Makine Öğrenimi Tabanlı SAR ATR'de ISAR Eğitim Verilerinin Kullanımına İlişkin Bir Fizibilite Analizi

Basit Öğe Kaydı
dc.contributor.authorYiğit, Enes
dc.contributor.authorDemirci, Şevket
dc.contributor.authorÖzkaya, Umut
dc.date.accessioned2025-01-21T14:28:06Z
dc.date.available2025-01-21T14:28:06Z
dc.date.issued2023
dc.description.abstractOtomatik hedef tanıma (ATR) için sentetik açıklıklı radar (SAR) görüntülerinin işlenmesi, özellikle askeri gözetlemede kritik bir uygulamadır. Özellikle, bu görev için çok sayıda makine öğrenimine dayalı SAR ATR yöntemi önerilmiştir. Ancak tüm bu yöntemlerin veri eğitimi ve test aşamaları, araştırılan hedefin SAR imzalarının kullanılmasına dayanmaktadır. Radar hedeflerinin yüksek değişkenliği göz önüne alındığında, bu tür imza verilerinin elde edilmesinin maliyetli ve zaman alıcı bir süreç olduğu açıktır. Bu çalışmada, bu nedenle, SAR ATR'de ters SAR (ISAR) eğitim verilerinin kullanımının ilk kez bir fizibilite analizi yapılmıştır. Eğitimlerde üç farklı aracın döner tabla ISAR ve dairesel SAR görüntüleri kullanılmakta ve kamuya açık MSTAR veri setinde benzer üç hedefin SAR görüntüleri aracılığıyla testler gerçekleştirilmektedir. Ayrıca, KNN, SVM ve ANN olmak üzere en önde gelen üç makine öğrenme yöntemi, GLRLM, GLSZM ve GLCM olmak üzere üç farklı özellik çıkarma algoritması ile birlikte kullanılmaktadır. Elde edilen sonuçlar, GLCM+SVM algoritma çiftinin %85 doğrulukla en etkili model olduğunu ortaya koymaktadır.
dc.description.abstractProcessing of synthetic aperture radar (SAR) images for automatic target recognition (ATR) is a critical application especially in military surveillance. In particular, numerous machine learning-based SAR ATR methods have been proposed for this task. However, data training and testing stages of all these methods are based on the exploitation of SAR signatures of the target under investigation. Considering the high variability of radar targets, obtaining such signature data is obviously a costly and time consuming process. In this study, therefore, a feasibility analysis of the use of inverse-SAR (ISAR) training data in SAR ATR has been made for the first time. The turntable ISAR and circular SAR images of three different vehicles are used in training and testing is performed by means of SAR images of three similar targets within the publicly available MSTAR dataset. Also, three most prominent machine learning methods, namely KNN, SVM and ANN are used in conjunction with three different feature extraction algorithms namely, GLRLM, GLSZM and GLCM. The obtained results reveal that the GLCM+SVM algorithm pair is the most effective model with 85% accuracy.
dc.identifier.dergipark1402020
dc.identifier.doi10.29137/umagd.1402020
dc.identifier.issn1308-5514
dc.identifier.issue3-302
dc.identifier.startpage308
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/3586923
dc.identifier.urihttps://dergipark.org.tr/tr/pub/umagd/issue/81451/1402020
dc.identifier.urihttps://doi.org/10.29137/umagd.1402020
dc.identifier.urihttps://hdl.handle.net/20.500.12587/20217
dc.identifier.volume1
dc.language.isoen
dc.publisherKırıkkale Üniversitesi
dc.relation.ispartofUluslararası Mühendislik Araştırma ve Geliştirme Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_20241229
dc.subjectOtomatik Hedef Tanıma
dc.subjectSentetik Açıklıklı Radar
dc.subjectTers Sentetik Açıklıklı Radar
dc.subjectYapay Zeka
dc.subjectAutomatic Target Recognition
dc.subjectSynthetic Aperture Radar
dc.subjectInverse Synthetic Aperture Radar
dc.subjectArtificial Intelligence
dc.subjectRadio Frequency Engineering
dc.titleMakine Öğrenimi Tabanlı SAR ATR'de ISAR Eğitim Verilerinin Kullanımına İlişkin Bir Fizibilite Analizi
dc.title.alternativeA Feasibility Analysis of the Use of ISAR Training Data in Machine Learning-Based SAR ATR
dc.typeArticle

Dosyalar

Koleksiyon

Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
TR-Dizin İndeksli Yayınlar Koleksiyonu