An investigation on hyperspectral image classifiers for remote sensing
Uzaktan algılama için hiperspektral imge sınıflandırıcıları üzerine bir inceleme
- Tez No: 343081
- Danışmanlar: PROF. DR. YASEMİN ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Hiperspektral Sınıflandırma, Ortalama Kaydırmalı Bölütleme, Destek Vektör Makinaları, En Büyük Olabilirlik, K-En Yakın Komşu, Hyperspectral Classification, Meanshift Segmentation, Support Vector Machines, Maximum Likelihood, K-Nearest Neighborhood
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 233
Özet
Yüksek spektral bilgi sayesinde hiperspektral imge işleme, multispektral imge işlemeye göre daha fazla kapasiteye sahiptir. Bu çalışmada, Destek Vektör Makinaları (DVM), En Büyük Olabilirlik (EBO) ve K-En Yakın Komşu algoritmaları kullanılarak hiperspektral sınıflandırma algoritmaları incelenmiştir. Çalışmada ayrıca öğrenme verisinin sınıflandırma başarımına etkisi de incelenmiştir. Bunun için ilk N örneğin seçimi, rasgele N örnek seçimi ve homojen bir biçimde N örnek seçimi olarak farklı üç öğrenme verisi seçim yöntemi kullanılmıştır. Ön işleme metodu olarak Temel Bileşen Analizi (TBA) kullanılmıştır. Her üç algoritma için farklı temel bileşen sayıları ile deneyler yapılmıştır. Spektral bilgiye ek olarak yersel bilginin kullanımı için piksel bazında sınıflandırma sonrasında, son işleme olarak 3x3 pencere ile filtreleme ve ortalama kaydırmalı bölütleme ile çoğunluk oylaması yöntemleri kullanılmıştır. Deneylerde görüldüğü üzere ön işleme ve son işleme kullanılmadığında SVM?in bütün öğrenme verisi boyutları için diğer algoritmalardan daha iyi sonuç verdiği görülmüştür. EBO yöntemi düşük öğrenme verisi ile kötü sonuçlar aldığı gözlenmiştir. Düşük sayıda temel bileşen kullanıldığında EBO yönteminin performansını artırdığı görülmüştür. K-NN algoritmasının sınıflandırma başarımı 10 temel bileşenden daha fazla kullanıldığında değişmediği tespit edilmiştir. TBA kullanımı DVM algoritmasını etkilemediği gözlenmiştir. TBA kullanımı büyük imgeler için sınıflandırma zamanını düşürdü. 3x3 pencere ile filtreleme yöntemi sınıflandırma yüzdesini %4-5 artırdığı tespit edilmiştir. Ortalama kaydırmalı bölütleme ile çoğunluk oylaması, 3x3 pencere ile filtreleme yönteminden daha iyi sonuç verdiği görülmüştür. Ön işleme ve son işleme yöntemlerinin birlikte kullanılması sınıflandırma yüzdesini artırdığı ve sınıflandırma zamanını düşürdüğü gözlendi. Düşük sayıda öğrenme verisi kullanıldığında en büyük gelişimi ML algoritmasının yaptığı görüldü.
Özet (Çeviri)
Hyperspectral image processing is improved by the capabilities of multispectral image processing with high spectral resolution. In this thesis, we explored hyperspectral classification with Support Vector Machines (SVM), Maximum Likelihood (ML) and KNearest Neighborhood algorithms. We analyzed the effect of training data on classification accuracy. For this purpose, we implemented three different training data selection methods; first N sample selection, randomly N sample selection and uniformly N sample selection methods. We employed Principal Component Analysis (PCA) as preprocessing method and conducted experiments with different number of principal components for all three classification algorithms. As a post-processing method following pixelwise classification, filtering with 3x3 window and majority voting with meanshift segmentation methods are used to incorporate spatial information over spectral information. The experiments showed that without using pre-processing and post-processing SVM procures better classification accuracies than the other algorithms for all training data sizes. ML is inferior for lower number of training data samples but improves its performance with lower number of principal components. K-NN algorithm provides almost the same accuracies for more than 10 principal components. PCA usage does not improve SVM performance but decreases classification time for larger scenes. Filtering with 3x3 window method improves the classification accuracy by 4-5%. However, spatial information usage by employing majority voting with meanshift segmentation method performs better than filtering 3x3 window. Classification with both pre-processing and post-processing improves classification accuracy and decreases classification time. The largest improvement is for the ML method with lower number of training data.
Benzer Tezler
- Trakya bölgesi bağ alanlarının uzaktan algılama ve coğrafi bilgi sistemleri teknikleri ile incelenmesi
Investigation of the Trakya (Thrace) region vineyard areas by using remote sensing and geographic information systems
EMRE ÖZELKAN
Doktora
Türkçe
2014
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. CANKUT ÖRMECİ
DOÇ. DR. ELİF SERTEL
- Düşük uzamsal çözünürlüğe sahip hiperspektral görüntüleri için öğrenme tabanlı süper çözünürlük yöntemi
Learning-Based super-resolution method for hyperspectral images with low spatial resolution
HÜSEYİN AYDİLEK
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NİHAT İNANÇ
- Direct pore-based identification for fingerprint matching process
Parmak izi kimliklendirme sürecincde por temellieşleştirme sistemi
VEDAT DELİCAN
Doktora
İngilizce
2023
Adli Tıpİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- CdTe kuantum nokta nanopartiküllerinin karaciğer ve böbrek toksisitesi üzerine silimarin ve mitokinonun (MİTOQ) antioksidan etkisi
Antioxidant effect of silymarin and mitoquinone (MİTOQ) on liver and kidney toxicity of CdTe quantum dot nanoparticles
SEDA ŞİMŞEK
Doktora
Türkçe
2023
Histoloji ve EmbriyolojiSelçuk ÜniversitesiHistoloji ve Embriyoloji Ana Bilim Dalı
PROF. DR. ENDER ERDOĞAN
- High performance short wavelength infrared focal plane arrays
Yüksek performanslı kısa dalgaboyu kızılötesi odak düzlem dizinleri
KÜBRA ÇIRÇIR
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ BEŞİKCİ