Read siu09.pdf text version

¨ Deniz Yuzeyi Hedefleri icin Farkli Kizil¨ tesi Imge ¸ o Pekistirme Tekniklerinin Karsilastirilmasi ¸ ¸ ¸ A Comparison of Different Infrared Image Enhancement Techniques for Sea Surface Targets

Ali Onur Karali ve Tayfun Aytac ¸ ¨ ITAK UEKAE/ TUB ILTAREN Sehit Yzb. ¸ Ilhan Tan Kislasi, ¸ ¨ 8. cad., 417. sok., 06800, Umitk¨ y, Ankara o

{onur.karali,tayfun.aytac}@iltaren.tubitak.gov.tr

¨ ¸ Ozetce

¨ Bu calisma deniz y¨ zeyi hedefleri icin farkli kizil¨ tesi (KO) imge ¸ ¸ u ¸ o pekistirme tekniklerinin karsilastirmali bir analizini sunmak¸ ¸ ¸ tadir. Imge pekistirme otomatik hedef tespit ve izleme algorit¸ malarinin en onemli onislem basama idir. Etkin hedef tespit g ¨ ¨ ¸ ve izlemeye y¨ nelik hedef ile arkaplan karsitli ini artirmak, o ¸ g ayritlari vurgulamak, ortam ve algilayici g¨ r¨ lt¨ s¨ n¨ ve arkauu uu u ¨ plan yankisini bastirmak icin KO imge pekistirme tekniklerinin ¸ ¸ gelistirilmesi onemlidir. Bu bildiride, deniz y¨ zeyi hedeflerinin ¸ u ¨ tespiti icin farkli histogram uyarlama, s¨ zgecleme ve morfolojik ¸ u ¸ islemleme tekniklerinin basarimlari gercek ve sentetik imgeler ¸ ¸ ¸ kullanilarak karsilastirilmaktadir. Dengeli karsitlik sinirli ¸ ¸ ¸ uyarlamali histogram denklestirme ve karsitlik pekistirme ¸ ¸ ¸ y¨ nteminin farkli senaryolarda nicel ve oznel testlerde en iyi o ¨ sonucu verdi i g¨ zlenmistir. g o ¸

Abstract

This study provides a comparative analysis of different infrared image enhancement techniques for sea surface targets. Image enhancement is the most important preprocessing step of automatic target recognition and tracking algorithms. For efficient target detection and tracking, it is important to develop infrared image enhancement techniques to increase the contrast between the target and background, emphasize edges, and suppress medium and sensor noises and the background clutter. In this paper, performances of different histogram modification, filtering, and morphological processing techniques are compared for sea surface targets' detection using both real and synthetic images. It is observed that balanced contrast limited histogram equalization and contrast enhancement technique provides best result for different scenarios in quantitative and subjective tests.

