Makine öğrenmesi ile hiperspektral görüntü sınıflandırma
Hyperspectral image classification with machine learning
- Tez No: 523234
- Danışmanlar: PROF. DR. AHMET SERTBAŞ, DR. ÖĞR. ÜYESİ TOLGA ENSARİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Hiperspektral görüntüler nesnelerden yansıyan enerjinin dar ve sürekli aralıklı çok sayıda dalga boyu bandında ölçümü ile edilir. Ölçülen spektral değerler spektral imza niteliğinde olup her bir nesne için ayırt edici bir özellik olmaktadır. Spektral imza kullanılarak nesnelerin sınıflandırılması yapılabilmektedir. Bu tez çalışmasında hiperspektral görüntülerin spektral-uzamsal sınıflandırılmaları üzerinde çalışılmıştır. Spektral bilgilerin yanında hiperspektral görüntüden elde edilecek uzamsal özelliklerin de hiperspekral görüntü sınıflandırmada kullanılması amaçlanmıştır. Hiperspektral görüntüler yüksek boyutlu verilerden oluştuğu için sınıflandırma başarımını ve hesaplama performansını etkilemektedir. Temel Bileşen Analizi boyut indirgeme yöntemi kullanılarak en bilgilendirici ve ayırt edici bantlar elde edilmiştir. Elde edilen bu bant görüntülerinden yüksek bilgiye sahip uzamsal öznitelikler elde edilmiştir. Uzamsal özniteliklerin elde edilmesi için örüntü tanımada yaygın olarak kullanılan Yerel İkili Örüntü, Gabor Filtresi ve Yönlü Gradyant Histogramı yöntemleri kullanılmıştır. Elde edilen spektral-uzamsal öznitelikler Destek Vektör Makineleri ve Evrişimsel Sinir Ağları ile sınıflandırma yapılmıştır. Öznitelik birleştirme ve karar birleştirme yöntemleri uygulanarak sınıflandırma sonuçları elde edilmiştir. Sınıflandırma deneyleri Indian Pines, Pavia University ve Salinas veri kümeleri ile yapılmıştır. Sınıflandırma sonuçları farklı metrikler ile sunulmuş ve sonuçlar değerlendirilmiştir. Az sayıda bant ve düşük sayıda eğitim örnekleri alınarak yapılan deneylerde spektral ve uzamsal özniteliklerin birlikte kullanılması sınıflandırma başarımını artırdığı görülmüştür.
Özet (Çeviri)
Hyperspectral images are obtained by measuring the energy reflected from objects in multiple wavelength bands with narrow and continuous intervals. The measured spectral values are spectral signature and are a distinguishing feature for each object. Classification of objects can be done using spectral signature. In this thesis, spectral-spatial classification of hyperspectral images has been studied. Beside spectral information, it is aimed to use the spatial features obtained from the hyperspectral image in hyperspectral classification image. Because hyperspectral images are composed of high-dimensional data, they affect classification performance and computational performance. The most informative and distinctive bands were obtained using the Principal Component Analysis dimensionality reduction method. Then spatial features with higher information were obtained from this band images. In order to extract spatial features, Local Binary Pattern, Gabor Filter and Histogram of Oriented Gradients methods which are widely used in pattern recognition have been used. Spectral - spatial features were classified by using Support Vector Machines and Convolutional Neural Networks. Classification results were obtained with feature fusion and decision fusion methods. For classification experiments, Indian Pines, Pavia University and Salinas data sets were used. The classification results are presented with different metrics and the results are evaluated. It has been seen that the use of spectral and spatial features together with few bands and low number of training samples increase the classification accuracy.
Benzer Tezler
- Hiperspektral görüntü analizinde ileri spektral ve uzamsal yöntemler
Advanced spectral and spatial methods for hyperspectral image analysis
İBRAHİM ONUR SIĞIRCI
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- Evrişimli sinir ağları kullanılarak hiperspektral görüntülerin sınıflandırılması
Classification of hyperspectral images using convolutionalneural network
ALİ GÜNDÜZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEP ORMAN
- 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
- Hiperspektral görüntü ve LiDAR verisinin derin öğrenme ile sınıflandırılması
Classification of hyperspectral and LIDAR data with deep learning
HÜSEYİN EMRE MUTLU
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Analysis of hyperspectral images with deep learning methods
Derin öğrenme yöntemleriyle hiperspektral görüntülerin analizi
EKREM TARIK KARAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