Methods for target detection in SAR images

SAR (Sentetik Açıklık Radarı) imgelerinde insan yapımı nesnelerin tanımı ve sınıflandırması aktif bir araştırma alanı oluşturmuştur, çünkü kızılötesi ve optik algılayıcıların aksine SAR algılayıcıları günün her saatinde ve her türlü hava şartlarında imge üretebilmektedir [1, 2]. Bu tezde SAR imgelerinden çeşitli öznitelik parametre çıkarma yöntemleri sunulmaktadır. Bu yeni yaklaşım bir ilgi bölgesinin (ROI) ortak değişinti matrisinin hesaplanmasını içeren bölge ortak değişinti (RC) yöntemine dayanmaktadır. Ortak değişinti matrisinin elemanları hedef tespitinde kullanılmıştır. Ayrıca, SAR imgelerinde hedef tespiti için hesaplama yükü açısından daha verimli olan bölge ortak fark matrisi de tanıtılmıştır. MSTAR (Hareketli ve Durağan Hedef Tanıma) veritabanı üzerinde hedef tespit benzetim sonuçları verilmiştir. Bölge ortak değişinti ve fark yöntemleri yüksek tespit doğrulukları ve düşük yanlış kabul yüzdeleri ortaya koymaktadır. Bu yöntemlerin performansları çeşitli uzaklık mertrikleri ve Destekçi Vektör Makine (SVM) sınıflandırıcıları kullanılarak incelenmiştir. Aynı zamanda, benzetim sonuçlarına bakıldığında, bölge ortak fark yönteminin yaygın olarak uygulanan ve burada SVM ile kullanılan Temel Bileşenler Analizi (PCA) yöntemine göre daha iyi sonuçlar verdiği gözlemlenmiştir.Tezin ikinci bölümünde, önerilen yöntemlerin hesaplama yükünü azaltmak için yeni teknikler öne sürülmektedir. Bu yaklaşımda, bir önişleme kademesi olarak imge bölgeleri yön süzgeçlerinden (DFs) geçirilmiştir. Önerilen ortak değişinti ve fark yöntemleri bu süzgeçler aracılığıyla belirlenen kategoriler içerisinde uygulanmıştır. MSTAR veritabanında l1 düzge uzaklık metriği ve SVM kullanılarak alınan kararlar doğrultusunda hedef tespit benzetim sonuçları ortaya konulmuştur. Eğitim imgelerinin kategorilere ayrılmasından dolayı, l1 düzge uzaklık ölçütü kullanıldığında bu imgelerle yapılan karşılaştırma sayısı azalmaktadır. Bu sayede, önceki algoritmanın hesaplama yükü büyük ölçüde düşer. Uzaklık ölçütü olarak l1 düzgeye dayalı SAR imge sınıflandırması sonuçları SVM kullanılarak elde edilen sonuçlara göre daha iyidir. Ayrıca bu sonuçlar, özellikle ortak fark öznitelikleri kullanıldığında, iki-kademeli sistemin hedef tespit performansının önerilen önceki yönteme göre fazla düşmediğini göstermiştir.