Yazar "Özdemir, Taha Burak" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim Yok
    Öğe
    Görüntü Histogramları ve Makine Öğrenmesi Yaklaşımı Kullanarak SAR Gemi Tespiti
    (2024) Hanbay, Kazım; Çalışan, Mücahit Çalışan; Özdemir, Taha Burak
    SAR görüntülerinde gemi tespiti ve sınıflandırması önemli ve aktif bir araştırma alanıdır. Ticari ve askeri gemilerin gözetimi ve takibi gibi uygulamalarda kolaylık sağlayarak etkin gözetim imkânı sunar. Bu çalışmada SAR görüntüleri Hessian matrisi ve HOG algoritması kullanılarak sınıflandırılmıştır. Hessian matrisinin özdeğerleri kullanılarak HOG yönteminin açı ve yönelim bilgisi hesaplanmıştır. Böylece ayırt edici piksel özellikleri kodlanmıştır. Yöntemimiz, sınıflandırma doğruluğu açısından istenilen sonuçlar elde etmiştir. Önerilen metot %94.50 sınıflandırma başarısı elde etmiştir.
  • Küçük Resim Yok
    Öğe
    Makine öğrenmesi ve görüntü işleme yöntemleri ile sar görüntülerinde gemi tespiti
    (İnönü Üniversitesi, 2024) Özdemir, Taha Burak; Hanbay, Kazım
    Sentetik açıklıklı radar (SAR) görüntüleri günümüzde savunma sanayisi, deniz izlemeleri, çevresel atıkların takibi ve afet gibi acil durumlarda yoğun olarak kullanılmaktadırlar. İklim ve hava koşullarından bağımsız olarak her durumda yüksek kalitede görüntüler sunan bu teknoloji ile etkin nesne tanıma ve hedef takibi uygulamaları geliştirilmektedir. Tez çalışmasında SAR görüntülerindeki gemileri tespit edip sınıflandıran iki yöntem geliştirilmiştir. İlk olarak kapsamlı bir SAR gemi görüntüleri içeren bir veri tabanı oluşturulmuştur. Bu veri tabanında dünyanın farklı bölgelerindeki liman, deniz ve okyanuslardan görüntüler alınmıştır. Böylece kapsamlı bir veri tabanı oluşturulmuştur. Görüntülerden anlamlı özellik vektörleri elde etmek için ilk olarak gri seviye eş oluşum matrisinden 4 farklı istatistiksel ölçüm yapılmıştır. Gri seviye eş oluşum matrisinin inşa edilmesinde Gauss türev filtreleri kullanılmıştır elde edilen özellik vektörleri destek vektör makineleri ile sınıflandırılmıştır. Geliştirilen ikinci yöntemde ise görüntülerin Hessian matrisleri hesaplanmıştır. Hessian matrisinin öz değerleri hesaplanarak gradyan büyüklükleri ve gradyan yönelimleri elde edilmiştir. Bu iki bilgi ile etkin histogram etiketlemesi yapılmıştır. Böylece gemi olan ve olmayan bölgelerin piksel verileri etkin şekilde ayırt edilmiştir. Elde edilen özellik vektörleri yapay sinir ağları ile sınıflandırılmıştır. Önerilen yöntem LBP (Local Binary Pattern) yöntemi karşılaştırılmıştır. Deneysel sonuçlar önerilen yöntemlerin gemi sınıflandırmada etkin sonuçlar verdiğini göstermiştir.
  • Küçük Resim
    Öğe
    Ship Classification Based On Co-Occurrence Matrix and Support Vector Machines
    (İnönü Üniversitesi, 2024) Hanbay, Kazım; Özdemir, Taha Burak
    Synthetic aperture radar (SAR) is an important and efficient imaging technology. This system provides robust information for various applications such as ship detection, climate change, and agricultural land modeling. Ship detection and classification problem is an important object detection problem that involves difficulties. There are deep-learning-based studies to solve this problem. However, mathematical and statistical methods should be developed for ship classification applications. In this paper, gray-level co-occurrence matrix-based method is proposed. The gradient of the input SAR image was calculated using Gaussian derivative filters. The gradient magnitude was calculated with horizontal and vertical gradient information. Gray-level co-occurrence matrix was obtained using gradient magnitude. The meaningful features of the images were calculated by performing 4 different statistical calculations. Results on our SAR database reveal the proposed model's superior classification performance.