A hybrid building extraction algorithm based on multilevel segmentation and boundary simplification
Çoklu seviye segmentasyon ve sınır sadeleştirme tabanlı hibrit bir bina çıkarım algoritması
- Tez No: 473248
- Danışmanlar: PROF. DR. HAFİZE ŞEBNEM DÜZGÜN
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 168
Özet
Bina ayak izleri kentsel planlama, altyapı gelişimi, iklim çalışmaları ve afet yönetiminde önemli bir rol taşır. Binalarla ilgili kesin bilgi sahibi olmak, karmaşık kentsel özellikleri yorumlamak için birincil kaynak olarak hizmet verir ve ayrıca karar vericilere daha gerçekçi kent yönetimi yapabilmeleri için yardımcı olur. Bu tezde, bina ayak izlerinin çıkarılmasında kullanılan hibrit bir yaklaşım önerilmiştir. Öncelikle, LiDAR verisinden, çalışma alanının normalize Sayısal Yüzey Modeli (nDSM) oluşturulmuştur. Bina ayak izlerinin çıkarımı sırasında uygulanan metodolojide, farklı boyutlardaki olası bina alanlarını tespit etmek amacıyla nDSM verisi üzerine çoklu seviyede segmentasyon/bölümleme uygulanır. Birinci seviyede belirlenmiş bölgeler, nDSM'den çıkarılır ve kaçırılan bölgeler tekrar segmentasyon sürecine dahil edilir. Sonuç olarak kabul edilen bina ayak izi poligonları düzgün kenarlar elde etmek amacıyla sınır çıkarma ve çizgi basitleştirme adımlarına tabi tutulur. Ayrıca, önerilen yöntem sonuçları, e-Cognition yazılımının çoklu eşik bölütleme işlevselliği sonuçları ve Otsu algoritması sonuçları ile karşılaştırılır. Önerilen yöntemin bina çıkarım doğruluğu, piksel tabanlı metrikler dikkate alınarak değerlendirilmiştir. Son olarak, seçilen 14 veri kümesi için, önerilen yöntemin bölütleme doğruluğu, 8 veri kümesi için daha iyi bir algılama hızı ve genel doğruluğa sahiptir. Bununla birlikte, 3 veri seti için doğruluk ölçüm sonuçları çok küçük farklar içerir. Kalan 3 veri kümesi için ise Otsu algoritması daha iyi sonuçlar vermektedir.
Özet (Çeviri)
Building footprints have an important role in urban planning, infrastructure development, climate studies and disaster management. The precise knowledge of buildings serves as a primary source for interpreting complex urban characteristics and also helps decision makers with more realistic urban management. In this thesis, the building boundary extraction including a hybrid approach is proposed. Firstly, normalized Digital Surface Model (nDSM) of the study area is generated from aerial Light Detection and Ranging (LiDAR) data. During the extraction methodology, multi-leveled segmentation is applied over nDSM data to detect possible building areas of differing sizes. Segmented regions of the first level are removed from nDSM and proceed to segmentation process until no regions exist. Finally accepted building footprint polygons are subjected to boundary extraction and line simplification steps to obtain smooth edges. Furthermore, proposed method results are compared with the results of Otsu algorithm and multi-threshold segmentation functionality of eCognition software. The building extraction accuracy of the proposed method is evaluated by considering pixel-based metrics. Finally, for selected 14 datasets, the segmentation accuracy of the proposed method have better, detection rate and overall accuracy for 8 datasets. However, for 3 datasets accuracy measures of results are slightly different. For remaining 3 datasets Otsu algorithm gives better results.
Benzer Tezler
- A semi-automatic façade generation methodology of architectural heritage from laser point clouds: A case study on Architect Sinan
Lazer nokta bulutlarından mimari mirasın cephe elemanlarının yarı otomatik modellenmesi: Mimar Sinan üzerine örnek bir çalışma
CEMAL ÖZGÜR KIVILCIM
Doktora
İngilizce
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAİDE DURAN
- Fault diagnosis through a hybrid symbolic-connectionist approach and via artificial neural networks
Başlık çevirisi yok
İBRAHİM BURAK ÖZYURT
Yüksek Lisans
İngilizce
1994
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET C. ÇAMURDAN
- Çok sınıflı medikal görüntü sınıflandırması için melez derin öğrenme yaklaşımları
Hybrid deep learning approaches for the multi class medical image classification
ZELİHA KAYA AKÇELİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖNÜL ULUDAĞ
- Computational approaches to study drug resistance mechanisms
İlaç direnç mekanizmaları için işlemsel yaklaşımlar
ZOYA KHALID
Doktora
İngilizce
2017
BiyolojiSabancı ÜniversitesiMoleküler Biyoloji-Genetik ve Biyomühendislik Ana Bilim Dalı
Prof. Dr. İSMAİL ÇAKMAK
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