DEEP LEARNING METHODS FOR BLIND SUPER RESOLUTION USING SELF-ATTENTION TRANSFORMERS AND DEGRADATION ESTIMATIONS

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: BATUHAN VARDAR

Danışman: Şeyda Ertekin Bolelli

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Kör Süper Çözünürlük yöntemleri, bilinmeyen bozulma işlemleriyle tek bir yüksek çözünürlüklü görüntünün birden fazla farklı düşük çözünürlüklü karşılığını iyileştirmeyi amaçlamaktadır. Bilgisayar görüşündeki çeşitli tekniklerin ilerlemesiyle, birçok yöntem Kör SR alanında uygulanmış ve araştırmalara genellikle CNN tabanlı modeller hakim olmuştur. Bilgisayar görüşü alanındaki dönüştürücülerin başarısından yararlanmak için, dönüştürücüleri ve bozulma temsillerini bir Kör SR modeline entegre ediyoruz. Ayrıca, Kör Olmayan SR modellerine kıyasla eksik zirve performansının gözlemlenmesiyle, Kör SR problemini iki ayrı probleme parçalayarak ele alıyoruz. İdeal ayarlardaki alt düzey performans, kör ayarların içsel karmaşıklığından kaynaklanmaktadır. Bu sorunu ele almak için, özellikle Kör SR için tasarlanmış bir ön işleme yöntemi olarak hizmet veren özel bir bulanıklık giderme ve gürültü azaltma yaklaşımı sunuyoruz. Özellikle, ön işleme yöntemimiz ile düşük çözünürlüklü görüntüler tek bir bozulmaya standartlaştırılır, standartlaşan görüntü Kör Olmayan SR yöntemleriyle çözünürlük yükseltme işlemini tamamlar ve Kör SR performansına ulaşır. Bu metoda ek olarak, benzer mimari ile baştan sona bir Kör SR metodu sunuyoruz. Her iki yaklaşımımızı da Set5, Set14, B100 ve Urban100 veri setleri ile değerlendiriyoruz ve sonuçları PSNR metrigi kullanarak diğer en iyi yöntemlerle karşılaştırıyoruz.