Geri Dön

A new dataset for benchmarking underwater image enhancement methodologies

Sualtı görsellerde iyileştirme yöntemleri kalite testi için bir veri seti

PDF İndir

  1. Tez No: 986743
  2. Yazar: ALP YÜCESOY
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BURAK ARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Galatasaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Sualtı görüntüleri, farklı bilimsel disiplinlerdeki araştırmacılar için son derece değerli bir kaynaktır. Bu görüntüler, su ekosistemleri, sualtı arkeolojisi, deniz biyolojisi, jeoloji ve daha birçok alanda kritik bilgiler sunar. Ancak, yüksek kaliteli sualtı görüntüleri elde etmek, çevresel koşulların benzersizliği ve genellikle öngörülemezliği nedeniyle doğal olarak zordur. Işık emilimi, saçılma, bulanıklık ve sudaki partiküllerin varlığı gibi faktörler, görüntülerin renklerini ve ayrıntılarını ciddi şekilde bozabilir ve sualtı gerçekliğini doğru bir şekilde temsil etmeyi zorlaştırır. Bu sınırlamalar, özellikle batık araziler veya nesneler gibi sualtı ortamlarının üç boyutlu yeniden yapılandırılmasının gerekli olduğu fotogrametri gibi hassasiyet gerektiren görevlerde önemli zorluklar yaratır. Fotogrametri, bir nesnenin veya konumun farklı açılardan alınan birçok örtüşen görüntüsünü kullanarak ayrıntılı ve doğru bir üç boyutlu model oluşturmayı amaçlayan son derece uzmanlaşmış bir yöntemdir. Sualtı fotogrametrisi, erişilmesi zor nesnelerin veya bölgelerin haritalanması, belgelenmesi ve analiz edilmesi için sıklıkla kullanılmaktadır. Örnekler arasında batıklar, mercan resifleri, sualtı mağaraları ve su altına gömülü arkeolojik alanlar yer alır. Sualtı fotogrametrisinin başarısı büyük ölçüde görüntülerin kalitesine bağlıdır; bu görüntülerin, sualtı ortamının yarattığı zorluklara rağmen yeterli ayrıntı ve renk doğruluğunu koruması gerekir. Son yıllarda, gelişmiş restorasyon ve renk düzeltme teknikleriyle sualtı görüntülerinin kalitesini artırmaya yönelik önemli araştırmalar yapılmıştır. Bu çalışmalar, ışık bozulmalarını ve ayrıntı kaybını azaltmayı, dolayısıyla görüntülerin bilimsel ve pratik uygulamalar için kullanılabilirliğini artırmayı amaçlamaktadır. Geleneksel matematiksel modellerden, yapay zeka (AI) ve bilgisayarla görme tabanlı modern yöntemlere kadar çok çeşitli yaklaşımlar geliştirilmiştir. Bu modern teknikler, bozulmaları adaptif bir şekilde düzeltmek, görüntü netliğini artırmak ve doğru renkleri geri kazandırmak için makine öğrenimi algoritmalarını ve derin sinir ağlarını kullanır ve genellikle geleneksel yöntemlerin ötesinde performans