Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais

Detalhes bibliográficos
Autor(a) principal: Vinholi, João Gabriel
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/212951
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia Elétrica.
id UFSC_10690bcf84d411da8f26eeb0387d5bd2
oai_identifier_str oai:repositorio.ufsc.br:123456789/212951
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais ConvolucionaisSARCNNDetecção de MudançasResolução de Comprimento de OndaTCC (graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia Elétrica.Este documento apresenta um algoritmo de detecção de mudanças para imagens de radar de abertura sintética (SAR) de resolução de comprimento de onda baseado em redes neurais convolucionais. O dataset CARABAS-II foi disponibilizado pela Agência Sueca de Pesquisas em Defesa (FOI) e é utilizado para treino e teste das redes neurais. Os dados de treinamento e teste são 24 imagens diferença SAR obtidas a partir do dataset CARABAS-II. Cada uma das imagens diferença contém 25 veículos escondidos sob densa vegetação. Estes alvos são, entretanto, visíveis, graças às baixas frequências de operação. O algoritmo proposto neste trabalho consiste em duas redes neurais convolucionais: a rede de segmentação semântica, a qual localiza possíveis mudanças em uma imagem diferença, e a rede de classificação, a qual analisa com profundidade estas possíveis mudanças para classificá-las como mudanças reais ou falsos alarmes. O algoritmo proposto melhorou significativamente o desempenho de detecção de mudanças e proporcionou expressiva redução de falsos alarmes em comparação com soluções do estado-da-arte testadas com o mesmo dataset. Em uma configuração particular, foram obtidas uma probabilidade de detecção de 99% e uma taxa de falso alarme de 0,0833/km^2.This document presents a convolutional neural network-based change detection algorithm for wavelength-resolution synthetic aperture radar (SAR) images. The CARABAS-II dataset has been made available by the Swedish Defence Research Agency (FOI), and is used for training and testing the neural networks. The input data consists of 24 SAR difference images obtained from this dataset. Each difference image has 25 vehicles concealed under foliage. These targets are, however, visible, since the CARABAS-II SAR operated at low frequencies. The proposed algorithm consists of two convolutional neural networks: the semantic segmentation network, which is used to localize potential changes in the difference image, and the classification network, which further analyzes and classifies the potential changes as either real changes or false alarms. A significant improvement in detection performance and false alarm reduction has been obtained with the proposed algorithm, in comparison to other state-of-the-art solutions tested with the same dataset. A probability of detection of 99% and a false alarm rate of 0,0833/km^2 was achieved in a particular setting.Florianópolis, SCSilva, DaniloMachado, RenatoUniversidade Federal de Santa CatarinaVinholi, João Gabriel2020-09-23T17:59:19Z2020-09-23T17:59:19Z2020-09-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis76application/pdfhttps://repositorio.ufsc.br/handle/123456789/212951info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2020-09-23T17:59:19Zoai:repositorio.ufsc.br:123456789/212951Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732020-09-23T17:59:19Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais
title Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais
spellingShingle Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais
Vinholi, João Gabriel
SAR
CNN
Detecção de Mudanças
Resolução de Comprimento de Onda
title_short Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais
title_full Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais
title_fullStr Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais
title_full_unstemmed Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais
title_sort Um Novo Algoritmo de Detecção de Mudanças para Imagens de Radar de Abertura Sintética com Resolução de Comprimento de Onda Baseado em Redes Neurais Convolucionais
author Vinholi, João Gabriel
author_facet Vinholi, João Gabriel
author_role author
dc.contributor.none.fl_str_mv Silva, Danilo
Machado, Renato
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Vinholi, João Gabriel
dc.subject.por.fl_str_mv SAR
CNN
Detecção de Mudanças
Resolução de Comprimento de Onda
topic SAR
CNN
Detecção de Mudanças
Resolução de Comprimento de Onda
description TCC (graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia Elétrica.
publishDate 2020
dc.date.none.fl_str_mv 2020-09-23T17:59:19Z
2020-09-23T17:59:19Z
2020-09-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/212951
url https://repositorio.ufsc.br/handle/123456789/212951
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 76
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652328250638336

Registros relacionados