Denoising sea ice wide beam sar images based on extracted features, adaptive fuzzy logic network and adaptive thresholding based on semi adaptive fuzzy logic controllers
Çıkarılmış özellikler, uyarlanabilir bulanık mantık ağı ve yarı uyarlanabilir bulanık mantık denetleyicilerine dayalı uyarlanabilir eşikleme kullanılarak deniz buzu geniş hüzmeli sar görüntülerinin gürültü giderimi
- Tez No: 1022070
- Danışmanlar: PROF. DR. OSMAN YILDIRIM
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, çıkarılan özelliklere, sahneye bağlı işlemeye, bulanık mantık denetleyici ağlarına ve bulanık mantık rehberli sinirsel adaptasyona dayanan uyarlanabilir ve yorumlanabilir görüntü analiz çerçeveleri sunmaktadır. Temel amaç, hedef bilginin zayıf, gürültülü, belirsiz, sahneye bağlı veya dağılım kaymalarından etkilenmiş olduğu görüntü analiz problemlerini ele almaktır. Bu kapsamda, görüntüden çıkarılan anlamlı sinyallerin uyarlanabilir kararları yönlendirmesi ve yorumlanabilirliği koruması fikrine dayanan dört ilişkili katkı geliştirilmiştir. İlk katkı, geniş demetli Sentetik Açıklıklı Radar (SAR) görüntüleri için sahneye bağlı bir gürültü alanı azaltma yöntemi önermektedir. Yöntem, termal gürültü, menzil yönlü bozulmalar, alt-demet süreksizlikleri ve azimut yönlü scalloping etkilerinin zayıf deniz buzu yapılarını bozduğu çapraz kutuplu Sentinel-1 görüntülerine odaklanmaktadır. Termal gürültü bilgisi seçilen arka plan bölgelerinden çıkarılmakta, alt-demet yapısına uyarlanmakta ve doğrudan çıkarma ile menzil yönlü doğrusal hale getirme işlemleriyle uygulanmaktadır. Azimut yönündeki dalgalanma davranışı ise periyodik maksimum-minimum değişimlere dayalı parçalı doğrusal modelleme ile azaltılmaktadır. İkinci katkı, Sentinel-1 Extra-Wide HV görüntülerinde ince buz görünürlüğünü artırmak için uyarlanabilir bir bulanık mantık denetleyici ağı geliştirmektedir. Önerilen ağ, nesne içermeyen ve minimum algılanabilir nesne referans bölgelerini otomatik olarak seçmekte, sahneye özgü üyelik fonksiyonları oluşturmakta, artık gürültüye göre bulanık eşikleri uyarlamakta, alt-demet güç dengesizliğini düzeltmekte ve çıktıyı yinelemeli bulanık geri besleme ile iyileştirmektedir. Birden fazla deniz buzu sahnesi üzerinde yapılan deneyler, önerilen yöntemin ESA düzeltmesi, DnCNN ve seçilen karşılaştırma yöntemine göre daha yüksek SNR ve daha açık ince buz temsili sağladığını göstermektedir. Üçüncü katkı, anlamlı iki boyutlu ikili şekil bölütleme için Kuyruk-Koruyucu Bulanık Mantık Ağı sunmaktadır. Yöntem; çok yönlü merkez çizgisi çıkarımı, bulanık çizgi seçimi, uzaklık dönüşümüne dayalı kuyruk/çekirdek sınıflandırması ve uyarlanabilir bulanık kesim sıralama aşamalarını birleştirmektedir. 2D Shape Structure Dataset üzerinde yapılan değerlendirme, yöntemin insan tarafından işaretlenmiş referanslarla güçlü uyum sağladığını göstermiştir. Önerilen yöntem %91 ortalama çekirdek IoU, %83 ortalama kuyruk IoU ve %92 ortalama Dice skoru elde etmiştir. Dördüncü katkı, bulanık mantık denetleyici ağlarını sinirsel model adaptasyonuna genişletmektedir. Gürültü, bulanıklık, düşük kontrast, parlaklık değişimi ve karma bozulma gibi dağılım kaymaları altında CNN ve U-Net dayanıklılığını artırmak için veri güdümlü, görüntü düzeyinde bulanık mantık kapılı uzman çekirdek adaptasyon çerçevesi önerilmiştir. Her görüntü; yoğunluk kayması, kontrast kayması, kenar yoğunluğu değişimi, bulanıklık skoru ve gürültü skoru olmak üzere beş yorumlanabilir gösterge ile teşhis edilmektedir. Bu sinyaller, orijinal CNN veya U-Net omurgası dondurulurken gürültü, bulanıklık, kenar/yapı ve kazanç/kontrast adaptasyonu için hafif artık uzman çekirdeklerini etkinleştirmektedir. MNIST ve BUSI ultrason segmentasyon deneyleri, önerilen yaklaşımın temiz alan davranışını korurken kaymalı alan performansını iyileştirdiğini göstermektedir. Genel olarak bu tez, veri güdümlü bulanık teşhis ve hafif uyarlanabilir düzeltme yaklaşımlarının SAR görüntü iyileştirme, ikili şekil bölütleme ve CNN/U-Net adaptasyonu için dayanıklı, açıklanabilir ve verimli çözümler sağlayabileceğini göstermektedir.