sergiler. Gelişmiş görüntü işleme tekniklerinin sualtı araştırmalarıyla entegrasyonu, daha hassas ve detaylı çalışmalara olanak tanıyarak bilim insanlarının sualtı dünyasını benzersiz bir doğruluk ve verimlilikle daha iyi anlamalarını sağlamaktadır. Bu çalışma, görüntü restorasyonu ve iyileştirme görevleri için yaygın olarak kullanılan mevcut sualtı görüntü veri kümelerinin kapsamlı bir analizini sunmaktadır. Çalışma, en gelişmiş iyileştirme yöntemlerini ve bunların yeteneklerini ayrıntılı bir şekilde inceleyerek, sualtı ortamlarının yarattığı zorluklara yanıt verme konusundaki güçlü ve zayıf yönlerini ortaya koymaktadır. Ayrıca, fotogrametri uygulamaları için özel olarak tasarlanmış yeni bir veri kümesi sunulmaktadır. Bu veri kümesi, üç boyutlu yeniden yapılandırma ve hassas haritalama görevleri için uygunluk sağlamak amacıyla kontrollü koşullarda titizlikle çekilmiş yüksek çözünürlüklü sualtı görüntülerinden oluşmaktadır. Geliştirilen bu yeni veri kümesi, mevcut iyileştirme yöntemlerinin performansını, orijinal tasarım hedeflerinden farklı bir bağlamda test etmek için benzersiz bir kaynak olarak hizmet etmektedir. Günümüzdeki birçok yaklaşım, çeşitli sualtı koşullarına uyum sağlamak için genelleştirilmiş olsa da, bu çalışma, bunların özel bir bağlamdaki uyarlanabilirliğini ve etkinliğini keşfetmeyi amaçlamaktadır. Bu genelleştirilmiş yöntemler, fotogrametriye özgü veri kümesine uygulandığında, yapısal bütünlük, renk doğruluğu ve netlik gibi 3D modelleme için önemli olan benzersiz zorluklarla başa çıkma yetenekleri değerlendirilmiştir. Sonuçlar, sualtı görüntü işleme için genelci ve uzmanlaşmış modeller arasındaki ödünleşimler hakkında değerli bilgiler sunarak, fotogrametri gibi özel kullanım durumlarına yönelik gelecekteki ilerlemelerin yolunu açmaktadır. Bu çalışma, yukarıda belirtilen veri kümesini eğitim ve değerlendirme amacıyla kullanarak, alana özgü model tasarımının genelleştirilmiş yaklaşımlara kıyasla etkinliğini de incelemektedir. Sonuçlarımız, daha küçük ve göreve yönelik bir modelin yalnızca daha yüksek PSNR puanı elde etmekle kalmayıp, aynı zamanda uygulama basitliği ve hesaplama verimliliği açısından da önemli avantajlar sunduğunu göstermektedir. Bu bulgular, hafif ve kullanım amacına özel modellerin su altı fotogrametrisi ve görüntü iyileştirme görevleri için daha uygun olduğunu desteklemektedir. Su altı görüntülemenin özel gereksinimlerine ve kısıtlamalarına odaklanarak, daha büyük ve genelleştirilmiş mimarileri hem maliyet hem de uygulama karmaşıklığı açısından azaltarak geride bırakmanın mümkün olduğunu gösteriyoruz.

Özet (Çeviri)

Underwater images serve as an invaluable resource for researchers across diverse scientific disciplines. These images provide critical insights into aquatic ecosystems, underwater archaeology, marine biology, geology, and more. However, capturing high-quality underwater images is inherently challenging due to the unique and often unpredictable environmental conditions. Factors such as light absorption, scattering, turbidity, and the presence of particles in the water can severely distort the colors and details of these images, making it difficult to accurately represent the underwater reality. These limitations pose significant challenges, particularly in tasks that require precision, such as underwater photogrammetry, where accurate three-dimensional reconstructions of submerged terrains or objects are essential. Photogrammetry itself is a highly specialized methodology that involves capturing a large number of overlapping images of an object or location from various angles to construct a detailed and accurate three-dimensional model. When applied underwater, photogrammetry becomes even more critical, as it enables researchers to map, document, and analyze objects or environments that are otherwise difficult or impossible to access. Examples include shipwrecks, coral reefs, underwater caves, and submerged archaeological sites. The success of underwater photogrammetry relies heavily on the quality of the images, which must retain sufficient detail and color accuracy despite the challenges posed by the aquatic environment. In recent years, significant research efforts have been dedicated to improving the quality of underwater images through advanced restoration and color correction techniques. These efforts aim to mitigate the effects of light distortion and loss of detail, thereby enhancing the utility of the images for scientific and practical applications. A wide array of approaches has been developed, ranging from traditional mathematical models that address specific aspects of image degradation to state-of-the-art artificial intelligence (AI) and computer vision-based methods. These modern techniques leverage machine learning algorithms and deep neural networks to adaptively correct distortions, enhance image clarity, and restore accurate colors, often surpassing the capabilities of conventional methods. The integration of advanced image processing techniques with underwater research is paving the way for more precise and detailed studies, enabling scientists to better the underwater world with unprecedented accuracy and efficiency. This study is presents an analysis of currently available underwater image datasets for image restoration and enhancement, a thorough analysis of the state-of-the art enhancement methodologies, as well a new dataset of underwater images taken specifically for photogrammetry purposes. This dataset was then used to train and compare currently available methodologies in a different context than what they are designed for, which is a generalist approach to all underwater environments as opposed to presenting a model that is specifically trained for certain types of environments. This study provides a comprehensive analysis of the currently available underwater image datasets that are widely used for image restoration and enhancement tasks. It thoroughly examines the most advanced enhancement methodologies and their capabilities, identifying their strengths and limitations in addressing the challenges posed by underwater environments. Additionally, the study introduces a new dataset specifically designed for photogrammetry applications. This dataset consists of high-resolution underwater images, meticulously captured in controlled conditions to ensure suitability for three-dimensional reconstructions and precise mapping tasks. The newly developed dataset serves as a unique resource for testing the performance of existing enhancement methodologies in a context distinct from their original design objectives. While many current approaches are generalized to accommodate a wide variety of underwater conditions, this study aims to explore their adaptability and effectiveness in a specialized context. By applying these generalist methodologies to the photogrammetry-specific dataset, the research evaluates their capacity to handle unique challenges such as maintaining structural integrity, color accuracy, and clarity in images intended for precise 3D modeling. The results offer valuable insights into the trade-offs between generalist and specialist models for underwater image processing, paving the way for future advancements tailored to specific use cases like photogrammetry. This study also examines the effectiveness of domain-specific model design in contrast to generalized approaches, using the aforementioned dataset for training and evaluation. Our results demonstrate that a smaller, task-oriented model not only achieves a higher PSNR score but also offers significant advantages in terms of implementation simplicity and computational efficiency. These findings support the conclusion that lightweight, use-case-specific models are more suitable for underwater photogrammetry and image enhancement tasks. By focusing on the specific requirements and constraints of underwater imaging, we show that it is possible to outperform larger, more generalized architectures while reducing both the cost and complexity of deployment.

Benzer Tezler

  1. Tez No

    834354

    A statistical framework for degraded underwater video generation

    Bozulmuş sualtı video üretimi için istatistiksel bir yapı

    SERKAN ŞATAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Tez No

    863511

    An improved multi-component metric for spatial pattern calibration of hydrologic models

    Hidrolojik modellerin örüntüye dayalı kalibrasyonu için çok bileşenli metrik geliştirilmesi

    EYMEN BERKAY YORULMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET CÜNEYD DEMİREL

  3. Tez No

    1002807

    Hydrate risk screening with CPA-based thermodynamics and surrogate models

    CPA tabanlı termodinamik ve vekil modeller ile hidrat risk taraması

    DEVRİM BAŞAR HAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT ÇINAR

  4. Tez No

    693910

    Kömürün kendi kendine ısınmasının ve tutuşmasının modellenmesi, simülasyonu ve deneysel incelenmesi

    Mathematical modelling, simulation and experimental investigation of self – heating and self – ignition of coal

    BURHAN YÖRÜK

    Doktora

    Türkçe

    Türkçe

    2021

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ARISOY

  5. Tez No

    956019

    A multi-perspective analysis of collaborative filtering performance: Metrics, topologies, and algorithms

    İşbirlikçi filtreleme performansının çok boyutlu analizi: Metrikler, topolojiler ve algoritmalar

    MERT ARDA ASAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜNCE KEZİBAN ORMAN

Geri Dön