Sentetik Açıklıklı Radar (SAR) Görüntülerinde Eş Zamanlı Gemi Bölütlemesi ve Tespiti

Transkript

1 Sentetik Açıklıklı Radar (SAR) Görüntülerinde Eş Zamanlı Gemi Bölütlemesi ve Tespiti Çağdaş Bak, Emre Akyılmaz, Gizem Aktaş, Mustafa Ergül, Fatih Nar, Nigar Şen,Murat Başaran SDT Uzay ve Savunma Teknolojileri, Ankara, ÖZET Sentetik Açıklıklı Radar (SAR) görüntülerinde otomatik hedef tespiti önemli bir çalışma alanı olarak göze çarpmaktadır. Bu bağlamda ele alınan hedeflerden bir tanesi olan gemi tespiti üzerinde gerçekleştirilen çalışmaların sayısı son yıllarda önemli ölçüde artmıştır. Literatürde önerilen çalışmalar genellikle açık denizdeki bağımsız gemiler üzerinde hedef tespiti gerçekleştirirken, liman yakınlarındaki yada bitişik olan gemilerin tespit performansı düşmektedir. Bu çalışmada, hızlı, hassas ve tam otomatik bir gemi bölütleme ve tespiti gerçekleştiren özgün bir çalışma sunulmaktadır. Literatürde yer alan diğer yaklaşımlardan farklı olarak, Yaklaşımı kullanmaktadır. Önerilen algoritma ilgili gemileri etkili bir şekilde tespit ederken aynı zamanda gemi sınırlarını detaylı bir şekilde, oluşturduğu sentetik şablonlar üzerinden bölütlemektedir. Önerilen yöntemin başarımı, TerraSAR-X yüksek çözünürlüklü spot mod SAR görüntüleri üzerinde gösterilmiştir. Anahtar Kelimeler:SAR, Otomatik gemi tespiti, Gemi bölütleme, Hedef tespiti, Şablon eşleme ABSTRACT Automatic target recognition using Synthetic Aperture Radar (SAR) images is a major research area of remote sensing community. In this context, the number of studies about ship recognition has been increasing in recent years. Studies in the literature generally work on independent offshore vessels. In this study, we propose a novel, fast, accurate and fully automated ship segmentation and recognition approach. Unlike other approaches in the literature, proposed algorithm both detects ships, and segment ship boundaries efficiently with using a template matching approach. Accuracy of the proposed method is validated on the dataset composed of TerraSAR-X high resolutions spot mode SAR images. Keywords:SAR, Automated ship recognition, Ship segmentation, Target detection, Template matching

2 1. GİRİŞ Sentetik Açıklıklı Radar (SAR) görüntülerinde otomatik hedef tespiti özellikle askeri kullanıcılar için önemli ve zorlayıcı bir çalışma alanıdır. Bu bağlamda ele alınabilecek problemlerden bir tanesi de SAR görüntülerinde gemi tespitidir. Gemi tespiti üzerine son yıllarda önemli sayıda çalışmalar gerçekleştirilmiş, bu çalışmalar hem sivil hem de askeri uygulamalarda kendisine yer bulmuştur [1,2]. Genellikle açık denizlerde yer alan bağımsız gemilerin tespiti kolay olmasına karşın, birbirine yakın ve limanda bulunan gemilerin tespiti zorlayıcı bir problemdir. Şekil 1. de Hindistan, Visakhapatnam Limanına ait SAR görüntüsünde örnek gemi modellerine yer verilmektedir. Şekil 1 Hindistan, Visakhapatnam Limanı Gemi Örnekleri Literatürde yer alan çalışmalar genellikle kullanıcı etkileşimli [3] yada tam otomatik yaklaşımlar [1] olarak ikiye ayrılmaktadırlar. Kullanıcı etkileşimli yaklaşımlar, kullanıcı girdisine bağlı olarak aldıkları bilgiler eşliğinde, ilgili gemiye ait sınırları detaylı bir şekilde bölütlemeyi hedeflerler. Emre Akyılmaz

