Yapay sinir ağlarıyla uydu görüntüleri spektral bant aralıklarının mavi bant örneğinde modellenmesi
Modeling spectral band ranges of satellite images on blue band case with artificial neural networks
- Tez No: 243761
- Danışmanlar: DOÇ. DR. BÜLENT BAYRAM
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Yapay sinir ağları, uzaktan algılama, spektral aralıklar, modelleme, görüntü işleme, Artificial neural networks, remote sensing, spectral ranges, modeling, image processing
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Fotogrametri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 131
Özet
Renk kavramı, özellikle çok-bantlı uydu görüntüleri ile çalışıldığı durumlarda büyük önem taşımaktadır ve yeryüzünün farklı algılama aralıklarına duyarlı spektral bantları görüntü işleme teknikleri açısından önemli bir veri kaynağını oluşturmaktadır. Diğer taraftan çeşitli renk kombinasyonları hem görsel, hem de bilimsel olarak yorumlama kabiliyetini artırmaktadır. Uydu görüntüleri üzerinde ölçümler yapan, yorumlarda bulunan uzaktan algılama uzmanlarının çoğu herhangi bir görüntüyü incelemeye ilk başladıklarında, araziyi gerçek renkleriyle görme ihtiyacını hissetmektedirler.Uydu görüntüsü sınıflandırma çalışmalarında, işleme sokulan bantların sayısı ve duyarlı oldukları spektral aralık, sınıflandırma sonucunu doğrudan etkileyeceği için büyük öneme sahiptir. Sınıflandırmaya dâhil edilecek her bir yeni bant, yeryüzündeki objelerle ilgili farklı yansıtım değerleri içeren, objelerin birbirlerinden ayırt edilmesini kolaylaştıracak yeni bir veri kaynağıdır. Yapılan tez çalışması sonucunda; kullanılacak çok-bantlı uydu görüntüsünde mevcut olmayan ?sentetik yeni bir bant (veya bantlar)? üretilmesi hedeflenmiştir.Bu amacı gerçekleştirme yönünde yürütülen çalışmada, LANDSAT TM ve ETM+ algılayıcısının verilerinden faydalanılarak, girdi verilerinin ?yeşil? ve ?kırmızı? olduğu, üretilen çıktı verisinin ise ?sentetik olarak üretilmiş mavi? olduğu, iki girdili ve bir çıktılı bir yapay sinir ağları modeli kurulmuştur. Kurulan modelin tatminkâr sonuçlar verdiği, çalışmanın uygulama bölümünde verilen görsel ve istatistiksel örneklerle gösterilmiştir. Yapay Sinir Ağları (YSA) yöntemi girdi ve çıktılardan lineer olmayan ilişkiler kurabilen ve çok girdi ve çok çıktılı sistemlerin kurulmasında daha efektif olduğu düşünülen bir yöntemdir. Diğer özelliklerinin yanında paralel çalışmasından dolayı bilgileri hızlı bir şekilde işleyebilmesi ve donanımının daha kolay gerçeklenebilir olması YSA'yı diğer Yapay Zekâ yöntemlerine göre daha cazip kılmaktadır.Mavi bölgeye duyarlı olmayan uydulara örnek olarak ASTER/TERRA ve IRS-1D/LISS III uydularına ait test verilerinin kurulan modelde işlenmesi sonucunda, test verileri için kendilerinde mevcut bulunmayan 0.45-0.52 µm algılama aralığında sentetik yeni bir bant oluşturulmuş ve bu sayede ?gerçek renkli görüntü? birçok uygulama için yeterli doğrulukla elde edilebilmiştir.
Özet (Çeviri)
Color concept has a remarkable importance especially when working on multispectral satellite images and also increases the capability of interpreting various combinations of spectral bants which are sensitive to earth?s different sensing intervals both visually and scientifically. Most of remote sensing experts, who make measurements and comments on satellite images, need to see the terrain?s true colors before starting to examine the image.Number of processing bands and spectral interval which they are sensitive are very important at satellite image classification since they are directly affecting the classification result. Every single band to be added to the classification is a new data source which contains different reflection values about objects on earth and eases them to be distinguished. At the end of this study, it is aimed to produce ?a new synthetic band or bands? which are not available at multispectral satellite image.During this study which aims to eliminate such a deficiency, a two input and one output artificial neural network has been modeled at which inputs are ?green? and ?red?, output is ?synthetically produced blue?. Data from LANDSAT TM and ETM+ have been used. At the application part of the study, using visual and statistical samples, it has been shown that established model has satisfactory outcomes. Artificial Neural Networks (ANN) method is taught to be more effective at multi input / multi output systems since it has the capability of non-linearly interrelating inputs and outputs. Because of parallel operating, ANN can process the data faster and also realizing its hardware is easier. Apart from its other characteristics, those mentioned above make ANN more preferable than other Artificial Intelligence methods.As an example to satellites which are not sensitive to blue zone, test data from ASTER/TERRA and IRS-1D/LISS III have been processed at the model. In the end, mentioned test datas possessed a synthetic new band between 0.45-0.52 µm sensing interval which they didn?t have before. So that ?true color image? was obtained appropriately for many applications.
Benzer Tezler
- Assessing the impact of super-resolution on enhancing the spatial quality of historical aerial photographs
Tarihi hava fotoğraflarının mekansal kalitesini artırmada süper-çözünürlüğün etkisinin irdelenmesi
ABDULLAH HARUN İNCEKARA
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Görüntü sınıflandırması için yapay sinir ağlarının analiz ve optimizasyonu
Analysis and optimization of artificial neural networks for image classification
OZAN ARSLAN
Doktora
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiPROF. DR. OĞUZ MÜFTÜOĞLU
PROF. DR. CANKUT ÖRMECİ
- Self-supervised pansharpening: Guided colorization of panchromatic images using generative adversarial networks
Öz-denetimli pankeskinleştirme: Çekişmeli üretken ağlar ile pankromatik görüntülerin güdümlü renklendirilmesi
FURKAN ÖZÇELİK
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Position detection for arbitrary-oriented ships in satellite imagery via convolutional neural network
Kesinlikle yönlenen gemiler için uydu görüntüsünde konvolusyonel sinir ağlarıyla konum tespiti
OTHMAN MOHAMMED AYOOB AYOOB
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEVCAN KAHRAMAN
- Yapay sinir ağları ve rastgele orman yöntemleri ile LANDSAT 8 görüntülerinden otomatik kıyı çizgisi çıkartılması
Automatic shoreline extraction from LANDSAT 8 imageries with artificial neural networks and random forest methods
ABDULKADİR İNCE
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM