Geri Dön

Multi exposure image fusion using sparse representation and K-means clustering

Seyrek temsil ve K-means kümeleme kullanarak çoklu poz füzyonu

  1. Tez No: 886669
  2. Yazar: ZEYNEP ÖVGÜ YAYCI
  3. Danışmanlar: DOÇ. DR. MEHMET TÜRKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İzmir Ekonomi Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 55

Özet

Yıllardır teknolojik gelişmelerin amaçlarından biri, insanların anılarını daha büyük bir gerçekçilikle koruyup paylaşmalarını sağlamak için kameraları ve ekranları geliştirmektir. Bu amaç önünde duran en büyük zorluklardan biri insan gözünün dinamik aralığının kamera ve ekranlara göre çok daha yüsek olmasıdır. Bilim insanları sorunu çözmek ve insanların anılarını daha gerçekçi bir ̧sekilde saklamalarını sağlamak amacıyla yüksek dinamik aralığa (HDR) sahip kameralar ve ekranlar geli ̧stirmi ̧slerdir. Fakat bu cihazların maliyetinin yüksek olması onları yaygın bir ̧sekilde kullanılmaktan alıkoymaktadır. Çoklu poz füzyonu (MEF) bu yüksek maliyetli cihazlara yazılım bazlı ve dü ̧sük fiyatlı bir alternatif olarak geli ̧stirilmi ̧stir. MEF birden fazla düşük dinamik aralıga (LDR) sahip görüntüyü birle ̧stirerek yüksek kalitede görüntü elde etmeyi hedeflemektedir. Bu tez, çok karanlık ve çok aydınlık görüntülerin tanımlandığı ̆ve çok az veya hiç bilgi içermeyen kısımlarının elenerek maskelerin çıkarıldıgı bir ön eğitim aşaması içeren yeni bir MEF yöntemini tanıtmaktadır. Ağırlık haritalarını çıkarmak için daha sonra seyrek temsil (SR), k-ortalama kümeleme ve önceden tanımlanmış maskeler kullanılır. Ardından, maskeler guided filtre ile işlenir. Son olarak, yöntem görüntülerin ve agırlık haritalarının Gaussian ve Laplacian piramitler yardımıyla birleştirilmesi ile devam eder. Son olarak guided filtreleme sırasında kaybedilen keskinliği geri kazandırmak için bir Laplacian filtresi kullanır. Genişkapsamlı deneyler, önerilen yöntemin görsel ve istatistiksel etkinligini ve güvenilirliğini göstermektedir.

Özet (Çeviri)

Technology has long been trying to enhance the capture and display devices, such as cameras and screens, to allow people to preserve and share their memories by taking more realistic pictures. One of the main challenges of this task is managing the dynamic range. To address this, researchers developed high dynamic range (HDR) imaging devices that create visuals similar to the human eye. However, the high cost of HDR devices prevents them from becoming common household items. Multi- exposure fusion (MEF) offers a software-based alternative, creating HDR-like images by merging multiple low dynamic range (LDR) images. This method typically involves extracting and combining the best features of these LDR images by utilizing weight maps. This thesis introduces a novel MEF method that includes a self-training phase where over-exposed and under-exposed images are identified, and masks are extracted by eliminating the parts with very little to no information. Sparse representation (SR), k-means clustering, and pre-defined masks are then used to extract weight maps for each exposure. This is followed by the masks being processed by a guided filter. Finally, the method employs pyramidal decomposition followed by a Laplacian filter to restore the sharpness lost during guided filtering. Extensive experiments demonstrate the proposed method's visual and statistical effectiveness and reliability.

Benzer Tezler

  1. Multi-exposure image fusion with edge preserving smoothing filter

    Çoklu pozlamalı görüntü füzyonu kenar koruyucu yumuşatma filtresi

    IBRAHEM BAYAN YASIN ALABDULLAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. SEFER KURNAZ

  2. Retineks teorisi kullanılarak yeni bir çoklu pozlamalı görüntü birleştirme tekniğinin geliştirilmesi

    A novel multi exposure image fusion technique using retinex theory

    BETÜL ISLAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET NUSRET TOPRAK

  3. Multi-exposure image fusion algorithms for high dynamic range imaging

    Yüksek dinamik aralıklı görüntüleme için çoklu pozlamayla görüntü birleştirme algoritmaları

    OĞUZHAN ULUCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET TÜRKAN

  4. Çoklu-pozlamalı görüntü birleştirme için yeni yöntemler

    New methods for multi-exposure image fusion

    HARUN AKBULUT

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL ASLANTAŞ

  5. Novel AI- based face recognition framework using deep neural networks and bounding box annotation

    Başlık çevirisi yok

    RASHA KHALID OMAR AL-OMARY

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM