Super-resolution image generation from earth observation satellites using generative adversarial networks
Çekişmeli üretici ağlar kullanılarak yer gözlem uydularından süper çözünürlüklü görüntü oluşturulması
- Tez No: 723278
- Danışmanlar: PROF. DR. ALİ ÖZGÜN OK
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geomatik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 109
Özet
Mekânsal çözünürlük, görüntüdeki detay seviyesini tanımlayan ana kriterlerden biridir. Gelişen uydu teknolojileri ile yüksek mekânsal çözünürlüğe olan ihtiyaç artmıştır. Daha modern algılayıcılar ve optikler kullanmak, mekânsal görüntü çözünürlüğünü iyileştirmenin pahalı bir yoludur. Görüntü süper çözünürlüğü, bir veya daha fazla düşük mekânsal çözünürlüklü görüntüden daha yüksek mekânsal çözünürlüklü görüntü(ler) elde etmeyi amaçlayan en önemli bilgisayarlı görü araştırmalarından biridir. Kamera donanımında herhangi bir değişiklik gerektirmediği için daha ucuz ve daha etkili bir yoldur. Bu tezde, Sentinel-2 ve Göktürk-2 görüntülerinin süper çözünürlük iyileştirmesi için Google Earth uydu verileri ile eğitilen Super-Resolution Generative Adversarial Networks (SRGAN) ve Enhanced Super-Resolution Generative Adversarial Network (ESRGAN) yöntemleri kullanılmıştır. Çok sensörlü ve çok zamanlı farklı veri kaynakları kullanılarak önceden eğitilmiş derin öğrenme modellerinin sonuçları analiz edilmiş ve süper çözünürlük performansları değerlendirilmiştir. Sonuçlar, düşük mekânsal çözünürlüklü uydu görüntülerinin algısal görüntü kalitesinin SRGAN ve ESRGAN yöntemleri kullanılarak iyileştirilebileceğini göstermektedir.
Özet (Çeviri)
The spatial resolution is one of the main criteria representing the level of detail in an image. The necessity for the high spatial resolution has increased with the development in satellite technologies. Using modern sensors and optics is an expensive way to improve image spatial resolution. Image super resolution is one of the most important computer vision research topics that aims to obtain higher spatial resolution image(s) from one or more lower spatial resolution ones. It is a cheaper and more effective way as it does not require any modification to the camera hardware. In this thesis, the Super-Resolution Generative Adversarial Networks (SRGAN) and the Enhanced Super-Resolution Generative Adversarial Network (ESRGAN) both trained with Google Earth were utilised for the super-resolution enhancement of Sentinel-2 and Göktürk-2 images. The results of the pre-trained deep learning models using the different data sources with multi-sensor and multi-temporal characteristics were analyzed and their super resolution performances were evaluated. The results show that the perceptual image quality of low spatial resolution satellite images can be improved by using SRGAN and ESRGAN methods.
Benzer Tezler
- Satellite images super resolution using generative adversarial networks
Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük
MARYAM SERDAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN
- Deep learning-based object recognition from RGB images using convolutional neural networks
Başlık çevirisi yok
MOHAMMED ZAKI HAMEED ALTAMEEMI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Generative adversarial networks in computer vision applications
Bilgisayarli görü uygulamalarinda çekişmeli üretici ağlar
SEMİH ÖRNEK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Optimized exemplar-based light field super-resolution
Optimize edilmiş örnek-tabanlı ışık alan süper-çözünürlük
BURHAN AYDENİZ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TÜRKAN
- On real-world face super-resolution and face image synthesis evaluation
Gerçek dünya yüz süper çözünürlüğü ve yüz görüntüsü sentezi değerlendirmesi üzerine
ERDİ SARITAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL