Sentetik açıklıklı radar görüntülerinde otomatik hedef tanıma
Automatic target recognition in synthetic aperture radar images
- Tez No: 417075
- Danışmanlar: DOÇ. DR. ÖZGÜL SALOR DURNA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Sentetik Açıklıklı Radar (SAR) sistemleri, tüm hava koşullarında çalışabilme, gece ve gündüz görüntüleme yapabilme gibi özellikleri nedeniyle geniş bir kullanım alanı bulmaktadır. SAR sistemleri, özellikle askeri alanda keşif görevlerinde kullanılır. SAR sistemleri tarafından elde edilen görüntüler, çeşitli örüntü tanıma teknikleri kullanılarak değerlendirilir ve görüntülerdeki hedefler bu yöntemler kullanılarak tanımlanabilir. Bu çalışmada, farklı askeri araç tiplerine ait olan SAR görüntüleri için bir otomatik hedef tanıma yöntemi sunulmuştur. Görüntülerdeki hedef tipleri üç aşamadan geçirilerek sınıflandırılmıştır. Bunlar önişleme, öznitelik çıkartma ve sınıflandırma aşamalarıdır. SAR görüntülerinde karşılaşılan yüksek benek gürültüsü, ortalama filtre ve eşikleme yöntemleri uygulanarak azaltılmış, hedef bölgesi arka plandan ayrıştırılmıştır. Öznitelik çıkartma aşamasında ise piksel tabanlı öznitelikler, değiştirilmiş radyal fonksiyon (MRF – Modified Radial Function) öznitelikleri ve eliptik Fourier betimleyicileri (EFD – Elliptic Fourier Descriptors) olmak üzere üç farklı tipte öznitelik grubu oluşturulmuştur. Sınıflandırma aşamasında ise farklı sınıflandırıcılar ile sonuçlar incelenmiştir. Destek Vektör Makinelerinde (SVM – Support Vector Machines) polinomiyal, radyal temelli ve lineer çekirdek fonksiyonları kullanılarak sınıflandırma gerçekleştirilmiştir. Ayrıca k-En Yakın Komşu (k-NN – k-Nearest Neighbors) algoritması ile de sınıflandırma gerçekleştirilmiştir. Sınıflandırma sonuçları, hata matrisleri ve Alıcı Çalışma Karakteristiği (ROC – Receiver Operating Characteristics) eğrileri ile incelenmiş ve karşılaştırılmıştır. Bu değerlendirmeler sonucunda en yüksek doğru sınıflandırma oranına %96 ile polinomiyal çekirdek fonksiyonu kullanan SVM sınıflandırıcısında ulaşıldığı gözlemlenmiştir.
Özet (Çeviri)
Synthetic Aperture Radar (SAR) systems, having the advantages such as all weather, day and night imagery capability, have been used in many applications recently. Especially, in the military area, SAR systems are employed for the reconnaissance missions. The images collected from SAR systems can be evaluated by using pattern recognition techniques and the targets on these images can be identified. In this study, an automatic target recognition methodology is proposed for SAR images belonging to various types of military vehicles. Targets on these images are classified by implementing three steps, which are preprocessing, feature extraction, and classification. High level of speckle noise is minimized by applying averaging filters and thresholding techniques and the target area is separated out from the background. In the feature extraction step, three categories of features are proposed. Pixel-based features, Modified Radial Function (MRF)-based features and Elliptic Fourier Descriptors (EFD). Finally, the classification accuracies for Support Vector Machines (SVM) with polynomial kernel, SVM with Radial Basis Function (RBF) kernel, SVM with linear kernel, and k-Nearest Neighbors (k-NN) classifiers are compared with confusion matrices and Receiver Operating Characteristics (ROC) curves. It has been shown that, the highest classification accuracy, which is 96%, is obtained with the SVM classifier employing polynomial kernel.
Benzer Tezler
- Gabor filtreleri ve seyrek gösterim ile SAR görüntülerinde otomatik hedef tanıma
Automatic target recognition in SAR images by using sparse representation and Gabor filters
AHMET KARAGÖZ
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İRFAN KARAGÖZ
- 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
- Sentetik açıklıklı radar görüntülerinden deniz petrol kirliliğinin tespiti
Oil spill detection from synthetic aperture radar image
DENİZ HODA
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK
- Parameter selection in non-quadratic regularization-based SAR imaging
Karesel olmayan düzenlileştirmeye bağlı SAR görüntülemede parametre seçimi
ÖZGE BATU
Yüksek Lisans
İngilizce
2008
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiMühendislik ve Doğa Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. MÜJDAT ÇETİN
- SAR image despeckling using convolutional neural networks
Evrişimsel sinir ağları kullanılarak SAR görüntülerinin gürültüsünün temizlenmesi
YUSUF ŞEVKİ GÜNAYDIN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ŞEN