Tez Arşivi

Tez aramanızı kolaylaştıracak arama motoru. Yazar, danışman, başlık ve özete göre tezleri arayabilirsiniz.


Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Anabilim Dalı

A fully automatic shape based geo-spatial object recognition

Tam otomatik şekil tabanlı yer uzamsal nesne tanıma

Teze Git (tez.yok.gov.tr)

Bu tezin tam metni bu sitede bulunmamaktadır. Teze erişmek için tıklayın. Eğer tez bulunamazsa, YÖK Tez Merkezi tarama bölümünde 318969 tez numarasıyla arayabilirsiniz.

Özet:

A great number of methods based on local features or global appearances have been proposed in the literature for geospatial object detection and recognition from satellite images. However, since these approaches do not have enough discriminative capabilities between object and non-object classes, they produce results with innumerable false positives during their detection process. Moreover, due to the sliding window mechanisms, these algorithms cannot yield exact location information for the detected objects. Therefore, a geospatial object recognition algorithm based on the object shape mask is proposed to minimize the aforementioned imperfections. In order to develop such a robust recognition system, foreground extraction performance of some of popular fully and semi-automatic image segmentation algorithms, such as normalized cut, k-means clustering, mean-shift for fully automatic, and interactive Graph-cut, GrowCut, GrabCut for semi-automatic, are evaluated in terms of their subjective and objective qualities. After this evaluation, the retrieval performance of some shape description techniques, such as ART, Hu moments and Fourier descriptors, are investigated quantitatively. In the proposed system, first of all, some hypothesis points are generated for a given test image. Then, the foreground extraction operation is achieved via GrabCut algorithm after utilizing these hypothesis points as if these are user inputs. Next, the extracted binary object masks are described by means of the integrated versions of shape description techniques. Afterwards, SVM classifier is used to identify the target objects. Finally, elimination of the multiple detections coming from the generation of hypothesis points is performed by some simple post-processing on the resultant masks. Experimental results reveal that the proposed algorithm has promising results in terms of accuracy in recognizing many geospatial objects, such as airplane and ship, from high resolution satellite imagery.

Summary:

Son yıllarda, uydu görüntülerinden yer uzamsal nesne tespiti ve teşhisi hakkında literatürde yerel öznitelikler veya bütünsel görünüş temelli çok sayıda metot önerilmiştir. Ama bu metotlar nesne sınıfı ile arkaplan sınıfı arasında yeterince ayırt edici kabiliyete sahip olmadığı için tespit işlemi sırasında çok sayıda yanlış alarmlı sonuç üretirler. Ayrıca tespit işleminde kullanılan kayan pencere mekanizmasından dolayı genellikle bu algoritmalar bulunan nesnelerin konum bilgisini tam olarak veremezler. Bundan dolayı yukarıda bahsedilen eksiklikleri gidermek için nesnenin şekline dayalı yer uzamsal nesne tanıma algoritması önerilmiştir. Böyle bir gürbüz nesne tanıma sistemini geliştirmek için öncelikle bazı popüler tam ve yarı otomatik görüntü bülütleme algoritmalarının, örneğin tam otomatik için düzgülü kesik, k-orta kümeleme, ortalama kayma ve yarı otomatik için interaktif grafik kesik, GrabCut, GrowCut, önplan nesne çıkarımı performansları nesnel ve öznel olarak değerlendirilmiştir. Ondan sonra ARD, Hu momentler ve Fourier tanımlayıcıları gibi bazı şekil tanımlayıcı tekniklerinin erişim performansları incelenmiştir. Önerilen sistemde ilk önce verilen test görüntüsündeki hipotez noktaları üretilmektedir. Daha sonra, bu hipotez noktaları kullanıcı girdisi gibi kullanıldıktan sonra interaktif GrabCut algoritması vasıtasıyla önplan nesnesini elde etme işlemi gerçekleştirilir. Ardından, çıkarılan ikili nesne maskeleri şekil tanımlayıcı tekniklerinin entegre edilmiş sürümü aracılığıyla tanımlanır. Daha sonra, hedef nesneleri tespit etmek için DVM sınıflandırıcısı kullanılır. Son olarak, hipotez noktalarının üretimi sırasında meydana gelen birden fazla tespitlerin elenmesi sonuç maskeleri üzerinde birkaç basit ileri işlemeyle gerçekleştirilir. Deney sonuçları önerilen algoritmanın yüksek çözünürlüklü uydu görüntülerinden uçak ve gemi gibi çok sayıda sınıftan yer uzamsal nesnelerin tanıma performansı açısından umut verici sonuçlara sahip olduğunu göstermiştir.