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: Derin öğrenme, Uydu görüntüleri, Uzaktan algılama, Yüksek çözünürlük, Üretici ağlar, Deep learning, Satellite images, Remote sensing, High definition, Producer networks
- 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: Belirtilmemiş.
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
- Türkiye'de taşınmaz kültür ve tabiat varlıklarını koruma olayı ve korumaya halkın katılımı konusunda yardımcı bir araştırma
A Research to the conservation of historical monuments and natural environments with public porticipation in Turkey
İSMET ŞAHİN
- 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
- Hibrit süper çözünürlük modeli ile görüntü iyileştirme
Image enhancement with hybrid super resolution model
MEHMET TARIK ARI
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER FARUK BAY
- 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