Görüntü çözünürlüğü, bir görüntünün kalitesini belirlemede temel ölçütlerden biridir.
Yüksek çözünürlük (YÇ) bir resimde detayların daha çok olması demektir ve bu nedenle
askeri, ticari, tıbbi ve benzeri birçok uygulamada istenen bir çözümdür. Kaliteli görüntü
algılayıcıları veya optik donanım kullanılması ise pahalı ve sınırlayıcı bir çözümdür. Uygun
maliyetli ve etkili bir çözüm, düşük çözünürlüklü (DÇ) görüntülerden yüksek çözünürlüklü
görüntü (ler) üretebilen görüntü işleme tekniklerinin kullanılmasıdır. Bu tür görüntü
çözünürlüğü iyileştirme yöntemleri süper-çözünürlük (SÇ) görüntü yeniden yapımı olarak
adlandırılır.
Bu tez kapsamında öncelikle döndürme ile Değişken Blok Boyutlu-Hareket Tahmini
(VBS-ME) kullanılarak yüksek çözünürlüklü görüntü elde edilmesi amaçlanmıştır. Daha
sonra çıktı görüntü kalitesini arttırmak için, bu ilk çalışmaya ek olarak makro blok hareket
kestirimine ve gradyan büyüklüğüne dayalı yeni bir video SÇ yöntemi önerilmiştir. Kötü
durumlu SÇ probleminde yanlış hareket tahmini, çıktı görüntüsünün kalitesini doğrudan
etkilemektedir. Bu nedenle hareket tahmininde blok eşleştirme temelli yöntemlerin sınırlı
başarıya sahip olmasından dolayı, bir sonraki çalışmada translasyonel optik akış modeli tercih
edilmiştir. Ayrıca, yeniden yapım aşamasında gürültü, gölgelenmeler veya yanlış hareket
kestiriminden kaynaklanan sorunları ortadan kaldırabilmek için Ortak Vektör Yaklaşım
(CVA) kullanılmıştır. Son yıllarda Evrişimsel Sinir Ağları (CNN) görüntü ve sinyal işlemede
en güçlü araçlardan biri olarak kabul edilmiş ve büyük miktarda veriyi işleyebildiğinden
literatürde çok yaygın hale gelmiştir. Son çalışmamızda, derin ve sığ CNN mimarileri
kullanılarak Tek Resim Süper-Çözünürlük (SISR) performansı üzerinde çeşitli kayıp
fonksiyonlarının etkinliği karşılaştırılmış ve eleştirisel bir incelemesi yapılarak bazı öneriler
sunulmuştur. Sonuç olarak, birçok SÇ metodu ve algoritması üzerinde çalışılarak önemli ve
kayda değer sonuçlar elde edilmiştir
Image resolution is one of the main criteria for determining the quality of an image.
High resolution (HR) means more details in an image and therefore it is a desired solution in
many applications such as military, commercial, medical and many other. The use of high quality image sensors and optical hardware is an expensive and limited solution. A cost efficient and effective solution is the use of image processing techniques that can produce
high resolution image (s) from low resolution (LR) images. This type of image resolution
improvement methods is called super-resolution (SR) image reconstruction.
In the initial studies of this thesis, it is aimed to obtain high resolution image using
Variable Block Size Motion Estimation (VBS-ME) with rotation. Then, in addition to this
previous work, a new video SR method based on macro block motion estimation and gradient
magnitude was proposed in order to improve the output image quality. Inaccurate motion
estimation directly affects the quality of the output image in ill-posed SR problem. In order to
avoid it, the translational optical flow model was preferred in next study because of block
matching based methods have limited success in motion estimation. Furthermore, the
Common Vector Approach (CVA) was used in the reconstruction step to eliminate the
problems caused by noise, shadows or incorrect motion estimation. In recent years CNN has
been considered to be one of the most powerful tools in image and signal processing, and has
become very popular in the literature as it is able to handle a huge amount of data. In our
latest study, the effectiveness of various loss functions on Single Image Super-Resolution
(SISR) performance is compared using deep and shallow CNN architectures and some
suggestions are made by making a critical review. Consequently, important, and noteworthy
results have been obtained by working on many SR methods and algorithms