Yeraltı görüntüleme algılayıcıları için görüntü işleme algoritmaları

Abstract

Yeraltı cisim tespiti sistemleri olarak kullanılan algılayıcılardan ikisi Mikrodalga Radarı ve Kızılötesi Kamera' dır. Bu iki araçtan elde edilen görüntülerin işlenmesi, özellikle gerçek zamanda işlenmesi son derece önemlidir. Bu tezde yukarıda sözü edilen algılayıcılardan elde edilen görüntülerin işlenmesi için iki yaklaşım sunulmuştur. Birinci yaklaşımda, görüntü işlemede kullanılan yöntemlerden olan Gibbs Dağılımı uygulamaları için bir algoritma tanıtılmıştır. İlk olarak elde edilen görüntüdeki dağılımı modellemek için Gibbs dağılımı verilmiştir, daha sonra maksimum a posteriori (MAP) kriteri kullanılarak gürültülü görüntülerin ayrıştırılması için algoritma oluşturulmuştur. Algoritmada Gibbs dağılımının parametrelerini bulmak için yeni bir teknik kullanılmıştır, böylece hesap yoğunluğu da azalmıştır. Algoritma, görüntünün piksel piksel taranması ve herbir piksel için MAP kriterinin uygulanması esasına dayanmaktadır. MAP kriterinin hesap yoğunluğu çok olduğundan dolayı modelde bazı varsayımlara gidilmiştir. Bu varsayımların algoritmanın başarımını nasıl etkilediği karşılaştırmalı şekilde tezde incelenmiştir. Gibbs Dağılımıyla modellenen bir görüntünün ayrıştırılması için MAP kriteri yerine uygulanabilecek yöntemler Geman ve Geman [1] ve Cohen ve Cooper [2] tarafından sunulmuştur. Algoritmanın amacı: çok sayıda farklı bölge içeren bir görüntüyü daha az, fakat doğru bölgeler ile temsil edebilmektir. (256 bölgeli (seviyeli) bir görüntüyü 8 bölge (seviye) ile temsil edebilmek). Bu da bir bölütleme işlemidir. Bölütleme probleminin temeli verilen bir gürültülü Y görüntüsünden onun alt kümesi olan bir X kümesini elde etmektir. Kısaca x=X(y) değerini bulmaktır. Problemi istatistiksel olarak ortaya koyunca çözüm için maksimum öncelikli tahmin (MAP : Maximum a posteriori Estimation) kriterini kullanabiliriz. Amaç P(X=x / Y=y) koşullu olasılığım maksimum yapacak x değerini belirli bir kurala göre belirleyecek algoritmayı oluşturmaktır. Bu algoritma temelde bir ters problem algoritmasıdır. Yani, herhangi bir ortamdan gelen işaret kullanılarak ve ortam modellenerek ortamdaki saçıcılann tespiti yapılmıştır. îkinci yaklaşım ise dairesel tabanlı cisimleri sezmeye yönelik bir algoritmadır. Algoritma girişi olarak radar ve kızılötesi algılayıcılarla elde edilen görüntüler verilmiştir ve çeşitli teknikler kullanılarak gürültülü görüntüler içerisinden dairesel tabanlı cisimler tespit edilmiş ve sonuçta var veya yok bilgisi olarak kullanıcıya sunulmuştur. Algoritma içerisinde en önemli işaret işleme araçlarından olan ayrık Fourier dönüşümü ve radar alıcı birimlerinde çok kullanılan Korelatör bloğu kullanılmıştır Böylece, bu iki güçlü aracın bir uygulaması gerçekleştirilmiştir.

Microwave Radar and Infrared Camera are the two sensors used for underground object detection. Processing images acquired by these two sensors at real time is a primary case. In this thesis two approaches are presented for processing the images taken from the above sensors. In the first approach, the application of Gibbs Distribution for the problems in imge processing is introduced. First, a method for modelling image data using such models is presented. Then algorithms are derived for segmenting noisy images, using a posteriori (MAP) criterion. Due to computational concerns, however, suboptimal versions of these algorithms are devised through simplifying approximations in the model. Finally, a new parameter estimation technique is developed for estimating the parameters in a GD. The algorithm is based on scanning the image pixel by pixel and applying MAP criterion o each of the pixel. The magnitude of the computational reqirements for calculating the (optimal) MAP estimate necessitate that we revert to simplifying assumptions in the model. These assumptions influencing the suboptimality of the estimate and the tradeoff between the degree of optimality and computation time are discussed. Alternative approaches to MAP segmentation of images modelled by GD have been recently proposed by Geman and Geman [1], and Cohen and Cooper [3], The goal of the algorithm is to represent an image contains huge amount of various regions, with less amount of but true regions. This is a segmentation problem. The problem is to obtain an estimate x =X*(y) of the scene X, based on a realization y. Having set up the problem statistically, maximum a posteriori (MAP) estimation is chosen as statistical criterion (H. Derin, A.H.Elliot, 1987). So the objective now is to have an estimation rule, that is, an algorithm, which will yield x* that maximizes the aposteriori distribution P(X = x\Y = y) for a given y. This algorithm is basically an inverse problem. Using only object response without knowing something about the object and the media, the object is detected and noise isreduced. The second approach is based on circular based object detection. The images acquired using microwave radar and infrared camera are inputted to the algorithm and some mathematical techniques are utilized to reduce noise and detect circular objects. The result of the algorithm is presented as 'yes there is' or ' No, there isn't' to the operator. In the algorithm, remarkable signal processing algorithms as "Discrete Fourier Transform" and a "Correlator" block that can be met much in radar receivers, are used. So an application for these two powerful tools is carried out.