Classification of airplane images for automatic target dedection
Başlık çevirisi mevcut değil.
- Tez No: 29692
- Danışmanlar: DOÇ. DR. EMİN ANARIM, DOÇ. DR. ÖMER CERİD
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Görüntü, Hedef tanıma, Uçaklar, Vektörler, Image, Target recognition, Airplanes, Vectors
- Yıl: 1993
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada geliştirilmekte olan bir Otomatik Hedef Tanıma sistemi için uçak imgelerinin sınıflandırılması konusu incelenmiştir. İmgelerin önceden önişlemden geçirilmiş, bölütlenmiş ve nitelik vektörlerinin çıkarılmış olduğu varsayılmıştır. Bu aşamalardan sonra çıkartılan nitelik vektörlerinin sınıflandırılması birkaç değişik algoritma kullanılarak yapılmış ve verilen eğitim seti için hangisinin daha iyi olduğu incelenmiştir. Sınıflandırma adımından önce detaylı bir hata analizi yapılmış ve sınıfların Bayes a posteriori olasılıkları Parzen ve k-enyakın-komşu (kNN) yöntemleri kullanılarak kestirilmiştir. Daha sonra, kNN, enyakın komşu, Euclid ve dönüştürülmüş veri uzayında doğrusal ayrım işlevi yöntemleri eğitim kümesi üzerinde denenerek her biri için yanlış sınıflandırma olasılığı (PMC) hesaplanmıştır. Ayrıca her algoritmanın gerektirdiği matematiksel işlem sayısı da türetilmiş ve algoritmaların çalışma zamanları ölçülmüştür. Nitelik vektörlerindeki gürültüye karşı kullanılan algoritmaların başarımları da ölçülmüştür. kNN algoritması elimizdeki eğitim kümesi için en düşük PMC'yi vermiştir ancak en uzun hesap zamanına sahiptir.
Özet (Çeviri)
This thesis considers the classification of airplane images for the purpose of developing an Automatic Target Recognition (ATR) system. It is assumed that the images are preprocessed, segmented and a set of features is extracted. The classification of feature vectors so acquired are then done by using a number of algorithms to find out which is the most appropriate one for the situation at hand. Before the classification process, a posteriori probabilities of the classes are estimated using the Parzen and k-nearest-neighbor (kNN) methods and different methods for error estimation are discussed in detail. A number of different classification methods, namely the kNN, nearest neighbor (NN), a linear discriminant function algorithm with sample space transform and the Euclidean algorithms were then tried on the training set and the probability of misclassification (PMC) for each of them were calculated. Since time is also an important factor in ATR applications, number of operations for the algorithms were derived theoretically and execution times were also measured. Also the performance of the algorithms are investigated. The kNN algorithm had the highest rate of detection but also the longest execution period.
Benzer Tezler
- Automatic airplane detection using deep learning techniques and very high-resolution satellite images
Derin öğrenme teknikleri ve çok yüksek çözünürlüklü uydu görüntüleri kullanılarak otomatik uçak tespiti
BAKARY TRAORE
Yüksek Lisans
İngilizce
2020
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
Prof. Dr. ELİF SERTEL
- 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
- Açık kaynaklı uydu görüntülerinde derin öğrenme yöntemleri kullanılarak uçak tespiti ve uçak tiplerinin belirlenmesi
Detection of aircraft and determination of aircraft types using deep learning methods in open source satellite images
YUNUS EMRE AYDIN
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. UĞUR AVDAN
- İnsansız hava aracı verilerinden nesne tabanlı sınıflandırma yaklaşımı ile sığ heyelanların tespiti
Dedection of shallow landslides with object based classification approach from unmanned aerial vehicle data
RESUL ÇÖMERT
Doktora
Türkçe
2018
Jeodezi ve FotogrametriAnadolu ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR AVDAN
DOÇ. DR. TOLGA GÖRÜM
- Led tv için ortadan ayak tasarımı ve analizi
Central stand design and analysis for led tv
BAHTİYAR YILMAZ
Yüksek Lisans
Türkçe
2016
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM MEHMET PALABIYIK