Uzamsal ve spektral öznitelikleri kaynaşımı kullanılarak hiperspektral görüntüler için değişim tespiti
Change detection for hyperspectral images using spatial and spectral features fusion
- Tez No: 461920
- Danışmanlar: PROF. DR. SARP ERTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Bilim Dalı
- Sayfa Sayısı: 59
Özet
Uzaktan algılama verilerindeki değişimleri tespit etmek için sadece spektral imza kullanıldığında yerel ve konum tabanlı uzamsal öznitelikler tarafından sağlanan zengin bilgiler göz ardı edilirken bu durum, değişim tespitinde değerli bilgilerin kullanılmaması anlamına gelmektedir. Bu yüzden bu tezde, hem hiperspektral görüntülerdeki doku ile zengin bilgileri hem de spektral imzaları kullanmak için yeni bir değişim tespiti yöntemi önerilmiştir. Deneysel sonuçlar, görüntü değişiklikleri tespit etmek için Spektral Açı Eşleme (Spectral Angle Mapper SAM) yeteneğini geliştirmek için bantlar doku bilgisini kullanılarak etkili bir yöntem olduğunu göstermiştir. Üstelik hiperspektral görüntüler (hyperspectral image HSI) veri setleri elde edilen sonuçları önerilen yöntemin bazı muhtemel alternatiflerden daha üstün olduğunu göstermektedir.
Özet (Çeviri)
Considering spectral signatures to detect changes in remote sensing data, while ignoring the rich information provided by the local and global spatial features may lead to the problem of losing valuable information that can help in the process of change detection. Thus in this thesis, a change detection paradigm to utilize both the rich texture information - extracted by Local Binary Pattern (LBP) and Gabor fılter - and the spectral signatures in hyperspectral images is proposed. Experimental results have demonstrated that utilizing bands texture information is an effective method to increase the ability of Spectral Angle Mapper (SAM) to detect changes in the images. Moreover, results on several hyperspectral image HSI data sets show that the proposed framework is superior to some possible alternatives.
Benzer Tezler
- 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 görüntülerin sınıflandırılmasında uzamsal-spektral yaklaşımlar
Spatial-spectral approaches in classification of hyperspectral images
HASAN ALİ AKYÜREK
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BARIŞ KOÇER
- Motor imge tabanlı beyin bilgisayar arayüzü sistemlerinde ön işleme yönteminin sınıflandırma performansına etkisinin araştırılması
Investigation of the effect of preprocessing method on classification performance in motor imagery based brain computer interface systems
EDA DAĞDEVİR
Doktora
Türkçe
2021
BiyoistatistikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT TOKMAKÇI
- Eeg işaretlerinde evrişimli sinir ağları ile epileptik nöbet tahmini
Epileptic seizure prediction in eeg signals using convolutional neural networks
AHMET REMZİ ÖZCAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
- Affect recognition based on key frame selection from video
Videodan anahtar çerçeve seçimine dayalı duygu tanıma
MEHMET KAYAOĞLU
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÇİĞDEM EROĞLU ERDEM