Geri Dön

Multi-feature fusion for GPR-based landmine detection and classification

GPR'a dayalı karamayını tespiti ve sınıflandırılması için çoklu-özellik füzyonu

PDF İndir

  1. Tez No: 547037
  2. Yazar: ALPER GENÇ
  3. Danışmanlar: PROF. DR. GÖZDE AKAR
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 146

Özet

Yere nüfuz eden radar (GPR), yer altındaki patlayıcıların, özellikle az miktarda metal içeren veya hiç içermeyen gömülü cisimlerin tespiti ve teşhisi için güçlü bir teknolojidir. Fakat yer altı kargaşa ve toprak bozulmaları mevcut GPR tabanlı mayın tespit ve teşhis yöntemlerinin yanlış alarm oranlarını artırmaktadır. Literatürdeki algoritmalar temel olarak şekil-tabanlı, görüntü-tabanlı ve fizik-tabanlı teknikler kullanır. Bu teknikler analiz edildiğinde, her bir algoritma türünün, kara mayını tespit ve tanımlama problemini çözmek için farklı bir bakış açısına sahip olduğu görülecektir. Bu nedenle, her bir algoritma türü, diğer algoritma türlerine göre daha güçlü ve daha zayıf noktalara sahiptir. Bu çalışma, mevcut GPR tabanlı mayın tespit ve tanımlama yöntemlerinin yanlış alarm oranlarını azaltmak için fizik-tabanlı yöntemler ile görüntü-tabanlı yöntemleri bir arada kullanan birleşik bir özellik önermektedir. Önerilen bu birleşik özellikler destek vektör makinesi (SVM) sınıflandırıcısı ile sınıflandırılmaktadır. Bu çalışmada önerilen algoritma, yarısından fazlası hiç metal içermeyen 300'den fazla simüle edilmiş mayın modeli ve 400'den fazla simüle edilmiş zararsız cisim modeli kullanılarak test edildi. Sonuçlar, bu çalışmada önerilen yöntemin, GPR verisi üzerinde mayın tespiti ve tanımlanması için kargaşa altındaki bir ortamda bile çok yüksek performansa sahip olduğunu göstermektedir.

Özet (Çeviri)

Ground penetrating radar (GPR) is a powerful technology for detection and identification of buried explosives especially with little or no metal content. However, subsurface clutter and soil distortions increase false alarm rates of current GPR-based landmine detection and identification methods. Most existing algorithms use shape-based, image-based and physics-based techniques. Analysis of these techniques indicates that each type of algorithms has a different perspective to solve landmine detection and identification problem. Therefore, one type of method has stronger and weaker points with respect to the other types of algorithms. To reduce false alarm rates of the current GPR-based landmine detection and identification methods, this study proposes a combined feature utilizing both physics-based and image-based techniques. Combined features are classified with support vector machine (SVM) classifier. The proposed algorithm is tested on a simulated data set contained more than 400 innocuous object signatures and 300 landmine signatures, over half of which are completely nonmetal. The results presented indicate that the proposed method in this study has significant performance benefits for landmine detection and identification in GPR data even in cluttered environment.

Benzer Tezler

  1. Tez No

    811560

    Detection and classification of multiple shallow-buried targets by a ground penetrating radar

    Yüzeye yakın gömülmüş çoklu hedeflerin yer altı radarı ile tespiti ve sınıflandırılması

    FURKAN ŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖNÜL SAYAN

  2. Tez No

    854206

    MFF-LSTM: Designing a Multi-scale Feature Fusion-based Long Short Term Memory with Divergent Features for Fake News Detection System

    MFF-LSTM: Çok Ölçekli Özellik Füzyon Tabanlı Uzun Kısa TasarlamaYalan Haber Tespit Sistemi için Farklı Özelliklere Sahip Dönem Belleği

    MUSTAFA SAEB SEDEEQ ALSAFAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ KARAN

  3. Tez No

    834673

    3 boyutlu yürüyüş analizine dayalı insan tanıma sistemi

    3d gait analysis based human recognition system

    RAMİZ GÖRKEM BİRDAL

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERTBAŞ

  4. Tez No

    318227

    Yüksek çözünürlük için çoklu görüntüleme sistemleri ile görüntü füzyonu

    Image fusion for high resolution by multi-imaging systems

    SEMA NİZAM ABDULGHANI

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZİYA TELATAR

  5. Tez No

    620417

    Hybrid electroencephalogram (Eeg) - functional near-infrared spectroscopy (Fnirs) brain-computer interface (BCI) classification of motor imagery tasks

    Motor görüntü görevlerinin hibrit elektroensefalografi (Eeg)- işlevesel kızılötesine yakın spektroskopi (Fnirs) beyin bilgisayar ara birimi (BCI) sınıflandırması

    MUSTAFA AMER HASAN HASAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mekatronik MühendisliğiAtılım Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. MUHAMMAD UMER KHAN

Geri Dön