SAR image despeckling using convolutional neural networks
Evrişimsel sinir ağları kullanılarak SAR görüntülerinin gürültüsünün temizlenmesi
- Tez No: 537907
- Danışmanlar: DOÇ. DR. BAHA ŞEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 59
Özet
Günümüzde, Sentetik Açıklıklı Radar kullanımı optik resimlere karşı olan avantajlarından dolayı son derece önemli bir alandır. SAR görüntüleri bulutlu ya da yağmurlu havalar gibi tüm hava şartlarında ve gece ya da gündüz alınabilir. Bugün, SAR görüntüleri Otomatik Hedef Tespiti yada coğrafi olarak yer tanımlama gibi pek çok askeri ve sivil uygulamalarda kullanılmaktadır. Ancak yetersiz görselleştirme teknikleri ve çevresel faktörler SAR görüntülerinde benek gürültü denilen çarpımsal gürültüye neden olur. Bu yüzden, SAR görüntülerinin gürültülerini temizlemek adına pek çok gürültü temizleme algoritması son on yıllar içerisinde geliştirilmiştir. Ancak, Sentetik Açıklıklı Radar görüntüleri içerisinde homojen alanlar, dokular, kenarlar, çizgiler, izole edilmiş nokta hedefler ve kentsel kısımlar gibi farklı çeşitlerde alanlar bulundurmaktadır. Her bir gürültü temizleme algoritması kuvvetli ve zayıf yanlara sahiptir, örneğin bazı algoritmalar kenarları korumakta mükemmel çalışırken, bazıları homojen alanların gürültüsünün temizlenmesinde güzel çalışmaktadır. SAR görüntüleri kritik uygulamalarda kullanıldığı için, algoritmaların gürültü temizleme performansları oldukça önemlidir. Gürültü temizleme performansını artırmak için önerdiğimiz yöntem, 3 gürültü temizleme algoritması SDD, MSAR-BM3D ve FANS algoritmalarının güçlü yanlarını birleştirmeyi hedeflemektedir. Önerilen yöntem yapay ve gürültüsüz resimleri performans ölçmede kesin referans olarak kullanmak için toplamakta ve bu resimlere yapay olarak Gaussian gürültü ve benek gürültü eklemektedir. Gürültü eklenmiş resimler küçük resim parçacıklarına bölünmekte ve Evrişimsel Sinir Ağları tarafından karar verilen en iyi gürültü temizleme algoritması tarafından gürültüsü temizlenmektedir. Önerilen yöntemin amacı, SAR görüntülerinin gürültülerinin temizlenmesinin performansını mevcut gürültü temizleme algoritmalarını kullanarak artırmaktır ve deneysel sonuçlar gelecek vaat eden sonuçlar göstermektedir.
Özet (Çeviri)
Nowadays, Synthetic Aperture Radar usage is a very intense area because of the strengths of SAR images against optical images. SAR images can be acquired day or night and under the all-weather condition like cloudy or rainy weather. Today, SAR images are being used in many military and civilian applications like geo-referencing or Automatic Target Detection. However, inadequate visualization methodology and environmental factors can cause multiplicative noise called speckle in SAR images. Therefore, there are many despeckling algorithms developed about despeckling SAR images in the last decades. Nevertheless, there are different kinds of regions inside the Synthetic Aperture Radar images like homogeneous regions, textures, edges, lines, isolated point targets and urban areas. Each despeckling algorithm has strengths and weaknesses such as some algorithms work great in preserving edges and some can perform well in despeckling homogeneous areas. Since the SAR images are used in crucial applications, the despeckling performance of these algorithms is quite important. To increase the despeckling performance, we proposed a method which combines the strengths of 3 despeckling algorithms: SDD, MSAR-BM3D, and FANS. The proposed method collects artificial noise-free images to use as ground-truth images for measuring the performance and adds Gaussian noise and speckle to images. Speckled images are divided into small sub-images and each sub-image is despeckled by the best algorithm which Convolutional Neural Network decides. The purpose of the proposed method is increasing the performance of despeckling SAR images with using available despeckling algorithms and experimental results show promising results.
Benzer Tezler
- 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
- Yerel olmayan ortalama filtre ile karma normlar kullanılarak sar görüntü gürültüsü azaltma
Sar image despeckling by using non-local means and mixed norms
CANER ÖZCAN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BAHA ŞEN
DR. FATİH NAR
- Benek gürültülü görüntüleri onarma
Restoring images degraded by speckle noise
MEHMET CAN ERDEM
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZİYA TELATAR
- Speckle reduction in SAR images using non-local means filter and variational framework
Yerel olmayan ortalama filtre ve değişimsel metodlar kullanarak SAR görüntülerinde benek gürültüsü azaltma
ŞAHIM GİRAY KIVANÇ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ŞEN
- Arazi örtüsü ve kullanımı için SAR görüntülerinin sınıflandırılmasında topluluk öğrenme tabanlı yaklaşım
Ensemble learning-based approach to classification of SAR images for land cover and use
ELİF MEŞECİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CANER ÖZCAN