¨ ¸ ¨ onislem basama inin onemli bir kismini olusturmaktadir. g ¸ D¨ suk karsitlik, arkaplan yankisi, kamera hareketi, algilayici u¸ ¨ ¸ ve ortam g¨ r¨ lt¨ leri ve di er etkiler hedefin tespitini uu u g ¨ ¸ ve izlenmesini zorlastirmaktadir [2]. ¸ Imge onisleme basama inda uygulanan pekistirme teknikleriyle bu etkiler g ¸ azaltilabilmektedir. ¨ ¸ Imge pekistirme teknikleri genel olarak genlik olcekleme, ¸ histogram uyarlama, g¨ r¨ lt¨ arindirma ve ayrit pekistirme uu u ¸ olarak d¨ rt ana baslikta incelenebilir [3]. Calisma [4]'de o ¸ ¸ ¸ bit dilimleme, histogram denklestirme, karsitlik pekistirme ¸ ¸ ¸ teknikleri, Fourier s¨ zgecler ve imge cercevelerinin ortalamasi u ¸ ¸ ¸ gibi teknikler kullanilmaktadir. Dinamik erim pekistirmesi ve ¸ kararlilik, logaritmik imge isleme modeliyle calisma [5]'de ¸ ¸ ¸ gerceklestirilmektedir. Kaynak [6]'da dalgacik d¨ n¨ sum¨ ne ¸ ¸ o u¸ ¨ u dayali uyarlanir karsitlik pekistirmesi imgelere uygulanmak¸ ¸ ¨ tadir. Insanin ye inlik algisi modellenerek olusturulan KO imge g ¸ pekistirme teknikleri calisma [7]'de de erlendirilmektedir. ¸ ¸ ¸ g Calisma [8]'de ise imgede yerel alanlar islenerek histogram ¸ ¸ ¸ uyarlama karsitli in pekistirilmesi icin, uyarlamali Wiener ¸ g ¸ ¸ s¨ zgeci ise g¨ r¨ lt¨ y¨ ortadan kaldirmak icin kullanilmaktadir. u uu u u ¸ Bu bildiride, deniz, ufuk ve deniz y¨ zeyi hedefi iceren u ¸ gercek ve sentetik imgelerde imge pekistirme y¨ ntemleri ¸ ¸ o ¨ uzerinde durulacaktir. Bilgimiz dahilinde deniz y¨ zeyi u ¨ hedeflerine iliskin kapsayici benzer bir calisma daha once ¸ ¸ ¸ yapilmamistir. Karsilastirma sonuclarinin, deniz y¨ zeyi hedef¸ ¸ ¸ ¸ u lerinin tespit ve izlenmesinin gerekti i KO arama ve izleme sisg ¨ temleri gibi askeri ve g¨ venlik uygulamalarinda faydali olaca i u g de erlendirilmektedir. g

2. Karsilastirilan Kizil¨ tesi Imge ¸ ¸ o Pekistirme Y¨ ntemleri ¸ o

Bu calismada histogram uyarlama teknikleri, s¨ zgecleme ve ¸ ¸ u ¸ ¨ morfolojik islemler kullanarak KO imgeler pekistirilmeye ¸ ¸ calisilmaktadir. ¸ ¸ Histogram denklestirme [3], uyarlamali ¸ plato denklestirme [9] ve az kuyruklu versiyonu [10], Aare ¸ M¨ llo [10], dengeli karsitlik sinirli uyarlamali histogram a ¸ denklestirme ve karsitlik pekistirme [11], Retinex [12] ve ¸ ¸ ¸

1. Giris ¸

¨ Tipik bir KO hedef tespit ve izleme algoritmasi [1] imge ¨ ¸ onisleme, aday hedeflerin imgede bulunmasi, hedeflere ait ¨ ozniteliklerin cikarimi, hedef/arkaplan karari verme ve hedefin ¸ izlenmesi basamaklarindan olusmaktadir. ¸ Imge pekistirme ¸

silindir sapka [3] y¨ ntemleridir. ¸ o Histogram denklestirme (HD) y¨ nteminde, imge his¸ o togrami d¨ z da ilacak sekilde ayarlanmaktadir. u g ¸ Uyarlamali plato denklestirmede (UPD), histogramin sifirdan farkli ¸ olan de erleri bulunmakta ve ortanca s¨ zgecten gecirilerek g u ¸ ¸ d¨ zg¨ nlestirilmektedir. S¨ zgecten gecirilen elemanlarin farki u u ¸ u ¸ ¸ hesaplanarak en b¨ y¨ k bayir de eri bulunmaktadir. u u g Bu bayir de erlerinin ortalamasi UPD'de esik de eri olarak kulg ¸ g ¨ u lanilmaktadir. Orijinal histogramda esik de erinin ust¨ ¸ g kirpilmakta, orijinal imge uyarlanmis toplam da ilim fonksi¸ g yonuna g¨ re tekrar eslenmektedir. Az kuyruklu versiyonunda o ¸ (UPD-AK), histogram kirpildiktan sonra, y¨ kselen ve d¨ sen keu u¸ narlarinin belirli y¨ zdesi dikkate alinmamaktadir. u Aare M¨ llo y¨ ntemi (AMY), bulanik maskeleme tabanli a o bir y¨ ntemdir. I(x, y) imgesi alcak ve y¨ ksek frekans banto ¸ u ¨ larina Iag (x, y) ve Iyg (x, y) olmak uzere ayrilmaktadir. x ve y ise sirasiyla x ve y eksenlerinde piksel koordinatlaridir. Iag (x, y)'nin dinamik erimini uyarlamak icin do rusal ¸ g ¨ ¸ olcekleme kullanilmaktadir. Y¨ ksek frekans bilesenleri iceren u ¸ ¸ imge Denklem 1'de g¨ r¨ ld¨ gu gibi uyarlanmaktadir: o u u ¨ Iyg (x, y) = g1 Iyg (x, y), g2 Iyg (x, y), |Iyg (x, y)| < E; |Iyg (x, y)| E. (1)

¨ sonra, tanimlanan bir yapici eleman uzerinde, s¨ tun boyunca u en k¨ cuk ye inlik de erleri bulunmaktadir. Orijinal piku¸ ¨ g g sel de erlerinden, en k¨ cuk de erler arasindan bulunan g u¸ ¨ g en b¨ y¨ k de er cikarilarak SS morfolojik d¨ n¨ sum¨ u u g ¸ ¸ o u¸ ¨ u gerceklestirilmektedir [3]. ¸ ¸

3. Deney Sonuclari ¸

Bu b¨ l¨ mde karsilastirilan algoritmalarin gercek ve sentetik ou ¸ ¸ ¸ imgeler icin sonuclari verilmektedir. Uygulamada algorit¸ ¸ malara ait de isken parametreler farkli denemeler sonucu g¸ ayarlanmistir. UPD-AK y¨ nteminde histogram kuyruk kismi ¸ o %85'i azalacak sekilde kirpilmakta, AMY'de g1 ve g2 ¸ kazanclari sirasiyla 2 ve 4 olarak alinmakta, E esik de eri 10 ¸ ¸ g olarak secilmektedir. DKSUHD-KP y¨ nteminde karsitlik ¸ o ¸ pekistirme carpani 2'dir ve islem imgenin t¨ m¨ ne uygulanmak¸ ¸ ¸ u u tadir. SS y¨ nteminde yapisal eleman olarak 12 birim capli disk ¸ o ¸ kullanilmaktadir. 3.1. Gercek Imgeler ¸ ¨ Gercek imgeler [136,272] coz¨ n¨ rl¨ gune sahip uzun dalga KO ¸ ¸ ¨ u u u ¨ kameradan elde edilmektedir. Imge piksel ye inlik de erleri g g [0,255] arasinda de ismektedir. Deniz y¨ zeyi hedefinin farkli g¸ u erim ve acisal konumlarindaki sonuclari Sekil 1 (Senaryo 1) ve ¸ ¸ ¸ 2'de (Senaryo 2) verilmektedir. Karsilastirmada verilen senar¸ ¸ yolar disinda farkli hava kosullarinda, farkli platformlarin farkli ¸ ¸ erim ve acilardaki konumlari icin de y¨ ntemlerin basarimlari ¸ ¸ o ¸ karsilastirilmistir. ¸ ¸ ¸ 3.2. Sentetik Imgeler ¨ ¨ ¸¨ Y¨ ntemlerin olcumler sonucunda elde edilen gercek KO o ¸ ¨ imgeler ile test edilme imkani, mevcut bulunan KO imgeler ile sinirlidir. Sentetik imgeler, istenilen ortam ve zamanlama sartlarini kontrol altinda tutarak olusturulabilmelerinden ve ¸ ¸ algilayici etkilerinin modellenebilmesinden dolayi hedef tespit ve izleme algoritmalarinin gelistirilme asamasinda sikca kul¸ ¸ ¸ ¨ lanilmaktadir. Olusturulan sentetik imgeler, gercek KO imgeler ¸ ¸ ile histogram karsilastirilmasi yoluyla karsilastirilmistir [1]. ¸ ¸ ¸ ¸ ¸ ¨ Sentetik KO imgelerin olusturulmasinda OpenGL k¨ t¨ phanesi ¸ uu kullanilmaktadir. [136,272] coz¨ n¨ rl¨ gunde 8 bit gri kodla¸ ¨ u u u ¨ mali sentetik imgeler olusturulmaktadir. Kizil¨ tesi algilayici ¸ o 4o g¨ r¨ s alanina sahip olup senaryo dahilinde 100 metre o u¸ y¨ kseklikten deniz y¨ zeyini g¨ zlemektedir. u u o Imgelere algilayici kaynakli olarak g¨ r¨ lt¨ ve optik, sezimci vb. kaynakli bozuluu u malarin eklenebilmesi amaciyla bulaniklastirma eklenmektedir. ¸ Sentetik imgeler icin sonuclar Sekil 3'de verilmektedir. ¸ ¸ ¸

