ENDÜSTRİYEL KAMERALAR İÇİN HİPERSPEKTRAL BANTLARDA ADAPTİF POZLAMA SÜRESİ KESTİRİMİ

Abstract

Bu çalışmada, hiperspektral görüntüleme için yeni bir pozlama düzeltme yöntemi sunulmuştur. Başlangıçta sistemde kullanılacak donanımsal parçaların entegrasyonu yapılmıştır. Daha sonra her bant için minimum ve maksimum pozlama değerlerini gösteren bir başvuru çizelgesi (look-up table) oluşturulmuştur. Geliştirilen bir görüntü alımı arayüzü ile farklı hiperspektral bantlarda değişik pozlama sürelerine sahip imgeler elde edilmiştir. Devamında, pozlama durumunu temsil edebilecek çeşitli öz nitelikler belirlenmiş ve bir veri seti oluşturulmuştur. Yapay sinir ağları (YSA) modellerinden Çok Katmanlı Algılayıcı ağ modeli, Doğrusal Regresyon ve REPTree algoritmalarının pozlama durumunu belirlemedeki başarıları kıyaslanmıştır. Çalışmanın devamında pozlama durumunu %99.18 doğru tahmin eden REPTree algoritması temel alınarak gerçek zamanlı olarak, istenilen hiperspektral bantta en yüksek pozlama kalitesine sahip imgeyi belirlemeye çalışan uygulama geliştirilmiş ve sonuçlar irdelenmiştir.

In this study, a new method for exposure time correction for hyperspectral imaging is introduced. Initially, the hardware setup is established. Then, a look-up table which shows the minimum and maximum exposure times for each band is built. The images having different exposure times for different hyperspectral bands are acquired using developed image acquisition system. Afterwards, various features that can represent the exposure state are identified and a dataset is established. The success of Multilayer Perceptron model of Artificial Neural Networks (ANN), Linear Regression and REPTree algorithms in determining the quality of exposure are compared. After that, by using the REPTree algorithm that estimates the exposure quality with 99.18% accuracy, an application attempting to determine the image with the highest exposure quality at the desired hyperspectral band is developed and the results are analyzed.