Super resolution approach on thermal images
Termal görüntülerde süper çözünürlük yaklaşımları
- Tez No: 935338
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT TAŞKIRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 58
Özet
Termal görüntüleme, gözetim, tıbbi teşhis ve endüstriyel izleme gibi çeşitli uygulamalarda önemli bir rol oynamaktadır. Bununla birlikte, termal görüntülerin düşük çözünürlüğü, detaylı görsel analiz gerektiren görevlerde etkinliğini sınırlandırmaktadır. Bu araştırma, SwinIR (Swin Transformer for Image Restoration) algoritmasındaki iyileştirmelerden yararlanarak termal görüntülemeye uyarlanmış gelişmiş bir süper çözünürlük (SR) çerçevesi sunmaktadır. Özellikle, SwinIR mimarisindeki Gauss Hatalı Doğrusal Birim (GeLU) aktivasyon fonksiyonu, gelişmiş görsel kalite ve hesaplama verimliliği elde etmek için Doğrultulmuş Doğrusal Birim (ReLU) ile değiştirilmiştir. Sağlam bir temel oluşturmak için çalışma, enterpolasyon tabanlı, yeniden yapılandırma tabanlı ve öğrenme tabanlı yaklaşımlar dahil olmak üzere mevcut çeşitli SR metodolojilerini gözden geçirmekte ve değerlendirmektedir. Modifiye edilmiş SwinIR-ReLU modeli, yüksek çözünürlüklü termal görüntü veri kümesi üzerinde eğitilip test edilmiş ve performansı Tepe Sinyal-Gürültü Oranı (PSNR) ve Yapısal Benzerlik İndeksi Ölçüsü (SSIM) kullanılarak ölçülmüştür. Deneysel sonuçlar, önerilen modelin orijinal SwinIR-GeLU yapılandırmasını geride bırakarak üstün PSNR ve SSIM değerleri sunduğunu ortaya koymaktadır. Ayrıca, nitel analiz, gelişmiş kenar ayrıntısı korumasını ve yapısal netliği vurgulamakta ve pratik dağıtım için uygunluğunu güçlendirmektedir. Bu çalışma, termal görüntüleme zorlukları için optimize edilmiş bir çözüm sunarak görüntü süper çözünürlüğü alanını ilerletmektedir. Gelecekteki araştırmalar SwinIR mimarisinde daha fazla geliştirmeyi araştırabilir, alternatif aktivasyon fonksiyonlarını keşfedebilir veya modelin yeteneklerini artırmak için üretken düşman ağlarını (GAN'lar) entegre edebilir. Bulgular, düşük kaliteli termal görüntülerin çözünürlüğünü ilerletmede transformatör tabanlı mimarilerin dönüştürücü potansiyelinin altını çizmektedir.
Özet (Çeviri)
Thermal imaging plays a pivotal role in diverse applications, such as surveillance, medical diagnostics, and industrial monitoring. However, its utility is often constrained by the low resolution of thermal images, which limits their effectiveness in tasks requiring detailed visual analysis. This research introduces an enhanced super-resolution (SR) framework tailored to thermal imaging, leveraging improvements to the SwinIR (Swin Transformer for Image Restoration) algorithm. In the SwinIR architecture, the Gaussian Error Linear Unit (GeLU) activation function is substituted with the Rectified Linear Unit (ReLU) to improve visual output quality and optimize computational performance. To establish a robust foundation, the study reviews and evaluates various existing SR methodologies, including interpolation-based, reconstruction-based, and learning-based approaches. The SwinIR-ReLU model, modified for this study, is evaluated on a high-resolution thermal image dataset. Its performance is assessed using Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index Measure (SSIM). Experimental results reveal that the proposed model surpasses the original SwinIR-GeLU configuration, delivering superior PSNR and SSIM values. Additionally, qualitative analysis highlights improved edge detail preservation and structural clarity, reinforcing its suitability for practical deployment. This work advances the domain of image super-resolution by presenting an optimized solution for thermal imaging challenges. Future research could investigate further enhancements to the SwinIR architecture, explore alternative activation functions, or integrate generative adversarial networks (GANs) to amplify the model's capabilities. The results highlight the significant impact of transformer-based architectures in improving the resolution of low-quality thermal images.
Benzer Tezler
- Doğal, tarihi kültürel açıdan turizm potansiyelini değerlendirme modeli: Ayvalık örneği
The tourism model for evaluation of natural, historical and cultural potential: A case of Ayvalık
İSMAİL HAKAN KOLCU
Yüksek Lisans
Türkçe
1993
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiPROF. DR. VEDİA DÖKMECİ
- Optimization of fragmentation behaviour of brittle phase in a ductile matrix during mechanical alloying for the production of nano composite powders and final products
Mekanik alaşımlama sırasında gevrek fazın sünek matris içerisindeki ufalanma davranışlarının optimize edilmesi ve nano kompozit tozu nihai ürün üretimi
AYDIN ŞELTE
Doktora
İngilizce
2019
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK ÖZKAL
- Alternatif akım-doğru akım sisteminde ayrık yöntem kullanımı ile optimal güç dağılımı hesabı için yeni bir yaklaşım
Başlık çevirisi yok
UĞUR ARİFOĞLU
Doktora
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. NESRİN TARKAN
- Super-resolution of landsat-8 images using sentinel-2 images and generative adversarial networks
Sentinel-2 görüntüleri ve çekişmeli üretici ağlar kullanılarak landsat-8 görüntülerinin süper çözünürlüğü
ESRA SUNKER
Yüksek Lisans
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
PROF. DR. BÜLENT BAYRAM