Bu kaydın yasal hükümlere uygun olmadığını düşünüyorsanız lütfen sayfa sonundaki Hata Bildir bağlantısını takip ederek bildirimde bulununuz. Kayıtlar ilgili üniversite yöneticileri tarafından eklenmektedir. Nadiren de olsa kayıtlarla ilgili hatalar oluşabilmektedir. MİTOS internet üzerindeki herhangi bir ödev sitesi değildir!

Kızılötesi görüntü dizileri için düşük sinyal-gürültü oranında otomatik hedef tespiti

Diğer Başlık: Automatic target detection in low signal to noise ratio for infrared image sequences

Oluşturulma Tarihi: 2016

Niteleme Bilgileri

Tür: Tez

Alt Tür: Doktora

Yayınlanma Durumu: Yayınlanmış

Dosya Biçimi: PDF

Dil: Türkçe

Konu(lar): BİLİM, Elektrik mühendisliği. Elektronik. Nükleer mühendislik,

Yazar(lar): TUNÇ, Seyit (Yazar),

Emeği Geçen(ler): ILGIN, Hakkı Alparslan (Tez Danışmanı),


Yayınlayan: Ankara Üniversitesi Fen Bilimleri Enstitüsü Elektrik-Elektronik Mühendisliği Anabilim Dalı Yayın Yeri: Ankara Yayın Tarihi: 2016 Yayınlandığı Sayfalar: 173 s.


Dosya:
file show file
Görüntüle
download file
Kaydet

Anahtar Kelimeler

Görsel hedef tespiti, düşük SNR, sönük nesne, görsel dikkat, çıkıntı, Visual target detection, low SNR, dim object, visual attention, saliency 


Özet

Otomatik hedef tespiti çeşitli gözetleme ve güvenlik uygulamaları için ilk ve önemli bir adımdır. Kızılötesi görüntülerde, görüntüleyici ile hedef arasındaki mesafenin fazla olması, kötü hava koşulları ya da hedefin karmaşık arka planda yer alması, hedefin genellikle düşük sinyal-gürültü oranında olmasına sebep olmaktadır. Bu tez çalışmasında da, bir sahnede yer alan düşük sinyal-gürültü oranına sahip hedeflerin otomatik olarak tespit edilebilmesi için hedef sinyalinin iyileştirilmesi üzerine durulmuştur. Kızılötesi görüntülerde ilgilenilen hedefler düşük sinyal gürültü oranında olsa bile çıkıntılı ve insan görü sistemi için dikkat çeker bölgeler olduğu farkedilmiştir. Bu sebeple problemin çözümü için insan görü sistemi modelleri üzerine odaklanılmıştır. Çalışma kapsamında, sahnedeki bir hedefin tespit edilebilirliğini sayısal olarak tanımlayan bir kıstas ve birçok koşulda parametre değişimine ihtiyaç duymadan hedefi yüksek başarımda otomatik olarak tespit edebilen bir yöntem önerilmiştir. Ayrıca burada uygulanan problem çözme yaklaşımının da birçok çalışma için uygulanabilir olduğu ve yüksek başarım sergileyebilecek çözümlerin önerilmesi için kullanılabileceği değerlendirilmektedir. Önerilen nesnel kıstas, hedef sinyalinin arka plana oranlanmasıyla elde edilmektedir. Hedef sinyali her bir hedef pikselinin arka plan ortalaması arasındaki kontrastı, arka plan ise görüntünün standart sapması üzerinden temsil edilmektedir. Sentetik ve gerçek görüntüler üzerinde, önerilen nesnel kıstas ve literatürde sıklıkla kullanılan diğer nesnel kıstaslar, öznel değerlendirme sonuçları ile karşılaştırılmıştır. Karşılaştırma sonucunda yeni tanımın öznel değerlendirmeye en yakın sonucu verdiği görülmüştür. Önerilen otomatik hedef tespiti yönteminde ise faz spektrumu kullanılmaktadır ve çoklu standart sapmalı Gauss karışım modeli bir filtre ile görüntü yumşatılarak sonuca ulaşılmaktadır. Yöntemin başarımı yaygın kullanılan çıkıntı tespit yöntemleri ile iyileştirme ve tespit kabiliyeti ve işlem gücü ihtiyacı açısından karşılaştırılmıştır. Karşılaştırma sonucunda diğer yöntemler bazı test görüntülerinde başarılı bazılarında ise başarısız olmaktadırlar. Başarısız olunan senaryolarda da başarılı olabilmesi için farklı parametre grubu ile bu yöntemlerin ayarlanması gerekmektedir. Önerilen yöntem ise parametre değiştirilmeksizin, yani önbilgi olmaksızın, hemen hemen tüm senaryolarda yeterli başarım sergilemektedir ve gerçek-zaman uygulamalarında da kullanılabilir olduğu değerlendirilmektedir. 

Abstract

Automatic target detection is the first and very important step for various surveillance and security applications. Long distance between imager and targets, bad weather conditions or cluttered background mostly cause low signal-to-noise ratio in infrared images. In this thesis, enhancement of target signal in a scene consisting low signal-to-noise ratio is considered in order to detect target automatically. It is realized that interested targets are salient regions and attract attention of human visual system even if they have low signal-to-noise ratio in infrared images. For that reason human visual system models are focused to solve the problem. A metric defining detectability of a target in a scene objectively and a method able to detect target in high performance without requiring any parameter tuning are introduced in this study. Additionally, the problem solving approach utilized here may be applicable into several studies and used to propose solution methods that may show high performance. The proposed objective metric is obtained by dividing target signal by background. Target signal is represented by contrast between each target pixel and mean of background pixels while background is represented by  standard deviation of image in this metric. The introduced and the other objective metrics widely used in the literature are compared with subjective evaluation results using synthetic generated and real world images. According to the comparison results the new definition gives the closest trend to the subjective evaluation. Phase spectrum is used and results are smoothed by a Gaussian mixture model filter with  multiple standard deviation in the proposed automatic target detection method. Its performance is compared with wellknown saliency detection methods in enhancement and detection capabilities and required execution time. As a result of the comparison the other methods are failed in some test images. Different parameter sets should be employed in those methods to achieve successful results in those images. In contrast to other methods, the proposed method have sufficient results in almost all test images without any parameter tuning, in other words without prior information, and is put to good use in real-time applications. 


İçindekiler



Açıklamalar



Haklar



Notlar



Kaynakça


Atıf Yapanlar

Gözat Sayfasına Dön

 

Sosyal Medya ve Araçlar

İstatistikler

  • Kayıt
    • Bu ay: 87
    • Toplam: 30425
  • Online
    • Ziyaretçi: 146
    • Üye: 0
    • Toplam: 146

Detaylı İstatistikler