• شماره مدرك
    21149
  • شماره راهنما
    18128
  • پديد آورنده

    المعموري، طه

  • عنوان

    ارتقاي تشخيص لبه ي اشياء تصاوير زير آبي در داده‌هاي مصنوعي با استفاده از مدل بهبود يافته GAN

  • مقطع تحصيلي
    كارشناسي ارشد
  • گرايش تحصيلي
    هوش مصنوعي و رباتيك
  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • سال دفاع
    1405
  • صفحه شمار
    چهارده، 71ص.
  • توصيفگر ها

    بينايي ماشين زيرآبي , بهبود تصوير , شبكه مولد تخاصمي , تشخيص اشيا , تخمين وضعيت

  • تاريخ ورود اطلاعات
    1405/04/07
  • كتابنامه
    كتابنامه
  • رشته تحصيلي
    مهندسي كامپيوتر
  • دانشكده
    مهندسي برق و كامپيوتر
  • تاريخ ويرايش اطلاعات
    1405/04/09
  • كد ايرانداك
    23232974
  • چكيده فارسي
    بينايي ماشين زيرآبي نقش مهمي در اكتشافات دريايي، مطالعات محيط‌زيستي و به‌كارگيري وسايل نقليه خودمختار زيرآبي ايفا مي‌كند. با اين حال، به دليل جذب و پراكندگي نور در محيط زيرآب، تصاوير زيرآبي معمولاً داراي كنتراست پايين، اعوجاج رنگ و لبه‌هاي محو هستند كه اين عوامل بر عملكرد تشخيص اشيا و تخمين وضعيت تأثير منفي مي‌گذارند. به‌منظور غلبه بر اين چالش‌ها، در اين پژوهش يك سامانه يكپارچه بينايي زيرآبي پيشنهاد شده است كه براي بهبود تصاوير، تشخيص اشيا و تخمين وضعيت آن‌ها مورد استفاده قرار مي‌گيرد. به‌منظور بهبود كيفيت تصاوير زيرآبي و حفظ جزئيات ظريف و لبه‌ها، از يك شبكه مولد تخاصمي با توجه چندسطحي (MuLA-GAN) استفاده شده است. سپس تصاوير بهبوديافته توسط آشكارسازهاي پيشرفته مبتني بر YOLO پردازش مي‌شوند تا اشياي دريايي در شرايط مختلف ديدپذيري با دقت بيشتري شناسايي شوند. در نهايت، سامانه از تخمين وضعيت شش درجه آزادي (6-DoF) براي ارائه اطلاعات دقيق مكان و جهت‌گيري وسايل نقليه خودمختار زيرآبي استفاده مي‌كند. چارچوب پيشنهادي با استفاده از مجموعه‌داده‌هاي مصنوعي و واقعي زيرآبي ارزيابي شده است. نتايج نشان مي‌دهند كه اين مدل در مقايسه با روش‌هاي متداول، كيفيت بصري تصاوير را به‌طور قابل‌توجهي بهبود داده و عملكرد تشخيص اشيا و تخمين وضعيت را ارتقا مي‌بخشد. اين چارچوب، ماژول بهبود تصوير را همراه با مؤلفه‌هاي تشخيص و تخمين وضعيت در قالب يك خط لوله يكپارچه ادغام مي‌كند. نتايج آزمايش‌ها نشان مي‌دهد كه مدل پيشنهادي MULA-EdgeGAN كه بر روي مجموعه‌داده EUVP آموزش داده شده است، هنگام ارزيابي بر روي معيار UIEB بهبودهاي قابل‌توجهي را به دست مي‌آورد. اين مدل به ميانگين PSNR برابر با 17.54 dB و ميانگين SSIM برابر با 0.8036 دست يافته است. علاوه بر اين، تصاوير بهبوديافته حفظ لبه بهتري را نشان مي‌دهند كه اين موضوع با امتياز Edge F1 برابر با 0.7153 و مقدار Sobel Strength برابر با 53.82 تأييد مي‌شود و در نتيجه موجب بهبود عملكرد در وظايف تشخيص اشيا و تخمين وضعيت شش درجه آزادي (6-DoF) مي‌گردد.
  • چكيده انگليسي
    Underwater computer vision is crucial in marine exploration, environmental studies, an‎d the use of autonomous underwater vehicles (AUVs). Nevertheless, the low contrast, color distortion an‎d blurred edges are common in underwater images because of the light absorption an‎d scattering, which negatively impact the object detection an‎d pose estimation. To overcome these challenges, this research suggests an integrated underwater vision system that is used to improve images, detect objects, an‎d estimate their pose. To improve underwater images an‎d retain fine details an‎d edges, a Multi-Level Attention Generative Adversarial Network (MuLA-GAN) is used. The advanced YOLO-based detectors are then used to process enhanced images to identify marine objects more accurately during the different visibility conditions. Lastly, the system uses 6-degree-of-freedom (6-DoF) pose estimation to give accurate localization an‎d orientation data of the AUVs. The proposed framework is eva‎luated on both synthetic an‎d real underwater datasets. The results demonstrate that the model significantly improves visual quality an‎d enhances object detection an‎d pose estimation performance compared to conventional methods. The framework integrates an image enhancement module with detection an‎d pose estimation components within a unified pipeline. Experimental results demonstrate that the proposed MULA-EdgeGAN model, trained on the EUVP dataset, achieves significant improvements when eva‎luated on the UIEB benchmark. The model achieves an average PSNR of 17.54 dB an‎d an average SSIM of 0.8036. Furthermore, the enhanced images show superior edge preservation, evidenced by an Edge F1-score of 0.7153 an‎d Sobel strength of 53.82, leading to improved performance in downstream object detection an‎d 6-DoF pose estimation tasks.
  • استاد راهنما
    محمدرضا احمدزاده , محمد داورپناه جزي
  • استاد داور
    الهام محمودزاده , مينا اميري