Sualtı görüntülerinde iyileştirme ve hedef tespiti

Abstract

Deniz tabanı fizyonomisi ve sualtı hedeflerin algılanması ve sınıflandırılması; deniz bilimleri, sivil ve askeri birçok uygulama için son yıllarda önemli bir konu olmuştur. Bu amaçla sualtı görüntülerini yakalamak için çeşitli akustik sensörler (sonarlar) ve kısa menzilli uygulamalar için optik sensörler (kameralar) kullanılmaktadır. Sonarlar ile yakalanan görüntülerde mayın tespiti ve sınıflandırılması, hedef tespiti ve sınıflandırılması veya deniz dibi haritalarının çıkarılması, AUV navigasyon ve yol planlaması, ayrıca optik sensörler aracılığı ile yakalanan görüntülerde sınırlı görünürlük, bulanıklık ve pus etkisinin kaldırılması gibi birçok uygulama için görüntü işleme yöntemlerine ihtiyaç duyulmaktadır. Bu tez çalışmasında ise akustik görüntülerdeki hedef/nesne/engel tespiti ve optik sensör görüntüleri üzerinde görüntü iyileştirme yöntemleri üzerinde durulmuştur.Bu tez kapsamında insansız bir sualtı aracının güvenli bir şekilde ilerleyebilmesi için görüntüleme sonarı kullanarak engel/nesne tespiti yapan ve gerçek zamanlı çalışan bulanık mantık temelli bir yöntem önerilmiştir. Ayrıca insansız bir sualtı aracında deniz dibini görüntülemek için kullanılan yandan taramalı sonar görüntüleri üzerinde nesne /hedef tespiti yapan özgün yöntemler geliştirilmiştir. Büyük batıkların tespiti amaçlı Ampirik Kip Ayrışımı temelli bir yöntem önerilmiştir. Mayın gibi küçük batıklar için Markov Rassal Alanlar yönteminin aydınlık dengelemesi yapıldıktan sonra kullanılması önerilip doğru tespit sayısını arttırdığı gösterilmiştir. Seyreklik Ayrıştırma temelli yaklaşımlar geliştirilerek yandan taramalı sonar görüntülerinde nesne/hedef tespiti yapılarak başarım büyük oranda arttırılmıştır.Bu tez kapsamında optik sensörle yakalanan görüntülerin iyileştirilmesi için iki özgün yöntem önerilmiştir. İlk yöntem Ampirik Kip Ayrışımı temelli bir yöntem iken diğer yöntem ise HDR (High Dynamic Range) imge oluşturmaya dayanan bu sırada karşıtlık limitli adaptif histogram eşitleme kullanılarak daha geniş dinamik aralık elde edilmesini sağlayan bir yöntemdir.

Sea floor physiognomy and detection and classification of underwater targets have been important topics for many applications in marine sciences, civilian and military fields in the recent years. Therefore acoustic sensors and optical sensors (cameras) are being used to capture underwater images. Image processing methods are required for the detection and classification of mines, detection and classification of targets, AUV navigation and route planning using the images captured by acoustic sensors. Image processing is also necessary in order to remove limited visibility, blur and fog effects in the images captured by optical sensors. In this thesis the detection of targets/objects/obstacles in acoustic images and image enhancement methods in optical sensor images has been targeted.A fuzzy logic based method operating in realtime which performs obstacle/object detection using imaging sonar for an unmanned underwater vehicle to move safely has been proposed in this thesis. Original methods have been proposed for detecting object/target in side scanned sonar images which are used to display the sea floor in unmanned underwater vehicles. A method based on Empirical Mode Decomposition has been proposed for the detection of large sunken objects. Utilization of Markov Random Fields after illumination equalization has been proposed for small sunken objects like mines and this has been shown to increase the number of correct target detection. The performance has been increased substantially by developing approaches based on Sparse Decomposition.Two original methods have been proposed in this thesis for improving images captured by optical sensors. The first method is based on Empirical Mode Decomposition, while the other method relies on HDR(High Dynamic Range) image forming that facilitates a wider dynamic range by using contrast limited adaptive histogram equalization.