Termal görüntülerdeki bulanıklık tiplerinin derin öğrenme yöntemleri ile sınıflandırılması
Classification of blur types in thermal images with deep learning methods
- Tez No: 908322
- Danışmanlar: DOÇ. DR. EMRE SÜMER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Fizik ve Fizik Mühendisliği, Savunma ve Savunma Teknolojileri, Computer Engineering and Computer Science and Control, Physics and Physics Engineering, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri ve Sistemleri Ana Bilim Dalı
- Bilim Dalı: Savunma Elektroniği ve Yazılım Bilim Dalı
- Sayfa Sayısı: 62
Özet
Savunma sistemlerinde kullanılan termal optik sistemler, görüntüleme esnasında çeşitli problemlerle karşılaşır ve bu problemler, görüntülerde farklı türlerde bulanıklık hatası olarak kendini gösterir. Bulanıklık çeşidini tespit etmek, görüntü kalitesini artırmanın ilk aşamasıdır. Bu araştırmada, farklı bulanıklık türleri (odak dışı bulanıklık, atmosferik türbülans bulanıklığı, görüntü titreme bulanıklığı, Gaussian bulanıklığı ve hareket bulanıklığı) modellenmiş ve 15.000 FLIR termal görüntü içeren bir veri seti üzerinde Python programlama dili kullanılarak rastgele değerlerle bulanıklıklar eklenerek bir veri seti oluşturulmuştur. Ardından, ResNet50, InceptionV3, DenseNet201, VGG16 ve EfficientNetB0 gibi çeşitli ESA mimarileri, bu termal görüntüleri sınıflandırmak amacıyla kullanılmıştır. Kullanılan ESA mimarileri, stacking topluluk öğrenme yöntemi ile birleştirilerek yeni bir model oluşturulmuş ve test verisi ile %99 oranında doğruluk elde edilmiştir. Bu araştırma ile termal görüntülerdeki bulanıklık türlerini sınıflandırmada derin öğrenme yönteminin etkileri incelenmiş ve gelecekteki uygulamalar için bir temel oluşturulmuştur.
Özet (Çeviri)
Thermal optical systems in defense applications often face challenges during imaging, resulting in various blurring artifacts. Recognizing the type of blur is crucial for enhancing image quality. This research involves simulating different blur types (defocus blur, atmospheric turbulence blur, image jitter blur, Gaussian blur, and motion blur) using Python programming language. A dataset of 15.000 FLIR thermal images was blurred with these types using random values, creating a comprehensive blurred dataset. Subsequently, several CNN architectures, including ResNet50, InceptionV3, DenseNet201, VGG16, and EfficientNetB0, were employed to classify these images. By integrating these CNN models through stacking ensemble learning, a new model was developed, achieving a 99% accuracy rate on the test data. This study highlights the effectiveness of deep learning in classifying blur types in thermal images, offering promising insights for future applications.
Benzer Tezler
- Simulating and augmenting turbulent thermal images for deep object detection models
Derin nesne tespit modelleri için türbülanslı termal görüntülerin simülasyonu ve artırılması
ENGİN UZUN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DOÇ. DR. ERDEM AKAGÜNDÜZ
- Medical electro-thermal imaging
Tıbbi elektro-termal görüntüleme
FEZA CARLAK
Doktora
İngilizce
2012
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NEVZAT G. GENÇER
- Termal görüntü işleme ile diz osteoartritinin tespit edilmesi
Detection of knee osteoarthritis with thermal image processing
AFRAH ABDULSATTAR JASIM QALI
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT SELEK
- Doğu Anadolu volkanlarının termal kızılötesi uydu görüntüleri ile uzun süreli termal aktivitesinin gözlenmesi
Monitoring of long-term thermal activity of Eastern Anatolian volcanoes with thermal infrared satellite images
CANER DİKER
Yüksek Lisans
Türkçe
2014
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İNAN ULUSOY
- Tari̇hi̇ yapılarda fotogrametri̇k yöntemle doku deformasyonlarının beli̇rlenmesi̇
Determining the texture deformation of historical buildings with photogrammetric method
ESRA GÜLER
Yüksek Lisans
Türkçe
2014
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ YASTIKLI