Özet (Çeviri)
This thesis presents adaptive and interpretable image-analysis frameworks based on extracted features, scene-dependent processing, fuzzy logic controller networks, and fuzzy-guided neural adaptation. The main objective is to address image-analysis problems where the target information is weak, noisy, ambiguous, scene dependent, or affected by distribution shifts. Four related contributions are developed under the common idea that meaningful image-derived signals can guide adaptive decisions while preserving interpretability. The first contribution proposes a scene-dependent noise-field reduction method for wide-beam Synthetic Aperture Radar (SAR) images. The method focuses on cross-polarized Sentinel-1 imagery, where thermal noise, range-direction artifacts, sub-swath discontinuities, and azimuth-direction scalloping effects degrade weak sea-ice structures. Thermal-noise information is extracted from selected background regions, adapted to the sub-swath structure, and applied through direct subtraction and range-direction linearization. Azimuth-direction ripple behavior is also reduced using partial linear modeling based on periodic maximum-minimum variations. The second contribution develops an adaptive fuzzy logic controller network for thin-ice visualization in Sentinel-1 Extra-Wide HV images. The proposed network automatically selects object-free and minimum-detectable-object reference regions, constructs scene-specific membership functions, adapts fuzzy thresholds according to residual noise, corrects sub-swath power imbalance, and refines the output through iterative fuzzy feedback. Experiments on multiple sea-ice scenes show improved SNR and clearer thin-ice representation compared with ESA correction, DnCNN, and the selected comparison method. The third contribution introduces a Tail-Preserving Fuzzy Logic Network for meaningful two-dimensional binary shape partitioning. The method combines multi-orientation centroid-line extraction, fuzzy line selection, distance-transform-based tail/core classification, and adaptive fuzzy cut ranking. Evaluation on the 2D Shape Structure Dataset shows strong agreement with human-labeled references, achieving 91% average core IoU, 83% average tail IoU, and 92% average Dice score. The fourth contribution extends fuzzy logic controller networks to neural model adaptation. A data-driven image-level fuzzy-logic-gated expert-kernel adaptation framework is proposed to improve CNN and U-Net robustness under shifts such as noise, blur, low contrast, brightness variation, and mixed degradation. Each image is diagnosed using five interpretable indicators: intensity shift, contrast shift, edge-density change, blur score, and noise score. These signals activate lightweight residual expert kernels for noise, blur, edge/structure, and gain/contrast adaptation while keeping the original CNN or U-Net backbone frozen. Experiments on MNIST and BUSI ultrasound segmentation show that the proposed approach improves shifted-domain performance while preserving clean-domain behavior. Overall, this thesis demonstrates that data-driven fuzzy diagnosis and lightweight adaptive correction can provide robust, explainable, and efficient solutions for SAR image enhancement, binary shape partitioning, and CNN/U-Net adaptation
Benzer Tezler
- Yandan taramalı sonar imgelerinin işlenmesi
The side scan sonar image processing
LEVENT ŞAHİNTÜRK
Yüksek Lisans
Türkçe
2010
Mühendislik BilimleriKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
- Çok ölçekli ve dikkat temelli derin ağlar ile görüntü restorasyonu
Multi-scale and attention-based deep networks for image restorati̇on
ABDUL FATAH NASRAT
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Kıyıboyu katı madde modelleriyle Doğu Karadeniz bölgesinde kıyı çizgisi değişimlerinin incelenmesi
Investigation of the shorline change at the black sea region with longshore sediment transport models
MUSTAFA ŞAŞAL
- Modeling rhythm generation in swim central pattern generator ofMelibe Leonina
Başlık çevirisi yok
DENİZ ALAÇAM
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGeorgıa State UnıversıtyDr. ANDREY SHILNIKOV
- Beykoz (İstanbul) bölgesinin jeolojisi ve erken paleozoyik çökeliminin özellikleri
Geology and early paleozoic depositional features of Beykoz (İstanbul) region
SÜLEYMAN KARACA
Yüksek Lisans
Türkçe
2024
Jeoloji Mühendisliğiİstanbul Üniversitesi-CerrahpaşaJeoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSAK YILMAZ