Iyg (x, y)'ye farkli kazanc carpanlari (g1 ve g2 ) esik ¸ ¸ ¸ de erine (E) g¨ re secilerek g¨ r¨ lt¨ arindirmada ve d¨ suk g o ¸ uu u u¸ ¨ karsitli i y¨ kseltmekte uygulanmaktadir. Sonunda Iag (x, y) ¸ g u ve Iyg (x, y) imgeleri toplanmakta ve limitleyici carpanla ¸ sinirlandirilmaktadir. Dengeli karsitlik sinirli uyarlamali histogram denklestirme ¸ ¸ ve karsitlik pekistirme y¨ nteminde (DKSUHD-KP) dinamik ¸ ¸ o erim sikistirma ve yerel karsitlik pekistirme birlestirilmektedir. ¸ ¸ ¸ ¸ ¨ Imge uzerinde islem Denklem 3'deki gibi tanimlanmaktadir. ¸ Igirdi (x, y) y¨ ksek dinamik erim imgesi ve C( x, y) ise karsitlik u ¸ imgesidir. C(x, y) Icikti (x, y) ¸ = = Igirdi (x, y) Iag (x, y) m(Igirdi (x, y)) · [C(x, y)] (2) (3)

¨ Bu calismada kullanilan KO imgelerde dinamik eri¸ ¸ min sikistirilmasi gerekmemektedir, dolayisiyla denklemin ilk ¸ kisminda yer alan m esleme islemi karsitlik sinirli uyarla¸ ¸ ¸ mali histogram denklestirme y¨ ntemine karsilik gelmekte¸ o ¸ dir. Parametre ise karsitlik pekistirme carpani olarak ¸ ¸ ¸ tanimlanmaktadir. Karsitlik sinirli uyarlamali histogram ¸ denklestirme imge histogramina uygulanmaktadir. ¸ Imgeye ait orijinal histogramin en y¨ ksek de eri toplam piksel sayisinin u g %1'ine denk gelecek sekilde kirpilmaktadir ve kirpma sonucu ¸ ¨ olusan fazla pikseller histogram uzerinde, belirtilen siniri ¸ ¨ asmamis pikseller uzerine da itilmaktadir. Da ilim, sinir ¸ ¸ g g de erinin altindaki her piksele, bulunma olasili i oraninda g g gerceklestirilmektedir. ¸ ¸ Retinex modeli isi a verilen duyumsal tepkiyi hesaplamayi ¸g amaclamaktadir. Bu calismada herhangi bir boyuttaki imgede ¸ ¸ ¸ uygulanabilecek sekilde uyarlanmis Frankle-McCann Retinex ¸ ¸ (FM-Retinex) algoritmasi [12] uygulanmaktadir. Silindir sapka (SS) y¨ nteminde hedefin tespi¸ ¸ o tini kolaylastirmaya y¨ nelik olarak morfolojik islemler ¸ o ¸ gerceklestirilmektedir. ¸ ¸ Imge ortanca s¨ zgecten gecirildikten u ¸ ¸

4. Karsilastirmali Analiz ¸ ¸

Nicel karsilastirmada metrik olarak karsitlik de eri kul¸ ¸ ¸ g lanilmaktadir. Orijinal ve pekistirilmis imgelerde hedefi ve ¸ ¸ ¨ arkaplani icerecek sekilde secilen alan uzerinden (NxM boyu¸ ¸ ¸ tunda) karsitlik de eri Denklem 4 ile hesaplanmaktadir [13]. ¸ g ¯ Burada I, imge ortalamasidir. 1 N ×M

N M

Karsitlik = ¸

¯ (I(i, j) - I)2

i=1 j=1

(4)

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

¨ Sekil 1: Ornek gercek imge icin pekistirme sonuclari (Senaryo 1): (a) orijinal imge ve (b) HD, (c) UPD, (d) UPD-AK, (e) AMY, (f) ¸ ¸ ¸ ¸ ¸ DKSUHD-KP, (g) FM-Retinex, (h) SS y¨ ntemleri. ¸ o

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

¨ Sekil 2: Ornek gercek imge icin pekistirme sonuclari (Senaryo 2): (a) orijinal imge ve (b) HD, (c) UPD, (d) UPD-AK, (e) AMY, (f) ¸ ¸ ¸ ¸ ¸ DKSUHD-KP, (g) FM-Retinex, (h) SS y¨ ntemleri. ¸ o Gercek ve pekistirilmis imgelerde karsitlik sonuclari Tablo 1'de ¸ ¸ ¸ ¸ ¸ verilmektedir. Birinci senaryoda en iyi karsitlik iyilestirme HD ¸ ¸ y¨ nteminde, ikinci senaryoda ise DKSUHD-KP y¨ nteminde o o elde edilmektedir. FM-Retinex y¨ ntemi orijinal imgeye g¨ re o o karsitli i her iki senaryoda da k¨ t¨ lestirmektedir. Bunun ¸ g ou ¸ nedeni, y¨ ntemin deniz arkaplaninin ye inlik de erini daha o g g sicak de erlere do ru acmasidir. En parlak ufuk cizgisi de g g ¸ ¸ benzer nedenden bu y¨ ntemde ortaya cikmaktadir. Benzer o ¸ sekilde SS y¨ ntemi karsitli i iyilestirmesede, hedef tespitini ¸ ¸ o ¸ g ¸ kolaylastirmaktadir. ¸ Insan algisina dayali performans testleri icin 10 farkli ¸ g¨ zlemciye ikinci senaryoya ait imgeler sunularak, 3 farkli o ¨ ¸¨ olcute g¨ re calisma [11]'dekine benzer sekilde imgelere puan o ¸ ¸ ¸ ¨ ¸¨ vermeleri istendi. Olcutler gerceklik, detay g¨ r¨ n¨ rl¨ k ve ¸ ou u u toplam imge kalitesi olarak belirlendi. Yapilan de erlendirmede g y¨ ntemlere ve orijinal imgeye iliskin hic bir bilgi verilmeo ¸ ¸ di. G¨ zlemcilerin y¨ ntemlere iliskin verdi i ortalama puano o ¸ g lar ve standart sapmalari Tablo 2'de g¨ sterilmektedir. Yapilan o de erlendirmede DKSUHD-KP y¨ ntemine g¨ re yapilan imge g o o ¨¸ g ¨ ¸¨ u pekistirmenin uc de erlendirme olcut¨ nde de en y¨ ksek puani ¸ u aldi i g¨ zlenmistir. De erlendirme niceliksel olarak karsitli in g o ¸ g ¸ g hesaplandi i Tablo 1'deki sonuclarla tutarlidir. g ¸ Sentetik imge sonuclari orijinal imgelerde elde edilen ¸ sonuclarla benzerlik g¨ stermektedir. ¸ o Sekil 3'te yeralan, ¸ ufuk cizgisine yakin nokta hedefin iyilestirilmesi karsitlik ¸ ¸ ¸ g¨ z¨ n¨ nde bulundurularak de erlendirilmistir ve DKSUHDo o u g ¸ KP y¨ nteminin karsitli i di er y¨ ntemlere g¨ re daha cok o ¸ g g o o ¸ artirdi i g¨ zlemlenmektedir. Ayrica, FM-Retinex y¨ nteminin g o o hedefin da ilimini artirarak daha iyi g¨ zlenebilir hale getirdi i g o g g¨ r¨ lmektedir. ou DKSUHD-KP, hedef ile deniz y¨ zeyi arasindaki karsitli i u ¸ g artirarak ayrit ve karsitlik iyilestirme konusunda basarili bir ¸ ¸ ¸ sonuc ortaya koymustur. AMY kullanilarak DKSUHD-KP ¸ ¸ ile benzer sonuclar elde edilmistir. SS y¨ ntemiyle deniz ¸ ¸ ¸ o y¨ zeyi ile g¨ ky¨ z¨ arasindaki karsitlik ortadan kalkmaku o u u ¸ ¨ ¸ tadir, b¨ ylece bazi onisleme algoritmalarinda kullanilan ufuk o cizgisi tespit gereksinimi ortadan kalkmaktadir. ¸ Retinex y¨ ntemi hedef ile deniz arasindaki karsitli i azaltmaktadir o ¸ g fakat deniz y¨ zeyindeki detaylarin g¨ steriminde g¨ rece artis u o o ¸ g¨ zlenmektedir. o

