SENTETİK AÇIKLIKLI RADAR GÖRÜNTÜLERİNİN HİBRİTÖZNİTELİK ÇIKARMA YÖNTEMLERİYLE SINIFLANDIRILMASI
CLASSIFICATION OF SYNTHETIC APERTURE RADAR IMAGESUSING HYBRID FEATURE EXTRACTION METHODS
- Tez No: 1007267
- Danışmanlar: DOÇ. DR. SELDA GÜNEY
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri ve Sistemleri Ana Bilim Dalı
- Bilim Dalı: Savunma Elektroniği ve Yazılım Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde ülkelerin güvenliği ve askeri operasyonlarının başarısı, sahip oldukları otomatik hedef tanıma sistemlerinin (Automatic Target Recoginition) performanslarından önemli ölçüde etkilenmektedir. Askeri tehditler ve gerçekleştirilecek askeri operasyonlardaki tehdit oluşturabilecek askeri hedeflerin doğru bir şekilde sınıflandırılıp tanımlanamaması, ülke savunmasını ve askeri operasyonların performansını büyük ölçüde tehdit etmektedir. Bu nedenle, SAR radarlarını kullanarak askeri kara hedeflerini görsel olarak tanımlayan ve sınıflandıran otomatik hedef tanıma sistemleri mevcuttur. Makine öğrenmesi ve derin öğrenme mimarileri, özellikle de konvolüsyonel sinir ağı (Convolutional Neural Network, CNN) mimarileri üzerinde gerçekleştirilen çalışmalar, bu alanda önemli ilerlemelere yol açmıştır. Bu tez çalışmasında derin öğrenme yöntemlerinden konvolüsyonel sinir ağları kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Buradaki amaç, çalışmada kullanılan veri seti için en uygun konvolüsyonel mimariyi belirlemektir. Bu aşamada belirlenen en başarılı mimari, çalışmanın ilerleyen kısımlarında öznitelik çıkarıcı olarak kullanılmıştır. En başarılı konvolüsyonel mimari ile birlikte, geleneksel öznitelik çıkarım yöntemlerinden olan Yönlendirilmiş Gradyanların Histogramı (Histogram of Oriented Gradient, HOG) ve Yerel İkili Örüntüler (Local Binary Pattern, LBP) de bu çalışmada kullanılmıştır. Derin mimarilerden ve öznitelik çıkarım yöntemlerinden elde edilen öznitelikler birleştirilerek hibrit mimariler oluşturulmuş ve bu mimarilerin, konvolüsyonel mimarilerin sahip oldukları sınıflandırma performansını artırdıkları görülmüştür.
Özet (Çeviri)
Today, the security of nations and the success of their military operations are significantly influenced by the performance of their automatic target recognition systems. The inability to accurately classify and identify military targets that could pose a threat in military operations poses a major threat to national defense and the performance of military operations. For this reason, automatic target recognition systems that visually identify and classify military ground targets using SAR radars are available. Research conducted on machine learning and deep learning architectures, particularly convolutional neural network (CNN) architectures, has led to significant advancements in this field. In this thesis study, the classification process was performed using convolutional neural networks, a type of deep learning method. The objective here is to determine the most suitable convolutional architecture for the dataset used in the study. The most successful architecture identified at this stage was used as a feature extractor in the subsequent sections of the study. Along with the most successful convolutional architecture, traditional feature extraction methods such as the Histogram of Oriented Gradients (HOG) and Local Binary Patterns (LBP) were also employed in this study. Features obtained from deep architectures and feature extraction methods were combined to create hybrid architectures, and it was observed that these architectures improved the classification performance of convolutional architectures.
Benzer Tezler
- Sentetik açıklıklı radar görüntülerinin derin evrişimli ağlarla tanınmasına yönelik veri artırımı yaklaşımlarının incelenmesi
Examining data augmentation approaches for recognition of synthetic aperture radar images with deep convolutionary networks
BİLGE SİNAN
Yüksek Lisans
Türkçe
2024
Savunma ve Savunma TeknolojileriBaşkent ÜniversitesiSavunma Teknolojileri ve Sistemleri Ana Bilim Dalı
DOÇ. DR. EMRE SÜMER
- Yer üstü platformlara monte edilebilecek sentetik açıklıklı radar sistemi oluşturulması ve gerçek karasal radar görüntülerinin elde edilmesi
Construction of synthetic aperture radar system for ground platforms and obtaining real terrestrial radar images
ENES YİĞİT
Doktora
Türkçe
2013
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CANER ÖZDEMİR
- Farklı arka plan sahnelerine sahip sentetik açıklıklı radar (SAR) görüntülerinin açıklanabilir yapay zeka ve derin öğrenme özniteliklerinin füzyonu ile sınıflandırılması
Classification of synthetic aperture radar (SAR) images with different background scenes by fusion of explainable artificial intelligence and deep learning features
HAFİZE BULUT
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiBurdur Mehmet Akif Ersoy ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN TAYFUN BİŞKİN
- Integration of optical and synthetic aperture radar imagery for improving crop mapping
Ürün deseni haritası üretimini iyileştirmek üzere optik ve sentetik açıklıklı radar görüntülerinin entegrasyonu
ROUHOLLAH NASIRZADEHDIZAJI
Doktora
İngilizce
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. FÜSUN BALIK ŞANLI
PROF. DR. ZİYADİN ÇAKIR
- Sentetik açıklıklı radar görüntülerinde interferometri ve radargrametri tekniklerinin füzyonu
Fusion of interferometry and radargrametry techniques in synthetic aperture radar images
EMRAH ONAT
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAKUP SABRİ ÖZKAZANÇ