Koloni-arama algoritması tabanlı ayrıntı koruyucu pan-keskinleştirme
Detail-preserving pansharpening based on colony search algorithm
- Tez No: 1019915
- Danışmanlar: PROF. DR. ERKAN BEŞDOK
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Jeodezi ve Fotogrametri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Pansharpleme, düşük çözünürlüklü çok bantlı (multispectral) veriler ile yüksek çözünürlüklü pankromatik görüntüleri entegre ederek, yüksek çözünürlüklü çıktılar üreten bir süper çözünürlük yöntemidir. Bu metodoloji, insansız hava araçlarında (İHA) sensör mimarisinin basitleştirilmesine, enerji verimliliğinin artırılmasına ve iletişim kanallarının daha rasyonel kullanılmasına olanak tanır. Özellikle havacılık, uzay ve uzaktan algılama alanlarında stratejik bir rol oynayan bu teknik; çok sensörlü sistemlerdeki ağırlık ve güç sınırlamalarını minimize ederken, devasa veri gruplarının işlenmesini ve uydu haberleşmesindeki veri transfer maliyetlerinin düşürülmesini sağlar. Buna karşın, literatürdeki mevcut algoritmalar genellikle spektral ve mekânsal bozulmaları en aza indirme konusunda yetersiz kalmaktatır. Bu kısıtlamaları aşmak adına daha yetkin yaklaşımların tasarlanması bir gereklilik haline gelmiştir. Bu bağlamda önerilen Ayrıntı Koruyucu Pansharpleme (DPAN) yöntemi, yüksek frekanslı detayları sürece dahil eden özgün bir enjeksiyon algoritması sunmaktadır. DPAN, yapısal parametrelerin Koloni Tabanlı Arama Algoritması ile optimize edilmesi sayesinde, spektral ve mekânsal veriyi aynı anda muhafaza etme kabiliyetine sahiptir. Sistemin başarısını kanıtlamak amacıyla yapılan deneysel çalışmalarda DPAN; 17 geleneksel ve 3 derin öğrenme tabanlı güncel metotla mukayese edilmiştir. Elde edilen sonuçlar, 9 farklı kalite metriği aracılığıyla objektif olarak analiz edilmiştir. İstatistiksel bulgular, DPAN yönteminin hem klasik tekniklerden hem de modern derin öğrenme yaklaşımlarının önemli bir kısmından daha yüksek performans gösterdiğini ortaya koymuştur.
Özet (Çeviri)
Pansharpening is a super-resolution technique that generates high-resolution outputs by integrating low-resolution multispectral data with high-resolution panchromatic images. This methodology enables the simplification of sensor architectures in unmanned aerial vehicles (UAVs), enhances energy efficiency, and allows more efficient utilization of communication channels. Particularly in aviation, aerospace, and remote sensing applications, pansharpening plays a strategic role by minimizing the weight and power constraints of multi-sensor systems while facilitating the processing of massive datasets and reducing data transmission costs in satellite communications. However, existing algorithms in the literature are generally insufficient in minimizing both spectral and spatial distortions simultaneously. Therefore, the development of more capable approaches has become a necessity to overcome these limitations. In this context, the proposed Detail-Preserving Pansharpening (DPAN) method introduces a novel injection algorithm that incorporates high-frequency details into the fusion process. By optimizing its structural parameters using the Colony Search Algorithm, DPAN effectively preserves both spectral and spatial information simultaneously. To validate its performance, extensive experimental studies were conducted in which DPAN was compared with 17 conventional methods and 3 state-of-the-art deep learning-based approaches. The obtained results were objectively evaluated using nine different quality metrics. The statistical findings demonstrate that the proposed DPAN method outperforms both traditional techniques and a significant portion of modern deep learning-based methods.
Benzer Tezler
- Yapay arı kolonisi algoritması için yeni seçme ve arama mekanizmalarının geliştirilmesi
Development of new selection and searching mechanisms for artificial bee colony algorithm
RESUL ÖZDEMİR
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BİLAL BABAYİĞİT
- Güncel sürü zekâsı algoritmalarıyla sınıflandırma kurallarının keşfi
Classification rule mining with current swarm intelligence algorithms
SİNEM AKYOL
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTunceli ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BİLAL ALATAŞ
- Sosyal tabanlı sezgisel optimizasyon algoritmalarıyla sınıflandırma kurallarının keşfi
Mining of classification rules with social based heuristic optimization algorithms
SONER KIZILOLUK
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTunceli ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BİLAL ALATAŞ
- Kazıklı radye temellerin tasarımını etkileyen faktörlerin sezgisel yöntemlerle araştırılması
Investigation of the factors affecting the design of piled raft foundations using heuristic methods
RAZİYE BOZKURT
Doktora
Türkçe
2022
İnşaat MühendisliğiKonya Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATİLA DEMİRÖZ
- Parçacık sürü ve karınca koloni optimizasyon algoritmalarının aç gözlü bilgi takası stratejisi kullanılarak paralelleştirilmesi
Parallelization of the particle swarm and ant colony optimization algorithms by using the greedy information swap strategy
ŞABAN GÜLCÜ
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİFE KODAZ