Hybrid hyperspectral image compression method by using online dictionary learning based on sparse coding
Seyrek kodlama ve çevrimiçi sözlük öğrenme kullanılarak hibrit hiperspektral görüntü sıkıştırması
- Tez No: 496144
- Danışmanlar: PROF. DR. HALİL TANYER EYYUBOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
Bu tezde, seyrek kodlama tabanlı çevrimiçi sözlük öğrenme yaklaşımını literatürde ilk kez hiperspektral görüntülerin sıkıştırılması için adapte eden hibrit bir yöntem önerilmiştir. Seyrek kodlama tabanlı çevrimiçi sözlük öğrenme kullanılarak hiperspektral görüntülerin sıkıştırılması için hibrit bir yöntem olarak isimlendirilmiştir. Bu yöntemde, çeşitli seyrek temsil algoritmaları seyrek kodlama problemini çözmek amacıyla kullanılmıştır. Farklı seyrek temsil algoritmaları ile diğer sıkıştırma algoritmaları oran-bozulma performansları açısından karşılaştırılmışlardır. Bilgi koruma performansları da anomali sezimi uygulaması ile ayrıca ölçülmüştür. Deneysel sonuçlar kanıtlıyor ki bit hızı arttıkça yakınlık bazlı eniyileme ve kör sıkıştırmalı örnekleme algoritmalarına ait sıkıştıma performansları diğer algoritmalardan üstün olmaktadır.
Özet (Çeviri)
In this thesis a hybrid method is proposed, where an online dictionary learning approach based on the sparse coding scheme is adapted to compress hyperspectral images for the first time in the literature. In this method, various sparse representation algorithms are used to solve the sparse coding problem. Among these sparse representation algorithms, proximity based optimization algorithms and blind compressive sensing algorithms are the most recent and popular ones in the literature. Rate-distortion performances of different sparse representation algorithms are compared to those of the other compression algorithms. Besides the rate-distortion performances, the information preservation performances are also evaluated by the anomaly detection application. The experimental results verify that compression performances of proximity based optimization algorithms and blind compressive sensing algorithms are superior to those of other algorithms as the bit rate increases.
Benzer Tezler
- Hyperspectral image compression using sparse representations and wavelet transform based spectral decorrelation
Seyrek gösterimler ve dalgacık dönüşümüne dayalı izgel ilintisizleştirme kullanarak hiperspektral görüntü sıkıştırma
HAYDER JAWDHARI
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Derin öğrenme yöntemleri kullanarak hiperspektral imgelerin sınıflandırılmasına yönelik yeni yaklaşımlar
New approaches for hyperspectral image classification using deep learning
HASAN BADEM
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK
- Geliştirilmiş katmanlı uzay yerleştirme yöntemleri kullanılarak hiperspektral görüntülerin sınıflandırılması ve görselleştirilmesi
Classification and visualization of hyperspectral image using enhanced manifold embedding methods
MEHMET ZAHİD YILDIRIM
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER ÖZCAN
PROF. DR. OKAN ERSOY
- Hiperspektral görüntülerde eser miktarda kimyasal madde tespiti
Detection of trace amount chemical substances in hyperspectral images
ŞAFAK ÖZTÜRK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. SENİHA ESEN YÜKSEL ERDEM
- Classification of hyperspectral images with ensemble learning methods
Hiperspektral görüntülerin topluluk öğrenme yöntemleri ile sınıflandırılması
UĞUR ERGÜL
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN