Geri Dön

Detection of airport runways in optical satellite images

Optik uydu görüntülerinde havaalanı pistlerinin tespit edilmesi

  1. Tez No: 268949
  2. Yazar: UĞUR ZÖNGÜR
  3. Danışmanlar: PROF. DR. UĞUR HALICI, YRD. DOÇ. DR. İLKAY ULUSOY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 113

Özet

Donanım ve örüntü tanıma tekniklerindeki gelişmeler, uzaktan algılama uydularının yaygın kullanımı ile beraber, otomatik hedef tespit sistemlerinin geliştirilmesini teşvik etmiştir. Havaalanlarının otomatik olarak tespiti, bu hedeflerin stratejik önemlerinden ötürü, özellikle gereklidir. Bu tezde, bir havaalanının en ayırt edici öğesi olan havaalanı pistleri için bir tespit yöntemi önerilmiştir. Büyük optik uydu görüntüleri üzerinde çalışan bu yöntem, dokusal özelliklere dayanan bir bölütleme sürecinden ve bir pist şekli tespit etme safhasından oluşmaktadır. Bölütleme sürecinde, sadece görüntü yoğunluğunun ve gradyanının ortalaması ve standart sapması gibi düşük seviyeli öznitelikler değil, Zernike Momentleri, Dairesel-Mellin öznitelikleri, Haralick öznitelikleri, bunlara ek olarak, Gabor Süzgeçleri, Dalgacıklar ve Fourier Güç Tayfı çözümlemesi gerektiren öznitelikleri de içeren, bir takım yerel doku öznitelikleri çıkarılmıştır. Bahsedilen özniteliklerin, havaalanı pistinin, diğer yapılardan ve yer şekillerinden ayırt edilmesinde rol oynayan alt kümesi öngörülemediğinden, Adaboost öğrenme algoritması, öznitelik seçici doğasından dolayı, hem sınıflama, hem de öznitelik alt kümesinin bulunmasında kullanılmıştır. Bu yolla seçilen öznitelikler vasıtasıyla, bölütleme işleminin bir sonucu olarak, muhtemel pist konumlarının kaba bir gösterimi elde edilmiştir. Ardından, nihai pist pozisyonlarını elde etmek amacıyla, yeni bir Hough Dönüşüm biçimine dayanan, pist şekil tespiti aşaması yürütülmüştür. önerilen algoritma, büyük ve yüksek çözünürlüklü görüntülerden oluşan, kapsamlı bir veri kümesi kullanılarak, deneysel çalışma ile incelenmiş ve başarılı sonuçlar elde edilmiştir.

Özet (Çeviri)

Advances in hardware and pattern recognition techniques, along with the widespread utilization of remote sensing satellites, have urged the development of automatic target detection systems. Automatic detection of airports is particularly essential, due to the strategic importance of these targets. In this thesis, a detection method is proposed for airport runways, which is the most distinguishing element of an airport. This method, which operates on large optical satellite images, is composed of a segmentation process based on textural properties, and a runway shape detection stage. In the segmentation process, several local textural features are extracted including not only low level features such as mean, standard deviation of image intensity and gradient, but also Zernike Moments, Circular-Mellin Features, Haralick Features, as well as features involving Gabor Filters, Wavelets and Fourier Power Spectrum Analysis. Since the subset of the mentioned features, which have a role in the discrimination of airport runways from other structures and landforms, cannot be predicted, Adaboost learning algorithm is employed for both classification and determining the feature subset, due to its feature selector nature. By means of the features chosen in this way, a coarse representation of possible runway locations is obtained, as a result of the segmentation operation. Subsequently, the runway shape detection stage, based on a novel form of Hough Transform, is performed over the possible runway locations, in order to obtain final runway positions. The proposed algorithm is examined with experimental work using a comprehensive data set consisting of large and high resolution satellite images and successful results are achieved.

Benzer Tezler

  1. InSAR ve makine öğrenmesi yöntemleri kullanılarak yüzey hareketlerinin zaman serileri ile modellenmesi: İstanbul Havalimanı örneği

    Time series modeling of surface movements using InSAR and machine learning methods: The case study of Istanbul Airport

    NUR YAĞMUR

    Doktora

    Türkçe

    Türkçe

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. NEBİYE MUSAOĞLU

    PROF. DR. ERDAL ŞAFAK

  2. Büyük ölçekli ve şiddetli depremler sonrasında karayollarında oluşan asfalt çatlaklarının derin öğrenme temelli yaklaşımlarla otomatik olarak bölütlenmesi

    Automatic segmentation of asphalt cracks on highways after large-scale and severe earthquakes with deep learning-based approaches

    AYŞEGÜL GÜNEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeodezi ve FotogrametriFırat Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    PROF. DR. MEHMET YILMAZ

    DOÇ. DR. FATİH DEMİR

  3. Büyük şiddetli depremler sonrasında karayollarında oluşan asfalt deformasyonlarının analizi ve derin öğrenme tabanlı yaklaşımlarla asfalt çatlaklarının otomatik olarak sınıflandırılması

    Analysis of asphalt deformations on highways after major severe earthquakes and automatic classification of asphalt cracks with deep learning-based approaches

    ROZERİN DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeodezi ve FotogrametriFırat Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    PROF. DR. MEHMET YILMAZ

    DOÇ. DR. FATİH DEMİR

  4. Uzman sistem tabanlı müzayede ile çoklu-robot görev paylaşımı

    Multi-robot task allocation by expert system based auctions

    SAVAŞ ÖZTÜRK

    Doktora

    Türkçe

    Türkçe

    2014

    Bilim ve TeknolojiMarmara Üniversitesi

    Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET EMİN KUZUCUOĞLU

  5. İnsansız hava araçları ve uydu görüntülerinden elde edilen veri seti ile havaalanlarının tespitinin yapılmasında SSD ve Faster R-CNN algoritmalarının karşılaştırılması

    Comparison of SSD and Faster R-CNN algorithms to detect the airports with data set which obtained from unmanned arial vehicles and satellite images

    MUHAMMED TAHA ZEREN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Endüstri ve Endüstri MühendisliğiBeykent Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SABAHATTİN KEREM AYTULUN