Methods for target detection in SAR images
SAR imgelerinde hedef tespit yöntemleri
- Tez No: 246751
- Danışmanlar: PROF. DR. A. ENİS ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, 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: 77
Özet
SAR (Sentetik Açıklık Radarı) imgelerinde insan yapımı nesnelerin tanımı ve sınıflandırması aktif bir araştırma alanı oluşturmuştur, çünkü kızılötesi ve optik algılayıcıların aksine SAR algılayıcıları günün her saatinde ve her türlü hava şartlarında imge üretebilmektedir [1, 2]. Bu tezde SAR imgelerinden çeşitli öznitelik parametre çıkarma yöntemleri sunulmaktadır. Bu yeni yaklaşım bir ilgi bölgesinin (ROI) ortak değişinti matrisinin hesaplanmasını içeren bölge ortak değişinti (RC) yöntemine dayanmaktadır. Ortak değişinti matrisinin elemanları hedef tespitinde kullanılmıştır. Ayrıca, SAR imgelerinde hedef tespiti için hesaplama yükü açısından daha verimli olan bölge ortak fark matrisi de tanıtılmıştır. MSTAR (Hareketli ve Durağan Hedef Tanıma) veritabanı üzerinde hedef tespit benzetim sonuçları verilmiştir. Bölge ortak değişinti ve fark yöntemleri yüksek tespit doğrulukları ve düşük yanlış kabul yüzdeleri ortaya koymaktadır. Bu yöntemlerin performansları çeşitli uzaklık mertrikleri ve Destekçi Vektör Makine (SVM) sınıflandırıcıları kullanılarak incelenmiştir. Aynı zamanda, benzetim sonuçlarına bakıldığında, bölge ortak fark yönteminin yaygın olarak uygulanan ve burada SVM ile kullanılan Temel Bileşenler Analizi (PCA) yöntemine göre daha iyi sonuçlar verdiği gözlemlenmiştir.Tezin ikinci bölümünde, önerilen yöntemlerin hesaplama yükünü azaltmak için yeni teknikler öne sürülmektedir. Bu yaklaşımda, bir önişleme kademesi olarak imge bölgeleri yön süzgeçlerinden (DFs) geçirilmiştir. Önerilen ortak değişinti ve fark yöntemleri bu süzgeçler aracılığıyla belirlenen kategoriler içerisinde uygulanmıştır. MSTAR veritabanında l1 düzge uzaklık metriği ve SVM kullanılarak alınan kararlar doğrultusunda hedef tespit benzetim sonuçları ortaya konulmuştur. Eğitim imgelerinin kategorilere ayrılmasından dolayı, l1 düzge uzaklık ölçütü kullanıldığında bu imgelerle yapılan karşılaştırma sayısı azalmaktadır. Bu sayede, önceki algoritmanın hesaplama yükü büyük ölçüde düşer. Uzaklık ölçütü olarak l1 düzgeye dayalı SAR imge sınıflandırması sonuçları SVM kullanılarak elde edilen sonuçlara göre daha iyidir. Ayrıca bu sonuçlar, özellikle ortak fark öznitelikleri kullanıldığında, iki-kademeli sistemin hedef tespit performansının önerilen önceki yönteme göre fazla düşmediğini göstermiştir.
Özet (Çeviri)
Automatic recognition and classification of man-made objects in SAR (Synthetic Aperture Radar) images have been an active research area because SAR sensors can produce images of scenes in all weather conditions at any time of the day which is not possible with infrared and optical sensors [1, 2]. In this thesis, different feature parameter extraction methods from SAR images are proposed. The new approach is based on region covariance (RC) method which involves the computation of a covariance matrix of a ROI (region of interest). Entries of the covariance matrix are used in target detection. In addition, the use of computationally more efficient region codifference matrix for target detection in SAR images is also introduced. Simulation results of target detection in MSTAR (Moving and Stationary Target Recognition) database are presented. The RC and region codifference methods deliver high detection accuracies and low false alarm rates. The performance of these methods is investigated with various distance metrics and Support Vector Machine (SVM) classifiers. It is also observed that the region codifference method produces better results than the commonly used Principle Component Analysis (PCA) method which is used together with SVM.The second part of the thesis offers some techniques to decrease the computational cost of the proposed methods. In this approach, ROIs are filtered by directional filters (DFs) at first as a pre-processing stage. Images are categorized according to the filter outputs. The proposed RC and codifference methods are applied within the categories determined by these filters. Simulation results of target detection in MSTAR database are presented through decisions made with l1 norm distance metric and SVM. The number of comparisons made with the training images using l1 norm distance measure decreases as these images are distributed into categories. Therefore, the computational cost of the previous algorithm is significantly reduced. SAR image classification results based on l1 norm distance metric are better than the results obtained using SVM and they show that the two-stage approach does not reduce the performance rate of the previously proposed method much, especially when codifference features are used.
Benzer Tezler
- Low velocity moving target detection with synthetic aperture radar
Sentetik açıklıklı radar ile düşük hızlı hareketli hedef tespiti
GÖRKEM NARİN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SEYİT SENCER KOÇ
PROF. DR. ÇAĞATAY CANDAN
- 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
- Cepstral methods for image feature extraction
İmge öznitelik çıkarımı için kepstral yöntemler
SERDAR ÇAKIR
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. A. ENİS ÇETİN
- Yapay açıklıklı radar görüntülerinde hareketli hedef tespiti
Moving target detection in synthetic aperture radar images
MURAT HAKAN YUSUFOĞLU
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MESUT KARTAL
- 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