Lidar ve hiperspektral verilerde gölgelik alanların incelenmesi
Analysis of shadow regions in lidar and hyperspectral datasets
- Tez No: 413555
- Danışmanlar: YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 107
Özet
Hiperspektral görüntüleme, hedef tespiti, hedefin sınıflandırılması ve tanımlanması uygulamalarında sıklıkla kullanılan bir yöntemdir. Hiperspektral görüntülemede gölge alanlar, gölgelik alanlarda bulunan hedeflerin spektral imzalarının azalması veya tamamen kaybolması nedeniyle, hedefin bulunamamasına neden olabilir. Özellikle yüksekliğin sık değiştiği yerleşim yerlerinden alınan verilerde gölgelik alanların etkisi katlanarak artar. LiDAR (Light Detection and Ranging) verilerinin yükseklik bilgisini sağlayarak gölge alanların belirlenmesinde kullanılmasından dolayı, LiDAR verileri ile hiperspektral verilerin beraber kullanılması, bu problemi aşmanın yollarından biridir. Gölge alanların belirlenmesi için çok sayıda çalışma olmasına rağmen, bunlardan birçoğu ARGCIS, ENVI vb. platformlarda geliştirilmiştir. Bu çalışmanın amacı, MATLAB kullanılarak, gölge alanların tespit edilmesi, belirlenen alanlara gölge durumuna uygun olarak değer atanması ve gölge yoğunluğunun spektral imzalardaki etkisinin incelenmesidir. Çalışma kapsamında, görüş hattı algoritması MATLAB ortamında geliştirilmiştir. Görüş hattı algoritması, güneşin yan ve yükseliş açısı ile LiDAR verilerini kullanır ve hedef piksel ile güneş arasında hattı kesecek yüksek bir nesnenin bulunması durumunda, hedef pikseli“gölge”olarak işaretler. Bu işlem bütün veri boyunca her piksel için tekrarlanır ve gölge haritası elde edilir. Geliştirilen algoritma, bir pikseli gölge olarak işaretledikten sonra, gölgeye neden olan nesne ile bu piksel arasındaki mesafeyle ters orantılı olacak şekilde bir gölge değeri atar. Gölgelere değer atamak, koyu ve açık renkli gölgelerin görsel ve matematiksel olarak ayırımını yapmayı mümkün kılar. Geliştirilen algoritma, SHARE 2012 (SpecTIR Hyperspectral Airborne Experiment 2012) Avon AM veri kümesi üzerinde denenmiştir. Ayrıca, çalışma kapsamında spektral imzaların gölge değerine göre değişimi incelenmiştir.
Özet (Çeviri)
Hyperspectral imaging is a frequently used method in target detection, classification and identification applications. In hyperspectral imaging, shadowy areas may cause loss the target since the targets in shadow show decreased or no spectral signatures. The effects of shadowy areas are exponentially increasing especially in urban regions where there are excessive changes in elevation. One way to mitigate this problem is by the fusion of hyperspectral data with LiDAR data; since LiDAR data presents excellent information by providing elevation information, which can then be used to identify the regions of shadow. Although there is a lot of work to detect the shadowy areas, many are restricted to distinct platforms like ARGCIS, ENVI etc. The purpose of this study is to detect the shadow areas, give a shadowiness scale and investigate the effect of the shadowiness scale using Matlab. For this work, the Line of Sight (LoS) algorithm is developed to run in a Matlab interface. The LoS algorithm uses the sun angles (altitude and azimuth) and LiDAR dataset and marks the target pixel as“in shadow”if there lies any object of higher elevation between the target pixel and the sun. This is computed for all pixels in the scene and a shadow map is generated. Then, if a pixel is marked as a shadow area, the algorithm assigns a different darkness level which is inversely proportional to the distance between the current pixel and the object that causes the shadow. With this shadow scale, it is both visually and computationally possible to distinguish the soft shadows from the dark shadows. The algorithm has been tested on the SHARE 2012 Avon AM dataset. Further, the changes of the spectral signatures with respect to the shadowiness scale is investigated within this work.
Benzer Tezler
- Hiperspektral ve LIDAR verilerde fiziksel model gözetilerek hedef tespiti
Target detection by physical model observations in hyperspectral and LIDAR dataset
EMRAH ODUNCU
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- İnsansız hava aracı ve yersel hiperspektral veriler ile narenciye ağaçlarında verim tahmini
Yield estimation of citrus trees with unmanned aerial vehicle and terrestrial hyperspectral data
MESUT ÇOŞLU
Doktora
Türkçe
2023
Mühendislik BilimleriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. NAMIK KEMAL SÖNMEZ
- Hiperspektral ve LİDAR verilerinin öznitelik ve karar seviyelerinde tümleştirilmesi ve derin evrişimli sinir ağlarıyla sınıflandırılması
Fusion of Hyperspectral and LIDAR datasets with feature and decision based methods and classification with deep convolutional neural networks
MESUT SALMAN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SENİHA ESEN YÜKSEL
- Hiperspektral görüntülerde LiDAR destekli spektral bölütleme
LiDAR aided spectral segmentation on hyperspectral images
ORHAN TORUN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Terrain classification by using hyperspectral and LiDAR data
Hiperspektral ve LiDAR verisi ile arazi sınıflandırması
ALİ GÖKALP PEKER
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. YASEMİN YARDIMCI ÇETİN
DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