Video processing algorithms for wildfire surveillance
Orman yangını gözetleme amaçlı video işleme algoritmaları
- Tez No: 388272
- Danışmanlar: PROF. DR. A. ENİS ÇETİN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Sayısal görüntü işleme, Örüntü tanıma, Projections onto convex sets, classifier fusion, online learning, entropymaximization, wildfire detection, adaptive filtering, LMS, Bregman divergence, image Processing, infrared, mutual information, wavelet transform, image registration, log-polar transform, supporting hyperplanes., Digital image processing, Pattern recognition
- Yıl: 2015
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Orman yangını gözetleme amaçlı çeşitli görüntü ve video işleme algoritmaları geliştirilmiştir. Önerilen yöntemler; sınıflandırıcı tümleştirme, çevrimiçi öğrenme, gerçek zamanlı öznitelik çıkarma, görüntü çakıştırma ve optimizasyonu içermektedir. İlk bölümde entropi fonksiyonu tabanlı çevrimiçi sınıflandırıcı tümleştirme altyapısı geliştirilmiştir. Bregman uyumsuzluğu uzaklık ölçüsü olarak kullanılarak, sınıflandırıcıların çıkış kararlarını açıklayan hiperdüzlemlerin üzerine izdüşümler yapılmıştır. Bu sistemin performansı, önceden tanımlı pozisyonları tarayan sabit kameralar ile orman yangını bulma yönteminde test edilmiştir. Tezin ikinci bölümünde, pasif-agresif çevrimiçi öğrenme algoritmalarının farklı formülasyonları ve karışım uygulamaları araştırılmıştır. Birden fazla çevrimiçi sınıflandırıcı veya farklı güncelleme parametreleri ile eğitilmiş aynı sınıflandırıcıların performansını artırmak için kullanılabilecek bir tümleştirme yöntemi önerilmiştir. Bu yöntemlerin gerçek zamanlı performansını test etmek için hava platformlarından video tabanlı orman yangını algılama sistemi tanıtılmıştır. Tezin üçüncü bölümünde, rastgele hiperdüzlemler ve derin sinir ağları kullanılarak gerçek zamanlı dinamik doku tanıma yöntemini önerilmiştir. Dinamik doku videoları uzam-zamansal bloklara bölünüp, yerel ikili örüntü (LBP) yöntemi kullanılarak öznitelikler çıkarılmıştır. Hesaplamalarda bloklardaki piksellerin rasgele seçilen bir altkümesi kullanılarak LBP metodunun hesap yükü azaltılmıştır. Rasgele hiperdüzlemler ve derin sinir ağları kullanılarak en son öznitelik vektörünün de boyutları azaltılmıştır. Bu yöntemin başarımı bir dinamik doku veri tabanında ve kızılötesi videolarda yangın tespiti probleminde test edilmiştir. Aynı öznitelikler ayrıca hareketli kameralar ve panoramik arkaplan kestirimi ile hızlı orman yangını tespiti için de kullanılmıştır. Gerçek zamanlı görüntülerin arkaplan görüntüsü ile çakıştırılması için hızlandırılmış gürbüz öznitelikler ve karşılıklı bilgi miktarı kullanılmıştır. Çok-kipli gözetleme uygulamaları için bir sonraki adım farklı cihazlar ile elde edilen görüntülerin çakıştırılmasıdır. Bunun için kızılötesi ve görünür aralık kameralar için çok-kipli görüntü çakıştırma algoritması önerilmiştir. Dönme ve ölçek parametrelerini bulmak için log-polar dönüşümü ve karşılıklı bilgiye dayalı bir benzerlik ölçüsü tanımlanmıştır. Öteleme parametrelerini bulmak için ise karşılıklı bilgi ve artık dalgacık dönüşümü kullanılarak yeni bir benzerlik ölçüsü tanımlanmıştır. Bu benzerlik fonksiyonunu optimize etmek için dışbükey kümelere izdüşüm yöntemine dayalı yeni bir metot geliştirilmiştir. Anahtar s¨ozc¨ukler : ˙I¸cb¨ukey k¨umelere izd¨u¸s¨um, sınıflandırıcı birle¸simi, ¸cevrimi¸ci ¨o˘grenme, entropi maksimizasyonu, yangın algılama, adaptif filtreleme, LMS, Bregman ayrıklı˘gı, g¨or¨unt¨u i¸sleme, kızıl¨otesi, kar¸sılıklı bilgi, dalgacık d¨on¨u¸s¨um¨u, g¨or¨unt¨u e¸sle¸stirme, destek hiperd¨uzlemler, log-polar d¨on¨u¸s¨um¨u..
