TR201810578T4 - SAR görüntülemesinin işlenmesi. - Google Patents

Abstract

SAR görüntüleme verisinin işlenmesine yönelik bir yöntem ve aparat (1), bu adımları içerir: SAR görüntüleme verisinden varyans oran verisinin belirlenmesi; ve değişim deteksiyonunda kullanıma yönelik, F-dağılımından faydalanılması ile belirlenen varyans oranları verisinin işlenmesidir. Yöntem ayrıca istenen bir yanlış alarm oranının seçilmesini içerebilir; ve burada F-dağılımından faydalanılması, F-dağılımı ve istenen yanlış alarm hızına bağımlı olan belirlenen varyans oranlarına yönelik bir değişim deteksiyonu eşiğinin belirlenmesini içerir. Bir diğer olasılık, F-dağılımından faydalanılmasının, belirlenen varyans oranları verisine yönelik olasılıkları belirlemek üzere F-dağılımının kullanılmasını içermesidir.

Description

TARIFNAME SAR GÖRÜNTÜLEMESININ ISLENMESI BULUS SAHASI Mevcut bulus, Sentetik Açiklikli Radar (SAR) görüntülemesinin islenmesi ile ilgilidir.

Mevcut bulus, özellikle degisim deteksiyonu amacina yönelik SAR görüntülemesinin varyans oranlarinin islenmesi ile ilgilidir.

ALT YAPI Degisim deteksiyonu amacina yönelik Sentetik Açiklikli Radar (SAR) görüntülemesinin varyans oranlarinin islenmesi veya hesaplanmasi bilinir.

Varyans orani islemesinin genel sahasinda, F-dagilimi bakimindan verinin islenmesi/analiz edilmesi bilinir. Bununla birlikte, klasik olarak F-dagilimi bakimindan verinin islenmesi/analiz edilmesi, SAR görüntülemesinden türetilen varyans oranlarina yönelik düsünülmemektedir. SAR görüntülemesine yönelik, gerçek veri dagitilmis Gammadir. Bu nedenle, SAR görüntülemesinin varyansi hazir bir kuramsal forma sahip degildir. Benzer sekilde, varyanslarin orani, hazir bir kuramsal forma sahip degildir ve dolayisiyla F-dagilimi açik sekilde uygulanabilir degildir.

VILLASENSOR J D ET AL, "Change detection on Alaska's North Slope using repeat- pass ERS-1 SAR images", IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE görüntüleri kullanan radar geri saçilma siddetinin kiyaslamalarinin sürdürülebilirligini gösterir.

ROSARIO D 8, "Simultaneous multitarget detection and false alarm mitigation algorithm for the Predator UAV TESAR ATR system", IMAGE ANALYSIS AND PROCESSING, 1999. PROCEEDINGS. INTERNATIONAL CONFER ENCE ON VENICE, ITALY 27-29 SEPT. 1999, LOS ALAMITOS, CA, USA, IEEE COMPUT. SOC, araci (UAV) taktik dayaniklilik sentetik açiklikli radar (TESAR) otomatik hedef tanima (ATR) sistemine yönelik hedef deteksiyonu ve yanlis alarm azaltimina yönelik gelistirilmis bir teknigi açiklar.

CERUTTI-MAORI D ET AL, "Experimental Verification of SAR-GMTI Improvement Through Antenna Switching", IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, (20100401), iletim ve/veya alim açikliginin bölümleri arasindaki anahtarlamanin, iki kanalli bir radar sisteminin kara hareket eden hedef indikasyonunu (GMTI) gelistirebilmesini açiklar.

BULUSUN KISA AÇIKLAMASI Mevcut bulus, Gamma dagitiminin, parametrizasyonun en ucunda bir Gauss dagitimi egiliminde oldugu bir açiyi aydinlatan ve akabinde içinde bunun sasirtici sekilde gelistirilebildigi SAR görüntüleme varyans orani verisine yönelik F-dagilimin kullanimina yol açan yöntemleri gerçeklestiren bulusçu tarafindan en azindan kismen tü retilir.

Bir birinci açida, mevcut bulus degisim deteksiyonuna dayanan otomatik hedef deteksiyonuna yönelik, SAR görüntüleme verisinin islenmesinin bir yöntemini saglar, SAR görüntü verisi, birinci SAR görüntü verisini ve ikinci SAR görüntü verisini içerir, yöntem bu adimlari içerir: birinci SAR görüntü verisine yönelik ve ikinci SAR görüntü verisine yönelik varyanslarin belirlenmesi; birinci SAR görüntü verisinin ve ikinci SAR görüntü verisinin varyanslarinin kullanilmasi ile varyans orani verisinin hesaplanmasi; ve degisim deteksiyonunda kullanima yönelik, F-dagilimindan faydalanilmasi yoluyla belirlenen varyans oranlarinin islenmesi, burada F-dagilimi belirlenen varyans orani verisine yönelik olasiliklari belirlemek üzere F-dagiliminin kullanilmasini içerir.

Yöntem ayrica istenen bir yanlis alarm oraninin seçilmesini içerebilir; ve F- dagilimindan faydalanilmasi, F-dagilimi ve istenen yanlis alarm hizina bagimli olan belirlenen varyans oranlarina yönelik bir degisim deteksiyonu esiginin belirlenmesini içerebilir.

F-dagiliminin kullanilmasi ile degisim deteksiyonu esiginin belirlenmesi, F-dagiliminin ters kümülatif yogunlukfonksiyonunun kullanilmasini içerebilir.

F-dagiliminin kullanilmasi ile degisim deteksiyonu esiginin belirlenmesi, denklemin kullanilmasini içerebilir I_F_1 pm N-l N-l 2 |(p(L,N)°(p(L,m Yöntem ayrica belirlenen varyans oranlari verisinini belirlenen degisim deteksiyonu esigi ile kiyaslanmasini içerebilir.

Belirlenen varyans oranlari verisi, oran degerlerinin bir görüntüsü olabilir.

F-dagilimindan faydalanilmasi, belirlenen varyans oranlari verisine yönelik olasiliklari belirlemek üzere F-dagiliminin kullanilmasini içerebilir.

F-dagiliminin kullanilmasi ile olasiliklarin belirlenmesi, denklemin kullanilmasini içerebilir Olasiliklar, varyans oranlari verisinin belirlenmesinde kullanilan her bir piksel veya lokal alan penceresine yönelik belirlenebilir.

Bir diger açida, mevcut bulus yukaridaki açilardan herhangi birinin yöntemini gerçeklestirmek üzere düzenlenen aparati saglar.

Bir diger açida mevcut bulus, bir bilgisayar sistemi veya bir veya daha fazla islemci tarafindan uygulandiginda bunun/bunlarin, bilgisayar sistemi veya bir veya daha fazla islemcinin, yukaridaki açilardan herhangi birinin yöntemi ile uyumlu olarak çalismasina neden olacagi sekilde düzenlenen bir program veya birçok programi saglar.

Bir diger açida mevcut bulus, yukaridaki açiya göre bir program veya birçok programdan en az birini depolayan makine tarafindan okunabilir bir depolama ortamini SEKILLERIN KISA AÇIKLAMASI Sekil 1, SAR görüntülemesinin varyans oranlarini islemeye yönelik bir sistemin sematik bir gösterimidir; Sekil 2, SAR görüntülemesinin varyans oranlarini islemeye yönelik bir yöntemin belirli adimlarini gösteren bir proses akis semasidir; Sekil 3, Sekil 2'nin yönteminin adimlarindan birine dahil edilen belirli adimlari gösteren bir proses akis semasidir; Sekil 4, SAR görüntülemesinin varyans oranlarini islemeye yönelik bir diger yöntemin belirli adimlarini gösteren bir proses akis semasidir; Sekiller 5A ve SB, ortalama ve iki standart sapma hata çubugunun, sirasiyla görünüm parametresinin sayisi ve pencere boyutu parametresinde bir varyasyona yönelik çikarim proseslerinin sonuçlarini göster; Sekiller 6A ve BB, türetilen iliskinin parametrik formunun yakalanmasi ile ilgili grafikleri gösterir; Sekil 7, parametre degerlerini yakalayan bir çikarim prosesinden bir post isinma alt kümesine yönelik sonuçlari gösterir; ve Sekiller 8A ve 88, sentezlenmis ham oran degerleri ve olasilik yogunluk egrilerinin histogramlarini gösterir.

DETAYLI AÇIKLAMA Sekil 1, Sar görüntülemenin varyans oranlarinin Islenmesinin yöntemlerinin düzenlemelerini uygulamak üzere kullanilabilen SAR görüntülemenin varyans oranlarinin islenmesine yönelik bir sistemin (1) bir düzenlemesinin sematik bir gösterimidir. Sar görüntülemenin varyans oranlarinin islenmesine yönelik sistem (1), bir kontrolör (2), kontrolöre (2) bagli bir girdi (4), kontrolöre (2) bagli bir SAR sensörü (6) ve kontrolöre (2) bagli bir çikti (8) içerir.

Isletimde, girdi (4) kontrolöre (2) girilmek üzere kullaniciya veya parametreler ve bir yanlis alarm hizi gibi sistem girdilerine olanak saglamak üzere kullanilir. Bir sahnenin SAR verisi, SAR sensörü (6) vasitasiyla toplanir ve kontrolöre (2) aktarilir. Çikti (8), kontrolörden (2) esiklenen görüntüler veya varyans orani olasiliklari gibi islenen veriyi üretmek üzere çalisir. SAR görüntülemenin varyans oranlarinin islenmesine yönelik yukarida açiklanan sistemin (1) uygulanmasina ve asagida açiklanacak olan yöntem adimlarinin gerçeklestirilmesine yönelik, kontrolörü (2) içeren aparat herhangi bir uygun aparatin, örnegin bir veya birden fazla bilgisayarin veya diger isleme aparatlari veya islemcilerin konfigüre edilmesi veya bunlarin adapte edilmesi ve/veya ilave modüllerin saglanmasi yoluyla saglanabilir. Aparat, bilgisayar bellegi, bir bilgisayar diski, ROM, PROM vb. gibi bir makine tarafindan okunabilir bellek ortami veya bunlar veya diger bellek ortamlarinin herhangi bir kombinasyonu üzerinde saklanan bir bilgisayar programi veya birçok bilgisayar programi seklinde talimatlar ve verileri içermek üzere talimatlarin uygulanmasi ve verilerin kullanilmasina yönelik olarak, bir bilgisayar, bilgisayarlarin bir agi veya bir veya daha fazla islemciyi içerebilir. SAR sensörü (6), bir hava araci veya uzay araci platformu, örnegin DLR ESAR veya Selex-Galileo PicoSAR hava araçlari veya erraSAR-X uzay araci üzerine monte edilmis bir X, L, P veya C bandi araçlar gibi herhangi bir klasik SAR sensörü olabilir.

Sekil 2, SAR görüntülemesinin varyans oranlarini islemeye yönelik bir düzenlemenin belirli adimlarini gösteren bir proses akis semasidir. Adimda (52), parametreler girdi (4) vasitasiyla kontrolöre (2) girilir. Parametreler, bir insan operatör tarafindan belirlenebilir, diger bir deyisle ayarlanabilir veya otomatik olarak veya yari otomatik olarak üretilebilir. Herhangi bir uygun varyans orani ve SAR görüntüleme parametreleri girdi, örnegin görünümlerin sayisi ve/veya belirlemesine yönelik amaçlanan bir hedef üzerinden ortalama olmak üzere kullanilan pencere boyutu olabilir.

Adimda (s4), varyans oranlari verisi belirlenir. Bu, SAR sensörü (6) vasitasiyla SAR görüntü edinimi ve kontrolör (2) tarafindan bunun islenmesini kapsar. Bu adimin diger detaylari, Sekil 3'e referans ile asagida daha sonra açiklanir.

Adimlardan (s2 ve s4) ayri olmak üzere adimda (36), yanlis alarm hizi girdi (4) vasitasiyla kontrolöre (2) girilir. Yanlis alarm hizi, deteksiyon prosesinin bir parçasi olarak tolere edilecek olan bir yanlis alam hizidir. Yanlis alarm hizi, bir insan operatör tarafindan belirlenebilir, diger bir deyisle ayarlanabilir veya otomatik olarak veya yari otomatik olarak üretilebilir.

Adimdan (s4) ayri olmak üzere, adimda (S8) deteksiyon esigi adimda (32) parametrelerin girdisini ve adimda (86) yanlis alarm hizi girdisini göz önünde bulundurarak, kontrolör (2) tarafindan belirlenir. Bu düzenlemede, deteksiyon esigi (t) denkleme göre istenen yanlis alarm hizindan (prg) türetilir sz 7 9 1 2 IMAN) cprm› burada F'1(-), F-dagiliminin ters kümülatif yogunluk fonksiyonudur (diger bir deyisle, her bir piksel veya lokal alan penceresine yönelik varyanslarin oraninin fonksiyon degerinin F-dagilimidir). F-dagilimi ayni zamanda Snedecor'in F dagilimi veya Fisher-Snedecor dagilimi olarak bilinir. Bu denklem ve buradaki çesitli terimler, asagida ayrica tanimlanir ve açiklanir, burada mevcut bulusçu tarafindan elde edilen diger analizler saglanir. Diger düzenlemelerde, bu denklem veya farkli denklemler üzerine varyasyonlar, bu analizde asagida saglanan kavrama ve tartismaya dayanan teknikte uzman kisiler tarafindan türetilebilecegi ve kullanilabilecegi anlasilacaktir.

Adimda (s10), adim (S4) vasitasiyla saglanan varyans oranlari verisi, esiklenmis veriyi saglamak üzere adimda (S8) belirlenen esik ile kiyaslanir. Varyans oranlari verisi, oran degerlerinin bir görüntüsüdür ve bu düzenlemede, bunun esik ile kiyaslanmasi yoluyla, esiklenmis bir görüntü, diger bir deyisle içinde varyans oraninin esikten fazla (veya esigin nasil ifade edildigine bagli olarak az) olan bölgelerin esiklenmis görüntü üzerinde vurgulandigi bir sahnenin bir görüntüsü (oranlarin varyansinindir) saglanir.

Adimda (512), bu esiklenmis veri (bu düzenlemede esiklenmis bir görüntü formundadir) çikti (8) vasitasiyla kontrolörden (2) üretilir.

Sekil 3, varyans oranlarinin belirlenmesinin adiminin (s4) yukarida bahsedilen prosesine dahil edilen belirli adimlari gösteren bir proses akis semasidir.

Adimda (520), SAR görüntü verisi toplanir. Açiklamayi kolaylastirmak üzere, ilk defa toplanmis olarak ifade edilecektir ancak bunun sonraki veri toplamalari ile farklilastirilacagi ve zorunlu olarak herhangi bir mutlak baglamda bunun birinci SAR veri edinimi oldugu anlamina gelmedigi anlasilacaktir. SAR görüntü verisi SAR sensörü (6) tarafindan algilanir ve klasik yöntemde kontrolöre (2) aktarilir. Örnegin, SAR sensörü verilen ilgili bir bölge, diger bir deyisle buna yönelik bir görüntünün algilandigi/yakalandigi sahne üzerinden geçen bir hava araci üzerine monte edilebilir.

Adimda (322), kontrolör (2) adimda (520) toplanan SAR görüntü verisine yönelik, diger bir deyisle birinci SAR görüntü verisine yönelik varyanslari belirler. Bu, klasik yöntem ile uygulanir. Örnegin, lokal alan pencerelerinin tanimlanmasi ile her bir lokal penceredeki varyans belirlenir. Bu, yakin civarindan pikselleri kullanan her bir görüntüye yönelik gerçeklestirilebilir veya bir diger temele dayanabilir.

Adimda (324), SAR görüntü verisi yeniden toplanir. Açiklamayi kolaylastirmak üzere, ikinci defa toplanmis olarak ifade edilecektir ancak bunun önceki “birinci" veri toplamasi ile farklilastirilacagi ve zorunlu olarak herhangi bir mutlak baglamda bunun ikinci SAR veri edinimi oldugu anlamina gelmedigi anlasilacaktir. SAR görüntü verisi SAR sensörü (6) tarafindan algilanir ve klasik yöntemde kontrolöre (2) aktarilir. Veri, buna yönelik birinci SAT görüntü verisinin adimda (320) toplandigi, ilgili bölge, diger bir deyisle sahne ile ayni veya buna örtüsen bir bölgeye yönelik elde edilir.

Adimda (326), kontrolör (2) adimda (524) toplanan SAR görüntü verisine yönelik, diger bir deyisle ikinci SAR görüntü verisine yönelik varyanslari belirler. Bu, birinci SAR görüntü verisine yönelik varyanslarin belirlenmesine yönelik adimda (522) kullanilan ile ayni yöntemde uygulanir.

Adimda (328), birinci ve ikinci SAR görüntü verisi kaydedilir, örnegin ilgili sahnelerin karanin ayni bölgesini kapsayacagi sekilde kaydedilir. Bu, klasik yöntem ile uygulanir.

Adimda (330), varyans oranlari verisi hesaplanir. Bu, klasik yöntem ile uygulanir. Örnegin, her bir piksel varyansina yönelik veya her bir lokal alan pencere varyansina yönelik, birinci SAR görüntü verisinde bu piksel varyansinin degeri, ikinci SAR görüntü verisinde bu piksel varyansinin degerinin bir orani olarak hesaplanir. Bunun her bir piksel varyans degerine yönelik (veya en azindan birçok piksel varyans degerinin veya her bir lokal alan pencere varyansi veya en azindan birçok lokal alan pencere varyans degerine yönelik) uygulanmasi ile varyans oranlar verisi, bu düzenlemede sahnede verilen noktalardaki oran degerlerinin bir görüntüsüdür.

Klasik yöntemde, adimlarin (320 ila 530) prosesleri, adimdaki (52) parametrelerden faydalanir.

Yukarida açiklanan adimlar (320 ila 330) ve adim (32), klasiktir ve diger düzenlemelerde bunlarin, gerçeklestirildikleri sira dahil olmak üzere, ayrica adimlarin biri veya birden fazlasinin bir dereceye kadar paralel veya en azindan geçici olarak örtüsmeli olarak gerçeklestirilebilmesi dahil olmak üzere degistirilebilecegi anlasilacaktir. Ilave olarak, diger düzenlemelerde, herhangi uygun bir klasik prosesin, parametrelerin ayarlanmasi/girilmesi, SAR görüntü verisinin elde edilmesi ve bunlardan varyans oranlari verisinin belirlenmesine yönelik kullanilabilecegi anlasilacaktir.

Proses akabinde, Sekil 2'ye referans ile yukarida açiklandigi üzere adima (s10) ilerler.

Sekil 4, SAR görüntülemesinin varyans oranlarini islemeye yönelik bir diger düzenlemenin belirli adimlarini gösteren bir proses akis semasidir. Adimda (S2), parametreler girdi (4) vasitasiyla kontrolöre (2) girilir.

Adimda (S4), varyans oranlari verisi belirlenir.

Bu adimlar (32 ve 84), Sekil 2`ye referans ile yukari açiklanan proseste oldugu gibi ayni sekilde gerçeklestirilir.

Adimda (s40), olasiliklar adim (34) yoluyla saglanan varyans oranlari verisinin varyans oran degerlerine yönelik belirlenir. Varyans oranlari verisi, her bir piksel varyansina veya her bir lokal alan pencere varyansina (veya en azindan birçok piksel varyans degeri veya en azindan birçok lokal alan pencere varyans degeri) yönelik oran degerleri içerir. Bu düzenlemede, bir olasilik her bir piksel veya her bir lokal alan penceresine (veya en azindan birçok piksel veya en azindan birçok lokal alan penceresi) yönelik belirlenir. Belirlenen p-degeri olasiligi, sifir gerçek degisim veya hedefin birinci SAR görüntü verisine kiyasla ikinci SAR görüntü verisinde (veya tam tersi) mevcut hale gelmesi durumunda, gözlemlenmis olan ilgili varyans oran degerinin sahip oldugudur. Olasiliklar, herhangi bir uygun formda, örnegin yogunluklar olarak veya akümülatif olasiliklar olarak hesaplanabilir ve ifade edilebilir. Bu düzenlemede, deteksiyon olasiliklar, denkleme göre varyans oran degerlerinden türetilir Yukarida önceden birinci düzenlemede açiklandigi üzere, kullanim F-dagilimindan (diger bir deyisle, her bir piksel veya lokal alan penceresine yönelik varyanslarin oraninin fonksiyon degerinin F-dagilimi) yapilir. Bu denklem ve buradaki çesitli terimler, asagida ayrica tanimlanir ve açiklanir, burada F-dagiliminin mevcut bulusçu tarafindan kullaniminin diger analizleri saglanir. Diger düzenlemelerde, bu denklem veya farkli denklemler üzerine varyasyonlar, bu analizde asagida saglanan kavrama ve tartismaya dayanan teknikte uzman kisiler tarafindan türetilebilecegi ve kullanilabilecegi anlasilacaktir.

Genel taslakta, bu düzenlemede, oranin bir fonksiyonu ayri piksel varyanslarina (veya ayri lokal alan pencere varyanslarina) yönelik bir olasiligi belirlemek üzere ayri piksel varyanslarina (veya ayri lokal alan pencere varyanslarina) uygulanir. Bu nedenle, bu karsilik gelen ancak bununla birlikte içinde bir olasiligin (yanlis alarm hizi) bir esigi belirlemek üzere kullanildigi Sekil 2`ye referans ile yukarida daha önceden açiklanan düzenlemede kullanilana ters bir yaklasim olarak kabul edilebilir.

Adimda (s42), belirlenen olasiliklar çikti (8) vasitasiyla kontrolörden (2) üretilir.

Bu noktada, varyans oranlarinin testine yönelik mevcut bulusun bulusçusu tarafindan kullanimin yukarida bahsedilen diger analizine ve ayrica yukaridaki düzenlemelerin ve diger olasi düzenlemelerin diger detaylarina ve tartismasina yönelinir.

U ulama ukarida bahsedilen di“er analizindir Yukaridaki düzenlemeler, degisim deteksiyonuna dayanan, Sentetik Açiklikli Radar (SAR) görüntülemeye uygulamaya yönelik saglanan Otomatik Hedef Deteksiyonunun (ATD) çesitli uygulamalarini kullanir. Algoritmalar avantajli olarak birkaç pikselden birkaç yüz piksele kadar genis kapsamli bir araligi kapsayabilen küçük hedefleri belirlemek üzere ayarlanabilir olma egilimindedir. Bunun gibi, detektör potansiyel olarak sensör çözünürlügüne bagli olarak oldukça küçük nesnelerden daha genis araç boyutlu nesnelere kadar saptamaya yönelik konfigüre edilebilir.

Degisim deteksiyonu uygulamalari birçok formu alabilir. Savas Hasar Tespiti (BDA) gibi bazi uygulamalarda, genel olarak degisim ne zaman ve nerede gerçeklesmesi gerektigi bilinir. Dolayisiyla, veri toplama olaydan önce veya sonra kisa bir süreye yönelik planlanabilir ve degisim tespiti, degisimlerin optimal olarak tanimlanacagi bir sekilde hedeflenir. Mevcut bulusun düzenlemeler, degisim yoluyla baslangiç hedef deteksiyonunun problemine yönelmek üzere kullanilabilir. Bu uygulamada, degisimlerin tam olarak ne zaman veya nerede meydana gelecegi bilinmemektedir. Bu nedenle, yaklasim ilgili degisimlerin edinimin tarihleri ile zamanlari arasinda meydana geldigi, ancak diger hiçbir önemli degisimin bu zaman çerçevesi içinde meydana gelmesinin muhtemel olmadigina yönelik bir varsayimda bulunur. Ilgili hedefin türleri aranirken, bu varsayim kaçinilmaz sekilde deteksiyon performansinda uzlasmalara yol açacaktir.

Görüntü çiftinin kisa bir zaman periyodunda toplanmasi durumunda, degisimler henüz meydana gelmemis olabilir; aksi sekilde, toplamanin uzun bir süre sürmesi durumunda, dogal çevreden (alt yapi degisimleri, bitki örtüsünün büyümesi, vb.) dolayi degisimlerin kendileri prosesi etkileyebilir.

Burada açiklanan düzenlemeler avantajli olarak temel bir durumun kurulmasina göre ve içinde örnegin, bir bölgenin (tasit yolu, çöl yolu, vb.) düzenli (örnegin, günlük) üst geçis uçuslarinin seçilen zaman periyoduna yönelik temel durumu yeniden dogrulamak üzere yapildigi bir çalisma modunda kullanilir. Deteksiyon prosesinin kendisi tercih edildigi üzere gerekli olmasi durumunda bir analist ve alanda tespit yoluyla detayli yorumlamaya yönelik vurgulanacak olan tanimlanmis herhangi bir degisime olanak saglar. Üst geçis uçuslarin görüntülemede çevresel ve insan kaynakli degisimlere uymaya yönelik bir tempoda gerçeklestirilmek üzere planlanmasi tercih edilir.

Burada açiklanan düzenlemeler en azindan kismen SAR görüntülemenin istatiksel özelliklerinin bilgisi ve kullanimina dayanir. Daha iyi ve daha hizli algoritma performansinin tipik olarak görüntüleme prosesine göre daha fazla bilginin varsayilabilmesi durumunda sonuçlandigi bulusçunun fikridir. Diger algilama modaliteleri üzerine SAR'nin bir avantaji, bu prosesin iyi sekilde anlasilmasi ve oldukça siki sekilde kontrol edilmesidir, böylece avantajli olarak mevcut bulusçu burada açiklanan düzenlemelerde bundan faydalanir. Bunun gibi, burada açiklanan düzenleme avantajli olarak görüntülemenin altta yatan istatiksel özelliklerini kullanma egilimindedir.

Burada açiklanan düzenlemeler, önceden kaydedilen SAR görüntüleri arasinda bir varyans oran yaklasimini kullanir (veya bu tür kayit düzenlemenin parçasi olarak meydana gelebilir). Saptanan görüntünün varyansi, çiftteki her bir görüntüde test bölgesini kapsayan küçük bir pencereye yönelik belirlenir. Bazi düzenlemeler iki varyansin orani hesaplanir ve bunun degeri bir esige karsi test edilir, esigin belirlenmesi yanlis alarmin önceden seçilen veya belirlenen bir olasiligina dayanir. Bu durum, bir Sabit Yanlis Alarm Hizi detektörü olarak kullanilmaya olanak saglama egilimindedir.

Mevcut bulusçu tarafindan gerçeklestirilen yanlis alarm hizi analizi, bulusçunun Monte- Carlo denemelerinde, varyans oran istatistiginin dagiliminin, F-dagilimina yakin bir uyum göstermek üzere ortaya çiktigi sasirtici gözlemine kismen dayanir. Dagilimin formu, Gauss rastgele degiskenlerinin varyansinin oraninin, bir F-dagilimina sahip oldugu ve SAR görüntülemede bulunan Gamma dagitilmis degiskenlerinin bunlarin parametrizasyonunun en uçlarinda Gauss formu ile birlesecegi bilgisinden türetilir. Bu en uç noktalardan uzakta, F-dagiliminin ayrica, ancak az miktarda degistirilmis bir parametre dizisini kullanarak uygulanabilecegi belirtilir. Burada bulusçu. parametrelere alterasyonlara yönelik ampirik bir islevsel form türetir. Bu durum. test pencere boyutu ve görünümlerin görüntü sayisinin faydali bir dizi parametrizasyonuna yönelik uygulanabilen uygun bir istatistiksel teste yol açar.

Yanlis alarm analizinden türetilmis esiklerin kullanilmasi ile düzenlemeler görüntü örneklerini saklamak üzere uygulanmistir. Küçük bir zaman araliginda kolay sekilde tanimlanan az sayida degisim ile bir hava alaninin ve çevreleyen altyapinin kaydedilen bir görüntü çiftinin kullanilmasi ile üretilen sonuçlar. yöntemin uygun degisim görüntülemede iyi bir performansi üretebildigini gösterir.

Asagidaki, kisim (“Istatistiksel Degisim Deteksiyonu" baslikli) degisim deteksiyonu yaklasimini tartisir ve varyans oran yöntemini sunar. Bundan sonraki kisim (“Varyans Oranlarina yönelik Sabit Yanlis Alarm Hizi Deteksiyonu” baslikli) ilgili istatistiklere yönelik yanlis alarm hizi performansini tartisir ve önceden ayarli yanlis alarm hizlari ile eslesen esiklerin yaklasiginin alinabilecegi sekilde bir ampirik düzeltme formülünün formunu ve parametrizasyonunu türetir.

Istatistik Degisim Deteksiyonu Burada tartisilan degisim deteksiyon prosesi asagidaki unsurlar ile bir hipotez test etme metodolojisine dayanir: . içinde görüntüler arasinda sifir degisimin bulundugu bir sifir hipotez; ve . degisimin meydana geldigi bir alternatif hipotezdir.

Burada açiklanan degisim deteksiyon yaklasimi, islemin lokal-bölge türlerine dayanir.

Bu yaklasimlar genellikle merkezi bir test alanini çevreleyen küçük bir bölgeden görüntü çiftine yönelik alistirma istatistiklerini çikartir. Alistirma ve test alanlari arasinda, bir aralik veya koruma bölgesi olabilir ve test alaninin kendisi birkaç pikselden yapilabilir. Burada incelenen yöntem etkili bir sekilde bir görüntüde alistirma bölgesine ve digerinde test bölgesine sahiptir. Her bir görüntüde varyans test alanina lokal N pikselin bir bölgesinde toplanir. Bu, buradan piksellerin, verilen bir test noktasini çevreleyen bir kare veya dairesel bölge olmak üzere toplandigi bölgeye tüm piksellerin dahil edilmesine kadar tüm görüntü boyunca geçilecek olan test noktasina yönelik ortaktir.

Genlik veya güç SAR görüntü çiftlerine yönelik bir degisim detektörü, Kaplan, L. M., Aerospace and Electronic Systems, Vol. 37, No. 2 April 2001 referansinda açiklanan teknigin satirlari ile birlikte varyans oranini kullanarak olusturulabilir. SAR görüntülemede en azindan, insan yapimi hedef nesnelerinin piksellerinin ayrik daginik nesnelerin sahip oldugundan daha sivri benekli bir yapi gösterme egilimde oldugu gözlemine dayanir. Sivrilik, dir dereceye kadar varyans operatörü yoluyla yakalanir ve ölçümlerin oraninin alinmasi ile kiyaslanabilir. Bu nedenle, ham varyans orani asagidaki sekildedir P : varim.` (iL/"Il Yukarida tartisildigi üzere varyansin test alanina lokal N pikseller üzerinden toplanmasi durumunda, If]2 birinci görüntünün saptanan pikselleriyken, |g|2 ikinci görüntünün saptanan pikselleridir. Bu, tanim olarak Touzi, R., Lopes, A., Bousquet, P., "A Statistical and Geometrical Edge Detector for SAR Images", IEEE Transactions on düsünülen RCS oranina benzerdir. Oran istatistiginde saptanan görüntülemenin varyansinin kullanimi, karmasik bir istatistiksel yorumlamaya yol açar. Sabit Yanlis Alarm Hizi (CFAR) türü bir operatör içinde bu yaklasimin gelisimi, asagidaki kisimda tartisilir.

Varvans Oranlarina yönelik Sabit Yanlis Alarm Hizi Deteksivonu Oliver, C., Quegan, S., "Understanding Synthetic Aperture Radar Images", SciTech (I) ürün olarak tasarlayarak, SAR görüntülemede benege yönelik çogullayici bir 1:07: burada 0, bir birim ortalama benek bileseni tarafindan çarpilan ölçümün noktasinda belirleyici Radar Enine Kesittir (RCS). Tekli görünüm görüntülemeye yönelik, benek bileseni (n) katlanarak dagitilirken, çok görünümlü görüntülemeye (L görünüm ile) yönelik asagidaki Gamma yogunluk geçerlidir gtn)- CYpl-IJI).

Diger bir deyisle, biçim parametresi () ile standart bir Gamma dagilimi, 1'in ve 1/L'in varyansinin bir ortalamasini verecek olan parametreyi (1/L) ölçeklendirir. Bu olasilik yogunluk fonksiyonu (pdf) bu nedenle benegin etkilerinin azaltilmasi yoluyla çok görünümün avantajini vurgular. Bulusçu ayni zamanda biçim parametresi daha genis oldukça, Gamma dagiliminin bir Gauss dagilimi egiliminde oldugunu aydinlatmistir.

Ham Oran Istatistiginin Dagilimi Varyanslarin ham oraninin (1?) göz önünde bulundurulmasi ile baslanir. Yukaridaki dagilim ile piksellerin toplanmasinin varyansinin orani ile ilgilenilir. Yukarida belirtilen sifir degisimin varsayimina ilave olarak, asagidakiler varsayilir: . görüntü pikselleri bagimsizdir; - üzerinden varyanslarin toplandigi bölge homojendir ve; . üzerinden varyanslarin hesaplandigi bölge ayni boyuta ve biçime sahiptir.

Bu varsayimlar, asagidaki sekilde daha önceki oran denklemini modifiye eder lê oîvzirlnil (T`varlizî) burada ni birinci görüntüden benek bilesenidir ve Hz ikinci görüntüden benek bilesenidir. Açik sekilde, bu sifir hipotezin altinda, RCS bilesenleri, iptal eder, dolayisiyla oran istatistikleri sadece benege bagimlidir.

Benegin bir Gauss dagilimina sahip olmasi durumunda, akabinde R'nin asagidaki olacak sekilde bir F-dagilimina sahip olacaktir burada 81 numune boyutu (M) ile görüntüden (1) tarafsiz numune varyansidir ve 32 numune boyutu (N2) ile görüntüden (2) tarafsiz numune varyansidir, akabinde iêx F(v1 = N] -l,v; = N: -i) burada v1 ve V2 F-dagiliminin serbestlik dereceleridir. Yukarida belirtildigi üzere, bulusun bölgeleri esit boyutlara sahiptir, böylece V1 =v2 :N -1.

Pikseller Gauss degildir, bununla birlikte bulusçu, L'nin arttirilmasindan dolayi benegin dagiliminin Gauss egiliminde olmasi nedeniyle, F-dagiliminin ayni zamanda Gamma dagitilmis benege yönelik kullanima yönelik adapte edilip edilemeyecegini düsünmenin sasirtici olacagini düsünmüstür.

Görünümlerin sayilarinin degistirilmesi ile Gamma dagilimindan benegin simüle edilmesine yönelik bilinen bir proses bulunur. Simüle edilmis degerlerin varyanslari akabinde ham oran istatistiginin dagilimini incelemek üzere bulunan bir dizi numune boyutu ve oranina yönelik çikarilabilir. Nicelik-Nicelik (QQ) grafikleri simüle edilmis verinin dagilimi ile teorik dagilimlari kiyaslamak üzere kullanilir. Bir dizi QQ grafiginin baslangiç incelemesi, bir faktörün (gö) serbestlik derecesi (V1(=V2)) parametresine uygulanmasi halinde, bunun, Gamma dagitilmis verinin varyansinin orani ile eslesmesini mümkün kilmak üzere bir F-dagiliminin ayarlanmasina olanak saglayacagini önerir.

Bunun daha fazla arastirilmasi amaciyla, görünümlerin (L) sayisinin ve varyansa (N) katki saglayan numunelerin sayisinin bir dizi ayarina yönelik R degerlerinin genis numunelerini sentezleyen kapsamli bir dizi deneme bulusçu tarafindan gerçeklestirilmistir. Bir Markov-Zinciri Monte-Carlo (MCMC) prosedürü, her bir simüle edilmis diziye, d› uydurma degerlerinin simülasyon yoluyla sonucunu çikarmak üzere kurulmustur 1% ~ F4 _. = *3 LP -' Burada kullanilanlar gibi MCMC tekniklerine bir uygulama, Gilks, W.R., Richardson, S., Spiegelhalter, D. J., "Markov Chain Monte Carlo in Practice", Chapman and Hall, 1996 referansinda bulunabilir. MCMC prosesi, parametre alani boyunca iyi bir hareketi saglayarak, simülasyon boyunca %40-%50 arasinda bir kabul oranini döndürmek üzere ayarlanmistir. Her bir isleme yönelik oldukça hizli bir baslangiç isinma periyodundan sonra, sonuca varilan (i) degerlerinin istatistikleri toplanmistir.

Bu çikarma prosesinden sonuçlar, her bir parametrizasyona yönelik türetilen ortalama çö degerlerini gösteren Tablo 1 Ile asagida gösterilir. Ayni zamanda Sekiller 5A ve SBiye refere edilerek, Sekil 5A N= 25'in sabit varyans numune boyutu ve degisken bir görünüm sayisina yönelik iki standart sapma hata çubugu ile birlikte ortalamayi gösterirken, Sekil SB, sabit bir görünüm sayisi (L: 1) ve degisken bir pencere boyutuna yönelik ortalama ve iki standart sapma hata çubugunu gösterir.

Ialilr l `Iran i." `35'lik` [or a ruiigr1›I\ariaiiice “indim sin-`i .L lam! îmagr Tablo ve sekiller, beklendigi üzere faktörün görünüm sayisi arttikça 1'Iik bir degere yaklastigini belirtir. Bu sonuçlar ayni zamanda, daha küçük varyans numune boyutlarina yönelik küçük bir görünüm sayisina yönelik dahi faktörün bire yakin oldugunu, ancak varyans pencere boyutunun arttikça, bunun bir sekilde görünüm sayisi parametresinin her bir ayarina yönelik birkaç degerine asimptotik göründügünü gösterir.

Sekiller 5A ve SBlnin formu, bulusçuya ip ile görünüm sayisinin tersinin arasinda bir iliskiyi önerir. Bu, düsünülen her bir N degerine yönelik Sekil 6A'da incelenir (düsünülen 6A, her bir N'e yönelik 1/L`ye karsi 45 grafiginin yaklasik olarak en azindan bire yakin kesen ile düz bir çizgi oldugunu gösterir. Bu, asagidakinin islevsel bir formunun, uygun olabilecegini belirtir q)lL..-\~") â l-i- %L'UV) burada c(N) sadece varyans numune boyutunun birkaç fonksiyonudur. Bu ,düzgün sekilde 45-›1'i L-wo olarak birlestirir. Sekil 68, 1 ila 16 arasinda her bir L degeri tam sayisina yönelik, asagidakine karsi L( iyilestirmeye çalisir til/Z? Bu noktada önceki, yukaridaki sonucun göz önünde bulundurulmasi ile seçilmistir ve ikinci kisim birkaç basarisiz denemeden sonra seçilmistir.

Sekil GB'nin bu sonucu, neredeyse ayni, düsünülen tüm degerlere (L ve N) yönelik neredeyse düz çizgi fonksiyonunu gösterir. Bu gözlemleme, asagidaki islevsel formun gösterime yönelik yeterli olabilecegini gösterir. (p(/.,N)= i _MJ - Ü l Ikinci MCMC bazli bir proses, görünümlerin sayisi ve varyans pencere boyutuna yönelik biri dizi degeri kapsayan bir milyon sentezlenmis veri noktasinin bir numune dizisini kullanarak a ve b degerlerini çikarmak üzere tasarlanmistir. Markov-Zinciri 17,500 yinelemeye yönelik çalistirilmistir. Bir sonraki yakma alt kümesine yönelik sonuçlar Sekil 7'de gösterilir. Bu sonuç, fonksiyon parametrelerinin çiftinin ortak dagilimini vurgular. Sekil 7'nin denetlemesi parametre çiftine yönelik uygun degerlerin a = 3.04 ve b = 4.95 olmasini önerir.

Bu tartismaya yönelik son bir sonuç, sentezlenmis ham oran degerlerinin histogramlarini ve bir çift parametrizasyona yönelik yukaridaki analizi kullanarak türetilen teorik F-dagilimina yönelik olasilik yogunluk egrilerini gösterir. Bunlar, gölgelenmis histogramlar ve yukaridaki kaplanmis prosedürü kullanarak türetilen teorik egriler ile Sekiller 8A ve BB'de gösterilir. Bu noktada görüntülenmeye yönelik seçilen parametrizasyonlar, yüksek çözünürlüklü SAR görüntülemede tipik araç boyutu nesnelerinin deteksiyonuna yönelik uygun olabilecek olanlar arasindandir. Her iki durumda, sentetik ve türetilmis dagilimlar arasinda oldukça yakin bir uyusma gözlemlenir (uyusmanin yakinliginin kapsami, gölgelenmis ve kaplanmis çizginin ayrimi biraktigini Sekillerde görmek zordur). R'nin dagilimlari Sekil 8A'da L=1, Uygulanan Oran Istatistigine yönelik Esik Ekstraksiyonu Yukaridaki analiz ham oran istatistigi (R) göz önünde bulundurularak gerçeklestirilmistir. “Istatistik Degisim Deteksiyonu” baslikli kisimdan, uygulanan oran istatistigi animsanarak F-dagilimina yönelik özellikleri kullanan bu ölçüme yönelik esik türetilebilir.

F-dagilimina yönelik, ise, diger bir deyisle, parametreler () ile bir F-dagilimini takip etmek üzere rastgele degisken Xin bilinmesi halinde, akabinde Diger bir deyisle, X'in tersi parametreler (v: ve v1) ile bir F-dagilimini takip edecektir.

Test esigine (t 5 1) yönelik, 0 ise, fnin tanimindan bir deteksiyonun isaretlendigi belirtilir. Mevcut uygulamaya yönelik, V1=V27dilî Bu nedenle, istenen yanlis alarm hizindan () t'yi türetmek üzere, asagidaki ayarlanir burada F'1(') F-dagiliminin karsit kümülatif yogunluk fonksiyonudur. r bulunan herhangi bölge, seçilen yanlis alarm hizinda saptanir.

Uygulanan Oran Istatistigine yönelik Olasilik Ekstraksiyonu Yukaridaki denklem, asagidakini vermek üzere ters çevrilebilir N -1 N -1 p 2217 r_,_ burada belirlenen p olasiligi, sifir gerçek degisim veya hedefin birinci SAR görüntü verisine kiyasla ikinci SAR görüntü verisinde (veya tam tersi) mevcut hale gelmesi durumunda, gözlemlenmis olan ilgili varyans oran degerinin sahip oldugudur.

SasitlestLrilmis ("Protot_ip") Uvulama Bir düzenlemede, varyans oran detektörü ve esik ayarlama prosesine yönelik islemenin kolaylastirilmis bir formu, Matlab (Ticari Markasi) (MathWorks, 3 Apple Hill Drive, Natick, MA algoritma gelistirme ortaminin kullanilmasi ile uygulanabilir. Matlab, hesaplamalarda tüm sahneleri etkili bir sekilde tekli bir degisken olarak muamele etme kabiliyetine sahiptir. Yapilmasi mümkün olmasi durumunda, bu genis veri hacimleri açik blok islemleri kullanilarak islenebilir ve iyi hesaplama performansi islemin vektorizasyonu yoluyla elde edilebilir. Ilave bir fayda olarak algoritmalarin Matlab yorumlamalari, genelde hesaplama içinde indeksleme yoluyla kaynaklanan karmasikligin tipik olarak önlenebilmesinden dolayi, kolay okunma egilimindedir. Matlab ayrica çekirdek sisteminde veya eklenti araç kutularinda hazir- yazilmis fonksiyonlarin zengin bir kütüphanesine sahiptir. Bu fonksiyonlar, pencere istatistiklerinin akümülasyonu veya yukari açiklanan özel fonksiyonlarin degerlendirilmesi gibi daha kompleks hesaplamalarin bazilarinin, ilgili miktarlarin önceden hesaplanmasi yoluyla kolay sekilde erisilmesine olanak saglar.

Pencere istatistiklerinin akümülasyonu, Matlab smooth3 fonksiyonunun kullanimini agirlastirir. Bir parametrizasyonda, bu durum kullanici kaynakli bir evrisim çekirdegini kullanan üç boyutlu bir veri dizisinin düzlenmesine olanak saglar. Es zamanli olarak, islevsel degerler ile üçüncü boyutta verinin eklenmesi yoluyla bulusun iki boyutlu SAR görüntüsünün birçok degiskenlerinin ortalama alinir. Örnegin, mevcut uygulamada kaydedilen görüntülemenin ham anlari, üçüncü boyutta birinci düzlemdeki birinci görüntünün (21) siddet bileseninin, ikinci düzlemde bunun karesi alinmis degerinin üçüncü düzlemde ikinci görüntünün (22) siddet degerinin ve dördüncü düzlemde bunun karesi alinmis degerinin yerinin degistirilmesi ile tahmin edilir. Evrisim çekirdekleri her iki görüntüye yönelik ve etkili bir sekilde tek bir adimda gerekli olan tüm fonksiyonlara yönelik pencere boyutlari üzerinden bir tanesine göre (üçüncü boyutta) akümülasyon pencerelerinin (birinci ve ikinci boyutlarda) boyutunun ortalamasinin alinmasina olanak saglayacaktir. Ham anlarin fonksiyonlari akabinde vektör islemleri olarak sahnedeki her bir piksele yönelik önemsiz sekilde hesaplanabilir. Bu noktada gerekli olan degerler, çikarmak üzere oldukça açik olan ikinci merkezi anlardir.

Sekiller 2, 3 ve 4'ün akis semalarinda gösterilen ve yukarida açiklanan proses adimlarinin bazilarinin çikarilabileoegi veya bu tür proses adimlarinin, yukarida sunulan ve Sekillerde gösterilene kadar farkli bir sekilde gerçeklestirilebilecegi belirtilmelidir. Ayrica, tüm proses adimlarinin, uygunluk ve anlama kolayligi için, ayri zamansal olarak ardisik adimlar seklinde gösterilmesine ragmen, bununla birlikte, bazi proses adimlari, es zamanli olarak veya en azindan zamansal olarak bir dereceye kadar örtüsebilir.

Diger düzenlemelerde yanlis alarm hizi, yanlis alarm hizini ayarlama prosesinin sonuçlari hakkinda geri bildirim saglamak üzere adapte edilen Sekil 2'nin proses çiktisina bagli olarak veya kismen bagli olarak devam eden bir sekilde yeniden ayarlanabilir. Ilave olarak veya alternatif olarak örnegin, adim (S4) esnasinda kullanilan parametreler, yanlis alarm hizinin ayarlanmasinin ve esigin hesaplanmasinin devam eden bir prosesine beslenebilir. Diger düzenlemelerde, yukarida açiklanan proseslerin herhangi uygun bir geri bildirim/devam eden güncelleme proseslerine dahil edilmek üzere adapte edilebilecegi anlasilacaktir.

Adimda (312), bu esiklenmis veri (bu düzenlemede esiklenmis bir görüntü formundadir) çikti (8) vasitasiyla kontrolörden üretilir. Diger düzenlemelerde esiklenmis veri, örnegin olasiliklarin etkili bir görüntüsü olarak esiklenmis bir görüntüden farkli formlarda olabilir.

Ikincisi, çoklu veri kaynaklari veya proseslerinin bir füzyonu olan türetilecek bir sonuca olanak saglayan diger proseslerden olasiliga dayanan veya karar seviyeli ürünler ile kombine edilebilir.

Ayni zamanda diger düzenlemelerde esik, bite göre ortalamasi alinabilir veya örnegin, görüntünün yeterli bir baglanmis alaninin tümünün saptanmis bir potansiyel degisim olmak üzere esikten fazla olmasi gerekli olabilir. Daha genel olarak, uygun olan herhangi bir klasik esikleme tekniginin veya detayinin, yukarida açiklanan düzenlemeler ile uyumlu olmasi veya bunlara adapte edilebilmesi durumunda uygulanabilecegi anlasilacaktir.

Claims (1)

1. ISTEMLER . SAR görüntüleme verisinin islenmesinin bir yöntemi olup, özelligi degisim deteksiyonuna bagli olarak otomatik hedef deteksiyonuna yönelik olmasidir, SAR görüntüleme verisi, birinci SAR görüntü (820) verisini ve ikinci SAR görüntü verisini (S24) içerir, yöntem asagidaki adimlari içerir: birinci SAR görüntü verisine (S22) yönelik ve ikinci SAR görüntü verisine (826) yönelik varyanslarin belirlenmesi; birinci SAR görüntü verisi ve ikinci SAR görüntü verisinin varyanslarini kullanarak varyans oran verisinin (830) belirlenmesi; ve degisim deteksiyonunda kullanima yönelik. F-dagilimindan faydalanarak belirlenen varyans oran verisinin islenmesidir, burada F-dagilimi belirlenen varyans orani verisine yönelik olasiliklari belirlemek üzere F-dagiliminin kullanilmasini içerir. . Istem 1'e göre bir yöntem olup, özelligi istenen bir yanlis alarm oraninin seçilmesini içerir; ve burada F-dagilimindan faydalanilmasi, F-dagilimi ve istenen yanlis alarm hizina bagimli olan belirlenen varyans oranlarina yönelik bir degisim deteksiyonu esiginin belirlenmesini içerir. . Istem 2'ye göre bir yöntem olup, özelligi F-dagiliminin kullanilmasi ile degisim deteksiyonu esiginin belirlenmesi, F-dagiliminin ters kümülatif yogunluk fonksiyonunun kullanilmasini içermesidir. . Istem 3'e göre bir yöntem olup, özelligi F-dagiliminin kullanilmasi ile degisim deteksiyonu esiginin belirlenmesi, denklemin kullanilmasini içermesidir pir-1 spy& #N-l N-l 2 çolLNYçolAN› . Istemler 2 ila 4'ten herhangi birine göre bir yöntem olup, özelligi ayrica belirlenen varyans oranlari verisinin belirlenen degisim deteksiyonu esigine kiyaslanmasini içermesidir. . Istemler 1 ila 5'ten herhangi birine göre bir yöntem olup, özelligi belirlenen varyans oranlari verisinin, oran degerlerinin bir görüntüsü olmasidir. Önceki istemlerden herhangi birine göre bir yöntem olup, özelligi F-dagiliminin kullanilmasi ile olasiliklarin belirlenmesinin, denklemin kullanilmasini içermesidir Önceki istemlerden herhangi birine göre bir yöntem olup, özelligi olasiliklarin varyans oranlari verisinin belirlenmesinde kullanilan her bir piksel veya lokal alan penceresine yönelik belirlenmesidir. Aparat (1) olup, özelligi istemler 1 ila 8'den herhangi birinin yöntemini gerçeklestirmek üzere düzenlenmesidir. Bir program veya birçok program olup, özelligi bir bilgisayar sistemi veya bir veya daha fazla islemci tarafindan uygulandiginda bunun/bunlarin, bilgisayar sistemi veya bir veya daha fazla islemcinin, istemler 1 ila 8'dan herhangi birinin yöntemine göre çalismasina neden olacak sekilde düzenlenmesidir. Makine tarafindan okunabilir bir depolama ortami olup, özelligi istem 10”a göre bir programi veya çok sayida programdan en az birini depolamasidir.