3 ve diğerleri [4]bu bağlamda önerdikleri çözümde, kullanıcıdan bölütlemek istediği gemiye ait gemi uç ve kıç noktalarını almış ve bu bilgiler doğrultusunda, oluşturdukları sentetik gemi modelinden yararlanarak Aktif Şekil Modeli (İng. Active Shape Model) tabanlı bir en iyileme yöntemi gerçekleştirmişlerdir.. Önerilen yaklaşımın güçlü tarafı, şekil tabanlı yaklaşımla gemiye ait sınırların detaylı bir şekilde belirlenmesini sağlamaktır. Ancak kullanıcı girdisine bağlı olması ve tam otomatik bir yaklaşım önermemesi zayıf yönü olarak göze çarpmaktadır. Etkileşimli yaklaşımların aksine, gemi sınırlarını detaylı olarak bölütlemek yerine kullandıkları bir hedef tespiti algoritmasının[5,6] sonuçlarını yorumlayarak ilgili gemilerin bulundukları konumları belirlemeye çalışırlar. Bu bağlamda önerilen yaklaşımlar SAR görüntülerinde yer alan gemi hedeflerinin homojen bir arka plan gürültüsüne sahip olmasından faydalanırken, benek gürültü yada uzamsal yansıtırdık farkları dolayısı ile ilgili gemi sınırlarını detaylı olarak elde edemezler. Genellikle literatürdeki tam otomatik yada kullanıcı etkileşimli yaklaşımlarkıyı yada limanda yer alan ve birbirlerine yakın olan gemiler üzerinde düşük performanslısonuçlar üretmektedir. Bu bildiri kapsamında, hızlı, doğru ve tam otomatik özgün bir eş zamanlı gemi tespit ve bölütleme algoritması önerilmektedirgörüntüde yer alan gemileri tespit ederken, aynı zamanda da eş zamanlı olarak ilgili gemilere ait sınırları detaylı olarak bölütlemektedir. Önerilen yaklaşım hem açık denizde yer alan gemilerin tespiti ve bölütlemesine, hem de kıyıda yer alan ver birbirlerine yakın olan gemilerin eş zamanlı olarak tespit edilip bölütlenmesine katkı sağlamaktadır. Bildirinin devamı şu şekilde organize edilmektedir. 2. Bölüm kapsamında önerilen yaklaşım detaylı olarak ele alınmaktadır. 3. Bölümde algoritmaya başarım analizi TerraSAR-X yüksek çözünürlüklü spot mod SAR görüntüleri üzerinde gerçekleştirilmiş ve görsel sonuçlara yer verilmiştir. Son olarak gerçekleştirilen çalışmaya ait çıkarımlara 4. bölümde yer verilmiştir. 2. ÖNERİLEN YAKLAŞIM Önerilen sisteme ait genel bakışa ve algoritma adımlarına Şekil 2. de yer verilmektedir.

4 Şekil 2 Önerilen Sisteme Genel Bakış Önerilen yaklaşım ilk olarak [4] de önerilmiş olan RB-CFAR algoritmasını kullanarak bir hedef tespiti gerçekleştirmektedir. İlgili algoritmaya ait sonuca Şekil 3 te yer verilmektedir. Bu adımı gerçekleştirmekteki temel mantık SAR görüntülerinde yer alan gemilerin görsel karakteristik özelliklerini kullanmaktır.. SAR görüntülerindeki gemilerde gemi uç, kıç ve gövdesi radardan yansıma gerçekleştirerek parlak hedefler olarak belirmektedir. Bu bağlamda RB-CFAR algoritması kullanılarak görüntüdeki parlak noktalar belirlenerek, aranmakta olan gemi uç ve kıç noktalarına ait olası adaylar tespit edilmiştir. Şekil 3 - RB-CFAR (Hedef Tespiti) Sonucu

