Infrared image enhancement model based on gravitational force and lateral inhibition networks

Katircioğlu, Ferzan; Çay, Yusuf; Cingiz, Zafer

doi:10.1016/j.infrared.2019.05.004

Cited by 20 publications

(9 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Furthermore, top-hat transform [18], gradient domain [19,20], shearlet domain [21,22] and frequency domain [23] have also been investigated for the IR edge/detail enhancement purpose. Some other related works including an improved unsharp mask algorithm [24], gradient distribution via Cellular Automata [25], morphological operators [26], all-optical upconversion imaging techniques [27], the iterative contrast enhancement method [28], and the gravitational force and lateral inhibition network [29]. Overall, it should be noted that most of the existing non-deep learning IR edge/detail enhancement approaches usually follow the state-of-the-art algorithms from the visual image processing domain.…”

Section: Non-deep Learning Based Approachesmentioning

confidence: 99%

Infer Thermal Information from Visual Information: A Cross Imaging Modality Edge Learning (CIMEL) Framework

Wang

Mei

Yang

et al. 2021

Sensors

View full text Add to dashboard Cite

The measurement accuracy and reliability of thermography is largely limited by a relatively low spatial-resolution of infrared (IR) cameras in comparison to digital cameras. Using a high-end IR camera to achieve high spatial-resolution can be costly or sometimes infeasible due to the high sample rate required. Therefore, there is a strong demand to improve the quality of IR images, particularly on edges, without upgrading the hardware in the context of surveillance and industrial inspection systems. This paper proposes a novel Conditional Generative Adversarial Networks (CGAN)-based framework to enhance IR edges by learning high-frequency features from corresponding visual images. A dual-discriminator, focusing on edge and content/background, is introduced to guide the cross imaging modality learning procedure of the U-Net generator in high and low frequencies respectively. Results demonstrate that the proposed framework can effectively enhance barely visible edges in IR images without introducing artefacts, meanwhile the content information is well preserved. Different from most similar studies, this method only requires IR images for testing, which will increase the applicability of some scenarios where only one imaging modality is available, such as active thermography.

show abstract

Section: Non-deep Learning Based Approachesmentioning

confidence: 99%

Infer Thermal Information from Visual Information: A Cross Imaging Modality Edge Learning (CIMEL) Framework

Wang

Mei

Yang

et al. 2021

Sensors

View full text Add to dashboard Cite

show abstract

“…Due to their application to wider areas, bionic algorithms have been included as a separate category in the field of image enhancement. In one of these studies, Katırcıoğlu et al [15] proposed a new image enhancement algorithm based on gravitational force and the lateral inhibition network. Image enhancement algorithms based on a convolution neural network are new intelligent algorithms that have been developed in computer science in recent years.…”

Section: Introductionmentioning

confidence: 99%

Colour image enhancement with brightness preservation and edge sharpening using a heat conduction matrix

Katircioğlu

2020

IET image process

Self Cite

View full text Add to dashboard Cite

“…Son yıllarda gerçekleştirilen Katırcıoğlu ve diğ. yaptığı çalışmada, soğutma sistemlerinde termal görüntü analizi ile farklı soğutucu akışkanların uzaktan sensörsüz olarak performanslarının karşılaştırılması için, elde edilen termal görüntülerin iyileştirilmesi önerilmiştir (Katırcıoğlu, 2019).…”

Section: Introductionunclassified

Soğutma Sistemlerindeki Soğutucu Akışkan Kaçak Tespiti İçin Kızılötesi Görüntüler Üzerinde Pearson Korelasyon Benzerlik Analiz Yönteminin Kullanılması

Katircioğlu¹,

Cingiz²,

Çay³

et al. 2020

European Journal of Science and Technology

Self Cite

View full text Add to dashboard Cite

Soğutma sistemlerinde soğutucu akışkan kaçakları montaj ve servis hatalarından kaynaklanabildiği gibi, zaman içinde boru ve bağlantılardaki titreşime ve malzeme yıpranmasına bağlı olarak oluşabilmektedir. Bu durum, soğutma sisteminin çalışma verimini engelleyerek, soğutma/ısıtma kapasitesini düşürme ve sistemde kızgınlık artışına neden olmaktadır. Ayrıca, emme hattında vakum düşüşü gerçekleşeceği için sisteme hava ve nem girişinden dolayı iç kirlenme ve tıkanma oluşmaktadır. Soğutucu akışkan kaçaklarının tespitinde köpükleme ve akışkan kaçak dedektörü ile algılama kullanılan en yaygın yöntemlerdir. Bu çalışmada, bir soğutma sisteminde oluşabilecek kaçakların tespiti için, kızılötesi görüntü işleme tekniğine dayalı yeni bir yöntem önerilmiştir. Bunun için ilk olarak, R22 soğutucu akışkan kullanılarak hazırlanan deney düzeneğinde, 7 farklı noktada, farklı zamanlarda yapay kaçaklar oluşturulur. Daha sonra, sağlam sistem kızılötesi görüntüsü ile yapay kaçak yapılmış sistem görüntüleri üzerinden daha önceden tespit edilmiş 12 alt bölgeden öznitelik verileri çıkartılmaktadır. Öznitelik özellik verilerinin elde edilme işleminde, belirlenen 12 bölgenin yüzey sıcaklık bilgileri kullanılmıştır. Yüzey sıcaklık bilgileri minimum, maksimum, ortalama ve en yoğun sıcaklık bilgisi olarak dört farklı şekilde çeşitlendirilmiştir. Kızılötesi görüntü analizi işlemini gerçekleştirmek için elde edilen öznitelik verileri Pearson Korelasyon Benzerlik Analizi (PKBA) işlemine sokulmaktadır. Son olarak, izlenmesi gereken 12 alt bölgenin PKBA sonuçları bir eşik değere tabi tutularak, eşik değerin altında kalan bölgelerde "Kaçak vardır" tespiti yapılmaktadır. Diğer bir olası durum ise, eğer sağlam ve kaçak kızılötesi karşılaştırmasında, benzerlik değerinin çok yüksek bir değer oluşmasında, bu bölgeler için "Kaçak yoktur" sonucunu vermektedir. Kızılötesi görüntü işleme tekniği kullanılarak gerçekleştirilen PKBA ile kaçak tespit işlemi, kullanım kolaylığı, hızlı ve eş zamanlı kaçak tespit etme noktasında daha avantajlı olduğunu göstermiştir.

show abstract

Infrared image enhancement model based on gravitational force and lateral inhibition networks

Cited by 20 publications

References 16 publications

Infer Thermal Information from Visual Information: A Cross Imaging Modality Edge Learning (CIMEL) Framework

Infer Thermal Information from Visual Information: A Cross Imaging Modality Edge Learning (CIMEL) Framework

Colour image enhancement with brightness preservation and edge sharpening using a heat conduction matrix

Soğutma Sistemlerindeki Soğutucu Akışkan Kaçak Tespiti İçin Kızılötesi Görüntüler Üzerinde Pearson Korelasyon Benzerlik Analiz Yönteminin Kullanılması

Contact Info

Product

Resources

About