Methods for automatic target classification in radar
Radarda otomatik hedef sınıflandırma için yöntemler
- Tez No: 246566
- Danışmanlar: PROF. DR. A. ENİS ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Elektrik ve Elektronik Mühendisliği, Science and Technology, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
- Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 76
Özet
Radarkullanarak otomatik hedef tanıma, etkin bir araştırma alanıdır. Butezde, radar sistemler için otomatik hedef sınıflandırma yöntemlerigeliştirilmiştir. İki belirli problem üzerinde durulmuştur: (i) Hertürlü hava koşulunda görüntüleme sağlayan, Sentetik Diyafram Radar(SAR) hedef sınıflandırılması (ii) Pulse-Doppler (PDR) hedefsınıflandırılması.Tezin birinci bölümünde, SAR görüntülerinden yeni bir betimleyiciöznitelik çıkarma yöntemi önerilmektedir. Yoğun çarpımsal benekgürültü ve görüntüleme hatalarından dolayı, optik imgeler içingeliştirilen öznitelik çıkarma ve sınıflandırma yöntemleri, SARgörüntüleri için genellikle uygun olmamaktadır. Bunun yanısıra, aynınesnenin farklı açılardan elde edilen SAR görüntülerinin büyükfarklılıklar göstermesi, tatmin edici sonuçlar elde edilmesinizorlaştırmaktadır. Sonuç olarak, iki boyutlu `cepstrum'u temel alanbir öznitelik çıkarma parametresi gerçekleştirilmiş ve nesnesınıflandırma performansı temel bileşen analizi ve bağımsız bileşenanalizi yöntemleri ile karşılaştırılmıştır. Çıkarılan özniteliklerDayanak Vektör Makinaları kullanılarak sınıflandırılmıştır. Deneyselsonuçlar sunulmuştur.Tezin ikinci bölümünde ise, insan operatörlerinin dezavantajlarınıgidermek ve sınıflandırma doğruluğunu artırmak için, kara gözetlemeamacıyla kullanılan Darbe Doppler radar yankı sinyali üzerindeotomatik sınıflandırma deneyleri gerçekleştirilmiştir. Ortakdeğişinti tabanlı sınıflandırma sunulmuştur. Bildiğimiz kadarıyla,ortak değişinti kullanarak sınıflandırma yapma yaklaşımı, radarotomatik hedef sınıflandırma problemlerinde incelenmemiştir. Bununyanısıra, SVM içeren farklı yaklaşımlar geliştirilmiştir. Öznitelikparametreleri olarak, `cepstrum' ve `MFCC' katsayilarikullanilmiştir. Önerilen iki yöntemin performansları, Gauss KarışımModelleri (GMM) tabanlı sınıflandırma yöntemi ilekarşılaştırılmıştır. Deneysel sonuçlar sunulmuştur.
Özet (Çeviri)
Automatictarget recognition (ATR) using radar is an active research area. Inthis thesis, we develop new automatic radar target classificationmethods. We focus on two specific problems: (i) Synthetic ApertureRadar (SAR) target classification and (ii)Pulse-doppler radar (PDR)target classification. SAR and PDR target classification areextensively used for ground and battlefield surveillance tasks.In the first part of the thesis, a novel descriptive featureparameter extraction method from Synthetic Aperture Radar (SAR)images is proposed. Feature extraction and classification methodswhich were developed to handle optical images are usuallyinappropriate for SAR images because of the multiplicative nature ofthe severe speckle noise and imaging defects. In addition, SARimages of the same object taken at different aspect angles showgreat differences, which makes it hard to obtain satisfactoryresults. Consequently, feature parameter extraction method based ontwo-dimensional cepstrum is proposed and its object recognitionresults are compared with principal component analysis (PCA) andindependent component analysis (ICA) methods. The extracted featureparameters are classified using Support Vector Machines (SVMs).Experimental results are presented.In the second part of the thesis, the automatic classificationexperiments over ground surveillance Pulse-doppler radar echo signalare investigated in order to overcome the limitations of humanoperators and improve the classification accuracy. Covariance methodapproach is introduced for PDR echo signal classification. To thebest our knowledge, the use of covariance method-basedclassification is not investigated in radar automatic targetclassification problems. Furthermore, different approaches whichinvolves SVMs are developed. As feature parameters, cepstrum andMFCCs are used. Performances of these two approaches are comparedwith the Gaussian Mixture Models (GMM) based classification scheme.Experimental results and conclusions are presented.
Benzer Tezler
- Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma
Despeckling based data augmentation approach in deep learning based radar target classification
ŞAKİR HÜDAİ MERT CEYLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Derin öğrenme ile uydu görüntülerinde hedef tespiti
Target detection in satellite images using deep learning
VAZIRKHAN TARVERDIYEV
Yüksek Lisans
Türkçe
2021
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Kenar koruyan görüntü ayrışım yöntemleri ile SAR görüntülerinde otomatik hedef sınıflama performansının arttırılması
Increasing automatic target recognition rate of SAR images via edge preserving image decomposition methods
HALDUN BOZKURT
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. IŞIN ERER
- Applying deep learning methodsto identify targets in synthetic apertureradar images
Başlık çevirisi yok
SERKAN AKTAŞ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Naval Postgraduate SchoolDR. DAVİD A. GARREN
DR. JOHN D. ROTH
- Deniz hedeflerinin geleneksel ve derin öğrenme tabanlı yöntemler ile sınıflandırılması
Automatic classification of maritime targets via the traditional and deep-learning-based methods
YUSUF ALAGÖZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. ENSAR GÜL
DR. ÖĞR. ÜYESİ AHMET FATİH MUSTAÇOĞLU