Geri Dön

Çoklu bant görüntü füzyon yoluyla gelişmiş hedef tespiti ve takibi

Enhanced target detection and tracking through multiband image fusion

PDF İndir

  1. Tez No: 967673
  2. Yazar: MERTCAN EVDİ
  3. Danışmanlar: PROF. DR. MURAT EFE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 98

Özet

Hedef tespit ve takibi son yıllarda gelişen ve önemi giderek artan kritik bir konu haline gelmiştir. Askeri ve sivil alanlar başta olmak üzere radar veya görüntü üzerinden hedef tespit ve takibi yapmak mümkündür. Özellikle maliyet açısından düşük olması ve kullanılabilirlik açısından günümüzde sıklıkla görüntü üzerinden hedef tespit ve takibi yapılmaktadır. Gelişen teknoloji ve yapay zekâ ile birlikte elde edilen tek bant görüntüler kolaylıkla kandırılabilir/atlatılabilir hale gelmiştir. Bu soruna çözüm olarak, çoklu bant görüntü füzyon yöntemi öne çıkmaktadır. Bu çalışmada, günümüzde sıklıkla kullanılan görünür bant ve kızılötesi bant görüntüler, modern füzyon tekniklerinden biri olan piksel bazlı uyarlanabilir ağırlıklı görüntü füzyonu (PAWIF) ve klasik füzyon tekniklerinden biri olan ayrık dalgacık dönüşümü kullanılarak birleştirilmiştir. 320x240 çözünürlüğe sahip ve çoklu hedef barındırarak birleştirilen görüntüler daha sonra takip performansını daha sağlıklı ölçebilmek adına 640x480 çözünürlüğe ölçeklendirilmiştir. Tespit ve takip performansını artırmak amacıyla çeşitli görüntü işleme teknikleri kullanıldıktan sonra modern tespit algoritmalarından birisi olan YOLO ve klasik tespit algoritmalarından birisi olan Haar Cascade kullanılarak tespit işlemi yapılmıştır. Her tespit adımından sonra yine günümüzde oldukça popüler olan DeepSORT algoritması ve klasik takip algoritması olan Basitleştirilmiş Kalman Filtre kullanılarak takip yapılmıştır. Modern ve klasik, tespit ve takip algoritmaları kullanılarak füzyon edilen görüntülerin hem görüntü işlemeli hem görüntü işlemesiz hem de füzyon edilmeden ki versiyonlarının performansları, tespit için Doğruluk (Accuracy), Duyarlılık (Recall), Kesinlik (Precision), F1 Skoru; takip için Çoklu Nesne Takip Doğruluğu (MOTA), Çoklu Nesne Takip Duyarlılığı (MOTP) ve Yüksek Düzey Takip Doğruluğu (HOTA) kullanılarak hesaplanmıştır. Tez çalışmasında elde edilen sonuçlar, modern füzyon yöntemlerinin modern tespit ve takip algoritmalarıyla birlikte kullanıldığında klasik yöntemlere kıyasla daha yüksek performans sağladığını ortaya koymuştur.

Özet (Çeviri)

Target detection and tracking have emerged in recent years as critical topics of growing importance, in both military and civilian domains. These tasks can be performed using radar data or image-based approaches. Due to the lower cost and higher accessibility, image-based detection and tracking methods have become increasingly widespread. However, with advancements in technology and artificial intelligence, single-band images have become more susceptible to deception and evasion. To address this limitation, multi-band image fusion has gained prominence. In this study, visible and infrared images- two of most commonly used spectral bands- are fused using two approaches: a modern technique known as Pixel-wise Adaptive Weighted Image Fusion (PAWIF) and a classical method based on Discreate Wavelet Transform (DWT). After fusion, the images- originally at a resolution of 320x240 and containing multiple targets- are upscaled to 640x480 to allow for more robust tracking performance evaluation. To enhance detection and tracking performance, various processing techniques are applied. Object detection is then performed using both a modern algorithm (YOLO) and a classical one (Haar Cascade). Following each detection step, tracking is carried out using the widely adopted DeepSORT algorithm, as well as a simplified Kalman filter representing a classical tracking method. The performance of fused image is evaluated under three configurations: with image processing, without image processing and without fusion. Detection performance is assessed using Accuracy, Recall, Precision, and F1 Score; while tracking performance is evaluated using Multiple Object Tracking Accuracy (MOTA), Multiple Object Tracking Precision (MOTP), and Higher Order Tracking Accuracy (HOTA). Experimental results demonstrate that the combination of modern fusion methods with modern detection and tracking algorithms yields significantly improved performance compared to classical approaches.

Benzer Tezler

  1. Tez No

    150702

    Önemli zeytin (Olea europaea L.) çeşitlerinin izoenzim polimorfizmleri ve genetik özellikleri

    Isoenzyme polymorphisms and genetic characteristics of important olive (Olea europaea L.) cultivars and types

    SEVDA DÜLGER

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    ZiraatÇanakkale Onsekiz Mart Üniversitesi

    Bahçe Bitkileri Ana Bilim Dalı

    YRD. DOÇ. DR. MURAT ŞEKER

  2. Tez No

    565448

    Sparsity based pansharpening and a new pansharpening method using a guiding image

    Seyreklik tabanlı pankeskinleştirme ve kılavuz görüntü kullanan yeni bir pankeskinleştirme yöntemi

    RONGLEI JI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU

  3. Tez No

    179581

    Pestisit kaplı yüzeyde damla çaplarının belirlenmesinde bilgisayar destekli bir ölçme tekniğinin geliştirilmesi

    Development of a computurised measurement technique for determination of droplet diameters on pesticite deposited

    EBUBEKİR YAŞAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziosmanpaşa Üniversitesi

    Tarım Makineleri Ana Bilim Dalı

    YRD. DOÇ. DR. OĞUZ TEKELİOĞLU

  4. Tez No

    238643

    Aşamalı öğrenmeli destek vektör makineleri ile hiperspektral görüntülerin sınıflandırılması

    Classification of hyperspectral images using incremental support vector machines

    FERHAT ŞÜKRÜ RENDE

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAH BAL

  5. Tez No

    712237

    New approaches for speech enhancement with wavelet transform

    Dalgacık dönüşümü ile konuşma iyileştirme için yeni yaklaşımlar

    ELİF ÖZEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiYaşar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NALAN ÖZKURT

Geri Dön