Sentetik açıklıklı radar görüntülerinin hibrit öznitelik çıkarma yöntemleriyle sınıflandırılması
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
- Gabor filtreleri ve seyrek gösterim ile SAR görüntülerinde otomatik hedef tanıma
Automatic target recognition in SAR images by using sparse representation and Gabor filters
AHMET KARAGÖZ
Yüksek Lisans
Türkçe
2018
Gazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- X-band hybrid front-end receiver module design for spaceborne synthetic aperture radar applications
Sentetik aralıklı radar uzay platformlarına uygun x-bant hibrid ön uç RF modülü tasarımı
ARİF EKİN UZUN
Yüksek Lisans
İngilizce
2019
İstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
Yükleniyor...
- SAR, optik ve spektral uydu görüntülerinin füzyonunda gürültü giderme, kanal seçimi ve sınıflandırma başarısının değerlendirilmesi
Evaluation of noise removal, channel selection and classification success in the fusion of SAR, optical and spectral satellite images
SEMİH GENÇAY
- Deep unfolding for clutter removal in ground penetrating radar
Yere nüfuz eden radarda kargaşa gidermek için derin katman açma
SAMET ÖZGÜL
Yüksek Lisans
İngilizce
2023
İstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
Yükleniyor...
- 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
Burdur Mehmet Akif Ersoy ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...