Development of hyperspectral image classification algorithms for unmanned aerial vehicles
İnsansız hava araçları için hiperspektral görüntü sınıflandırma algoritmalarının geliştirilmesi
- Tez No: 569717
- Danışmanlar: DR. ÖĞR. ÜYESİ TANER İNCE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Devreler ve Sistemler Bilim Dalı
- Sayfa Sayısı: 80
Özet
Hiperspektral görüntüleme birçok dar dalgaboyunda nesnelerden yansıyan ışık spektrumunun ölçümüdür. Hiperspektral görüntülerdeki (HSG) yüksek spektral çözünürlük, arazi örtüsü maddelerinin tanımlanmasını ve ayırt edilmesini sağlar. Bu nedenle de hiperspektral görüntüleme askeri, gözetleme, mineraloji ve tarım gibi çeşitli alanlarda kullanılmaktadır. Bu alanlarda, bir HSG'nin piksellerinin sınıflandırılması yoğun olarak çalışılmaktadır. Seyrek gösterim tabanlı sınıflandırıcılar, sınıflandırma amaçları için güçlü bir araç olmuştur. Bu sınıflandırıcılar, spektral piksellerin bir eğitim sözlüğünde aynı sınıf etiketine sahip birkaç örnekle gösterilebileceği fikrini kullanır. Son çalışmalar, HSG'de uzamsal bilginin spektral bilgiye ek olarak kullanılmasının sınıflandırma performansını arttırdığını göstermiştir. Bu tez kapsamında, sınıflandırma işleminin başarısını arttırmak için, hem spektral hem de uzamsal bilgiyi kullanan iki yeni seyrek gösterim tabanlı sınıflandırma yöntemi geliştirilmiştir. İlk çalışmada, farklı bölge ölçeklerini kullanarak yerel bir alanda uzamsal bilgi elde etmek için çok ölçekli süperpikseller (ÇÖS'ler) kullanılmıştır. Bu alanlardaki pikseller, seyrek gösterim sınıflandırıcısı ile ortaklaşa sınıflandırılır ve daha sonra sınıflandırma haritaları oluşturulur. Kenarlardaki yanlış sınıflandırmaları düzeltmek için bu sınıflandırma haritalarına rehberli filtre (RF) uygulanır. İkinci çalışmada, test pikseli ile benzer spektral özelliklere sahip olan komşu pikseller, spektral eşleştirme yöntemleri ile seçilmekte ve diğerleri gözardı edilmektedir. Önerilen yöntemlerin uygulanabilirliğini doğrulamak için, performans yaygın olarak kullanılan iki hiperspektral veri setinde değerlendirilmiştir. Deneysel sonuçlar, önerilen algoritmaların literatürdeki diğer ilgili yöntemlerle karşılaştırıldığında iyi bir performans sergilediğini göstermektedir.
Özet (Çeviri)
Hyperspectral imaging is the measurement of light spectrum reflected from objects in many narrow wavelengths. High spectral resolution in hyperspectral images (HSIs) allows identification and discrimination of the land-cover materials. Therefore, hyperspectral imaging is used in various fields such as military, surveillance, mineralogy and agriculture. In these fields, classification of the pixels of an HSI is studied extensively. Sparse representation based classifiers have been a powerful tool for the classification purposes. These classifiers use the idea that the spectral pixels can be represented by only a few samples with same class label in a training dictionary. Recent studies have shown that use of spatial information in HSI in addition to spectral information increases the classification performance. In the scope of this thesis, two new sparse representation based classification methods which use both spectral and spatial information have been developed in order to increase the success of classification process. In the first study, multiscale superpixels (MSSs) are utilized to acquire spatial information in a local area using different region scales. Pixels in these areas are jointly classified by sparse representation classifier and then classification maps are formed. Guided filter (GF) is applied on these classification maps to improve the misclassifications near the edges. In the second study, the neighbor pixels having similar spectral characteristics with the test pixel are selected by spectral matching methods and others are ignored. To verify the feasibility of the proposed methods, the performance are evaluated over two widely used hyperspectral data sets. Experimental results demonstrate that the proposed algorithms exhibits good performance compared with other related methods in the literature.
Benzer Tezler
- Uzaktan algılama teknolojileri kullanılarak denizlerde kirliliğin izlenmesi: Marmara Denizi örneği
Monitoring of pollution in the sea using remote sensing technologies: The case of the Sea of Marmara
BUSE TIRMANOĞLU
Yüksek Lisans
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Seyreklik temelli sınıflandırmanın hiperspektral görüntülerde uygulamaları
Sparsity based classification application of hyperspectral images
HALİL ÇAĞLAR
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU
- Development of machine learning algorithms for enhancement and classification of remotely sensed hyperspectral images
Uzaktan algılanan hiperspektral görüntülerin iyileştirilmesi ve sınıflandırılması için makine öğrenmesi algoritmalarının geliştirilmesi
TUĞCAN DÜNDAR
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANER İNCE
- 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
- Uzaktan algılanmış verilerin derin öğrenme yöntemiyle sınıflandırılması
Classification of remotely sensed data by deep learning method
ELİF ÖZLEM YILMAZ
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU