Yüksek çözünürlüklü menzil profili kullanarak deniz hedeflerinin sınıflandırılması
Ship target classification using high range resolution profile
- Tez No: 530007
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN SOYSAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Öznitelik, Öznitelik çıkarma, Feature extraction, Feature
- 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: Belirtilmemiş.
Özet
Deniz yolu, uzun zamanlardan beri, ticari, sivil ve askeri amaçlı olarak sıklıkla kullanılmakta olup, deniz gözetimi vasıtasıyla kaçakçılık faaliyetlerinin tespiti, sahil güvenlik operasyonlarının takibi, liman ve deniz şeridi gözetimin sağlanması yapılabilmektedir. Deniz gözetimi sonucunda tespit edilen araçların türünün belirlenmesi, bu araçların manevra, sürat, taşınan yük vb. kabiliyetleri, tehdit seviyeleri, kaçakçılık faaliyetlere uygunluk durumları hakkında ön bilgi sağlamaktadır. Bu bağlamda deniz araçlarının sınıflandırılması önemli bir problem olup, tez çalışmasında deniz gözetleme radarına yakın bölgelerdeki hedeflerin sınıflandırılması üzerine araştırma yapılmıştır. Deniz araçlarının türünün tespit edilmesi için yaygın olarak sentetik açıklıklı radarlar (SAR) kullanılmaktadır. Ancak bu radarlar kullanılarak yapılan sınıflandırma işlemleri yüksek maliyet ve işlem yüküne sahiptir. Bu tezde, deniz hedeflerinin sınıflandırılması için yüksek menzil çözünürlüklü (HRR) radar kullanılmıştır. HRR radarlar, SAR gibi hedefin silueti hakkında bilgi vermemektedir ve hedefin oryantasyonuna göre elde edilen veri değişmektedir. Ancak her açıdan ve kısa sürede veri toplanabilmesi, işlem yükünün az ve maliyeti düşük olmasından dolayı sınıflandırma çalışmalarında tercih edilmektedir. Tez çalışmasında, sınıflandırma kavramı, sınıflandırıcılar, öznitelik kavramı, yüksek çözünürlüklü menzil profili, ve bu profilden öznitelik çıkartılması ve öznitelik seçimleri incelenmiştir. HRR radar simülatörü çıktıları kullanılarak radar yakın bölgeler için balıkçı teknesi, sahil güvenlik gemisi, kargo gemisi ve orta boy tanker hedeflerinin farklı sınıflandırıcılar kullanılarak elde edilen sınıflandırma başarımları incelenmiş ve tartışılmıştır. Benzetim sonuçları, özellikle ortalama RCS, RCS standart sapması ve uzunluk özniteliklerinin sınıflandırma başarımında baskın rol oynadığını göstermiştir. Uzunluk özniteliği gemi oryantasyonundan çok fazla etkilendiğinde, hedef takibinden elde edilen kinematik bilgiler kullanılarak daha doğru hesaplanması için bir yaklaşım önerilmiş ve bu yaklaşım ile sınıflandırma başarımının arttığı gösterilmiştir.
Özet (Çeviri)
In this thesis, the classification of ship targets was investigated. The sea route has long been used for commercial, civil and military purposes. The detection of smuggling activities, search and rescue operations, control of ports and coast line security can be made by sea surveillance. Determination of the type of sea vehicles (targets) via sea surveillance can provide preliminary information about vehicle kinematics (maneuver capability, speed, etc.) and vehicle attitude (load, thread level, potential of smuggling and piracy). In this context, classification of sea vehicles is an important problem and, this thesis study has been focused on classification of the ship targets located in the area close to the sea surveillance radar. Synthetic aperture radars (SAR) are widely used to determine the type of the sea vehicles. However, using SAR for classification is costly and its computation load is high as well. In this thesis, high range resolution radar data where range profile of the target changes with the orientation is used for classification instead of SAR where image of the target can be obtained. High range resolution radar is preferred in classification studies due to the fact that one can collect data in every aspect of the target and in a short period of time and, it has computation load. In this thesis, the concept of classification, classifiers, features, feature extraction and selection and, high range resolution profile has been investigated. Classification of fishing boat, coaster, bulk carrier and medium tanker has been studied by using simulated high resolution range profiles and, performance of both classifiers and the features obtained from data has been investigated and discussed. Simulation results was shown that the features mean RCS, standard deviation of the RCS and, length have major influence on classification performance. Since the length feature highly depends on orientation of the ship, a new approach based on ship kinematic information obtained from the target tracking has been proposed for calculating length feature more accurately and, it was shown that calculation of the length feature using kinematic information increases classification performance.
Benzer Tezler
- Improved helicopter classification via deep learning and overlapped range-doppler maps
Derin öğrenme ve örtüşen menzil-doppler görüntüleri ile geliştirilmiş helikopter sınıflandırması
DENİZ CAN ACER
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- X-bant gürültü radarı ile dron ve martıların mikro-doppler karakteristiklerin çıkarımı
Extraction of micro-doppler characteristics of drone and seagulls with x-band noise radar
KARTAL KAAN GÜMEN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Vision-based detection and recognition of maritime objects for autonomous surface navigation
Otonom deniz seyrüseferi için görüntü tabanlı engel tespiti ve gemi sınıflandırma
SEVDA SAYAN YONCA
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Menzil profili modunda çalışan radarla otomatik hedef sınıflama
automatic target classification with radars operating in range profilling
CENK GÖKBERK
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN TOPUZ
- Derin öğrenme ile süper çözünürlüklü radar görüntüleme
Super resolution radar imaging with deep learning
İREM FADİME ERİM
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER