Radar video görüntülerinde karasal alanların belirlenmesi
Determination of land regions in radar video image
- Tez No: 507008
- Danışmanlar: YRD. DOÇ. DR. GÖKHAN SOYSAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Radar sistemlerinde hedefin tespit edilme olasılığını azaltan etmenlerin azaltılması önemli bir konudur. Kıyı sınırlarının güvenliğinin sağlanması veya gemi takibi yapılması gibi uygulamalarda sadece takibi yapılan hedef nesne ile çalışılması uygulama başarısını yükseltmektedir. Radar ile görüntüleme radar vericisi tarafından gönderilen sinyallerin hedeflerden radara yansımalarının gücü kullanılarak yapılmaktadır. Deniz radarları ile görüntüleme yapılırken kara ve kargaşa bölgelerinden gelen güçlü yansımalar hedef tespit ve takip performansını olumsuz yönde etkilemektedir. Bu sebeple harita ve Doppler bilgisinin bulunmadığı durumlarda radar videolarında karasal alanların belirlenmesi önem taşımaktadır. Tez çalışmasında deniz radarı videolarında karasal alanların saptanmasının belirli bir doğrulukta gerçekleştirilmesi için çıkıntı saptamaya dayalı bir yöntem önerilmiştir. Video verisi kullanılan çalışmalarda statik ve dinamik olmak üzere iki çıkıntı durumu bulunmaktadır. Çalışma kapsamında statik belirginliğin saptanması için görüntü bölütleme yöntemleri önerilmiş ve bu yöntemlerin başarım analizleri yapılarak en iyi sonuç veren yöntem seçilmiştir. Dinamik belirginliğin saptanması için de Horn-Schunk optik akış yönteminin kullanılması önerilmiştir. Optik akış ile elde edilen vektörlerden, yapılan literatür çalışması sonucunda, çıkarılması gereken özniteliklerin zamansal alan öznitelikleri olduğu belirlenmiştir. Belirlenen özniteliklerden sınıflandırıcının performansını olumsuz yönde etkileyen öznitelikler elenerek öznitelik seçme işlemi gerçekleştirilmiştir. Seçilen özniteliklerin kullanıldığı çeşitli sınıflandırıcıların performansları karşılaştırılmış, en yüksek başarıma sahip sınıflandırıcı seçilerek kara, deniz ve kargaşa bölgeleri sınıflandırılmıştır. Yapılan çalışmada radar videolarında karasal alanların bilgisayarla görme ve makine öğrenmesine ait yöntemler kullanılarak yüksek oranda tespit edilebildiği gösterilmiştir.
Özet (Çeviri)
In radar systems, reducing the factors that decrease probability of target detection is an important issue. Working with only the object that is tracked for the applications such as assuring coastal safety or ship tracking increases the application success. Radar imaging is done using the power of radar reflections from the targets of the signals sent by the radar transmitter. While imaging is done with marine radar, strong reflections from land and cluttered areas lead to decreasing the performance of target detection and tracking. Therefore, when there is no map and Doppler information, land area detection becomes so important task. In this thesis, a method based on saliency detection which results significant accuracy, is proposed for detection of land areas in marine radar videos. Static and dynamic saliency detection are main two subjects of working on video data. In this study, to detect static saliency, image segmentation methods are proposed and the best image segmentation method has chosen after evaluation of their performance. To detect dynamic saliency, Horn-Schunk optical flow method is proposed. As a result of the literature study, it has been determined from the optical flow vectors that the features to be extracted is temporal domain features. Some of these features which reduce classifier performance are eliminated in feature selection phase. The performances of the various classifiers in which the selected features are In this study, it has been shown that land areas can be detected with high accuracy rate in radar videos with using computer vision and machine learning methods used are compared and the land, sea and cluttered areas are classified by choosing the classifier with the highest performance.
Benzer Tezler
- Deep unfolding for clutter removal in ground penetrating radar
Yere nüfuz eden radarda kargaşa gidermek için derin katman açma
SAMET ÖZGÜL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Videolarda devinim ve ivme büyütme yöntemleri
Motion and acceleration magnification methods in videos
REYHAN GÜRLEYEN
Yüksek Lisans
Türkçe
2020
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Derin öğrenme yöntemi ile optik uydu görüntülerinden gemi tespiti
Ship detection by optical satellite images with deep learning method
OSMAN DUMAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- Vı̇deo tabanlı otomatı̇k araç tespı̇tı̇ ı̇çı̇n hı̇brı̇t bir derı̇n öğrenme mı̇marı̇sı̇
A hybrid deep learning architecture for video-based automatic vehicle detection
MOHAMMED ABDULJABBAR ZAID AL BAYATI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMET ÇAKMAK
- Eş zamanlı sıkıştırıcı algılama ve kriptografi
Simultaneous compressive sensing and cryptography
ERTAN ATAR
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LALE ÖZYILMAZ
PROF. DR. OKAN K. ERSOY