Gece Sürüş Güvenliği için Uyarlamalı Parlaklık Kontrolü ve Detay İyileştirme
Ordu Üniversitesi Bilim ve Teknoloji Dergisi, cilt.16, sa.0, ss.1-19, 2026 (TRDizin)
- Yayın Türü: Makale / Tam Makale
- Cilt numarası: 16 Sayı: 0
- Basım Tarihi: 2026
- Doi Numarası: 10.54370/ordubtd.1697757
- Dergi Adı: Ordu Üniversitesi Bilim ve Teknoloji Dergisi
- Derginin Tarandığı İndeksler: TR DİZİN (ULAKBİM)
- Sayfa Sayıları: ss.1-19
- Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
- Ondokuz Mayıs Üniversitesi Adresli: Evet
Özet
Gece araç kullanırken karşıdan gelen araç farlarının ışıkları sürücülerin görüşünü ciddi şekilde kısıtlayarak yol güvenliğini tehlikeye atmaktadır. Çalışmada, bu soruna çözüm olarak parlak bölgeleri azaltırken yol detaylarının netliğini koruyan görüntü iyileştirme yöntemleri geliştirilmiştir. Çalışmada, Ortalamaya Adaptif Üs Yasası Dönüşümü, Standart Sapma Tabanlı Kübik Polinom Dönüşümü ve İstatistik Güdümlü Üstel Kontrast İyileştirme olmak üzere üç farklı adaptif dönüşüm tekniği uygulanmıştır. Bu kapsamda, tamamen doğal gece sürüş koşullarını içeren 400 fotoğraflık özgün bir veri seti literatüre kazandırılmıştır. Uygulanan metotlar, piksel değerlerini optimize ederek parlama etkilerini bastırmış ve yoldaki diğer görüntülerin görünürlüğünü iyileştirmiştir. Testler sonucunda, parlama bölgelerindeki parlaklığın sırasıyla %56, %24, %36 oranında azaldığı görülmüştür. Farklı görüntüler üzerinde yapılan değerlendirmelerde, yöntemler SSIM metriğinde 0.824-0.980 ve PSNR metriğinde 22.45-36.34 dB aralığında sonuçlar elde etmiştir. Tüm yöntemler farklı çözünürlüklerde 3 ms - 170 ms arasında işlem süreleriyle gerçek zamanlı uygulamalar için uygun yüksek performans sergilemiştir. Önerilen metotlar, düşük hesaplama maliyeti sayesinde gece sürüş sistemlerinde gerçek zamanlı uygulamalara entegre edilebilir. Bu çalışma, gece sürüşü esnasında karşılaşılabilecek zorluklara, istatistiksel olarak adaptif ve verimli bir çözüm sunmaktadır. Bu bulgular görüntü işleme alanına katkısı ile birlikte otonom araçların geliştirilmesi ve gelişmiş sürücü destek sistemlerinin (ADAS) iyileştirilmesi için de umut vadetmektedir.
When driving at night, the lights from oncoming vehicle headlights severely restrict drivers' visibility, posing a significant threat to road safety. To address this problem, image enhancement methods were developed in this study that reduce bright regions while preserving the clarity of essential road details. Three distinct adaptive transformation techniques were applied in the study: Mean Adaptive Exponent Law Transformation, Standard Deviation-Based Cubic Polynomial Transformation and Statistically Guided Exponential Contrast Enhancement. Within the scope of this work, a unique dataset of 400 photographs featuring entirely natural nighttime driving conditions has also been introduced to the literature. The implemented methods optimized pixel values to suppress glare effects and improved the visibility of other features and details on the road. As a result of the tests, it was observed that the brightness in the glare regions was reduced by 56%, 24%, and 36%, respectively. In evaluations conducted on various images, the methods achieved SSIM scores ranging between 0.824 and 0.980 and PSNR values between 22.45 dB and 36.34 dB. All methods exhibited high performance suitable for real-time applications with processing times between 3 ms and 170 ms across different resolutions. The proposed methods can be integrated into real-time applications within night driving systems due to their low computational cost. This study offers a statistically adaptive and efficient solution to the difficulties encountered during nighttime driving. These findings hold promising potential for contributions to the field of image processing, along with the development of autonomous vehicles and the improvement of Advanced Driver Assistance Systems (ADAS).