Hiperspektral veride doğrusal olmayan karışma durumu için bolluk haritalarının elde edilmesi
Obtaining abundance maps in the case of nonlinear spectral mixing in hyperspectral data
- Tez No: 508997
- Danışmanlar: PROF. DR. HAKKI GÖKHAN İLK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
- Sayfa Sayısı: 108
Özet
Hiperspektral görüntülemede, bir piksele ait spektrum tipik olarak birkaç farklı materyalin yansıma spektrumunun karışımından meydana gelmektedir. Hiperspektral ayrıştırma, karışımdaki son öğelerin bolluk değerlerinin belirlenmesi işlemidir. Hiperspektral karışım probleminin çözümü için birçok farklı model uygulanmıştır. En basit olanı doğrusal karışım modelidir. Fakat karışım olgusunun çoğunlukla doğrusal olmadığı tespit edilmiştir. Bu yüzden homojen karışım modeli ve bilineer modeller uygulanmıştır. Modellerin çoğunluğu materyallerden veya materyaller arasında sadece yansıma durumunu ele almışlardır. Fakat özellikle bitki ekili bölgeler düşünüldüğünde soğurma ve iletim özellikleri de spektral karışımı etkileyen önemli faktörler haline gelmektedirler. Bu nedenle soğurma ve iletim özellikleri de spektral karışım probleminde dikkate alınmalıdır. Tezde uygulanan ayrıştırmada materyallerin iletim ve soğurma spektrumları da ele alınmıştır. Bolluk haritalarının kestirimi bitki örtüsü sınıflandırmada yaygın olarak kullanılmıştır. Bu nedenle bolluk değer kestirimindeki hassasiyet, sınıflandırma hassasiyetini de etkilemektedir. Tezde hiperspektral görüntülerin spektral ayrıştırması ve bitki örtüsünün sınıflandırılması için yeni bir bilineer model geliştirilmiştir. Model, iletim, soğurma ve yansıma spektrumlarını dikkate alarak spektral ayrıştırma ile bitki örtüsü sınıflaması yapmaktadır. Tezde elde edilen sonuçlar, önerilen yöntemin piksel kestirim hatası yönünden doğrusal model ve en çok bilinen bilineer modellere üstünlük sağladığını göstermektedir. Bununla birlikte, yöntemin sınıflandırma başarısı anlamında Spektral Açı Eşleyici (Spectral Angle Mapper) ve Eşleşen Filtre (Matched Filter) gibi çok bilinen sınıflandırma yöntemlerine üstünlük sağladığı görülmüştür.
Özet (Çeviri)
In hyperspectral imagery, the spectrum of one pixel typically consists of a mixture of the reflectance spectra of several materials. Hyperspectral unmixing is the task of identifying the abundances of end members. Different unmixing models have been implemented to solve the hyperspectral unmixing problems. The simplest one is the linear mixing model. However, it has been recognized that mixing phenomena is mostly nonlinear. Therefore, intimate mixture model and bilinear models have also been implemented. Most of the models consider only the reflection case from and between the materials. However, especially in regions like vegetated areas, absorption and transmittance are also important facts which affect the spectral mixture. So, they should be taken into account when dealing with unmixing problems in order to handle accurate results. In this thesis, for spectral unmixing, transmittance and absorption interactions are also handled. Estimation of abundance maps is widely used for classifying the land cover. Therefore the accuracy of abundance estimation affects the accuracy of classification. In this study, a novel bilinear mixing model is developed for unmixing of hyperspectral imagery and classifying the land cover. The model takes into account transmittance, absorption and reflection spectrum. The results obtained in the thesis show that the proposed model is superior, in terms of pixel reconstruction error, when compared to that of linear and other well-known bilinear models. Furthermore, the classification accuracy is much more successful than the well-known classification methods like Spectral Angle Mapper and Matched Filter.
Benzer Tezler
- Spectral and spatial classification of hyperspectral images
Hiperspektral görüntüler, spektral uzamsal sınıflandırma
EMAD MOUSELLI
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NECİP GÖKHAN KASAPOĞLU
- 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
- Non-destructive testing of textured foods by machine vision
Makine görme tekniği ile desensel gıdaların tahribatsız test edilmesi
PELİN BERİAT
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. YASEMİN ÇETİN
- Classification of remotely sensed data by using 2D local discriminant bases
Uzaktan algılanan verilerin 2 boyutlu yerel ayırtaç tabanları ile ayrılması
ÇAĞRI TEKİNAY
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. YASEMİN YARDIMCI ÇETİN
- Termal ve hiperspektral görüntülerde hareketli hedef tespiti ve izlenmesi
Moving target detection and tracking on thermal and hyperspectral images
HAMİDULLAH BİNOL
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULLAH BAL