek boyutlu model gösterilim tabanlı yöntemlerle sayısal imge içboyuma Yazar:EFSUN KARACA Danışman: DOÇ. DR. MEHMET ALPER TUNGA Yer Bilgisi: Bahçeşehir Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2018 96 s.
İmge içboyama, imgelerdeki eksik kısımların tamamlanması ya da bozuk kısımların düzeltilmesi süreci olarak tanımlanır. İmgede bulunan eksik kısımların yeğinlik değerlerinin, çevrede bulunan yeğinlik değerleriyle ilişkili olması beklenir. Problemin çözümünde yüksek başarım gösterebilecek aradeğerleme tabanlı yöntemler, aradeğerlenecek verinin boyutu arttıkça verimsiz hale gelir. Bu tezde ilk olarak gri tonlamalı imgelerdeki dikdörtgensel kayıp alanların tamamlanması için bir yöntem önerilmiştir. Daha sonra, Yüksek Boyutlu Model Gösterilim yöntemine yalnızca bir terim daha ekleyerek, aynı işlemin renkli imgelerde de kullanılmasını sağlayan yeni bir yöntem önerilmektedir. Deneysel sonuçlar, önerilen yöntemin iyi bir yöntem olarak bilinen ve alanında öncü yöntemlerden olan toplam varyasyon tabanlı imge içboyama yönteminden daha iyi sonuçlar ürettiğini göstermiştir. Ancak bu yöntemler yalnızca dikdörtgensel alanlarda kullanılabilmektedir ve kayıp alan büyüdükçe başarı oranının düştüğü gözlemlenmiştir. Bu bağlamda, hem diklik koşulu kısıtını aşmak, hem de içboyamanın doğruluğunu arttırabilmek için hiyerarşik bir yapıyla içboyama yapan yeni bir imge içboyama yaklaşımı önerilmiştir. Bu yaklaşımın her iterasyonunda imgeyi yatay ve dikey düzlemde arayarak, aranan yöndeki en yakın komşuluklarının yeğinlik değerlerinin bilindiği en küçük kayıp alan bulunmaktadır. Bu işlem kayıp alanı daha küçük kayıp alanlara bölmekte ve hiyerarşik olarak en küçük kayıp alandan başlayarak içboyama işlemini gerçekleştirmektedir. Deneysel sonuçlar, önerilen yöntemin, çoğu test kümesinde, özellikle daha yapısal bölgelere sahip olan kayıp alanların olduğu test örneklerinde, varyasyon ve örneklem tabanlı içboyama yöntemlerine göre daha iyi sonuçlar verdiğini göstermiştir. Tüm bu önerilen yöntemler kayıp alanın altında yatan doku ve deseni bulmakta zorlandığı gözlemlenmiştir. Bu tezde, renkli imgelerdeki kayıp alanları tamamlarken, doku ve deseni koruyan aradeğerleme tabanlı bir imge içboyama yöntemi önerilmektedir. Önerilen yöntem ilk olarak, Yüksek Boyutlu Model Gösterilim ile Lagrange aradeğerleme yöntemlerini kullanır ve kayıp alanın farklı komşuluklarında gözlenen verileri aradeğerleyerek aday içboyama sonuçları üretir. Daha sonra, kayıp alandaki desen ve dokuyu korumayan bir içboyama yapabilmek için en uygun aday içboyama sonucunu seçilir. Bu işlem, ortak oluşum matrisi ve normalleştirilmiş çapraz korelasyon yöntemleri kullanılarak ve imge içerisinde kayıp alana en çok benzeyen yama bulunarak yapılır. Önerilen yöntemin performansı farklı desen ve dokular içeren birçok farklı renkli imgede test edilmiştir. Aynı zamanda önerilen yöntemin sonuçları literatürde alanında öncü olarak bilinen farklı yöntemler ile karşılaştırılmıştır. Deneysel sonuçlar önerilen yöntemin potansiyelini gösterir niteliktedir.
Image inpainting is the process of filling missing or fixing corrupted regions in an image. The intensity values of the pixels in the missing area are expected to be associated with the pixels in the surrounding area. Interpolation-based methods that can solve the problem with a high accuracy may become inefficient when the dimension of the data increases. In this thesis, we first propose a method to inpaint rectangular missing regions in grayscale images. Then, just by adding one more term into the High Dimensional Model Representation method, we propose a method to inpaint rectangular regions in color images. Experimental results show that the proposed method produces better results than the wellknown and pioneering total variation-based image inpainting method in the literature. However, these methods can be used only in rectangular missing regions and if the missing region grows, the accuracy of the inpainting results decrease. Therefore, we propose a new hierarchical image inpainting approach to solve the trade-off between satisfying the orthogonality condition and accuracy of the inpainting because of the increasing size of the region to be inpainted. In each iteration of this procedure, we search the image both vertically and horizontally to find the smallest missing region whose immediate neighbours are known in the search direction. This procedure decomposes missing regions into smaller ones and performs inpainting hierarchically starting from the smallest region. Experimental results demonstrate that the proposed method produces better results than the variational and exemplar-based inpainting approaches in most of the test images, especially in the ones containing more structural regions. All of these methods suffer from finding the underlying texture and pattern in the missing region. In this thesis, we propose a texture and pattern preserving interpolation-based algorithm for inpainting missing regions in color images. First, the proposed approach produces candidate inpainting results by interpolating to the observed data at the different neighborhoods of the missing region using High Dimensional Model Representation with Lagrange interpolation. Later, a final inpainting decision is given among the candidates for each pixel in the missing region for a texture and pattern preserving inpainting. This is achieved by combining the information obtained from co-occurrence matrix and from a patch found in the image that fits best to the missing region using normalized cross correlation. We evaluate the performance of the proposed approach on various color images that include different texture and pattern. We also compare the proposed approach with the state-of-the-art inpainting methods in the literature. Experimental results demonstrate the potential of the proposed approach.