Contextual modeling of remote sensing images with conditional random fields
Uzaktan algılama görüntülerinin koşullu rasgele alanlarla bağlamsal modellenmesi
- Tez No: 341114
- Danışmanlar: PROF. DR. FATOŞ TÜNAY YARMAN VURAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Uzaktan algılama alanında sınıf-içi çeşitliliğin çok fazla olması sınıflama çalışmalarında zorlu bir sorundur. Bağlamsal modeller, bu sorunu çözmekte umut vadetmektedir. Bu tezde, uydu görüntülerinde hedef tespiti için bağlamsal bir koşullu rasgele alan modeli önerilmektedir. Önerilen algoritma üç aşamalıdır. İlk olarak, ilgi alanı bilgisine dayalı, hedefe ait bağlamsal ipuçları seyrek oto-kodlayıcılarla tanınmış ve istatistiksel olarak tutarlılıkları gösterilmiştir. Seyrek oto-kodlayıcılarla öğrenilen en sık tekrarlanan özniteliğe karşılık gelen alan, önerilen modelde merkez düğümle gösterilmiş ve aday bölge olarak adlandırılmıştır. Modeldeki diğer düğümler, aday bölgenin civarındaki arazi örtüsü ve kullanımı sınıflarını temsil edecek şekilde seçilmiştir. İkinci olarak, bu sınıfları temsil eden alanlar, elle tasarlanmış özniteliklerin destek vektör makinalarına verilmesiyle elde edilen etiketlerden aynı olanlarının birleştirilmesiyle elde edilmiştir ve meta-bölüt olarak adlandırılmıştır. Son aşamada, aynı öznitelikler meta-bölütlerden ve aday bölgeden çıkartılıp koşullu rasgele alan modelinde tekli öznitelik olarak kullanılmıştır. Koşullu rasgele alanlardaki ikili öznitelikler bağlamsal ilişkileri temsil etmeleri açısından önemlidir ve aday bölgenin üç farklı komşuluğundaki sınıfların birlikte görülme sıklığı olarak tasarlanmıştır. Her aday bölge için ayrı bir dinamik koşullu rasgele alan modeli üretilmiştir. Önerilen yöntem, eşik değerlerinden bağımsız olmasıyla ve bağlamsal ipuçlarını seyrek oto-kodlayıcılarla seçmesiyle gürbüzdür. Yöntemin başarımı, kural tabanlı yöntemlerin ve bölüte dayalı sınıflama yöntemlerinin başarımıyla yarışmaktadır.
Özet (Çeviri)
Large within-class variance is a challenging problem for classification tasks in remote sensing. Contextual models are promising to address this problem. In this thesis, a contextual conditional random field model is proposed for target detection in satellite imagery. The proposed algorithm has three stages. First, contextual cues of the target that come from domain knowledge are identified by sparse auto-encoders and shown to be statistically consistent. The region represented by the most repetitive feature learned by sparse autoencoders is used as central node in the proposed model and called candidate region. Other nodes of the model are chosen as land-use land-cover classes in the surroundings of the candidate regions, since the spatial context of the target class is defined over expected and unexpected classes in its neighborhood. Secondly, regions that represent these classes are obtained by merging segments with the same label according to support vector machines. These regions are called meta-segments. In the last stage, the same features are extracted from the meta-segments and candidate region to be used as unary features in the conditional random fields model. Pairwise features in conditional random fields are essential for representing contextual relations and they are designed as class co-occurrence frequencies in three different neighborhoods of the candidate region. For each candidate region, a dynamic conditional random fields model is generated. The proposed method is robust in terms of being threshold-free and selecting contextual cues via sparse auto-encoders. Performance of the method is competitive to rule-based methods and segmentation-based classification methods.
Benzer Tezler
- Developing of a groundwater flow model for the area between Terkos lake and Canal Istanbul using GIS, remote sensing and numeric groundwater modelling
Terkos gölü ile Kanal İstanbul arasındaki bölge için CBS, uzaktan algılama ve sayısal yöntemlerle yeraltı suyu akış modelinin geliştirilmesi
KHANSAA ABDULELAH AHMED AHMED
Doktora
İngilizce
2020
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Hava kirliliği konusunda çevre bilgi sistemi tasarımı ve gerçekleştirilmesi pilot projesi
Design of an information system about air pollution
HARUN İYİDİKER
- Structural scene analysis of remotely sensed images using graph mining
Uydu görüntülerinin çizge madenciliği ile yapısal sahne analizi
BAHADIR ÖZDEMİR
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM AKSOY
- Markov random fields and a multiscale implementation of markov random fields on Bayesian image segmentation
Başlık çevirisi yok
UĞUR SIVAKÇI
Yüksek Lisans
İngilizce
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERTUĞRUL ÇELEBİ
- Automatic detection of compound structures by joint selection of region groups from multiple hierarchical segmentations
Bileşik yapıların çoklu sıradüzensel bölütlemelerden bölge gruplarının ortaklaşa seçilmesiyle otomatik sezimi
HÜSEYİN GÖKHAN AKÇAY
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
