Geri Dön

SAR görüntülerinde otomatik hedef tespiti

Utomatic target detection from SAR images

PDF İndir

  1. Tez No: 790918
  2. Yazar: RAMAZAN ÇELİK
  3. Danışmanlar: PROF. DR. UĞUR AVDAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

SAR görüntülerinde otomatik hedef tespiti son yıllarında popülerliği artan bir uygulamadır. Popüler olmasının en önemli sebebi SAR algılayıcılarının gece, gündüz her hava koşulunda görüntüleme yapabilmesidir. Bu durum SAR görüntülerinin önemini artırmaktadır. SAR görüntülerinin göz ile yorumlanmasının çok zor olması, gözün alışık olduğu görüntülerden farklı olması bu görüntülerde nesne tespitine olan ihtiyacı artırmıştır. Bu sebeple bu çalışmada SAR görüntüleri üzerindeki nesnelerin hızlı ve doğruluk oranı yüksek bir şekilde tespit edilebilmesi için derin öğrenme yöntemi kullanılmıştır. Derin öğrenme kavramını, gün geçtikçe ve teknolojinin hızlı ilerlemesiyle beraber ve bu sistemlere bağlı bilgisayar donanımlarında ilerlemesiyle önemi artmaktadır. Birçok sektörde insan yerine otonom sistemler kullanılmaya başlanmıştır. Derin öğrenme algoritmalarının içinde yer aldığı ve sürekli geliştirildiği alanlardan biri de nesne tespiti görevidir. Bu tez çalışmasında SAR görüntülerinde nesne tespiti görevi literatürdeki çalışmalardan farklı olarak Mask R-CNN algoritması kullanılmış ve Faster R-CNN algoritmasıyla doğruluk oranı karşılaştırılmıştır. Tez çalışmasında analizler Google Colab, Jupyter Notbook kullanılarak Python dilinde yapılmış olup, test aşamasında Mask R-CNN algoritmasının, Faster R-CNN algoritmasına göre daha yüksek bir sınıflama oranına sahip olduğu tespit edilmiştir. Söz konusu tahmin oranı, askeri araç tipleri göz önünde bulundurulduğunda nispeten yüksek bir sınıflandırma oranı olduğu düşünülmektedir.

Özet (Çeviri)

Automatic target detection in SAR images is an application that has grown in popularity in recent years. The most important reason for its popularity is that SAR sensors can display in all weather conditions, day and night. This situation increases the importance of SAR images. The fact that SAR images are very difficult to interpret with the eye and are different from the images that the eye is accustomed to have increased the need for object detection in these images. For this reason, in this study, deep learning method was used to detect objects on SAR images quickly and with high accuracy. The importance of the concept of deep learning is increasing day by day, with the rapid progress of technology and with the advancement of computer hardware connected to these systems. In many sectors, autonomous systems have started to be used instead of humans. One of the areas in which deep learning algorithms are included and constantly improved is object detection. In this thesis, the Mask R-CNN algorithm was used for object detection in SAR images, unlike the studies in the literature, and its accuracy was compared with the Faster R-CNN algorithm. In the thesis study, the analyzes were made in Python language using Google Colab, Jupyter Notebook, and it was determined that the Mask R-CNN algorithm had a higher classification rate than the Faster R-CNN algorithm during the test phase. This estimation rate is considered to be a relatively high classification rate when considering military vehicle types

Benzer Tezler

  1. Tez No

    509692

    Gabor filtreleri ve seyrek gösterim ile SAR görüntülerinde otomatik hedef tanıma

    Automatic target recognition in SAR images by using sparse representation and Gabor filters

    AHMET KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İRFAN KARAGÖZ

  2. Tez No

    461937

    Similarity ratio based algorithms to generate SAR superpixels

    SAR süperpikseller üretimi için benzerlik oran tabanlı algoritmalar

    EMRE AKYILMAZ

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. UĞUR MURAT LELOĞLU

    DOÇ. DR. İLKAY ULUSOY

  3. Tez No

    537907

    SAR image despeckling using convolutional neural networks

    Evrişimsel sinir ağları kullanılarak SAR görüntülerinin gürültüsünün temizlenmesi

    YUSUF ŞEVKİ GÜNAYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAHA ŞEN

  4. Tez No

    722503

    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

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  5. 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

Geri Dön