Odaktan-Bulanıklıktan Derinlik Yöntemlerinde Bulunan Kapanma Problemi İçin İmge İçeriğinden Bağımsız Bir Yöntem Geliştirme

Abstract

Odaktan derinlik (OD) ve Bulanıklıktan derinlik (BD), imgelerde derinlige baglı olusan bulanıklık bilgisinden yararlanılarak, sahnelerin derinliklerinin hesaplanması yöntemleridir. Bu yöntemler sahnenin farklı odak ayarlarıyla elde edilen birden çok imgesine ihtiyaç duyarlar. Bu imgelerin netlik ve bulanıklık derecesi imge içeriklerindeki frekans bilgisi incelenerek hesaplanır. OD ve BD yöntemlerinin en önemli, genellikle göz ardı edilen, problemi kapanma problemidir. Bu projenin amacı makine ögrenmesi yöntemleri kullanarak kapanma problemine çözüm getirmektir. Bu amaçla ilk olarak muhtemel kapanma bölgeleri imge içeriginden bagımsız özellikler kullanılarak ögrenilmistir. Kapanma problemi sonucu olusabilecek hatalı bölgelerin tespiti için desen tutarlılıgı ölçecek bir metrik gelistirilmistir. OD ve BD yöntemleri için var olan bir diger problem de yöntemlerin performanslarının ölçümü için standart bir kesin referans veri tabanının olmamasıdır. Bu projede, bahsi geçen yöntemlerin performans ölçümü için ısık alanından faydalanılarak bir kesin referans veri tabanı olusturulmustur. Isık alanı kullanılarak gerçek imgelerden tekrar odaklanılmıs imgeler olusturmayı mümkün kılmaktadır. Bu alandaki frekans analizi ve bükülmüs filtreleme tabanlı geri çatım teknikleri umut vadetmektedir. Fakat bu filtreler odaklanılmıs ve odaklanılmamıs sahne noktalarının aynı imge noktasına katkıda bulunması gibi karmasık kapanma bölgelerinde etkisiz kalmaktadır. Ayrıca, ısık alanındaki degisimler farklı filtreleme parametrelerinin kullanımını gerektirebilir. Bu problemler geri çatım sürecinde derinlik bilgisini kullanmayı dâhil ederek ve ısık alanını daha yogun örnekleme ile olusturarak çözülebilir. Kesin referans veri tabanını olusturmak için ilk olarak yogun örnekleme ile olusturulmus ve her örnekleme için kesin referans derinlik degerleri çıkarılarak ısık alanı üretilmistir. Kesin referans derinlik degerleri, stereo yöntemleri için kesin referans kayma miktarı (disparity) çıkarma yöntemlerindeki gibi yapılandırılmıs ısık kullanarak çıkarılmıstır. Olusturulan bu veri seti, OD/BD veri tabanı olusturmak için kullanılabilecektir. OD ve BD yöntemlerinin en önemli, genellilkle göz ardı edilen, problemi kapanma problemidir. Bu projenin amacı makine ögrenmesi yöntemleri kullanarak kapanma problemine çözüm getirmektir. Bu amaçla ilk olarak muhtemel kapanma bölgeleri imge içeriginden bagımsız özellikler kullanılarak ögrenilmistir. Kapanma problemi sonucu olusabilecek hatalı bölgelerin tespiti için desen tutarlılıgı ölçecek bir metrik gelistirilmistir. OD ve BD yöntemleri için var olan bir diger problem de yöntemlerin performanslarının ölçümü için standart bir kesin referans veri tabanının olmamasıdır. Bu projede, bahsi geçen yöntemlerin performans ölçümü için ısık alanından faydalanılarak bir kesin referans veri tabanı olusturulmustur. Isık alanı geri çatımı tekniklerindeki gelismeler odaklanılmıs sahne görüntülerinden kısmi odaklanılmıs imge üretimini mümkün kılmıstır. Bu alandaki frekans analizi ve bükülmüs filtreleme tabanlı geri çatım teknikleri umut vadetmektedir. Fakat bu filtreler odaklanılmıs ve odaklanılmamıs sahne noktalarının aynı imge noktasına katkıda bulunması gibi karmasık kapanma bölgelerinde etkisiz kalmaktadır. Ayrıca, ısık alanındaki degisimler farklı filtreleme parametrelerinin kullanımını gerektirebilir. Bu problemler geri çatım sürecinde derinlik bilgisini kullanmayı dâhil ederek ve ısık alanını daha yogun örnekleme ile olusturarak çözülebilir. Kesin referans veri tabanını olusturmak için ilk olarak yogun örnekleme ile olusturulmus ve her örnekleme için kesin referans derinlik degerleri çıkarılarak ısık alanı üretilmistir. Kesin referans derinlik degerleri, stereo yöntemleri için kesin referans kayma miktarı (disparity) çıkarma yöntemlerindeki gibi yapılandırılmıs ısık kullanarak çıkarılmıstır. Olusturulan bu veri seti, OD/BD veri tabanı olusturmak için kullanılabilecektir.