Automatic target recognition for synthetic aperture radar data
Yapay açıklıklı radar verileri için otomatik hedef tanıma
- Tez No: 826924
- Danışmanlar: DR. ÖĞR. ÜYESİ NECİP GÖKHAN KASAPOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 78
Özet
Yapay Açıklıklı Radar (SAR) görüntülerde Otomatik Hedef Tanıma (ATR), SAR görüntü işleme ve hedef belirleme alanlarında önemli bir araştırma konusudur. Bu çalışma da, SAR verilerine uygulanan ATR teknikleri üzerine kapsamlı bir araştırma yapılmıştır. Önerilen metodlar yaygın olarak kullanılan MSTAR veri seti üzerinde uygulanmıştır. Çalışmanın ilk aşaması, SAR verilerinden ilgili öznitelikleri çıkarmayı ve boyut indirgemeyi amaçlayan öznitelik çıkarma tekniklerini içerir. Çıkarılan öznitelikler, Destek Vektör Makinesi (SVM) dahil olmak üzere çeşitli sınıflandırıcılar için girdi olarak kullanılır. Bu sınıflandırıcıların performansı, sınıflandırma doğruluğuna göre karşılaştırılır ve değerlendirilir. SAR görüntülerinde bulunan benek gürültüsü etkisini ele almak, gürültü azaltma tekniklerinin ATR sisteminin tanıma performansını nasıl etkilediğini araştırmak için öznitelik çıkarımından önce ön işleme adımları olarak ortalama ve medyan filtreler uygulanmıştır. Bu araştırmanın beklenen sonuçları iki yönlüdür. İlk olarak, SAR tabanlı ATR görevleri için en etkili öznitelik çıkarma yöntemini ve sınıflandırıcı kombinasyonunu belirlemektir. İkinci olarak, gürültü azaltma tekniklerinin sınıflandırma performansı üzerindeki etkisini değerlendirmeyi ve gürültü azaltma ile sınıflandırma verimliliği arasındaki başarım ilişkisini ortaya çıkarmaktır. Öznitelik çıkarma yöntemlerini, sınıflandırıcıları ve gürültü azaltma tekniklerinin etkisini kapsamlı bir şekilde analiz eden bu çalışma, SAR verileri için ATR uygulamasında seçilen yöntemler içerisinde en iyi performans ve öznitelik çıkarım metod çiftinin belirlenmesini sağlamıştır. Bulgular, araştırmacılara ve uygulayıcılara SAR tabanlı hedef tanıma için uygun metodların belirlenmesin de yardımcı olacaktır.
Özet (Çeviri)
Automatic Target Recognition (ATR) in images generated from Synthetic Aperture Radar (SAR) has become a significant focus of research in contemporary society and represents a crucial avenue of inquiry within the realm of image processing. This study presents a thorough investigation of ATR techniques applied to SAR data. The widely used MSTAR dataset is utilized for evaluating the proposed methodologies. The initial stage of the study involves feature extraction techniques which aim to capture the relevant information from SAR data and reduce its dimensionality. The extracted features are used as inputs for various classifiers including Support Vector Machine (SVM). The performance of these classifiers is compared and evaluated based on their classification accuracy. To address the issue of speckle noise inherent in SAR imagery, mean and median filters are applied as preprocessing steps before feature extraction to investigate how noise reduction techniques affect the recognition accuracy of the ATR system. The expected outcomes of this research are twofold. First, it aims to determine the most effective feature extraction method and classifier combination for SAR-based ATR tasks. Second, it intends to assess the influence of noise reduction techniques on classification performance, providing insights into the trade-off between noise reduction and classification efficiency. By comprehensively analyzing feature extraction methods, classifiers, and the impact of noise reduction techniques, this study contributes to advancing the field of ATR for SAR data. The findings will aid researchers and practitioners in selecting suitable methodologies for SAR-based target recognition, ultimately enhancing the capabilities of SAR systems in various applications.
Benzer Tezler
- Applying deep learning methodsto identify targets in synthetic apertureradar images
Başlık çevirisi yok
SERKAN AKTAŞ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Naval Postgraduate SchoolDR. DAVİD A. GARREN
DR. JOHN D. ROTH
- 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
- Synthetic aperture radar (SAR) imaing and SAR data classification
Yapay açıklıklı radar (SAR) görüntüleme ve SAR veri sınıflandırması
AHMED RABBAA
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECİP GÖKHAN KASAPOĞLU
- Synthetic aperture radar imaging with deep neural networks
Derin sinir ağları ile sentetik açıklıklı radar görüntüleme
MUHAMMED BURAK ALVER
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDAT ÇETİN
PROF. DR. SELİM BALCISOY
- Parameter selection in non-quadratic regularization-based SAR imaging
Karesel olmayan düzenlileştirmeye bağlı SAR görüntülemede parametre seçimi
ÖZGE BATU
Yüksek Lisans
İngilizce
2008
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiMühendislik ve Doğa Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. MÜJDAT ÇETİN