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: Belirtilmemiş.
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
- Novel approaches to radar signal deinterleaving and geolocation in the framework of optimization and deep learning
Radar sinyal ayrıştırma ve konum bulma için optimizasyon ve derin öğrenme tabanlı yeni yaklaşımlar
MUSTAFA ATAHAN NUHOĞLU
Doktora
İngilizce
2025
İstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Knee joint pose estimation using deep neural network fortransfemoral prosthesis
Başlık çevirisi yok
YUNUS EMRE BADEM
- Named entity recognition in turkish using deep learning methods and joint learning
Türkçe varlık isimlerinin tanınması için derin öğrenme ve birlikte öğrenme
ARDA AKDEMİR
- Temporamandibular eklem bozukluklarının sınıfının derin öğrenme metodları kullanılarak belirleme
Determination of temporomandibular joint disorder classes using deep learning methods
BEYZA ŞİŞCİOĞLU
Yüksek Lisans
Türkçe
2024
Selçuk ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- İnsan uzuvlarındaki eklem momentlerinin derin öğrenme yöntemiyle video görüntüleri üzerinden tahmini
Estimation of joint moments in human limbs through video images with deep learning method
SÜLEYMAN AKTÜRK
Yüksek Lisans
Türkçe
2023
Sakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
Yükleniyor...