Evrişimli sinir ağı kullanarak çoklu-pozlamalı görüntü birleştirme

Harun Akbulut; Veysel Aslantaş

Article Details

Evrişimli sinir ağı kullanarak çoklu-pozlamalı görüntü birleştirme

Authors:

Harun Akbulut | Veysel Aslantaş

Publisher:

Gazi University

Main Topics:

Mühendislik

Journal:

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.38 Issue 3, pp.1439-1452

Document Type:

Article

Publication Date:

6/2023

Document Language:

Turkish

Document ID (Org No.):

2001282119

pISSN:

1300-1884

Keywords:

Abstract:

 Aynı sahneye ait iki ya da daha fazla düşük dinamik alana LDR sahip görüntülerden yüksek dinamik alana HDR sahip tek bir görüntü elde etme yöntemlerine çoklu-pozlamalı görüntü birleştirme MEF denir. Bu çalışmada MEF için derin öğrenme DL modellerinden evrişimli sinir ağı CNN kullanan yeni bir yöntem önerilmiştir. Önerilen yöntemde ilk adımda CNN modeli kullanılarak kaynak görüntülerden birleştirme haritası fmap elde edilmiştir. Birleştirilmiş görüntülerde testere-dişi etkisini ortadan kaldırmak için fmap üzerinde ağırlıklandırma işlemi gerçekleştirilmiştir. Daha sonra ağırlıklandırılmış fmap kullanılarak her tarafı iyi pozlanmış birleştirilmiş görüntüler oluşturulmuştur. Önerilen yöntem literatürde yaygın olarak kullanılan MEF veri setlerine uygulanmış ve elde edilen birleştirilmiş görüntüler kalite metrikleri kullanılarak değerlendirilmiştir. Önerilen yöntem ve diğer iyi bilinen görüntü birleştirme yöntemleri, görsel ve niceliksel değerlendirme açısından karşılaştırılmıştır. Elde edilen sonuçlar, geliştirilen tekniğin uygulanabilirliğini göstermektedir.

 Aynı sahneye ait iki ya da daha fazla düşük dinamik alana LDR sahip görüntülerden yüksek dinamik alana HDR sahip tek bir görüntü elde etme yöntemlerine çoklu-pozlamalı görüntü birleştirme MEF denir. Bu çalışmada MEF için derin öğrenme DL modellerinden evrişimli sinir ağı CNN kullanan yeni bir yöntem önerilmiştir. Önerilen yöntemde ilk adımda CNN modeli kullanılarak kaynak görüntülerden birleştirme haritası fmap elde edilmiştir. Birleştirilmiş görüntülerde testere-dişi etkisini ortadan kaldırmak için fmap üzerinde ağırlıklandırma işlemi gerçekleştirilmiştir. Daha sonra ağırlıklandırılmış fmap kullanılarak her tarafı iyi pozlanmış birleştirilmiş görüntüler oluşturulmuştur. Önerilen yöntem literatürde yaygın olarak kullanılan MEF veri setlerine uygulanmış ve elde edilen birleştirilmiş görüntüler kalite metrikleri kullanılarak değerlendirilmiştir. Önerilen yöntem ve diğer iyi bilinen görüntü birleştirme yöntemleri, görsel ve niceliksel değerlendirme açısından karşılaştırılmıştır. Elde edilen sonuçlar, geliştirilen tekniğin uygulanabilirliğini göstermektedir.

 Aynı sahneye ait iki ya da daha fazla düşük dinamik alana LDR sahip görüntülerden yüksek dinamik alana HDR sahip tek bir görüntü elde etme yöntemlerine çoklu-pozlamalı görüntü birleştirme MEF denir. Bu çalışmada MEF için derin öğrenme DL modellerinden evrişimli sinir ağı CNN kullanan yeni bir yöntem önerilmiştir. Önerilen yöntemde ilk adımda CNN modeli kullanılarak kaynak görüntülerden birleştirme haritası fmap elde edilmiştir. Birleştirilmiş görüntülerde testere-dişi etkisini ortadan kaldırmak için fmap üzerinde ağırlıklandırma işlemi gerçekleştirilmiştir. Daha sonra ağırlıklandırılmış fmap kullanılarak her tarafı iyi pozlanmış birleştirilmiş görüntüler oluşturulmuştur. Önerilen yöntem literatürde yaygın olarak kullanılan MEF veri setlerine uygulanmış ve elde edilen birleştirilmiş görüntüler kalite metrikleri kullanılarak değerlendirilmiştir. Önerilen yöntem ve diğer iyi bilinen görüntü birleştirme yöntemleri, görsel ve niceliksel değerlendirme açısından karşılaştırılmıştır. Elde edilen sonuçlar, geliştirilen tekniğin uygulanabilirliğini göstermektedir.

 Aynı sahneye ait iki ya da daha fazla düşük dinamik alana LDR sahip görüntülerden yüksek dinamik alana HDR sahip tek bir görüntü elde etme yöntemlerine çoklu-pozlamalı görüntü birleştirme MEF denir. Bu çalışmada MEF için derin öğrenme DL modellerinden evrişimli sinir ağı CNN kullanan yeni bir yöntem önerilmiştir. Önerilen yöntemde ilk adımda CNN modeli kullanılarak kaynak görüntülerden birleştirme haritası fmap elde edilmiştir. Birleştirilmiş görüntülerde testere-dişi etkisini ortadan kaldırmak için fmap üzerinde ağırlıklandırma işlemi gerçekleştirilmiştir. Daha sonra ağırlıklandırılmış fmap kullanılarak her tarafı iyi pozlanmış birleştirilmiş görüntüler oluşturulmuştur. Önerilen yöntem literatürde yaygın olarak kullanılan MEF veri setlerine uygulanmış ve elde edilen birleştirilmiş görüntüler kalite metrikleri kullanılarak değerlendirilmiştir. Önerilen yöntem ve diğer iyi bilinen görüntü birleştirme yöntemleri, görsel ve niceliksel değerlendirme açısından karşılaştırılmıştır. Elde edilen sonuçlar, geliştirilen tekniğin uygulanabilirliğini göstermektedir.

Article Details

Evrişimli sinir ağı kullanarak çoklu-pozlamalı görüntü birleştirme

Authors:

Harun Akbulut | Veysel Aslantaş

Publisher:

Gazi University

Main Topics:

Mühendislik

Journal:

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.38 Issue 3, pp.1439-1452

Document Type:

Article

Publication Date:

6/2023

Document Language:

Turkish

Document ID (Org No.):

2001282119

pISSN:

1300-1884

Çoklu-pozlamalı görüntü birleştirme

evrişimli sinir ağı

ağırlıklandırılmış görüntü birleştirme

kalite metrikleri

Issues

Article Details

Evrişimli sinir ağı kullanarak çoklu-pozlamalı görüntü birleştirme

Authors: Harun Akbulut | Veysel Aslantaş

Publisher: Gazi University

Main Topics: Mühendislik

Journal: Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.38 Issue 3, pp.1439-1452

Document Type: Article

Publication Date: 6/2023

Document Language: Turkish

Document ID (Org No.): 2001282119

pISSN: 1300-1884

Çoklu-pozlamalı görüntü birleştirme

evrişimli sinir ağı

ağırlıklandırılmış görüntü birleştirme

kalite metrikleri

Issues

Authors:

Harun Akbulut | Veysel Aslantaş

Publisher:

Gazi University

Main Topics:

Mühendislik

Journal:

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.38 Issue 3, pp.1439-1452

Document Type:

Article

Publication Date:

6/2023

Document Language:

Turkish

Document ID (Org No.):

2001282119

pISSN:

1300-1884