Uydu görüntülerinden uçak tespiti

Abstract

Uydu görüntüsü analizi, görüntü işleme alanındaki sivil ve askeri uygulamalar için birçok araştırma çalışmasının yapıldığı bir araştırma alanıdır. Uydu görüntüleri; bölgelerin, binaların, yolların, hava araçlarının ve diğer insan yapımı nesnelerin tanınması, tespit edilmesi ve sınıflandırılması dahil olmak üzere birçok uygulamaya sahiptir. Bunlar arasında, özellikle uçak tespiti askeri uygulamalar için stratejik olarak önemlidir ve bu tez çalışmasının temelini oluşturur. Çalışmanın ilk aşamasında, bu alandaki veri eksikliğini telafi etmek için 2705 uydu görüntüsünü içeren ATA-Plane veri kümesi Google Earth Pro kullanılarak oluşturuldu. Her görüntüde en az bir hedef bulunan, dünyanın farklı bölgelerinden, farklı boyutlarda yaklaşık 8584 örnek toplandı. Veri kümesindeki resim sayısını artırmak için, Google Earth Pro'nun geçmiş görüntüleri özelliğini kullanarak aynı konumlardaki resimler farklı zamanlarda elde edildi. İkinci aşamada, hava taşıtlarının tespiti Evrişimsel Sinir Ağına (CNN) dayanan algoritmalar kullanılarak yapıldı. Bölgesel Tam Bağlı Evrişimsel Ağ (R-FCN), Tek Çekim Çok Kutu Dedektör (SSD) ve Daha Hızlı R-CNN yöntemleri bu işlem için kullanıldı. R-FCN, SSD ve Faster R-CNN için elde edilen doğruluk oranları sırasıyla %98.01, %69.71 ve %96.56 olarak elde edildi.

Satellite image analysis is a research area in which many research studies are carried outfor civil and military applications in the field of image processing. Satellite imagery hasmany applications including recognition, detection and classification of regions,buildings, roads, aircraft and other man-made objects. Among these, especially aircraftdetection is strategically important for military applications and forms the basis of thisstudy. In the first phase of the study, a new dataset of aircrafts is created from GoogleEarth images to compensate the shortage of data set in this area. This dataset, namedATA-Plane dataset, contains 2705 satellite images. Each dataset image contains at leastone target of different sizes collected from different parts of the world with 8584instances. In the second stage, the detection of air vehicles was carried out usingalgorithms based on Convolutional Neural Network (CNN). Region-based FullyConvolutional Network (R-FCN), Single Shot Multi Box Detector (SSD) and Faster R-CNN methods are used for this process. The obtained accuracy rate for R-FCN, SSDand Faster R-CNN are 98.01%, 69.71% and 96.56%, respectively.