Data-driven phase retrieval using deep generative models

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK VE ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: MEHMET ONURCAN KAYA

Danışman: Sevinç Figen Öktem

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, elektron mikroskopisi, kristalografi, astronomi ve optik görüntüleme gibi alanlarda önemli uygulamaları olan faz geri kazanımı isimli doğrusal olmayan bir ters problemi ele almaktadır. Bir sinyalin Fourier dönüşümünün sadece genlik değerlerinden yola çıkarak bu sinyalin algoritmik olarak geri kazanılması amaçlanan bu problemde klasik olarak kullanılan yöntemler sağlamlık, gürültü hassasiyeti ve hesaplama verimliliği açısından oldukça sınırlıdırlar. Bu sınırlamaların üstesinden gelmek için bu çalışmada ileri düzey derin üretici modeller yardımıyla veri güdümlü yeni faz geri kazanım teknikleri geliştirilmiştir. İlk olarak, Langevin dinamiği tekniğini baz alan bir faz geri kazanım yaklaşımı anlatılmaktadır. Bu yöntem, prNet-Small ve prNet-Large ismindeki derin öğrenme yapılarını kullanmakta ve algısal kalite-bozulma dengesini göz önünde bulundurarak minimum bozulma yanında yüksek algısal kalitede geriçatım elde etmektedir. İkinci olarak, Doğrudan Gürültü Giderme ile Ters Çevirme (InDI) çerçevesi, Fourier faz geri kazanımı için denenmektedir. Bu yöntem, ayrıca gelişmiş başlangıç stratejileri ve birleştirme teknikleri kullanarak, geleneksel yöntemlere kıyasla eğitim verimliliğini ve görüntü kalitesini artırmaktadır. Son olarak, Gürültü Giderme Difüzyon Geri Kazanım Modelleri (DDRM) faz geri kazanımı problemine Hibrit Giriş-Çıkış (HIO) yöntemi kullanılarak genişletilmektedir. Bu yaklaşım, faz geri kazanım performansını artırmak için önceden eğitilmiş koşulsuz difüzyon modellerini kullanmaktadır. Genel olarak, bu tez, skor/difüzyon tabanlı çerçeveyi entegre etmenin faz geri kazanımının görsel performansını önemli ölçüde iyileştirdiğini, daha iyi gürültü dayanıklılığı ve daha iyi hesaplama başarımı sunduğunu göstermektedir. Bu gelişmeler, hesaplamalı görüntüleme ve çeşitli bilim ve mühendislik uygulamaları için geniş kapsamlı etkilere sahiptir.