Düşük ışık koşulundaki hiperspektral görüntülerin öz denetimli olarak iyileştirilmesi
Self-supervised low-light hyperspectral image enhancement
- Tez No: 1004560
- Danışmanlar: PROF. DR. SENİHA ESEN YÜKSEL ERDEM
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Düşük ışıklı hiperspektral görüntülerdeki (HSG) yüksek gürültü ve bozulmuş spektral imzalar, gözetim, çevresel izleme ve uzaktan algılama gibi kritik görevlerdeki başarımı düşürebilmektedir. Eşleştirilmiş normal/düşük ışık HSG'lerinin toplanması genellikle uygulanabilir olmadığından, bu tezde düşük ışık HSG iyileştirmesi için ilk öz denetimli yöntem olan SS-HSLIE geliştirilmiştir. Önerilen Retinex teorisi temelli kademeli ağ, (i) bir girdi HSG'sini yansıma ve aydınlatma bileşenlerine ayrıştırmakta ve (ii) aydınlatmayı uzamsal bağlamı modelleyen bir dönüştürücü (transformer) modülü ile iyileştirmektedir. Geliştirilen fizik temelli kayıp fonksiyonları ile modelin hiperspektral görüntüleme sistemlerinin karakteristik özelliklerini dikkate alarak optimize olması sağlanmaktadır. Fourier spektrum kayıp fonksiyonu, görüntüdeki yüksek frekanslı ayrıntıları korurken gürültüyü azaltmakta; spektral düzgünlük (smoothness) kayıp fonksiyonu ise bantlar arası tutarlılığı korumaktadır. Yalnızca düşük ışık verileri üzerinde eğitilen SS-HSLIE, malzemeye özgü spektrumları başarılı bir şekilde korurken daha parlak, daha temiz HSG'ler sunarak benzer görüntü iyileştirme çalışmalarına nispeten önemli ölçüde daha iyi performans göstermektedir. Önerilen yaklaşım, sınırlı aydınlatma koşulları altında çalışan gerçek dünya uygulamaları için ölçeklenebilir ve pratik bir çözüm sunmaktadır.
Özet (Çeviri)
Low-light hyperspectral images (HSIs) suffer from reduced visibility, amplified noise, and distorted spectral signatures, which compromise critical downstream tasks in surveillance, environmental monitoring, and remote sensing. Because collecting paired normal/low-light HSIs is often impractical, in this dissertation the first self-supervised framework for low-light HSI enhancement, SS-HSLIE, is introduced. Guided by Retinex theory, the cascaded network (i) decomposes an input HSI into reflectance and illumination maps and (ii) refines the illumination with a Transformer module that models global spatial context. Two physics-aware losses further steer learning: a Fourier spectrum loss that removes noise while protecting high-frequency details, and a spectral smoothness loss that preserves inter-band consistency. Trained solely on unpaired low-light data, SS-HSLIE substantially outperforms recent unsupervised baselines on a benchmark, delivering brighter, cleaner HSIs while faithfully preserving material-specific spectra. The proposed approach presents a scalable and practical solution for real-world applications that operate under limited illumination conditions.
Benzer Tezler
- The Role of In-Group Identification and Emotion Regulation in Behavioural Intentions towards Syrian Refugees
Suriyeli Mültecilere Yönelik Davranışsal Niyetlerde Grup İçi Özdeşimin ve Duygu Düzenlemenin Rolü
MERVE ÖZTÜRK
Yüksek Lisans
İngilizce
2018
PsikolojiLondon School Of Economıcs And Polıtıcal ScıencePsikoloji Ana Bilim Dalı
DR. PATON YAM
- A parametric design proposal for multi-story residential buildings to enhance daylight performance
Çok katlı konut binaları için gün ışığı performansını artıracak bir parametrik tasarım önerisi
HAKAN OĞUZ BOR
Yüksek Lisans
İngilizce
2021
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DOÇ. DR. SEMA ALAÇAM
- Artificial intelligence based android assistant for colorimetric detection
Kolorimetrik tespit için yapay zeka tabanlı android asistanı
VAKKAS DOĞAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN KILIÇ
DOÇ. DR. MUSTAFA ŞEN
- Işık ve gölge konusundaki öğrenci başarısının farklı ölçme teknikleri ile ölçülmesinin öğrenme stili, okul türü ve cinsiyet değişkenleri açısından incelenmesi
An investigation of student' achievement in light and shadow with different measurement techniques in terms of learning style, school type and gender variables
ÖMER ILICAN
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimGazi ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
DOÇ. DR. UYGAR KANLI
- Derin öğrenme tabanlı yöntemlerle düşük ışıklı görüntü iyileştirme
Low light image enhancement with deep learning based methods
EMİN CİHANGİR US
Yüksek Lisans
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU