| dc.date.accessioned |
2021-11-29T08:52:19Z |
|
| dc.date.available |
2021-11-29T08:52:19Z |
|
| dc.date.issued |
2021-11-29 |
|
| dc.identifier.uri |
http://hdl.handle.net/123456789/38620 |
|
| dc.title |
Valokuvien tarkennusalgoritmien vertailu |
fi |
| ethesis.faculty |
Matemaattis-luonnontieteellinen tiedekunta |
fi |
| ethesis.faculty |
Faculty of Science |
en |
| ethesis.faculty |
Matematisk-naturvetenskapliga fakulteten |
sv |
| ethesis.faculty.URI |
http://data.hulib.helsinki.fi/id/8d59209f-6614-4edd-9744-1ebdaf1d13ca |
|
| ethesis.university.URI |
http://data.hulib.helsinki.fi/id/50ae46d8-7ba9-4821-877c-c994c78b0d97 |
|
| ethesis.university |
Helsingin yliopisto |
fi |
| ethesis.university |
University of Helsinki |
en |
| ethesis.university |
Helsingfors universitet |
sv |
| dct.creator |
Uuksulainen, Heikki |
|
| dct.issued |
2021 |
|
| dct.abstract |
Tämän Pro gradu- tutkielma aiheena on valokuvien tarkentamiseen käytetyt algoritmit. Algoritmien tavoitteena on poistaa valokuvista esimerkiksi liikkeestä tai huonosta tarkennuksesta johtuvia epätarkkuuksia ja kohinaa. Työssä esiteltävissä algoritmeissä ongelmaa käsitellään tilastollisena inversio-ongelmana, jonka parametrien estimointiin käytetään erilaisia numeerisia menetelmiä.
Tutkielman rakenne koostuu kolmesta osiosta; yleisestä teoriaosuudesta, työssä käytettävien algoritmien esittelystä sekä algoritmien soveltamisesta data aineistoihin ja tulosten vertailusta.
Teoriaosuudessa käydään lyhyesti läpi inversio-ongelmien yleistä teoriaa, keskittyen erityisesti valokuvien tarkentamisen kannalta olennaiseen diskreettiin lineaariseen tapaukseen ja tämän tilastolliseen muotoiluun.
Algoritmien puolestaan voidaan ajatella koostuvan kahdesta osasta:
(i) tilastollisen mallin määrittämisestä ja (ii) mallin parametrien numeerisesta optimoinnista.
Tutkielmassa esitellään kaksi klassista analyyttistä menetelmää nimiltään Richardson-Lucy ja ROF
-algoritmit sekä syväoppimista ratkaisussa hyödyntävä iRestNet.
Lopuksi algoritmeja sovelletaan kahdelle eri aineistoille: ohjelmallisesti generoidulle datalle ja vuonna 2021 järjestetyn Helsinki Deblur Challenge -haastekilpailun kuva-aineistolle. Tarkoituksena on selvittää algoritmien toteutuksessa tehtävien valintojen vaikutusta lopputuloksiin ja vertailla esiteltyjen algoritmien antamia tuloksia keskenään. |
fi |
| ethesis.isPublicationLicenseAccepted |
false |
|
| ethesis.language.URI |
http://data.hulib.helsinki.fi/id/languages/fin |
|
| ethesis.language |
suomi |
fi |
| ethesis.language |
Finnish |
en |
| ethesis.language |
finska |
sv |
| ethesis.thesistype |
pro gradu -tutkielmat |
fi |
| ethesis.thesistype |
master's thesis |
en |
| ethesis.thesistype |
pro gradu-avhandlingar |
sv |
| ethesis.thesistype.URI |
http://data.hulib.helsinki.fi/id/thesistypes/mastersthesis |
|
| dct.identifier.ethesis |
E-thesisID:e6bf75f6-222e-45a1-960c-ff5fa2ffc646 |
|
| dct.identifier.urn |
URN:NBN:fi:hulib-202111294108 |
|
| ethesis.facultystudyline |
Matematiikka ja soveltava matematiikka |
fi |
| ethesis.facultystudyline |
Mathematics and applied mathematics |
en |
| ethesis.facultystudyline |
Matematik och tillämpande matematik |
sv |
| ethesis.facultystudyline.URI |
http://data.hulib.helsinki.fi/id/SH50_MAST-MSM |
|
| ethesis.mastersdegreeprogram |
Matematiikan ja tilastotieteen maisteriohjelma |
fi |
| ethesis.mastersdegreeprogram |
Master 's Programme in Mathematics and Statistics |
en |
| ethesis.mastersdegreeprogram |
Magisterprogrammet i matematik och statistik |
sv |
| ethesis.mastersdegreeprogram.URI |
http://data.hulib.helsinki.fi/id/MH50_001 |
|
