Bilgin Yazlık

Bu makalede, düşük ışıklı mağara görüntülerinin iyileştirilmesi için yeni bir Retineks algoritması yöntemi önerilmektedir. Mağaralar, doğal yapıları nedeniyle çoğunlukla tamamen karanlık olan veya çok az doğal ışık alan kapalı alanlardır. Mağaracılar, mağara içinde çok zor koşullarda ve dar alanlarda çalışmak zorundadırlar. Mağara çalışmalarının belgelenmesi sırasında çekilen fotoğraflar çoğunlukla bilimsel araştırmaları kısıtlayan aşırı düşük ışıklı görüntülerdir. Retineks tabanlı yöntemler, düşük ışıklı görüntülerin iyileştirilmesi için kullanılan başarılı yöntemlerdir. Bu çalışmada, Hessian ve anizotropik difüzyon filtrelemesini kullanan yeni bir Retineks algoritması önerilmektedir. Yöntemde görüntünün aydınlatma bileşenini tahmin etmek için öncelikle Hessian filtresi uygulanmakta ve ardından gürültüyü azaltmak için anizotropik difüzyon filtresi kullanılmaktadır. Daha sonra önerilen yöntem, mağara içinde çekilmiş aşırı düşük ışıklı görüntülerde test edilmiştir. Sonuçlar, literatürde bilinen başarılı modellerle öznel ve nesnel olarak karşılaştırılmıştır. Deneyler, önerilen yöntemin düşük ışıklı mağara görüntülerinin ışık ve ayrıntı iyileştirmesinde başarılı olduğunu göstermektedir. Önerilen yöntemle iyileştirilen mağara görüntüleri, araştırmacılara bilimsel çalışmalar için daha fazla ayrıntı sağlamaktadır.

Caves are spaces that open into the earth and are often either completely dark or receive very little light. Photographs taken inside caves are usually subject to extremely low light conditions and image quality is negatively affected. In this study, state-of-the-art Retinex-based image enhancement methods are used to enhance the quality of images taken in the cave. Enhanced images are evaluated both quantitatively and qualitatively. A cave image dataset consisting of 82 low-light images is used for quantitative analysis. The enhanced results from all methods are visually compared using three sample images from the dataset for qualitative analysis. Eleven different image quality assessment methods are applied for quantitative analysis. The results of the study show that Retinex-based methods are successful in the enhancement of low-light cave images. While BIMEF is recommended for applications requiring general image enhancement and structural consistency, MSRETINEX and LIME can be preferred in applications requiring high dynamic range and detail preservation. In cases where noise reduction and objective quality assessment metrics are at the forefront, SRIE provides advantages.

Bahçeli köyü, Nevşehir’in Ürgüp ilçesine bağlı tarihsel adı Mamasun olan bir Kapadokya köyüdür. Köy, Mamasun Vadisi içerisinde konumludur, köy ve çevresinde bugüne kadar tespit edilmiş yedi adet kaya oyma kilise, kaya mezarlar, tarımsal yapılar ve doğal su tünelleri gibi çok değerli tarihi ve kültürel miras unsurları bulunmaktadır. Aziz Mamas, Kayseri’de yaşamış, Hristiyanlığın erken zamanlarından itibaren Kapadokya bölgesinde büyük saygı görmüş Hristiyanlık şehididir. Bu çalışmada Nevşehir’in Ürgüp ilçesine bağlı Bahçeli köyünün ve köyün içerisinde yer aldığı Mamasun Vadisinin doğal ve kültürel miras envanteri ortaya konulmakta, köyün tarihsel adının Mamasun olduğu belgelenmekte ve köyün tarihsel adı üzerinden Aziz Mamas ile olan bağlantısı ele alınmaktadır.

Antik duvar resimleri bize geçmişte onları yaratan insanların tarihi, kültürü ve sanatı hakkında paha biçilmez bilgiler sağlar. Ancak hasarlı duvar resimleri onlardan elde edebileceğimiz bilgiyi sınırlar, bu nedenle mümkünse antik duvar resimlerinin restorasyonu gereklidir. Duvar resimleri taşınmaz kültürel varlıkları olduğundan, yerinde restore edilmeleri gerekir. Fiziksel restorasyon riskli bir işlemdir ve restorasyonda yapılacak bir hata bin yıllık bir duvar resmine geri dönülemez zararlar verebilir. Günümüzde bilgisayar tabanlı hesaplama yeteneklerinin artmasıyla görüntü işleme tekniklerinde önemli ilerlemeler kaydedilmiştir. Bugün dijital görüntü işleme tekniklerinin desteğiyle antik duvar resimlerinin sanal restorasyonu yapılabilmektedir. Sanal restorasyon sayesinde, orijinal duvar resmine fiziki hiçbir müdahalede bulunulmadan restorasyon ön izlemesi ve restorasyon sanatçılarına rehberlik yapılabilmektedir. Bu sayede fiziksel restorasyon süreci daha sağlıklı bir şekilde gerçekleştirilebilmektedir. Görüntü işleme teknikleri, antik duvar resimlerinin dijital arşivlenmesinde, soluk duvar resimlerindeki detayların ve renklerin belirginleştirilmesinde, yıpranmış duvar resimlerinde eksik kısımların tamamlanmasında, üst üste binen motiflerin analizinde, resim yüzeyindeki çatlakların giderilmesinde ve boyamada kullanılan malzemelerin belirlenmesinde kullanılmaktadır. Bu derlemede antik duvar resimlerinin sanal restorasyonunda kullanılan dijital görüntü işleme teknikleri ele alınmaktadır.

