Similarity ratio based algorithms to generate SAR superpixels
SAR süperpikseller üretimi için benzerlik oran tabanlı algoritmalar
- Tez No: 461937
- Danışmanlar: DOÇ. DR. UĞUR MURAT LELOĞLU, DOÇ. DR. İLKAY ULUSOY
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Jeodezi ve Fotogrametri, İstatistik, Computer Engineering and Computer Science and Control, Geodesy and Photogrammetry, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Sentetik Açıklı Radar(SAR) sistemleri gece, gündüz ve tüm hava şartlarında çalışabilen aktif bir radar tipidir. Bu nedenle, SAR görüntüleri otomatik hedef tespiti ve otomatik hedef teşhisi işlemlerinde oldukça fazla kullanılmaktadır. Bütün bunların yanı sıra SAR görüntülerinin kalitesi ve anlaşılabilirliği sahip oldukları benek gürültü nedeni ile oldukça düşük düzeydedir. Bir görüntünün anlamlı parçalara ayrıştırılmasını temel alan ayrıştırma işlemi görüntüde bulunan piksellerin komşularına bakılarak, benzer komşu piksellerin birleştirilmesine dayanıyorsa, bu işlem sırasında süperpiksel olarak ifade edilen bölütlenmiş parçalar ortaya çıkmaktadır. Nesne ve bölgelerin sınırları takip edilmesi gereken yapılar oldukları için oluşturulan alanların nesne ve bölgelerin sınırlarına düzgün oturmaları gerekmektedir. Bu nedenle, SAR görüntülerinde bulunan benek gürültüye karşı gürbüz bir algoritmaya ihtiyaç duyulmaktadır. Bu çalışmada, ilk olarak benzerlik oranı benek gürültüye karşı yeni gürbüz bir metrik olarak geliştirilmiştir ve sonrasında bu metrik üretilen süperpiksellerin görüntü üzerindeki şekillere daha iyi oturması için Öklid uzaklığı yerine, Mahalanobis uzaklığı ile birlikte kullanılmıştır. Daha sonra radyometrik ve geometrik terimleri arasındaki önemi belirleyen sabit değer, adaptif bir fonkisyon ile değiştirilmiştir. Benzerlik oranı ile birlikte kullanılarak geliştirilen Öklid (SREP), Mahalanobis (SRMP) ve adaptif Mahalanobis (SRAMP) algoritmalarının performansları, gerçek ve sentetik görüntüler üzerinde deneyler yapılarak literatürde bulunan benzer algoritmalar ile karşılaştırılmışlardır. Deneysel sonuçlar, benzerlik oranı ve adaptif Mahalanobis yakınlık (SRAMP) yönteminin diğer yaklaşımlara göre tek biçimlilik, kompaktlık ve görsel görünüm açısında daha iyi performans sergilediğini ortaya koymuştur.
Özet (Çeviri)
Synthetic Aperture Radar (SAR) has the capability of working in all weather conditions during day and night that makes it attractive to be used for automatic target detection and recognition purposes. However, it has the problem of high amount of multiplicative speckle noise. Superpixel segmentation as a preprocessing step is an oversegmentation technique that groups similar neighboring pixels into regularly organized segments with approximately the same size. As boundaries of the objects are important elements to be traced, superpixels should adhere well to the edges. This can only be achieved by an algorithm robust to speckle noise. In this thesis, similarity ratio is first developed as a new metric that is robust to speckle noise. Secondly, Mahalanobis distance is used instead of Euclidian so that the superpixel can fit better to shapes in the real world. Thirdly, the constant determining the relative importance of radiometric and geometric terms is replaced with an adaptive function. The performance of combinations of similarity ratio with Euclidean distance (SREP), Mahalanobis distance (SRMP) and Mahalanobis distance with adaptive scheme (SRAMP) are evaluated by conducting experiments on real and synthetic images. The experimental results showed that similarity ratio and adaptive Mahalanobis proximity (SRAMP) outperforms the other approaches in terms of uniformity, compactness and visual appearance.
Benzer Tezler
- Satellite images super resolution using generative adversarial networks
Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük
MARYAM SERDAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN
- Medical image compression based on vector quantization and discrete wavelet transform
Vektör kuantizasyonu ve ayrık dalgacık dönüşümüne dayalı tıbbi görüntü sıkıştırma
AZHAR ABDULHASAN MUHAMMED ALI AJAM
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN
- Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches
Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük
PEIJUAN WANG
Doktora
İngilizce
2022
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Derin öğrenme tabanlı yöntemlerle düşük ışıklı görüntü iyileştirme
Low light image enhancement with deep learning based methods
EMİN CİHANGİR US
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Yere nüfuz eden radarlarda öğrenme tabanlı yeni kargaşa giderme yöntemleri
New learning-based clutter removal methods in ground penetrating radar
EYYUP TEMLİOĞLU
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER