Geri Dön

Uydu görüntülerinin sınıflandırılmasında boyut indirgeme tabanlı yöntemlerin analizi

Dimension in the classification of satellite images analysis of reduction-based methods

PDF İndir

  1. Tez No: 1019082
  2. Yazar: YÜCEL DEMİREL
  3. Danışmanlar: DOÇ. DR. ORHAN YAMAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Boyutsal indirgeme, Dimensional reduction
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Adli Bilişim Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Hiperspektral görüntü analizi uzaktan algılamada kritik öneme sahiptir, ancak verinin yüksek boyutluluğu, yüksek hesaplama maliyetleri ve sınıf dengesizliği nedeniyle veri seti değerlendirilirken zorluklar oluşmaktadır. Bu zorlukların üstesinden gelmek için bu tez üç farklı ve tamamlayıcı metodolojik yaklaşım önerir. İlk olarak, Bellman-Ford algoritmasına dayalı bir boyut azaltma yöntemi geliştirilmiştir. SMOTE veri denge tekniği ve bir SVM sınıflandırıcı ile birleşerek, bu yöntem Indian Pines setinin bantlarını 200'den 90'a düşürerek doğruluğu %94,4'e çıkarmıştır. İkinci olarak, özellik seçimini optimize etmek için genetik algoritma kullanılmıştır. Bu yaklaşım, geleneksel yöntemlerden daha verimli oldu; Indian Pines bantlarını 85'e (%93,44 doğruluk) ve Kennedy Uzay Merkezi (KSC) bantlarını 176'dan 78'e (%95,77 doğruluk) düşürdü. Üçüncü olarak, tamamen spektral analizin sınırlamalarını aşmak için spektrouzamsal hibrit model tanıtıldı. SLIC süper piksel segmentasyonu, ana bileşen analizi (PCA) ve rastgele orman algoritmasını birleştirir. Son yöntem, geleneksel yaklaşımları çok geride bırakarak Pavia Üniversitesi veri setinde %99,72 hassasiyet elde etmiş ve azınlık sınıflara karşı güçlü bir dayanıklılık sergilemiştir. Sonuç olarak, bu farklı optimizasyon ve makine öğrenimi tekniklerinin entegrasyonu, tarım ve çevresel izleme gibi gerçek dünya uygulamaları için hiperspektral verilerin potansiyelini açığa çıkaran hızlı, doğru ve hesaplama açısından uygun maliyetli çözümler sunmaktadır.

Özet (Çeviri)

Hyperspectral image analysis is critical in remote sensing, but challenges arise when evaluating the dataset due to the high dimensionality of the data, high computational costs, and class imbalance. To overcome these challenges, this thesis proposes three different and complementary methodological approaches. First, a dimensionality reduction method based on the Bellman-Ford algorithm was developed. Combined with the SMOTE data equilibrium technique and an SVM classifier, this method reduced the bands of the Indian Pines set from 200 to 90, increasing the accuracy to 94.4%. Second, the genetic algorithm was used to optimize the trait selection. This approach was more efficient than traditional methods; it reduced the Indian Pines bands to 85 (93.44% accuracy) and the Kennedy Space Center (KSC) bands from 176 to 78 (95.77% accuracy). Third, the spectrospatial hybrid model was introduced to overcome the limitations of purely spectral analysis. SLIC combines superpixel segmentation, principal component analysis (PCA), and random forest algorithm. The latter method has achieved a precision of 99.72% in the University of Pavia dataset, far surpassing traditional approaches, demonstrating strong resilience against minority classes. In conclusion, the integration of these different optimization and machine learning techniques offers fast, accurate, and computationally cost-effective solutions that unlock the potential of hyperspectral data for real-world applications such as agriculture and environmental monitoring.

Benzer Tezler

  1. Tez No

    386283

    Hiperspektral veri sınıflandırma için boyut indirgeme yöntemlerinin başarımlarının karşılaştırılması

    Comparing performance of dimension reduction techniques for hyperspectral data classification

    ALİ ÖMER KOZAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HAKKI ALPARSLAN ILGIN

  2. Tez No

    698828

    Şeker pancarı ekili alanların ve rotasyon uygulamalarının çok yıllık uydu verileri ile izlenmesi

    Monitoring of sugar beet cultivated areas and rotation practices by multi-temporal satellite data

    BURCU BOZTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    ZiraatEge Üniversitesi

    Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı

    DOÇ. DR. MUSTAFA TOLGA ESETLİLİ

  3. Tez No

    895152

    A deep learning based framework for identification of ship types using optical satellite images

    Optik uydu görüntüleri kullanarak gemi tiplerinin imliklendirilmesi için derin öğrenme tabanlı yöntem

    SERDAR KIZILKAYA

    Doktora

    İngilizce

    İngilizce

    2023

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  4. Tez No

    581914

    Nesne tabanlı görüntü analizinde ölçek ve eğitim seti boyutunun sınıflandırma doğruluğuna etkilerinin araştırılması

    Investigation of the effects of scale and training set size on classification accuracy in object based image analysis

    İSMAİL AŞIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Jeodezi ve FotogrametriGebze Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL ÇÖLKESEN

  5. Tez No

    652928

    Identification of tea plantation areas using Google cloud based random forest and deep learning

    Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi

    BERKAY ÖZEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESRA ERTEN

Geri Dön