HDR görüntü üretebilen kamera veri yolunun Derin Ağ Mimarisi kullanılarak modellenmesi
Modeling of camera pipeline that can produce HDR images using Deep Network Architecture
- Tez No: 930161
- Danışmanlar: DOÇ. DR. AYSUN TAŞYAPI ÇELEBİ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin öğrenme, Evrişimli sinir ağları, Sayısal görüntü, Sayısal görüntü işleme, Sayısal kameralar, Deep learning, Convolutional neural networks, Digital image, Digital image processing, Digital cameras
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bugün, geleneksel bir dijital kamera ISP veri yolu, Geri Mozaikleme, Gürültü Giderme, Beyaz Dengeleme, Renk İyileştirme, Ton Dönüştürme vb. gibi belirli bir görev için tasarlanmış, sıralı olarak birbirine bağlanan görüntü işleme modülleri tarafından oluşturulmaktadır. Bu modüller bağımsız olarak tasarlandığından ve veri yolunun baştan sona optimizasyonu yapılamadığından, oluşturulan nihai görüntüde bozulmaların gözlemlenmesi muhtemeldir. Bu etkileri ortadan kaldırmak için literatürde çeşitli kamera ISP veri yolu modelleri önerilmiş ve evrişimli sinir ağları kullanılarak daha yüksek görüntü kalitesi sonuçları rapor edilmiştir. Ancak hiç bir çalışmada HDR Ton Dönüştürme işleminin aynı zamanda uygulanması amaçlanmamıştır. Bu tezde, belirli bir Bayer paterne sahip ham görüntülerden Ton Dönüştürme işlemi yapılmış yüksek kaliteli HDR görüntü eşleniğini oluşturmak üzere yeni bir ağ mimarisi önerilmektir. Bu tez kapsamında ayrıca Zurich veri setinde yer alan görüntülerin alt kümesi Topaz Gigapixel AI ve Photomatix Pro 5.0 yazılımı ile düzenlenerek uygun veri seti oluşturulmuştur. Oluşturulan görüntülerde daha kararlı renk bilgisi elde etmek amacıyla, literatürde kamera ISP veriyolu çalışmalarından farklı olarak ilk defa kayıp fonksiyonunda histogramdan faydalanılmıştır. Tez kapsamında gerçekleştirilen deneyler sonucunda, belirli bir Bayer paterne sahip ham görüntülerden referanssız görüntü kalite metrik performansına göre yüksek kaliteli çıktıların oluşturulabileceği görülmektedir. Referans model çıktıları ve ticari kameralardaki mevcut ISP çıktıları ile yapılan karşılaştırma sonuçları göz önüne alındığında, çözümümüzün ileride gerçek bir kameraya entegre edilebilir olduğunu göstermektedir.
Özet (Çeviri)
Today, a conventional digital camera ISP pipeline is constructed by sequentially connected image processing modules which are each designed for a specific task, such as De-mosaicking, De-noising, White Balance, Color Enhancement, Tone-mapping etc. Since these modules are designed independently and the pipeline cannot be optimized end-to-end, artifacts are likely to be observed in the final generated image. To eliminate these effects, various camera ISP pipeline models have been proposed in the literature and higher image quality results have been reported using convolutional neural networks. However, it is not intended to apply HDR Tone-mapping at the same time in any study. In this thesis, a new network architecture is proposed to create high-quality HDR Tome-mapped images from raw images with a specific Bayer pattern. Within the scope of this thesis, a subset of the images in the Zurich dataset was edited with Topaz Gigapixel AI and Photomatix Pro 5.0 software to create suitable dataset. In order to obtain more stable color information, histogram was used in the loss function for the first time, unlike camera ISP pipeline studies in the literature. As a result of the experiments carried out within the scope of the thesis, it is seen that high quality outputs can be created from raw images with a certain Bayer pattern according to no-reference image quality metric performance. Considering the comparison results with reference model outputs and existing ISP outputs in commercial cameras, it shows that our solution can be integrated into a real camera in the future.
Benzer Tezler
- Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight
Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş
ARSLAN ARTYKOV
Yüksek Lisans
İngilizce
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- RAFT-HDR: Face aware deghosting algorithm for high dynamic range imaging
RAFT-YDA: Yüksek dinamik aralıklı görüntüleme için yüze duyarlı hayalet giderme algoritması
BARIŞ SUĞUR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET OĞUZ AKYÜZ
- Validation of the use of high dynamic range images and displays in lighting research and lighting design
Yüksek dinamik ölçekli fotoğrafların ve monitörlerin aydınlatma araştırma projeleri ve aydınlatma tasarımında kullanımının onaylanması
DUYGU ÇETEGEN MOREWOOD
Doktora
İngilizce
2010
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
JENNİFER A. VEİTCH
YRD. DOÇ. RAMAZAN ÇAĞLAR
- Sülfat etkisine maruz farklı çimento harçlarındaki makro boşluk yapısı gelişiminin bilgisayarlı tomografi yöntmi ile incelenmesi
Investigation of macro void development of different cement mortars exposed to sulphate attack by computerized tomography
İLKER TEKİN
Doktora
Türkçe
2010
Teknik EğitimGazi ÜniversitesiYapı Eğitimi Ana Bilim Dalı
PROF. DR. H. YILMAZ ARUNTAŞ
- Dikkat tabanlı otokodlayıcı kullanarak tek görüntüden yüksek dinamik aralıklı görüntü oluşturma
Single-image high dynamic range reconstruction using attention based autoencoder
CEVHER RENK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR ÇİFTÇİ