Karanlık görüntü ve videoların küme tabanlı öğrenme yöntemiyle iyileştirilmesi

Aşırı düşük ışık koşullarında görüntü yakalamak, standart kamera hattı için önemli zorluklar yaratır. Görüntüler çok karanlık ve çok gürültülü olur, bu da geleneksel geliştirme tekniklerinin uygulanmasını neredeyse imkansız hale getirir. Son zamanlarda, öğrenme temelli yaklaşımlar bu problem için çok umut verici sonuçlar vermiştir, çünkü daha iyi kaliteyi sağlamak için bu yöntemlerin için ifade gücü yüksektir. Bu yöntemlerden motive olarak, bu tez çalışmasında, iyileştirme performansını artırmak ve aşırı karanlık ham görüntülerden daha keskin ve daha doğru RGB görüntüler elde etmek için seri çekimden yararlanmayı hedefliyoruz. Önerilen yapının bel kemiği, aşamalı olarak yüksek kaliteli çıktılar üreten yeni bir kabadan inceye ağ mimarisidir. Kaba ağ, daha sonra ince ölçekli ayrıntıları ve gerçekçi dokuları kurtarmak için ince ağa beslenen düşük çözünürlüklü bir ham görüntü öngörür. Gürültü seviyesini daha da azaltmak ve renk doğruluğunu artırmak için, bu ağı, giriş olarak seri çekilmiş düşük ışıklı görüntüler alan ve nitelik düzeyinde birden fazla görüntüden bilgi birleştirmesi yapan permütasyon değişmez bir yapıya genişletiyoruz. Deneylerimiz, yaklaşımımızın en son yöntemlerden daha detaylı ve çok daha yüksek kalitede görüntüler ürettiğini ve görsel olarak daha hoş sonuçlar verdiğini göstermektedir.