DSpace Repository

Lossless image compression on astronomical images with polynomial curve fitting and linear machine learning models

Show simple item record

dc.contributor.author Karadeniz, Mehmet Fatih
dc.date.accessioned 2021-07-02T07:36:37Z
dc.date.available 2021-07-02T07:36:37Z
dc.date.issued 2020
dc.identifier.citation Karadeniz, Mehmet Fatih (2020). Lossless image compression on astronomical images with polynomial curve fitting and linear machine learning models / Polinomik eğri uydurma ve lineer makine öğrenme modelleri ile astronomik görüntülerde kayıpsız görüntü sıkıştırma. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü. tr_TR
dc.identifier.uri http://hdl.handle.net/20.500.12416/4901
dc.description.abstract Bu tezde, astronomik görüntüler için Zlib algoritmasının iyileştirilmesi ile elde edilen kayıpsız bir görüntü sıkıştırma algoritması öneriyoruz. Metodumuz, verilen verilere en küçük hata ile en iyi uyan yaklaşık fonksiyon sağlayan polinom eğri uydurmaya dayanmaktadır. Algoritma görüntüyü alt bloklara ayırır, daha sonra polinom katsayılarını ve yaklaşık polinom değerleri ile gerçek piksel değerlerini kullanarak elde edilen hatayı Zlib metodunu kullanarak sıkıştırır. Daha sonra yöntem, Zlib yardımıyla her blok için herhangi bir kayıp olmadan görüntü verilerini yeniden yapılandırır. Hataların (piksel değerleri ve polinom değerleri arasındaki fark) sıkıştırılmasının nedeni, astronomik görüntülerin çoğunun polinom eğrisi uydurma uygulandığında tekrarlanan fark değerlerine sahip olmasıdır. Önerilen yöntemimizi astronomik bir görüntü veri setinde Zlib ile karşılaştırdığımızda, yöntemimizin sıkıştırma oranının Zlib'in sıkıştırma oranından daha iyi olduğunu gözlemledik. Ayrıca, lineer modellerinin yardımıyla yöntemimizi geliştirdik ve böylece hem daha önce geliştirdiğimiz yöntemden hem de Zlib'den daha iyi kayıpsız sıkıştırma oranı elde ettik. tr_TR
dc.description.abstract In this thesis, we propose a lossless image compression algorithm, which is an improvement of Zlib algorithm, for astronomical images. Our method is based on polynomial curve fitting that provides approximate function which fits best to the given data with the possible smallest error. The algorithm divides image into sub- blocks, then compresses the coefficients of polynomials and the error, which is obtained by using approximate polynomial values and real pixel values, applying Zlib. Then, the method reconstructs image data without any loss for each block with the help of Zlib. The reason why the errors (difference between pixel values and polynomial values) are compressed is that most of the astronomical images have repeated difference values when polynomial curve fitting is applied to them. When we compared our proposed method with Zlib on an astronomical image data set, we observed that our method's compression ratio is better than Zlib's compression ratio. Furthermore, we improved our method and thus acquired better lossless compression ratio than both our previously developed method and Zlib with the help of linear models. tr_TR
dc.language.iso eng tr_TR
dc.rights info:eu-repo/semantics/openAccess tr_TR
dc.subject Lossless Image Compression tr_TR
dc.subject Curve Fitting tr_TR
dc.subject Astronomical tr_TR
dc.subject Kayıpsız Görüntü Sıkıştırma tr_TR
dc.subject Eğri Uydurma tr_TR
dc.subject Astronomik tr_TR
dc.title Lossless image compression on astronomical images with polynomial curve fitting and linear machine learning models tr_TR
dc.title.alternative Polinomik eğri uydurma ve lineer makine öğrenme modelleri ile astronomik görüntülerde kayıpsız görüntü sıkıştırma tr_TR
dc.type masterThesis tr_TR
dc.identifier.startpage 1 tr_TR
dc.identifier.endpage 49 tr_TR
dc.contributor.department Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Bölümü tr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record