Aşırı karanlık seri görüntüleri iyileştirmek için hafif bir filtreleme modeli

Görüntü verisi, günümüz dünyasında kullanılan teknolojiler için önemli bir yer teşkil etmektedir. Özellikle biyomedikal görüntüleme, gece görüş, adli tıp, su altı görüntüleme, savunma sanayii, akıllı toplu taşıma ve hareketli nesne takibi gibi görüntü işleme teknolojilerinin yoğun olarak kullanıldığı alanlarda yapılan çalışmaların başarıya ulaşabilmesi için kaliteli ve işlenebilir görüntü verisine ihtiyaç duyulmaktadır. Fakat ortam ışık düzeyinin aşırı düşük olduğu durumlarda dijital fotoğraflama yoluyla elde edilen görüntülerde genellikle istenen aydınlık seviyesine ulaşılamamaktadır. Dijital fotoğraf makineleri, lensten geçen ışığın algılayıcı sensör üzerine düşmesi ile oluşan sinyaller aracılığıyla dijital görüntüleri üretirler. Aşırı karanlık ortamlarda lensten geçen ışık seviyesi çok düşük olduğu için karanlık, gürültü seviyesi yüksek, görsel kalitesi düşük görüntüler elde edilir. Standart fotoğraflama teknikleri ve geleneksel görüntü iyileştirme yöntemleri bazı basit durumlarda yeterli sonuçlar üretebilse de aşırı karanlık ortamlarda elde edilen görüntüler için tatmin edici bir iyileştirme çözümü sunamamaktadır. Son yıllarda, bu problemin çözümüne yönelik geliştirilen öğrenme tabanlı yöntemler, çok daha başarılı sonuçlar üretebilmektedir. Çünkü öğrenme tabanlı yöntemler, karanlık girdi görüntüler ile hedef çıktılar arasında lineer olmayan ve çok daha karmaşık ilişkiler kurabilmektedir. Öğrenme tabanlı yaklaşımlardan esinlenerek gerçekleştirilen bu tez çalışmasında, seri fotoğraflama ile elde edilen karanlık girdi görüntülerden iyileştirilmiş çıktı görüntüler üretebilen, mevcut çalışmalardan farklı olarak model ağırlığı ve çalışma süresi daha düşük, derin öğrenme tabanlı hafif bir filtreleme modeli üzerinde çalışılmıştır. Yeni bir veri çoğaltma yöntemi olarak girdi görüntülere ait amplifikasyon oranlarına eklenen çarpan, elde edilen sonuçlardaki başarımı artırmıştır. Gerçekleştirilen deneyler sonunda elde edilen nitel ve nicel bulgularla, önerilen modelin, daha düşük bir ağırlık ve daha düşük bir çalışma süresi ile son teknoloji çalışmalar ile yarışır sonuçlara ulaştığı gözlemlenmiştir.