| dc.description.abstract | Radar sistemlerinde hedefin tespit edilme olasılığını azaltan etmenlerin azaltılması önemli bir konudur. Kıyı sınırlarının güvenliğinin sağlanması veya gemi takibi yapılması gibi uygulamalarda sadece takibi yapılan hedef nesne ile çalışılması uygulama başarısını yükseltmektedir. Radar ile görüntüleme radar vericisi tarafından gönderilen sinyallerin hedeflerden radara yansımalarının gücü kullanılarak yapılmaktadır. Deniz radarları ile görüntüleme yapılırken kara ve kargaşa bölgelerinden gelen güçlü yansımalar hedef tespit ve takip performansını olumsuz yönde etkilemektedir. Bu sebeple harita ve Doppler bilgisinin bulunmadığı durumlarda radar videolarında karasal alanların belirlenmesi önem taşımaktadır. Tez çalışmasında deniz radarı videolarında karasal alanların saptanmasının belirli bir doğrulukta gerçekleştirilmesi için çıkıntı saptamaya dayalı bir yöntem önerilmiştir. Video verisi kullanılan çalışmalarda statik ve dinamik olmak üzere iki çıkıntı durumu bulunmaktadır. Çalışma kapsamında statik belirginliğin saptanması için görüntü bölütleme yöntemleri önerilmiş ve bu yöntemlerin başarım analizleri yapılarak en iyi sonuç veren yöntem seçilmiştir. Dinamik belirginliğin saptanması için de Horn-Schunk optik akış yönteminin kullanılması önerilmiştir. Optik akış ile elde edilen vektörlerden, yapılan literatür çalışması sonucunda, çıkarılması gereken özniteliklerin zamansal alan öznitelikleri olduğu belirlenmiştir. Belirlenen özniteliklerden sınıflandırıcının performansını olumsuz yönde etkileyen öznitelikler elenerek öznitelik seçme işlemi gerçekleştirilmiştir. Seçilen özniteliklerin kullanıldığı çeşitli sınıflandırıcıların performansları karşılaştırılmış, en yüksek başarıma sahip sınıflandırıcı seçilerek kara, deniz ve kargaşa bölgeleri sınıflandırılmıştır. Yapılan çalışmada radar videolarında karasal alanların bilgisayarla görme ve makine öğrenmesine ait yöntemler kullanılarak yüksek oranda tespit edilebildiği gösterilmiştir.
In radar systems, reducing the factors that decrease probability of target detection is an important issue. Working with only the object that is tracked for the applications such as assuring coastal safety or ship tracking increases the application success. Radar imaging is done using the power of radar reflections from the targets of the signals sent by the radar transmitter. While imaging is done with marine radar, strong reflections from land and cluttered areas lead to decreasing the performance of target detection and tracking. Therefore, when there is no map and Doppler information, land area detection becomes so important task. In this thesis, a method based on saliency detection which results significant accuracy, is proposed for detection of land areas in marine radar videos. Static and dynamic saliency detection are main two subjects of working on video data. In this study, to detect static saliency, image segmentation methods are proposed and the best image segmentation method has chosen after evaluation of their performance. To detect dynamic saliency, Horn-Schunk optical flow method is proposed. As a result of the literature study, it has been determined from the optical flow vectors that the features to be extracted is temporal domain features. Some of these features which reduce classifier performance are eliminated in feature selection phase. The performances of the various classifiers in which the selected features are In this study, it has been shown that land areas can be detected with high accuracy rate in radar videos with using computer vision and machine learning methods used are compared and the land, sea and cluttered areas are classified by choosing the classifier with the highest performance. | tr_TR |