Özet (Çeviri)
We propose various image and video processing algorithms for wildfire surveillance. The proposed methods include; classifier fusion, online learning, real-time feature extraction, image registration and optimization. We develop an entropy functional based online classifier fusion framework. We use Bregman divergences as the distance measure of the projection operator onto the hyperplanes describing the output decisions of classifiers. We test the performance of the proposed system in a wildfire detection application with stationary cameras that scan predefined preset positions. In the second part of this thesis, we investigate different formulations and mixture applications for passive-aggressive online learning algorithms. We propose a classifier fusion method that can be used to increase the performance of multiple online learners or the same learners trained with different update parameters. We also introduce an aerial wildfire detection system to test the real-time performance of the analyzed algorithms. In the third part of the thesis we propose a real-time dynamic texture recognition method using random hyperplanes and deep neural networks. We divide dynamic texture videos into spatio-temporal blocks and extract features using local binary patterns (LBP). We reduce the computational cost of the exhaustive LBP method by using randomly sampled subset of pixels in the block. We use random hyperplanes and deep neural networks to reduce the dimensionality of the final feature vectors. We test the performance of the proposed method in a dynamic texture database. We also propose an application of the proposed method in real-time detection of flames in infrared videos. Using the same features we also propose a fast wildfire detection system using pan-tilt-zoom cameras and panoramic background subtraction. We use a hybrid method consisting of speeded-up robust features and mutual information to register consecutive images and form the panorama. The next step for multi-modal surveillance applications is the registration of images obtained with different devices. We propose a multi-modal image registration algorithm for infrared and visible range cameras. A new similarity measure is described using log-polar transform and mutual information to recover rotation and scale parameters. Another similarity measure is introduced using mutual information and redundant wavelet transform to estimate translation parameters. The new cost function for translation parameters is minimized using a novel lifted projections onto convex sets method.
Benzer Tezler
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Renk görüntü teorisi ve televizyona uygulaması
Theories of colour vision and their application to television
MUSTAFA LAMİ TAPLAMACIOĞLU
Doktora
Türkçe
1986
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Eğitimi Ana Bilim Dalı
DOÇ. DR. ATİLLA ÖZMEN
- Tarihsel gelişimi bakımından TRT'nin yönetim şekli ve hukuk düzeni
Başlık çevirisi yok
KAMİL ÖZÇELİK
Yüksek Lisans
Türkçe
1987
Radyo-Televizyonİstanbul ÜniversitesiRadyo Televizyon Ana Bilim Dalı
PROF. DR. EROL CİHAN
- Reklam pazarlama
Başlık çevirisi yok
A.SELÇUK TUNA
Yüksek Lisans
Türkçe
1987
Reklamcılıkİstanbul ÜniversitesiGazetecilik Ana Bilim Dalı
DOÇ. DR. MEHMET NİYAZİ ÖKTEM
- Mimari çevrede değişme sürecinin analizi Ulus-Çankaya aksi (Ankara) üzerinde bir deneme
Başlık çevirisi yok
MUSTAFA KANDİL
Doktora
Türkçe
1987
MimarlıkKaradeniz Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ.DR. D. ZAFER ERTÜRK