Füzyon tabanlı hibrit sis kaldırma
Fusion-based hybrid fog removal
- Tez No: 790259
- Danışmanlar: PROF. DR. KEMAL FİDANBOYLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 48
Özet
Dış mekânlarda elde edilen dijital görüntüler, atmosfer içerisinde oluşan sis nedeni ile önemli olan detayların, nesnelerin, renklerin bozulmasına veya kaybolmasına sebep olabilir. Görüntülerdeki sis kaynaklı bozulmaların düzeltilmesine, ilgi alanlarının ortaya çıkartılmasına ve sisin görüntü içinden çıkarılmasına sis kaldırma (haze removal, fog removal) denir. Bu amaçla geliştirilmiş olan filtre tabanlı Dark Channel Prior (DCP) algoritması sis kaldırma algoritmaları içerisinde önemli bir yere sahiptir. DCP algoritması, sis içermeyen dış sahne görüntülerinin farklı renk kanallarında çok düşük piksel yoğunluğu değerleri olduğu gözlemine dayanmaktadır. Bu algoritma ile görüntüdeki sis için bir yama oluşturulur ve görüntü içerisindeki sis kaldırabilir veya azaltılabilir. Pozlama füzyonu algoritmalarının önemli ve yaygın olarak kullanılan örneklerinden biri ise Exposure Fusion algoritmasıdır. Bu algoritma, farklı pozlama seviyelerinde yakalanan görüntüyü doygunluk ve kontrast değerlerine göre ağırlıklandırır ve gerçekleştirdiği füzyon işlemi ile imgenin pozlama seviyesini düzeltir. Bu tez kapsamında, Dark Channel Prior ve Exposure Fusion algoritmaları beraber kullanılarak, görüntü içerisinden sis kaldırma işlemi daha başarılı bir şekilde gerçekleştirilmiştir. Böylelikle, sis kaldırma işleminden sonra yapısal olarak daha az bozulmuş, daha doğal ve ilgi alanları sis görüntüsünden arındırılmış görüntüler elde edilmiştir. Geliştirilen yaklaşım, sis içeren imgenin ilk olarak pozlanmasının düzeltilmesi, daha sonra ise pozlaması düzeltilmiş imgenin DCP algoritması ile sis kaldırma işlemine alınmasını içermektedir. Bu sayede, DCP algoritmasının sis kaldırma başarımı arttırılmıştır. Önerilen yaklaşım, sis içeren imgelerden oluşan O-Haze veri tabanı içindeki imgeler ile test edilmiş ve sonuçlar farklı performans metrikleri ile karşılaştırılmıştır.
Özet (Çeviri)
Digital images obtained outdoors may cause the deterioration or loss of important details, objects and colors due to the fog formed in the atmosphere. Correcting the fog-related distortions in the images, revealing the areas of interest and removing the fog from the image is called haze removal. The filter-based Dark Channel Prior (DCP) algorithm developed for this purpose has an important place among fog removal algorithms. DCP algorithm is based on the observation that fog-free outdoor scene images have very low pixel density values in different color channels. With this algorithm, a patch is created for the fog in the image and the fog in the image can be removed or reduced. One of the important and widely used example of image fusion algorithms is the Exposure Fusion algorithm. This algorithm weights the image captured at different exposure levels according to the saturation and contrast values and corrects the exposure level of the image with the fusion process it performs. Within the scope of this thesis, the process of removing fog from the image was performed more successfully by using the Dark Channel Prior and Exposure Fusion algorithms together. Thus, images that are less structurally distorted, more natural and areas of interest free from fog images were obtained after defog removal. The developed approach consists of firstly correcting the exposure of the image containing the fog, and then taking the exposure corrected image into the fog removal process with the DCP algorithm. In this way, the fog removal performance of the DCP algorithm has been increased. The proposed method has been tested with images in the O-Haze database, which consists of fog images, and the results are compared with different performance metrics.
Benzer Tezler
- Çok modlu derin öğrenme yöntemlerinin ses patolojilerinin tespiti için geliştirilmesi
Development of multi-modal deep learning methods for voice pathology detection
ASLI NUR ÖMEROĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMİN ARGUN ORAL
- Hybrid and model based approaches for new BCI spellers
Hibrit ve model bazlı yeni heceleyici beyin-bilgisayar arayüzleri
SULEMAN AIJAZ MEMON
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF ZİYA İDER
- Otonom sistemler için sensör füzyon ve görsel tabanlı konumlandırma
Sensor fusion and visual-based localization for autonomous systems
ABDULLAH YUSEFI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL SUNGUR
DOÇ. DR. AKİF DURDU
- Kapalı ortamlarda otonom insansız hava sistemlerinin geliştirilmesi
Development of autonomous unmanned aerial systems in indoor environments
MUHAMMET FATİH ASLAN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AKİF DURDU
DOÇ. DR. KADİR SABANCI
- Metasezgisel algoritmalar ve derin öğrenme kullanılarak çok kaynaklı görüntü füzyonu
Multi-source image fusion using metaheuristic algorithms and deep learning
ASAN IHSAN ABAS ABAS
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURDAN BAYKAN