Uydu görüntülerinde havaalanlarının tespit edilmesi
Detection of airport in satellite images
- Tez No: 484262
- Danışmanlar: PROF. DR. ABDULKADİR ŞENGÜR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Son yıllarda uydu görüntülerinden otomatik havaalanı tespiti, askeri ve sivil havacılık alanlarındaki öneminden dolayı popüler bir konu haline gelmiştir. Ancak binalar, dağlar, nehirler ve yollar gibi karmaşık arka plana sahip olan bu görüntüler, havaalanlarının tespitini zorlaştırmaktadır. Ayrıca uydu görüntüleri büyük boyuta sahip olduğundan, hesaplama maliyetini azaltmak için algoritmanın karmaşıklığını da hesaba katmak oldukça önemlidir. Bu tez çalışmasında, uydu görüntülerinden otomatik havaalanı tespiti için iki farklı yaklaşım önerilmiştir. Birinci yöntemde, öncelikle potansiyel havaalanı aday bölgelerin tespiti için Doğru Parçası Algılayıcısının (DPA) geliştirdiğimiz versiyonu kullanılmıştır. Daha sonra bu aday bölgelerden Ölçekten Bağımsız Özellik Dönüşümü (ÖBÖD) ile etkili özellikler çıkarılmış ve bu özellikler Fisher Vektörü (FV) beslemiştir. FV'de görsel sözlük olarak Gauss Karışım Modeli (GKM) kullanılmıştır. Tüm Gauss'ların birinci ve ikinci dereceden kısmi türevleri birleştirilerek FV'ler elde edilmiştir. Özellik vektörü olarak FV kullanılmış ve sınıflandırıcı aşamasında Destek Vektör Makinesi (DVM) yetkilendirilmiştir. Önerilen yöntemin performansını değerlendirmek için doğruluk, duyarlılık ve özgüllük kriterleri kullanılmış ve %94,6'lık doğruluk elde edilmiştir. Önerilen yöntemin başarım üstünlüğü, literatürde daha önceden önerilmiş diğer çalışmalar ile karşılaştırılarak kanıtlanmıştır. Ayrıca havaalanı aday bölgelerin tespiti için geliştirdiğimiz DPA'nın, diğer yöntemlere göre daha az hesaplama maliyetine sahip olduğu karşılaştırmalı olarak doğrulanmıştır. İkinci yöntemde ise, uydu görüntülerinden havaalanlarının otomatik tespiti için hem özellik çıkarımı hem de sınıflandırıcı yapısını birlikte barındıran derin Evrişimsel Sinir Ağlarının (ESA) kullanımı araştırılmıştır. Öncelikle geliştirdiğimiz DPA yöntemi ile aday havaalanı bölgeleri tespit edilmiştir. Bu bölgeler, önerilen birinci yöntemdeki aday bölgeler ile aynıdır ve ESA mimarisini eğitmek için kullanılmıştır. ESA modeli, beş evrişim, üç havuzlama ve üç tam bağlı katmandan oluşmaktadır. Verimli bir mimari oluşturmak için normalleştirme ve bırakma katmanları da kullanılmıştır. Aşırı uyumu azaltmak için eğitim verisine ait adaylar, yapay olarak artırılmıştır. ESA performansını değerlendirmek için yine doğruluk, duyarlılık ve özgüllük kriterleri kullanılmıştır. Önerilen yöntem %95,21'lik doğruluğa sahiptir ve birinci öneriye göre yaklaşık %1'lik bir başarım artışı sağlanmıştır.
Özet (Çeviri)
In recent years, automatic detection of airport from satellite images has become a popular topic due to its importance in military and civil aviation fields. However, these images which have complex backgrounds such as buildings, mountains, rivers and roads, make it difficult to identify airports. In addition, since satellite images have a large size, it is crucially important to consider the complexity of the algorithm to the account in order to reduce the computational cost. In this thesis, two different approaches are proposed for automatic airport detection from satellite images. In the first method, initially the version of Line Segment Detector (LSD) we developed is used for the detection of potential airport candidate regions. Then efficient features are extracted from these candidate regions with Scale Invariant Feature Transform (SIFT). This features are fed into Fisher Vector (FV). In FV, Gauss Mixture Model (GMM) is used as visual dictionary. FV is obtained by combining first and second partial derivatives of all Gauss. FV is used as the feature vector and Support Vector Machine (DVM) is employed in the classifier stage. Accuracy, sensitivity and specificity criteria are used to evaluate the performance of the proposed method and yielded an accuracy of 94.6%. The superiority of the performance of the proposed first method has been proved by comparison with other studies previously suggested in the literature. We have also verified that the LSD we have developed for the detection of airport candidate regions has comparatively lower computational costs than other methods. In the second method, the usage of deep Convolutional Neural Networks (CNNs), which contain both feature extraction and classifier structure has been investigated for the automatic detection of airports from satellite images. Firstly, candidate airport regions have been detected by using the LSD method we developed. These regions are the same as the candidate regions in the first proposed method and used to train CNN architecture. The CNN model consists of five convolutions, three pools and three fully connected layers. Normalization and dropout layers have also been used to create an efficient architecture. Candidates in training data have been artificially increased to reduce overfitting. Accuracy, sensitivity and specificity criteria were also used to evaluate CNN performance. The second proposed method has accuracy of 95.21% and an increase of about 1% was achieved according to the first proposal.
Benzer Tezler
- Detection of airport runways in optical satellite images
Optik uydu görüntülerinde havaalanı pistlerinin tespit edilmesi
UĞUR ZÖNGÜR
Yüksek Lisans
İngilizce
2009
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. UĞUR HALICI
YRD. DOÇ. DR. İLKAY ULUSOY
- Uydu görüntülerinden durağan haldeki uçakların algılanması ve tanınması
Detection and identification of static aircrafts from satelitte images
CİHAT YILDIZ
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiDOÇ. DR. EDİZ POLAT
PROF. DR. ŞERAFETTİN EREL
YRD. DOÇ. DR. TOLGA EREN
- 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
2020
Endüstri ve Endüstri MühendisliğiBeykent ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SABAHATTİN KEREM AYTULUN
- Poverty prediction by using deep learning on satellite images
Uydu görüntülerinde derin öğrenme kullanarak yoksulluk tahmini
SABEER SAEED
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM TÜRKOĞLU
- Uydu görüntülerinde görüş transformatörleri teknikleriyle orman yangınlarının algılanmasının geliştirilmesi
Enhancing forest fire detection in satellite imagery using vision transformers techniques
AHMET MİRA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. FATİH ÖZYURT