One of the most used artificial intelligence techniques for maximum power point tracking is artificial neural networks. In order to achieve successful results in maximum power point tracking, the training process of artificial neural networks is important. Metaheuristic algorithms are used extensively in the literature for neural network training. An important group of metaheuristic algorithms is swarm-intelligent-based optimization algorithms. In this study, feed-forward neural network training is carried out for maximum power point tracking by using 13 swarm-intelligent-based optimization algorithms. These algorithms are artificial bee colony, butterfly optimization, cuckoo search, chicken swarm optimization, dragonfly algorithm, firefly algorithm, grasshopper optimization algorithm, krill herd algorithm, particle swarm optimization, salp swarm algorithm, selfish herd optimizer, tunicate swarm algorithm, and tuna swarm optimization. Mean squared error is used as the error metric, and the performances of the algorithms in different network structures are evaluated. Considering the results, a success ranking score is obtained for each algorithm. The three most successful algorithms in both training and testing processes are the firefly algorithm, selfish herd optimizer, and grasshopper optimization algorithm, respectively. The training error values obtained with these algorithms are 4.5 × 10⁻⁴, 1.6 × 10⁻³, and 2.3 × 10⁻³, respectively. The test error values are 4.6 × 10⁻⁴, 1.6 × 10⁻³, and 2.4 × 10⁻³, respectively. With these algorithms, effective results have been achieved in a low number of evaluations. In addition to these three algorithms, other algorithms have also achieved mostly acceptable results. This shows that the related algorithms are generally successful ANFIS training algorithms for maximum power point tracking.

Kayseri, Roma egemenliğinden önce dört yüz bin nüfusa sahip oldukça büyük ve önemli bir şehirdir. Şehir, M.S. 17 tarihinde Roma’nın bir ili haline gelmiştir ve Roma egemenliği 395 yılına kadar devam etmiştir. Roma’nın doğu ve batı olarak ikiye bölünmesinin ardından Kayseri, Bizans (Doğu Roma) yönetimi altına girmiştir. Kayseri, özellikle Erciyes Dağı’nın varlığı nedeni ile Roma için oldukça önemli ve kutsal bir şehir olmuştur. Erciyes Dağı’nın kuzey eteklerinde Kayseri şehri yer alırken Güney eteklerinde Develi Ovası’nın Erciyes Dağı ile kesişen bölgesinde Gereme olarak adlandırılan bir Roma şehrinin varlığı bugünkü kalıntılardan bilinmektedir. Bu çalışmada Gereme antik yerleşkesi kalıntıları arasında yer alan, farklı büyüklüklerde, kırmızı kök boya işlemeli ve birbirini tamamlayan toplam beş adet kesme taş parçanın görsel olarak analizi yapılmakta ve bu parçaların aslında ay ve yıldızların konumlarına göre tarımsal faaliyet zamanlaması yapılan Roma döneminde kullanılan biyodinamik tarım takvimi olduğuna dair bulgular sunulmaktadır.

The Chemical Oxygen Demand (COD) analysis is a cumulative parameter that indicates the extent of organic pollution in water. In the COD analysis, the reagents reacted with the organic matter in the water, producing distinct colour intensities, with the degree of reaction varying according to the organic load. The COD concentration was determined by measuring the absorbance of the resulting colour using the spectrophotometric method. This analysis, which is traditionally performed using a spectrophotometer, is conducted for the first time in this study without the use of a spectrophotometer, using mobile device support and AlexNet. Chemicals necessary for COD analysis are produced, and the reaction procedures are executed. The resulting mixtures were photographed with the camera of the mobile device and input into the developed software. The mobile application predicts the image class using an AlexNet architecture with Leaky Rectified Linear Unit (LeakyReLU) activations in the background. The network, trained on a dataset of 504 images across 21 classes, each containing 24 images per class, displays the estimated results with 96.19% accuracy, 97.85% precision, 96.19% recall, 97.05% F1-score, and an R² value of 0.9892. These results are consistent with those obtained using a spectrophotometer. The proposed method accurately estimates the COD concentration without using the values measured by the spectrophotometer at 420 and 600 nm. The proposed method successfully estimates the COD concentration using only images. The proposed method is advantageous because it eliminates the need for a spectrophotometer in COD analysis.