Bu çalışmada, bulanma ve gürültü tarafından bozulmuş olan imgelerüzerinde bir hedef tanıma algoritmasının başarımının degerlendirilmesi yapılmaktadır.İmge bozulmalarının benzetimi, geliştirmiş oldugumuz Sensör Modeli Yazılımı kullanılarak yapılmaktadır. Yazılım, Modülasyon Transfer Fonksiyonu temelli bulanma veüç boyutlu gürültü modellerini içermektedir. Ç alışmanın ana amacı sensör modelinin, hedef tanıma algoritmalarının başarımlarını degerlendirmek kapsamındakiönemini göstermektir. Bu kapsamdaörnek bir algoritma olarakÖlçek DegişimsizÖznitelik Dönüşümü tabanlı bir hedef tanıma algoritması seçilmiştir. Bu amaç dogrultusunda kızılötesi bandındä ozellikle atmosferik faktörlerin (türbülans ve aerosol) baskın oldugu koşullar altında imge bozulmaları benzetilmiş ve seçilen hedef tanıma algoritmasına olan etkileri belirli metrikler yardımıyla degerlendirilmiştir. Ç alışmanın sonuçlarının sentetik imgeüreteçleri kullanılarak kızılötesi bandında hedef tespit, takip ve tanıma algoritmalarının başarımlarının eniyilenmesi kapsamındaki araştırmalara yol gösterici olacagı degerlendirilmektedir. ABSTRACT In this work, the performance of a target recognition algorithm is evaluated on images distorted by blur and noise. We simulate such image distortions using our Sensor Model Software. The software includes a blur model based on the modulation transfer function and a 3-D noise model. The main objective of the work is to show the importance of the sensor model for evaluating the performance of target recognition algorithms. An example algorithm, which is based on the Scale Invariant Feature Transform has been selected for this evaluation. Under conditions for which atmospheric factors (turbulence and aerosol) are dominant, image degradations have been simulated and their effect on the algorithm has been evaluated using relevant measurement criteria. This work is believed to shed light to the efforts for increasing the efficiency of target detection, tracking and recognition algorithms in the infrared band by employing synthetic image generators.
Özetçe -Bu çalışmada, geliştirmiş oldugumuz gerçek zamanlı çalışabilen Grafikİşleme Birimi (GPU) tabanlı bir Kızılötesi (KÖ)Sensör Modeli Yazılımından bahsedilecektir. Modül, fizik tabanlı modellere dayalı olarak, bir KÖ görüntüleyicisinin algıladıgı imgelerin benzetimini yapmaktadır. Yazılım, görüntüleyicinin sebep oldugu imgede bozulmaları da (bulanma ve gürültü) hesaba katmakta ve bir KÖ Sahne Üreteci tarafından oluşturulan sentetik imgeler üzerinde bu bozulmaları yüksek çerçeve hızlarında uygulayabilmektedir. Modül; yüksek boyutlardaki imgelerin yüksek hızlarda işlenebilmesini saglamak amacıyla, paralel hesaplamaları GPU üzerinde koşturmaktadır. Bu çalışmada daha önce tarafımızdan sunulmuş olan benzer bir çalışmada elde ettigimiz başarım artırılmıştır. Koşu süresinin azaltılması için, bazı rutinler (özellikle GPU ve CPU arasındaki veri aktarımıyla ilgili olanlar) iyileştirilmiştir. Modülün koşu başarımının belirlenmesi amacıyla; modül, KÖ Sahne Üreteci ve Hedef Tespit / Takip Modüllerinin yer aldıgı bir kapalı döngüde koşturulmuş ve farklı imge boyutları için ulaşılabilen en yüksek çerçeve hızları (frame rate) kaydedilmiştir. Çalışmanın, sinyal enjeksiyon yöntemine dayalı kapalı-döngü benzetim düzeneklerinin geliştirilmesinde destekleyici olacagı degerlendirilmektedir. Anahtar Kelimeler-Kızılötesi Sensör Modeli, Modülasyon Transfer Fonksiyonu (MTF), Grafikİşleme Birimi (GPU), Atmosferik MTF, Optik Türbülans, Hedef Tespit, Kızılötesi Sahne Üreteci, Kapalı-döngü benzetim, Sinyal enjeksiyon. Özet-This work describes a Graphic Processing Unit (GPU) based Infrared (IR) Sensor Model Software capable of operating in real time which has been recently developed by us. This module, which is based on physical models, is capable of simulating the images registered by an infrared imager. The software is also capable of accounting for the image degradations (blur and noise) by applying these effects on synthetic images generated by an IR Scene GeneratorSoftware at high frame rates. In this module, in order to enable processing of large format images at high frame rates, the parallel computations are carried out on the GPU. In this work, we achieved a performance increase when compared to the results of an earlier and similar work presented by us. In order to decrease the execution time, some routines (especially those pertaining to between GPU with CPU data transfer) have been improved. In order to determine the runtime performance of the module, the module has been run in a closed loop where IR Scene Generator and Target Detection / Tracking Modules also exist and maximum achievable frame rates corresponding to different image sizes have been recorded. We believe this study will support the efforts for developing closed-loop simulation systems employing the method of signal injection.
No abstract
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.