5 Belirlenen bu aday noktaları üzerinden ileriki adımlarda gerçekleştirilecek olan sınıflandırmalar ve elemeler doğrultusunda her bir nokta gemi ucu yada gemi kıçı olarak etiketlenecek ve mantıklı gemi siluetleri oluşturacak şekilde ikili olarak gruplandırılır. Görüntülerde yer alan gemilerin en az bir sınırından su ile bağlantıları olmalı yada yakınında olmalıdır. Bu çıkarım doğrultusunda bir önceki adımda belirlenen hedef noktalarının sayısı, eğer ilgili görüntüye ait deniz, göl yada su yolu gibi bileşenler bulunabilirse, büyük oranda azaltılabilmektedir. Bu doğrultuda SDT Uzay ve Savunma Teknolojileri bünyesinde daha önceden geliştirilmiş olan ve SAR görüntülerindeki su bölgelerini (deniz, göl, su yolu vb.) bulmaya yönelik kullanılan algoritma sisteme entegre edilmiştir. Kullanılan algoritmaya ait örnek bir sonuca Şekil 4. te yer verilmektedir. Şekil 4 - Su Bölütleme Sonucu (Yeşil: Suyolu, Mavi: Göl, Kırmızı: Deniz) Bu noktada bulunan su bölgelerine ait maske bir ilgi alanı oluşturacak şekilde öncelikle genişletilmiş ve RB-CFAR algoritmasının sonucu ile kesişimleri alınmıştır. Sonuç olarak elde edilen görüntüde su bölgelerinden uzak noktalarda yer alan ve RB-CFAR sonucunda belirlenmiş aday noktaların sayısı azaltılmıştır.

6 Bir sonraki aşamada kesişim işlemi sonucu elimizde kalmış olan aday noktalarının gemi uç ve kıç olarak etiketlenmesi işlemi şablon işleme yöntemi ile gerçekleştirilmektedir. Şekil 5. te örnek sonuçlara yer verilmiştir. Şekil 5 - Şablon Eşleme (Üst sıra : Gemi uç örnekleri, Alt sıra : Gemi kıç örnekleri) İlk olarak görüntüde yer alan hedef noktalı üzerinde bir maksimum olamayanı bastırma işlemi gerçekleştirilmiştir (İngilizce: non-maxima supression). Bu doğrultuda hedef noktalardan sadece belirlenen eşik değerinin üzerinde noktalar (en parlak noktalar) seçilmiş ve diğer noktalar elenmiştir. Bu gerçekleştirilen işlemin arkasındaki mantık, SAR görüntülerinin yapısı gereği, gemi gibi insan yapımı nesnelerin maksimum yasıma gerçekleştirerek parlak noktalar olarak görünmesi gerçeğidir. Bu aşamadan sonra elimizde kalan tüm aday noktalar sırasıyla pivot noktalar olarak varsayılıp her bir pivot noktayı merkez olarak kabul edecek şekilde bir şablon işleme yaklaşımına gidilmiştir. Bu bağlamda gemi uç ve kıç bölgelerini temsil eden ve Şekil 5 te örnek olarak gösterilen sentetik şablonlar oluşturulmuştur. Her bir pivot nokta üzerinde, her iterasyonunda birer derece yön ve büyüklük skalasını değiştiren sentetik şablonlar ile her bir pivot noktası gemi uç ve kıçına ait olmasına göre etiketlenmiştir. Bu noktada hala eksik olan bilgi hangi uç noktalarının hangi kıç noktaları ile ikili grup oluşturarak bir gemiye ait olduğunun belirlenmesidir. Bu bilgiyi sağlamak için algoritma kural tabanlı bir yöntem ortaya koymuştur. Her bir pivot noktası iteratif olarak eşlenerek olası çiftler belirlenmiş, bu çiftler birbirlerine olan uzaklıklarına, sulak bölgeyle olan bağlantılarına ve bir önceki adımda uç ve kıç olarak etiketlenmesine bağlı olarak bir elemeye tabi tutulmuştur. Bu aşamada elde edilen ikililer arasında hala daha birbirleriyle kesişen ve yanlış gemi siluetlerini oluşturan çiftler mevcut bulunmaktadır ve daha kesin sonuçlar verecek bir sınıflandırmaya ihtiyaç duyulmuştur.

