Özet:
Günümüzde, görüntü işleme ve derin öğrenme teknikleri, düşük çözünürlüklü
görüntülerin yüksek çözünürlüklü hale getirilmesi amacıyla yaygın olarak kullanılmaktadır.
Süper çözünürlük, birçok görüntü işleme algoritması için daha fazla veri zenginliği sağlar. Bu
da öğrenme algoritmalarının ve yapay zeka modellerinin daha iyi performans göstermesine
olanak tanır. Bu nedenlerle, süper çözünürlük, birçok uygulama alanında görüntü kalitesini
artırmak ve analiz yeteneklerini geliştirmek için önemli bir araç olarak kabul edilir. Bu
bağlamda, bu çalışmada çiçek görüntüleri üzerinde süper çözünürlük yöntemleri uygulanarak,
estetik değeri yüksek ve detayları zengin görüntüler elde etme potansiyelini artırmak
amaçlanmıştır. Çiçek görüntülerine uygulanan SRCNN ve SRGAN gibi farklı süper çözünürlük
yöntemleri arasındaki karşılaştırmalar ve avantajlar da ele alınmıştır. Bu yöntemler arasında
SRGAN (Super-Resolution Generative Adversarial Network) gibi GAN tabanlı modellerin,
doğal görüntü üretimindeki yetenekleri sayesinde öne çıktığı görülmüştür.
