Abstract:
İnsan gözünün algılayabildiği ışıma elektromanyetik spektrumda çok kısıtlı bir alandadır. Bununla
birlikte gelişen görüntüleme teknolojileri ile termal ışımalar hatta radyo dalgaları gibi çok farklı elektromanyetik
ışımalar algılanıp görselleştirilebilmektedir. Farklı dalga boylarından üretilmiş görseller farklı
bilgiler içermekte ve birinde gerçekleşen algılama diğerinde gerçekleşmemektedir. Bunun anlamı oluşacak
iki görüntünün birbirini destekleyecek bilgiler içerebileceğidir. Dolayısıyla bu görsellerin insan
algısı ya da makine algısını artırabilmek için tek görüntüde birleştirilmesi çok elverişli sonuçlar doğurmaktadır
ve bu işlemler son yıllarda dikkat çeken görüntü işleme yöntemleri arasında yer almaktadır.
Özellikle medikal, uzay ve uydu görüntüleme, savaş alanı izleme, gizlenmiş silah tespiti, artırılmış gece
görüşü gibi birçok alanda görüntü işleme kullanılmaktadır. Bu sebeple görüntüleri analiz edip çok daha
anlamlı bir görüntü elde etmeyi amaçlayan birçok görüntü birleştirme tekniği geliştirilmiştir. Diğer yandan
geliştirilen yöntemlerin kaynak görüntülerine ve onların içeriklerine bağımlı olması görüntü birleştirme
yöntemlerinin problemleri arasındadır. Yapay sinir ağlarının genelleştirme özelliği ile aşılabilecek
bu problemler tekniklerin gelişmesi gizli katman sayılarının olgunlaşması ile uygun sonuçlar verebilmeye
başlamıştır ve derin öğrenme yöntemleri görüntü bileştirme sahasında yaygın olarak kullanılmaya
başlamıştır. Bu çalışmada artan rağbetle birlikte görüntü birleştirme yöntemlerinde de sıklıklar kullanılan
derin öğrenmenin seçkin örnekleri ile farklı kalite metrikleri kullanarak kıyaslamalı bir çalışma
yürütülmüştür. Yapılan deneysel çalışmalarla yapay sinir ağlarının görüntü birleştirme uygulamalarında
sağladığı kazanımlar vurgulanmıştır.
