SAR (sentetik açıklıklı radar) görüntülerinde bölütleme
SAR (synthetic aperture radar) images segmentation
- Tez No: 686164
- Danışmanlar: DOÇ. DR. GAZİ ERKAN BOSTANCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması kapsamında amaçlanan SAR (Sentetik Açıklıklı Radar) görüntüleri ile yeni bir veri seti oluşturma aşamalarının detaylı olarak açıklanması, derin öğrenme modelleri ile bu yeni veri setinin nasıl kullanıldığının gösterilmesi ve kullanılan bu modellerin Mc Nemar's testi ile kıyaslanmasıdır. SAR görüntülerine ücretsiz ve kolay bir şekilde erişilebilse de, görüntülerdeki benek gürültüsü ve ücretsiz etiketlenmiş veri setinin olmamasından dolayı görüntü işlemede direkt olarak kullanılamamaktadır. Bu çalışmada, öncelikle bu gürültüler ortadan kaldırılmış, elde edilen görüntülerin bölütlemede kullanılabilmesi için görüntüler etiketlenmiş ve bölütlemede en başarılı sonuçlar veren derin öğrenme modelleri ile bu yeni veri seti denenmiştir. Toplamda 3 ayrı model kullanılmış olup, modellerden hangisinin daha başarılı olduğu Mc Nemar's testi ile kıyaslanmıştır. Sonuç olarak, kullanılan modellerden HRNet ile %92.23 toplam piksel doğruluğu (PA) ve mean Intersection over Union (mIoU) değeri %70.60 olarak elde edilmiştir. Ayrıca, benek gürültüsünün görüntü bölütlemesindeki etkisini göstermek amacıyla, benek gürültülü görüntüler ile gürültüsüz görüntüler karşılaştırılmış ve sonuçlar birbirleri ile kıyaslanmıştır.
Özet (Çeviri)
The aim of this thesis are to explain of the processes of creating a new data set with SAR (Synthetic Aperture Radar) images in detail, to demonstrate of how this new dataset is used with deep learning models and to compare of these models used with Mc Nemar's test. Although SAR images can be accessed freely and easily, these are not convenient to be used directly due to the speckle noise, and also there is almost no free available labeled dataset for scientific research. In this study, we propose a novel process that automatedly creates a dataset and removes the speckle noise, labeling images and using the automatedly-created dataset to enhance semantic segmentation task results with state of the art deep neural networks. Used 3 models are evaluated with Mc Nemar's test. As a result, we achieved an overall pixel accuracy (PA) of 92.23% and a mean Intersection over Union (mIoU) of 70.60%. Beside, to show the effectiveness of our noise removal process, we compare the results of models on speckled noise and noise-free versions of our newly-created dataset.
Benzer Tezler
- Dictionary learning and low-rank sparse matrix decomposition for sparsity-driven SAR image reconstruction
Seyreklik güdümlü SAR geriçatımı için sözlük öğrenimi ve düşük sıralı seyrek matris ayrışımı
ABDURRAHİM SOĞANLI
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
- 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
2018
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İRFAN KARAGÖZ
- Use of spatial information in classification and segmentation of synthetic aperture radar images
Uzamsal bilgilerin yapay açıklıklı uydu görüntülerinin sınıflandırma ve bölütleme işleminde kullanılması
ÜNSAL GÖKDAĞ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- Segmentation of satellite sar images using squeeze and attention based deep networks
Uydu-bazlı sar imgelerınde kısık dıkkat odaklı derin ögrenme kullanan segmentasyon algoritması
ELMIRA KHAJEI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM KÖRPEOĞLU
- Sentetik açıklıklı radar görüntülerinde otomatik hedef tanıma
Automatic target recognition in synthetic aperture radar images
MAHMUT ESAT DEMİRHAN
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜL SALOR DURNA