5. Sonuclar ¸

Bu calismada, gercek ve sentetik imgelerde y¨ zer platform ¸ ¸ ¸ u ¨ hedefleri icin farkli KO imge pekistirme y¨ ntemlerinin ni¸ ¸ o ¨ cel ve oznel olarak basarimlari karsilastirilmistir. Yakin ¸ ¸ ¸ ¸ ¨ ¸¨ u zamanda basarim karsilastirma olcut¨ olarak calisma [1]'de ¸ ¸ ¸ ¸ ¸ ileri s¨ r¨ len otomatik hedef tespit ve izleme y¨ ntemi kuluu o lanilarak pekistirme tekniklerinin hedef tespit olasili i uzerine ¸ g ¨ olan etkilerinin incelenmesi planlanmaktadir. Ileride sentetik imgelerde farkli atmosfer kosullari, deniz y¨ zeyi yansimalari ¸ u ve platform modelleri kullanilarak imge pekistirmede kul¸ ¨ lanilan y¨ ntemlerin parametrelerinin eniyilenmesi uzerinde duo

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

¨ Sekil 3: Ornek sentetik imge icin pekistirme sonuclari: (a) orijinal imge ve (b) HD, (c) UPD, (d) UPD-AK, (e) AMY, (f) DKSUHD-KP, ¸ ¸ ¸ ¸ (g) FM-Retinex, (h) SS y¨ ntemleri. ¸ o Tablo 2: Gercek imgelere dayali senaryo 2'ye iliskin g¨ zlemci puanlari ortalama de erleri ve standard sapmalari (parantez icinde) (1: ¸ ¸ o g ¸ k¨ t¨ , 2: zayif, 3: orta, 4: iyi, 5: harika). ou

Gerceklik ¸ Detay Toplam kalite Orijinal 2,8(1,03) 2,6(1,07) 2,7(0,67) HD 2,8(0,92) 3,2(1,40) 2,9(1,29) UPD 3,6(0,97) 3,2(0,92) 3,6(0,97) UPD-AK 3,4(0,70) 3,4(1,07) 3,4(0,52) AMY 2,6(1,17) 2,7(1,25) 2,7(1,06) DKSUHD-KP 4,0(1,15) 3,7(0,82) 4,1(0,88) FM Retinex 2,4(1,07) 2,9(0,88) 2,2(0,79) SS ¸ 1,5(0,71) 1,4(0,52) 1,4(0,70)

