Browsing by Author "Çoğun, Fuat"
Now showing 1 - 2 of 2
- Results Per Page
- Sort Options
Item Open Access Bilişsel algılamaya doğru: çok görevli öğrenme ile radar fonksiyon sınıflandırma(IEEE, 2019-04) Altıparmak, Fatih; Akyön, Fatih Çağatay; Özmen, E.; Çoğun, Fuat; Bayri, A.Elektronik Harp (EH) sistemleri için ortamda yayın yapan bir radarın tespiti ve ilgili radarın fonksiyonunun belirlenmesi, sistemin en önemli görevlerinden biridir. Bu çalışmada, EH sistemleri tarafından ölçülen radar parametreleri kullanılarak radarların Elektronik Karşı Tedbir (EKT) kullanım konseptine uygun olarak fonksiyonlarının belirlenmesi hedeflenmiştir. Çok Görevli Öğrenme ve Tek Görevli Öğrenme sinirağları probleme uyarlanmıştır. Sınıflandırıcı öncesinde aşırı örnekleme, aralık değerleri için nicemleme ve sınıf değerleri için gruplama ön işlemleri yapılmıştır. Çok Görevli Öğrenme tekniğinin performansının Tek Görevli Öğrenme tekniğininkinden daha iyi olduğu gözlenmiştir. Sınıflandırıcı öncesinde uygulanan aşırı örnekleme algoritmasının, ön işlemler neticesinde elde edilen verisetinin ve gruplandırılmış sınıfların bir veya daha fazlasının kullanımıyla her iki metodun performanslarının arttığı gözlenmiştir.Item Open Access Video processing methods robust to illumination variations(2010) Çoğun, FuatMoving shadows constitute problems in various applications such as image segmentation, smoke detection and object tracking. Main cause of these problems is the misclassification of the shadow pixels as target pixels. Therefore, the use of an accurate and reliable shadow detection method is essential to realize intelligent video processing applications. In the first part of the thesis, a cepstrum based method for moving shadow detection is presented. The proposed method is tested on outdoor and indoor video sequences using well-known benchmark test sets. To show the improvements over previous approaches, quantitative metrics are introduced and comparisons based on these metrics are made. Most video processing applications require object tracking as it is the base operation for real-time implementations such as surveillance, monitoring and video compression. Therefore, accurate tracking of an object under varying scene and illumination conditions is crucial for robustness. It is well known that illumination variations on the observed scene and target are an obstacle against robust object tracking causing the tracker lose the target. In the second part of the thesis, a two dimensional (2D) cepstrum based approach is proposed to overcome this problem. Cepstral domain features extracted from the target region are introduced into the covariance tracking algorithm and it is experimentally observed that 2D-cepstrum analysis of the target region provides robustness to varying illumination conditions. Another contribution is the development of the co-difference matrix based object tracking instead of the recently introduced covariance matrix based method. One of the problems with most target tracking methods is that they do not have a well-established control mechanism for target loss which usually occur when illumination conditions suddenly change. In the final part of the thesis, a confidence interval based statistical method is developed for target loss detection. Upper and lower bound functions on the cumulative density function (cdf) of the target feature vector are estimated for a given confidence level. Whenever the estimated cdf of the detected region exceeds the bounds it means that the target is no longer tracked by the tracking algorithm. The method is applicable to most tracking algorithms using features of the target image region.