Geri Dön

Derin öğrenme metotları kullanılarak SAR (sentetik açıklıklı radar) görüntülerinden bina tespiti

Building detection from SAR (synthetic aperture radar) images using deep learning methods

PDF İndir

  1. Tez No: 718048
  2. Yazar: RECAİ ALPER EMEK
  3. Danışmanlar: DOÇ. DR. NUSRET DEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Mühendislik Bilimleri, Geodesy and Photogrammetry, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 58

Özet

SAR (Sentetik Açıklıklı Radar) görüntüleri, objelerin yansıma değerleri yerine saçılma değerleri ile oluşturulduklarından optik görüntülerden farklıdırlar. Bu durum SAR görüntülerinin geleneksel nesne algılama ve tespit metodolojilerinin uygulanmasını zorlaştırır. Son yıllarda derin öğrenme metotları obje tespiti ve segmentasyon alanlarında sıklıkla kullanılmaktadır. Bu çalışmada SAR ve optik görüntü füzyonundan bina tespiti için U-Net modellerinin potansiyelleri araştırılmıştır. Geliştirilen metot ve U-Net algoritması iki farklı veri seti üzerinde uygulanmıştır. İlk veri seti 'SpaceNet 6 Multi Sensor All-Weather Mapping' etkinliği kapsamında sağlanan Sentinel-1 SAR ve Sentinel-2 multispektral uydu görüntüleridir. Görüntüler Hollanda'nın Rotterdam bölgesinde 120 km2'lik alanı kapsamaktadır. Eğitim veri seti 20 adet 900 x 900 piksel boyutlu HV polarize SAR görüntüsü ve optik görüntülerdir. Eğitim sonucu oluşturulan modelde Loss (Kayıp) değeri 0.4 doğruluk ise 81% olarak hesaplanmıştır. İkinci veri seti ise İzmir ilinin bir kısmını kapsamakta olup 2020 Ege Denizi depreminden önce ve sonra olmak üzere 2 adet SAR görüntüsünden oluşmaktadır. U-Net algoritmasında maske olarak kullanılacak görüntü, vektörel formattan elde edilmiştir. İlk veri seti üzerinden üretilen model, ilk ve ikinci veri setleri üzerinde uygulanmış ve sonuçlar tartışılmıştır. 3 farklı test verisi üzerine uygulanan modelin sınıflandırma doğrulukları ile sırasıyla 79%, 65% ve 54% olarak hesaplanmıştır.

Özet (Çeviri)

SAR images are different from the optical images in terms of image properties with the values of scattering instead of reflectance. This makes SAR images difficult to apply the traditional object detection methodologies. In recent years, deep learning models are frequently used in segmentation and object detection purposes. In this study, we have investigated the potential of U-Net models for building detection from SAR and optical image fusion. The datasets used are Sentinel 1 SAR and Sentinel-2 multispectral images, provided from 'SpaceNet 6 Multi Sensor All- Weather Mapping' challenge. These images cover an area of 120 km² in Rotterdam, the Netherlands. As training datasets 20 pieces of 900 by 900 pixel sized HV polarized and optical image patches have been used together. The calculated loss value is 0.4 and the accuracy is 81%. The second dataset covers a part of İzmir province and consists of 2 SAR images, before and after the 2020 Aegean Sea earthquake. The image to be used as a mask in the U-Net algorithm was obtained from vector format. The model produced on the first dataset was applied on the second dataset and the results were discussed. Model has been applied on 3 different test dataset and classification results calculated 79%, 65% and 54% respectively.

Benzer Tezler

  1. Tez No

    807236

    Deep unfolding for clutter removal in ground penetrating radar

    Yere nüfuz eden radarda kargaşa gidermek için derin katman açma

    SAMET ÖZGÜL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  2. Tez No

    635893

    Ship detection and classification using type of convolution neural networks

    Evrişimli sinir ağları kullanılarak gemi tanıma ve sınıflandırma

    YUSUF KUNT

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SELMA ÖZAYDIN

  3. Tez No

    737828

    Vessel detection from very high-resolution satellite images with deep learning methods

    Derin öğrenme metotları kullanılarak çok yüksek çözünürlüklü uydu görüntülerinden gemi tespiti

    FURKAN BÜYÜKKANBER

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. MUSTAFA YANALAK

  4. Tez No

    823271

    Derin öğrenme metotları kullanılarak farklı sosyal statüye sahip yapısal alanlarda binaların semantik segmentasyonu: İstanbul örneği

    Semantic segmentation of buildings in structural areas with different social statuses using deep learning methods: Istanbul example

    BURCU AMİRGAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeodezi ve FotogrametriKocaeli Üniversitesi

    Jeodezi ve Jeoinformasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. ARZU ERENER

  5. Tez No

    826736

    Derin öğrenme kullanılarak tekstil desenlerinin sınıflandırılması

    Classification of textile patterns using deep learning

    ERHAN ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAydın Adnan Menderes Üniversitesi

    Matematik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RIFAT AŞLIYAN

Geri Dön