Tablo 1: Gercek imgeler icin karsitlik sonuclari. ¸ ¸ ¸ ¸

Senaryo 1 Orijinal imge HD UPD UPD-AK AMY DKSUHD-KP FM SS ¸ 47,89 63,35 56,98 59,74 41,30 57,38 39,96 42,99 Senaryo 2 47,43 56,16 55,93 57,29 38,24 60,52 33,44 43,83

[4] H. McCauley ve J. Auborn. Image enhancement of infrared uncooled focal plane array imagery. Proc. SPIE Surveil. Tech., 1479: (416-422), 1991. [5] M. Jourlin ve J. Pinolib. Image dynamic range enhancement and stabilization in the context of the logarithmic image processing model. Sig. Proces., 41:(225-237), 1995. [6] R. N. Strickland ve H. I. Hahn. Wavelet transform methods for object detection and recovery. IEEE Trans. Image Proces., 6:(724-735), 1997. [7] G. Aviram ve S. R. Rotman. Evaluating the effect of infrared image enhancement on human target detection and image quality judgement. Opt. Eng., 38:(1433-1440), 1999. [8] T. Pace, D. Manville, H. Lee, G. Cloud ve J. Puritz. A multiresolution approach to image enhancement via histogram shaping and adaptive wiener filtering. Proc. SPIE Vis. Inform. Proces. XVII, 6978:(1-11), 2008. [9] M. Shao, G. Liu, X. Liu ve D. Zhu. A new approach for infrared image contrast enhancement. Proc. SPIE Opt. Test and Meas. Tech. and Equip., 6150:(1-6), 2006. [10] S. Weith-Glushko ve C. Salvaggio. Quantitative analysis of infrared contrast enhancement algorithms. Proc. SPIE Des., Anal., Model., and Test. XVII, 6543:(1-11), 2007. [11] F. Branchitta, M. Diani ve A. Porta. Dynamic-range compression and contrast enhancement in infrared imaging systems. Opt. Eng., 47:(1-14), 2008. [12] B. Funt, F. Ciurea ve J. McCann. Retinex in Matlab. Proc. IS&T/SID 8th Imag. Conf.: Color Sci., Sys. and Appl., s. 112-121, 2000. [13] A. R. Weeks. Fundamentals of Electronic Image Processing. IEEE Press, NewYork, 1996.

rulacaktir. Karsilastirma sonuclarinin deniz y¨ zeyi hedefi ¸ ¸ ¸ u ¨ tespit ve izlenmesinin gerekti i KO arama ve izleme sistemg leri gibi askeri ve g¨ venlik uygulamalarinda faydali olaca i u g de erlendirilmektedir. g

¨ 6. Tesekkur ¸

Yazarlar Dr. M. Alper Kutay'a bildirinin hazirlanmasinda, Onur Bekmen'e sentetik imgeleri olusturmada ve calisma ¸ ¸ ¸ arkadaslarina de erlendirmede verdikleri destekten dolayi ¸ g tesekk¨ r eder. ¸ u

7. Kaynakca ¸

[1] T. Aytac ve O. Bekmen. G¨ r¨ nt¨ lemeli kizil¨ tesi ¸ ou u o arayicilar icin bir hedef izleme algoritmasi gelistirilmesi. ¸ ¸ Proc. IEEE SIU, 1-4, 2008, Aydin, T¨ rkiye. u [2] A. Bal ve M. S. Alam. Automatic target tracking in FLIR image sequences using intensity variation function and template modeling. IEEE Trans. Instrum. Meas., 54:(1864-1852), 2005. [3] W. K. Pratt. Digital image processing. 3. baski, John Wiley & Sons, NewYork, 2001.

Information

4 pages

Report File (DMCA)

Our content is added by our users. We aim to remove reported files within 1 working day. Please use this link to notify us:

Report this file as copyright or inappropriate

265183

Notice: fwrite(): send of 202 bytes failed with errno=104 Connection reset by peer in /home/readbag.com/web/sphinxapi.php on line 531