İNSANSIZ HAVA ARACINDAN ELDE EDİLEN GÖRÜNTÜLERİN DERİN ÖĞRENME YÖNTEMİ İLE İYİLEŞTİRİLMESİ

Abstract

Teknoloji ve fotoğraf makinesinin gelişimi, fotoğraflama işleminden sonra elde edilen görüntülere farklı bir boyut kazandırmıştır. İlk başlarda siyah ve beyaz olarak elde edilen görüntüler, zaman içindeki gelişmelerle birlikte renkli olarak elde edilmeye başlanılmıştır. İnsanoğlunun görüntü kalitesine verdiği önemin her geçen gün artmasıyla beraber görüntü kalitesinin arttırılması üzerine birçok çalışma yapılmıştır. Görüntü kalitesinin arttırılması için yapılan çalışmalar neticesinde, fotoğraf makinelerinde bulunan merceklerin geliştirilmesine ve farklı görüntü iyileştirme tekniklerinin ortaya çıkmasına sebep olmuştur. Farklı aydınlatma koşullarında, fotoğraf makinelerindeki merceğin geliştirilmesi görüntü kalitesinin iyileştirilmesi için yeterli olmamıştır. Bu yüzden geleneksel görüntü iyileştirme yöntemlerinden histogram, karşıtlık, parlaklık ve histogram eşitleme gibi görüntü iyileştirme teknikleri kullanılmıştır. Geleneksel görüntü iyileştirme teknikleri temel alınarak geliştirmeler yapılmıştır. İnsansız hava aracı (İHA), günümüzde keşif, gözetim, arama kurtarma, askeri ve eğlence gibi çeşitli alanlarda kullanılmak üzere tasarlanmış uzaktan kumandalı ve otonom olarak kontrol edilebilen hava araçlarıdır. İHA kullanılarak düşük aydınlatma koşullarında yapılan görevlerde elde edilen görüntülerinin net ve anlaşılabilir olması gerekmektedir. Bu yüzden görüntü kalitesinin iyileştirilmesi ve geliştirilmesi için yapılan bu çalışmada, düşük ışıklı görüntülerin derin öğrenme yöntemi kullanılarak iyileştirilmesinin analizi yapılmıştır. Derin öğrenmenin temelini oluşturan yapay sinir ağlarından biri olan Evrişimsel Sinir Ağları kullanılarak düşük ışıkta görüntü iyileştirilmesi yapılmıştır. Yapılan çalışma, Google Colab ortamında Python programlama dili kullanılarak gerçekleştirilmiştir. Çalışma, İHA' dan elde edilen düşük ışıklı görüntülerin derin öğrenme yöntemiyle iyileştirilmesi ve geliştirilmesini amaçlamaktadır. Sıfır DCE-Net tabanlı model temel alınarak geliştirilen yeni bir derin öğrenme modeliyle yapılan bu çalışmada, görüntü kalitesinin değerlendirilmesi ve karşılaştırılması için kalite ölçüm teknikleri kullanılmıştır. Literatürde Sıfır DCE-Net çalışmasının yapılan diğer çalışmalara göre üstünlüğü görülmüştür. Bu çalışmada ise geliştirilen model ile kalite ölçüm teknikleri kullanılarak elde edilen verilere göre Sıfır DCE-Net ve diğer düşük ışıkta görüntü iyileştirme yöntemlerine göre daha başarılı bir sonuç elde edilmiştir. Geliştirilen derin öğrenme modelinin ve sonuçlarının, İHA teknolojilerinde görüntü kalitesinin iyileştirilmesi üzerine yapılacak olan diğer çalışmalara katkı sağlayacağı düşünülmektedir.The development of technology and the camera has added a different dimension to the images obtained after the photography process. Images, which were initially obtained in black and white, began to be obtained in color with the developments over time. As the importance given by human beings to image quality increases day by day, many studies have been carried out on improving image quality. As a result of the studies carried out to increase image quality, the lenses in cameras were improved and different image enhancement techniques emerged. In different lighting conditions, the development of the lens in cameras has not been sufficient to improve image quality. Therefore, traditional image enhancement techniques such as histogram, contrast, brightness and histogram equalization have been used. Improvements have been made based on traditional image enhancement techniques. Unmanned aerial vehicles (UAVs) are remote-controlled and autonomously controlled aerial vehicles designed to be used in various fields such as reconnaissance, surveillance, search and rescue, military and entertainment. The images obtained during missions carried out using UAVs in low lighting conditions must be clear and understandable. Therefore, in this study to improve and improve image quality, the improvement of low-light images was analyzed using the deep learning method. Image improvement was made in low light using Convolutional Neural Networks, one of the artificial neural networks that form the basis of deep learning. The study was conducted using the Python programming language in the Google Colab environment. The main purpose of the study is to improve and develop the low-light images obtained from the UAV with the deep learning method. In this study based on Zero DCE-Net, quality measurement techniques were used to evaluate and compare image quality. In the literature, the superiority of the Zero DCE-Net study compared to other studies has been seen. In this study, according to the data obtained using quality measurement techniques with the developed model, a more successful result was obtained compared to Zero DCE-Net and other low-light image improvement methods. According to the results of the study, it may contribute to other studies on improving the image quality in UAV technologies.