Deep joint deinterlacing and denoising for single shot dual-ISO HDR reconstruction
Tek çekim dual-ISO resimlerden derin öğrenme ile görüntü çözme ve gürültü giderme işlemlerini birlikte gerçekleştirerek yüksek dinamik aralıklı resim oluşturma
- Tez No: 546117
- Danışmanlar: DOÇ. DR. AHMET OĞUZ AKYÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
YDA (Yüksek Dinamik Aralıklı) resimleri geleneksel olarak her biri farklı pozlama değerlerinde çekilen birçok resmi birleştirerek elde edilir. Fakat, bu yaklaşım uzun çekim zamanına yol açar ve çekilen sahne hareket eden nesneleri içeriyorsa hayalet gölgelemesinin giderilmesini gerektirir. Her bir piksel için pozlama ayarlaması uygulayabilen modern kamera sensörlerinin gelişimiyle, tek bir çekimde bütün gerekli pozları elde etmek mümkündür. Farklı poz değerlerindeki farklı piksellerinde tam çözünürlükteki ve düşük gürültüdeki tek bir YDA resmi ile en iyi nasıl birleştirileceği önümüzdeki yeni engeldir. Bu çalışmada derin konvolüsyonal sinir ağlarıyla güçlendirilmiş, birleşik çoklu pozlama değerine sahip resim üzerinde görüntü çözücü ve gürültü giderici algoritması öneriyoruz. Algoritmamızda, ilk olarak düşük pozlama ve yüksek pozlamayı ortaya çıkarmak için ayarlanan iki derin konvolüsyonal sinir ağı eğitiyoruz. Her derin konvolüsyonal sinir ağı aynı dual-ISO resmi girdi olarak alır ve ağın türüne bağlı olarak düşük pozlama ya da yüksek pozlama değerine sahip resmi çıktı olarak üretir. Elde edilen farklı pozdaki resimler mozaik parçalarına ayrılabilir ve YDA birleştirme öncesi istenilen hedef renk uzayına dönüştürülebilir. Sayısal metriklere ek olarak görsel kıyaslamalar da kullanan değerlendirmelerimiz, oluşturduğumuz resimlerin kalitesinin bu alandaki en gelişmiş algoritmaların ürettiği sonuçlardan önemli ölçüde üstün olduğunu göstermektedir.
Özet (Çeviri)
HDR (High Dynamic Range) images have traditionally been obtained by merging exposures each captured with a different exposure time. However, this approach entails longer capture times and necessitates deghosting if the captured scene contains moving objects. With the advent of modern camera sensors that can perform per-pixel exposure modulation, it is now possible to capture all of the required exposures within a single shot. The new challenge then becomes how to best combine pixels with different exposure values into a single full-and low-noise HDR image. In this thesis, we propose a multi-exposure frame deinterlacing and denoising algorithm powered deep convolutional neural networks (DCNN). In our algorithm, we train two DCNNs, with one tuned for reconstructing low exposures the other for high exposures. Each DCNN takes the same dual-ISO input image and outputs either the low exposure or exposure depending on the type of the network. The exposures can be demosaicked and converted to the desired target space prior to HDR assembly. Our evaluations using metrics as well as visual comparisons indicate that the quality of reconstructions significantly surpasses the state-of-the-art in field.
Benzer Tezler
- Deep learning aided data detectionfor future wireless communication systems
Gelecek nesil telsiz haberleşme sistemleri içinderin öğrenme yardımıyla data tespiti
MERVE TURHAN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Automatic generation of scientific terminology with deep learning
Derin öğrenme ile otomatik bilim terimleri sözlüğü oluşturulması
İPEK NUR KARAMAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İLYAS ÇİÇEKLİ
DR. GÖNENÇ ERCAN
- Lateral epikondilitli hastalarda farkll fizyoterapi yöntemlerinin etkinliğinin karşılaştırılması
Comparison of efficacy of different physiotherapy methods in patients with lateral epicondylitis
ŞAHİN ÇAKIR
Yüksek Lisans
Türkçe
2019
Fizyoterapi ve RehabilitasyonHasan Kalyoncu ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞENUR TUNCER
- Knee joint pose estimation using deep neural network fortransfemoral prosthesis
Başlık çevirisi yok
YUNUS EMRE BADEM
- Joint autoencoder-based predictive maintenance methods for industrial machinery
Endüstriyel makineler için birleşik otokodlayıcı tabanlı kestirimci bakım yöntemleri
KÜRŞAT İNCE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAKUP GENÇ