Evrişimli sinir ağı kullanarak çoklu-pozlamalı görüntü birleştirme

IF 1 4区工程技术 Q3 ENGINEERING, MULTIDISCIPLINARY

Journal of the Faculty of Engineering and Architecture of Gazi University Pub Date : 2023-01-06 DOI:10.17341/gazimmfd.1067400

Harun AKBULUT>, Veysel ASLANTAŞ>

{"title":"Evrişimli sinir ağı kullanarak çoklu-pozlamalı görüntü birleştirme","authors":"Harun AKBULUT>, Veysel ASLANTAŞ>","doi":"10.17341/gazimmfd.1067400","DOIUrl":null,"url":null,"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.","PeriodicalId":51103,"journal":{"name":"Journal of the Faculty of Engineering and Architecture of Gazi University","volume":"13 1","pages":"0"},"PeriodicalIF":1.0000,"publicationDate":"2023-01-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of the Faculty of Engineering and Architecture of Gazi University","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17341/gazimmfd.1067400","RegionNum":4,"RegionCategory":"工程技术","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}

引用次数: 0

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.

查看原文本刊更多论文

利用卷积神经网络进行多重曝光图像融合

多曝光图像融合（MEF）是一种从同一场景的两幅或多幅低动态范围（LDR）图像中获得单幅高动态范围（HDR）图像的方法。本研究针对 MEF 提出了一种使用深度学习（DL）模型之一的卷积神经网络（CNN）的新方法。该方法的第一步是利用 CNN 模型从源图像中获取融合图（fmap）。为了消除合并图像中的锯齿效应，对 fmap 进行了加权处理。然后，利用加权的 fmap 创建曝光良好的合并图像。本文提出的方法适用于文献中广泛使用的 MEF 数据集，并使用质量指标对合并后的图像进行了评估。在视觉和定量评估方面，对提出的方法和其他著名的图像拼接方法进行了比较。所得结果表明了所提技术的适用性。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Journal of the Faculty of Engineering and Architecture of Gazi University ENGINEERING, MULTIDISCIPLINARY-

CiteScore

1.90

自引率

45.50%

发文量

审稿时长

6-12 weeks

期刊介绍： Gazi University Journal of the Faculty of Engineering and Architecture; Engineering qualifications described below and in the field of architecture research papers and invited articles by scanning is considered to be Turkish.