7 Şekil 6 - ASM algoritması sonucu. (Mavi: Başlangıçta eşlenen şablon, Kırmızı: ASM sonucu oluşan şablon) Bu bağlamda [3] te kullanılmış olan ASM-Fitting[5] algoritması temelli bir şablon eşleme yöntemi kullanılmıştır. Bu algoritma kapsamında 2500 adet sentetik gemi modeli her bir gemi sınırları toplamda 128 nokta ile ifade edilecek şekilde tanımlanmıştır. İlgili algoritma kapsamında alınabilecek maksimum başarımı elde etmek için başlangıç sentetik modelleri ASM-Fitting algoritması kullanılarak deforme edilmiş ve ilgili gemiye en iyi oturacak hale getirilmiştir. Bu aşamada gerçekleştirilen deformasyon sonucu elde edilen gemi modeli aynı zamanda ileriki adımlarda ilgili bölgenin gemi olarak sınıflandırılması halinde, karşılık gelen gemi bölütü olacaktır. Şekil 6. da örnek bir eşleme sonucuna yer verilmiştir. Burada mavi renkle gösterilen bölüt, sentetik olarak üretilen gemi siluetine karşılık gelirken, kırmızı ile gösterilmiş olan ise ilgili deformasyon gerçekleştirildikten sonra ortaya çıkmış gemi bölütüdür. Önerilen algoritmanın son adımı olarak, bir önceki adımlarda elde edilmiş olan aday gemiler için karar mekanizması gerçekleştirilmektedir. Bu bağlamda her bir gemi adayı üzerinden geminin yer aldığı arka plan dokusu, geminin büyüklüğü, gemi içerisinde yer alan hedeflerin ortalama ve standart sapmaları ve ASM-Fitting algoritmasının vermiş olduğu geri bildirime bağlı olarak bir uygunluk değeri hesaplanır. Elde edilen gemiler bu uygunluk değeri göz önüne alınarak bir öncelikli kuyrukta (İngilizce: priority queue) toplanır ve sırala görüntü üzerinde yerleştirilirler. Burada öncelikli kuyruk kullanılmasındaki mantık, eğer aynı gemiye ait birden fazla siluet oluşmuş işe, bu nedenle ortaya çıkabilecek kesişimlerin önüne geçmektir.

8 4. SONUÇLAR Çalışma kapsamında gerçekleştirilmiş yöntem ile elde edilmiş örnek sonuçlara Şekil 7. de yer verilmiştir. Örneklerden de açıkça görülebileceği gibi açık denizde olan gemilerin yanı sıra limanda veya başka gemilerle yanyana bulunan gemiler başarılı bir şekilde eş zamanlı olarak bölütlenmiş ve tespit edilmiştir. Bunun yanı sıra bölütlenmeye çalışılan gemilerin burunlarının şekli, en ve boy oranları ve arka bölümlerinin kavisli yapısı gibi gemilerin tipini belirleyen özellikler gemilerde farklılık gösterseler de önerilen yöntem bu özelliklerden bağımsız olarak hassas bir sonuç üretebilmektedir. Şekil 7 - Örnek gemi bölütleme sonuçları 4. SONUÇ Bu bildiri kapsamındatam otomatik bir gemi bölütleme ve tespiti gerçekleştiren özgün bir çalışma sunulmuştur. Literatürde yer alan diğer yaklaşımlardan farklı olarak en önemli katma değeri, gemi sınırlarını detaylı bir şekilde, oluşturduğu sentetik şablonlar üzerinden bölütleyerek ortaya koymaktadır. Önerilen yaklaşımla birlikte açık denizde olan gemilerin yanısıra limanda veya başka gemilerle yanyana bulunan gemiler de başarılı bir şekilde eş zamanlı olarak bölütlenmiş ve tespit edilmiştir.

9 KAYNAKÇA [1] Margarit, G., Tobascpi, A., Ship Classification in Single-Pol SAR Images Based on Fuzzy Logic Geoscience and Remote Sensing, IEEE Transactions, Cilt.49 Sayı.8, s , 2011 [2] Crisp, D.J., The State-of-art in Ship Detection in Synthetic Aperture Radar Imagery, DSTO Information Science Lab., Edinburg, 2004 [3] E.Akyılmaz, C.Demirkesen, F.Nar, E.Okman, M.Çetin, SAR Görüntülerinde Etkileşimli Gemi Bölütleme, 21. Sinyal İşleme ve İletişim Uygulamaları Kurultayı, 2013 [4] F.Nar, C.Demirkesen, E.Okman, M.Çetin, Region Based Target Detection Approach for Synthetic Aperture Radar Images and Its Parallel Implementation, SPIE, 2012 [5] Cootes, T.F., Edwards, G.J, Taylor, C.J., Active Appearance Models, IEEE Transactions on Pattern Analysis and Machine Intelligence, Cilt.23, Sayı.6, 2011