Boyut indirgeme ve hiperspektral veri sınıflandırmasındaki etkileri
Dimension reduction and its effects in hyperspectral data classification
- Tez No: 543973
- Danışmanlar: DR. ÖĞR. ÜYESİ NECİP GÖKHAN KASAPOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Hiperspektral Görüntüleme Verileri, Boyut İndirgeme, PCA, ISOMAP, SVM, KNN, Hyperspectral Imaging Data, Dimension Reduction, PCA, ISOMAP, SVM, KNN
- Yıl: 2018
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 105
Özet
Boyut indirgeme ve hiperspektral veri görüntüleme sistemleri araştırmacılar ve araştırma kurumlarından büyük ilgi görmüştür. Veri sensörlerinin kullanımı yoluyla verilerin aktif olarak alınmasıyla, orta ve kızılötesi dalga boylarında, dünyanın yüzeyindeki belirli bir bölgeden çeşitli mevcut spektral bandlar yoluyla görüntüler alınabilir. Hiperspektral sensörler, detaylı spektral bilginin sağlanmasında oldukça önemlidir ve bu ayrıntılı veriden dolayı doğruluktaki artış ve ilgili materyallerin ayrımcılığına ilişkin olarak oldukça pahalıdır. Çoğu durumda, görüntüleme için hiperspektral çözümler ve uzamsal kararlar için sistemler basitçe iki önemli rol oynayarak süreci ayırıcılığı artıran sensörlerin uygulanmasıyla çalıştırılabilir; Daha hassas görüntüleme ayrıntılarının sağlanmasını geliştirmek ve görüntüler içinde bulunabilecek çok daha küçük mekansal yapıların analizini sağlamak hiperspektral verilerin önemli özellikleri olarak sayılabilir. Sonuç olarak, uzaktan algılama ve yorumlamada veri sınıflandırmanın önemli katkısı vardır. Denetimli öğrenme ile verilerin sınıflandırılmasıyla oynanan birincil rollerden biri, belirli bir veri hakkında spektral bilgileri modellemek için eğitim örneklerinin kullanılmasıdır. Bu örnekler, gri tonlamalı görüntülerin elde edilmesinde kullanılan tüm piksellerin yoğunluğunun yanı sıra, RGB'nin yoğunluk vektörü ve hatta yüksek boyutlardaki görüntülerin değeri gibi bilgileri içerir. Bu sonuç olarak, temsili bir örneklem kullanılarak farklı çıkarların ayrımcılığına yardımcı olan veri sınıflandırma sonuçlarının üretilmesine yol açmaktadır. Bununla birlikte, bu tezin amacı, söz konusu hiperspektral veri sınıflandırma sistemlerinde boyut indirgemenin etkisini analiz etmektir. Bu tezde hiperspektral veri sınıflamasında boyut indirgemenin iki önemli yönü üzerinde durulacaktır. Bunlar, PCA ve ISOMAP ile boyut indirgeme olup, daha sonra da boyut indirgemenin Destek Vektör Makinesi (SVM) ve K en yakın komşuluk (KNN) gibi sınıflayıcılara olan etkilerini incelemektedir.
Özet (Çeviri)
In recent years dimension reduction and hyperspectral data imaging systems have gained significant attention from various research experts and institutions. By active acquisition of data through the use of data sensors, the middle infrared wavelengths can be altered and captured through various existing spectral channels from a particular defined interface within the surface of the earth. The hyperspectral sensors are quite crucial in the provision of detailed spectral information and this is quite priceless in as far as the increase in accuracy and the discrimination of materials of interest are concerned. In most instances, the hyperspectral solutions for imaging as well as the systems for spatial resolutions can be simply operated by application of sensors which ultimately enhance the process by playing two crucial roles; enhancing the provision of finer imaging details and enabling the analysis of even much smaller spatial structures that may be found within the images. As a consequence of consideration, it is invaluable to note the significant contribution of data classification and mapping in remote sensing and interpretation. One of the primary roles played by supervised classification of data is the use of classification input to observe or understand the implied spectral information about a given data. These includes information such as the value of the intensity for all the pixels used in achieving the grayscale images as well as the intensity vector for the RGB or even the images of high dimensions. This consequently leads to the production of data classification map which helps in the discrimination of different interests by the use of a representative sample. The central focus of this thesis, however, is to analyse the effect of dimension reduction in the said hyperspectral data classification systems. In the thesis, emphasis will be made on two important aspects of dimension reduction in hyperspectral data classification. These includes dimension reduction in PCA and ISOMAP then, decision making through the application of the Support Vector Machine (SVM), K-Nearest Neighbors (KNN) and the related MATLAB experiments for ISOMAP, PCA, SVM and KNN as desired.
Benzer Tezler
- Hiperspektral görüntülerde boyut indirgeme
Dimension reduction in hyperspectral images
BURAK AKGÜL
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH BAL
- Augmented superpixel based anomaly detection in hyperspectral imagery
Hiperspektral görüntülerde genişletilmiş süperpiksel tabanlı anomali tespiti
EZGİ GÖKDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Dimension reduction methods for hyperspectral imagery
Hiperspektral görüntüde boyut indirgeme yöntemleri
ONUR HALİLOĞLU
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ORHAN GAZİ
- Hiperspektral görüntülerde derin öğrenme yaklaşımının sınıflandırma başarımı üzerine etkisi
The effect of deep learning approach on classification performance in hyperspectral images
GİZEM ORTAÇ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GIYASETTİN ÖZCAN
- Hiperspektral veri sınıflandırma için boyut indirgeme yöntemlerinin başarımlarının karşılaştırılması
Comparing performance of dimension reduction techniques for hyperspectral data classification
ALİ ÖMER KOZAL
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HAKKI ALPARSLAN ILGIN