Geri Dön

Geo-spatial object detection using local descriptors

Yerel tanımlayıcılar kullanarak yer uzamsal nesne tespiti

PDF İndir

  1. Tez No: 305129
  2. Yazar: ÇAĞLAR AYTEKİN
  3. Danışmanlar: PROF. DR. A. AYDIN ALATAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Harris, SIFT, nesne tanıma, görsel kelime çantası, kelimeleri ağırlıklandırma, ölçek bilgisi, Harris, SIFT, object detection, bag of visual words, weighting words, scale information
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 86

Özet

Uydu görüntülerinden nesne tanıma problemi üzerine çokça eğilinen bir problemdir. Nesne tanıma probleminde geniş olarak kullanılan algoritmaların çoğu yerel öznitelik tabanlı algoritmalardır. Böyle bir yaklaşımda, yerel öznitelikler çıkarılır ve tanımlanır, daha sonra bu öznitelikler kullanılarak görüntünün sayısal bir gösterimi çıkartılır ve daha sonra bu gösterimler sınıflandırma için kullanılır. Bu tezde yerel öznitelikler, SIFT ve Harris yerel öznitelik çıkarıcısı ile çıkarılmış ve tanımlayıcı olarak SIFT tanımlayıcısı kullanılmıştır. Görsel kelime çantası modeli görüntüyü görsel kelimeler histogramları halinde ifade etmek için kullanılmıştır. Son olarak eğitim setinden artı ve eksi örnekler ile SVM sınıflandırıcısı eğitilmiş ve bu eğitilmiş SVM parametreleri kullanılarak test görüntüleri sınıflandırılmıştır. Geleneksel görsel kelime çantası modeline ek olarak iki temel yenilik sunulmuştur. İlk olarak görsel kelimeleri, önem ölçümleriyle doğru orantılı olarak ağırlandırma önerilmiştir. Önemli kelimeler basit olarak açıklanacak olursa nesnelerde daha fazla, arkaplanda daha az çıkan kelimelerdir. İkinci olarak gürültü azaltılması, gereksiz fazlalıklar atılarak boyut azaltılması ve performans arttırılması amacıyla histogramlar çıkartıldıktan sonra bir temel bileşen analizi yapılmıştır. Performans simulasyonlarına bakıldığında önerilen yöntemin mantıklı bir performans aralığında gemi ve uçak gibi nesneleri bulma yeteneğine sahip olduğu görülmektedir.

Özet (Çeviri)

There is an increasing trend towards object detection from aerial and satellite images. Most of the widely used object detection algorithms are based on local features. In such an approach, first, the local features are detected and described in an image, then a representation of the images are formed using these local features for supervised learning and these representations are used during classification . In this thesis, Harris and SIFT algorithms are used as local feature detector and SIFT approach is used as a local feature descriptor. Using these tools, Bag of Visual Words algorithm is examined in order to represent an image by the help of histograms of visual words. Finally, SVM classifier is trained by using positive and negative samples from a training set. In addition to the classical bag of visual words approach, two novel extensions are also proposed. As the first case, the visual words are weighted proportional to their importance of belonging to positive samples. The important features are basically the features occurring more in the object and less in the background. Secondly, a principal component analysis after forming the histograms is processed in order to remove the undesired redundancy and noise in the data, reduce the dimension of the data to yield better classifying performance. Based on the test results, it could be argued that the proposed approach is capable to detecting a number of geo-spatial objects, such as airplane or ships, for a reasonable performance.

Benzer Tezler

  1. Tez No

    704934

    Derin öğrenme ile uydu görüntülerinde hedef tespiti

    Target detection in satellite images using deep learning

    VAZIRKHAN TARVERDIYEV

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  2. Tez No

    677471

    Land cover and land use classification of multi-modal high-resolution satellite images using multi-task deep learning approach

    Çok görevli derin öğrenme tekniği ile çok kipli yüksek çözünürlüklü uydu görüntülerinin arazi örtüsü ve arazi kullanımı sınıflandırılması

    BURAK EKİM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  3. Tez No

    357002

    Hotamış gölü çevresinin arazi kullanımının uydu görüntüleri yardımıyla zamansal analizi

    Geo-temporal analysis of Hotamis lake and surrounding with the help of satellite imagery

    ELİF KIRTILOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Jeodezi ve FotogrametriSelçuk Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKAN KARABÖRK

  4. Tez No

    19262

    Değişken rezolüzyonlu görüntü örnekleyici

    Multi resolution image sampler

    RIZA CAN TARCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. M. SAİT TÜRKÖZ

  5. Tez No

    507085

    Geospatial object recognition using deep networks for satellite images

    Uydu görüntüleri için derin ağlar kullanılarak coğrafi nesnelerin tanımlanması

    ONUR BARUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULLAH AYDIN ALATAN

Geri Dön