Geri Dön

Hyperspectral data classification using contourlet transform

Contourlet dönüşümü ile hiperspektral veri sınıflandırması

PDF İndir

  1. Tez No: 371522
  2. Yazar: BEDRETTİN ERBİL KONUK
  3. Danışmanlar: DOÇ. DR. IŞIN ERER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Elektrik ve Elektronik Mühendisliği, Engineering Sciences, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Dalgacık, Dalgacık dönüşümleri, Görüntü işleme, Görüntü sınıflandırma, Uydu görüntüleri, Uzaktan algılama, Wavelet, Wavelet transforms, Image processing, Image classification, Satellite images, Remote sensing
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Uydu Haberleşmesi ve Uzaktan Algılama Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Dalgacık Dönüşümü yıllardır görüntü sınıflandırmasında kullanılan öznitelik çıkarım yöntemlerinden biridir. Öznitelik çıkarım yöntemleri sınıflandırma başarısında büyük rol oynadığından, görüntülerin çeşidine uygun bir yöntem seçmek önem taşımaktadır. Dalgacık Dönüşümü temel ve genellenebilir bir yöntem sağlamakta, bununla beraber Dalgacık Dönüşümü'nün ortaya çıkaramadığı özellikleri de saptayabilen daha yeni yöntemler araştırılmaktadır.Dalgacık Dönüşümü'nün alternatiflerinden biri de aynı zamanda Piramit Yönlü Filtre Bankası olarak da bilinen Contourlet Dönüşümü'dür. Contourlet Dönüşümü görüntülerin yumuşak bölgelerinin sınırlarında karşılaşılan kenar yumuşaklıklarını saptamada daha başarılıdır. Bunlara ek olarak Dalgacık Dönüşümü'nden daha fazla yöne duyarlıdır. Bu özelliği, görüntünün birçok farklı yönlerde sınıflara sahip olduğu durumlarda sınıflandırma başarısını yükseltmektedir.Bu yüksek lisans tezi Contourlet Dönüşümü ve çeşitlerini Haziran 1992 tarihinde alınan Indiana'daki Indian Pine AVIRIS görüntüsünün sınıflandırılmasında kullanmaktadır. Görüntü veri yapısı itibariyle hiperspektraldır ve bu nedenle çalışma aynı zamanda görüntü sınıflarının yön bilgilerini de kullanarak hiperspektral veri sınıflandırması konusunda yeni araştırma sonuçları sağlamaktadır.

Özet (Çeviri)

For many years, Wavelet Transform was the major feature extraction method for image classification. Since the means of feature extraction process directly affects the performance of the classification, it is vital to choose an appropriate method for different types of images. Although the Wavelet Transform provides a basic and generic method for this, recent techniques are being studied that can capture further image properties hidden from the Wavelet Transform.One of the alternatives to the Wavelet Transform is the Contourlet Transform, also known as the Pyramidal Directional Filter Banks. The Contourlet Transform performs better on detecting the smoothness along the edges which is encountered on the boundaries of smooth regions of the image. Furthermore, it has more directionality than the Wavelet counterpart that can improve classification performance significantly when the image has classes with many different directions.This graduate thesis applies the Contourlet Transform and its variations to the classification of the AVIRIS image data taken from Indiana?s Indian Pine test site in June 1992. The data is hyperspectral in nature and hence this work additionally provides new research results on hyperspectral data classification by using also the directionality properties of the image classes.

Benzer Tezler

  1. Tez No

    807122

    Terrain classification by using hyperspectral and LiDAR data

    Hiperspektral ve LiDAR verisi ile arazi sınıflandırması

    ALİ GÖKALP PEKER

    Doktora

    İngilizce

    İngilizce

    2023

    Yönetim Bilişim SistemleriOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. YASEMİN YARDIMCI ÇETİN

    DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ

  2. Tez No

    854404

    Fusion of hyperspectral and depth data using morphological image processing for pixel-based classification

    Başlık çevirisi yok

    ABDULLAH GÖKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiUnıversıty Of Delaware

    PROF. DR. GONZALO R. ARCE

    PROF. DR. KENNETH E. BARNER

    PROF. DR. BABATUNDE A. OGUNNAİKE

  3. Tez No

    998424

    Tane ve toz ekmekli̇k buğday numuneleri̇nden elde edi̇len hi̇perspektral veri̇leri̇n maki̇ne öğrenmesi̇ algori̇tmalarıyla sınıflandırılması

    Classification of hyperspectral data obtained from grain and powdered bread wheat samples using machine learning algorithms

    NURULLAH ÜRGEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEMİYE DEMİRCAN

  4. Tez No

    855007

    Hyperspectral image classification using an active deep learning framework including edge preserving filters

    Hiperspektral görüntülerin kenar koruyucu filtreler içeren bir aktif derin öğrenme çerçevesiyle sınıflandırılması

    ZAINAB DHEYAA MOHAMMED AL-SAMMARRAIE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ CAN KARACA

  5. Tez No

    595564

    Hyperspectral data classification via capsule networks

    Kapsül ağları ile hiperspektral verilerin sınıflandırılması

    ELMAS TOKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE BOZDAĞI AKAR

Geri Dön