Geri Dön

Uzaktan algılanmış hiperspektral görüntülerin uzamsal-izgesel piksel sınıflandırması

Spatial-spectral pixel classification of remote sensing hyperspectral images

  1. Tez No: 576066
  2. Yazar: YAVUZ KÖMEÇOĞLU
  3. Danışmanlar: DOÇ. DR. ERCHAN APTOULA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: İstanbul Okan Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 72

Özet

Uzaktan algılanan hiperspektral görüntülerin sınıflandırılması son yıllarda birçok araştırmanın konusu olmuştur. Hiperspektral görüntüler sivil ve askeri alanda, tarım, yer bilimi, tıp, savunma ve güvenlik, hedef belirleme, şehir planlama gibi farklı disiplinlerdeki birçok alanda kullanılmaktadır. Bu tez çalışmasında uzaktan algılanan hiperspektral görüntünün her bir pikseline uygun bir sınıf etiketi atanması probleminde, ROSIS sensörüne ait Pavia Üniversitesi veri seti üzerinde, hiperspektral verinin spektral (izgesel) bilgisi ile birlikte uzamsal bilginin ayrı ayrı ve birlikte kullanılmasının evrişimsel sinir ağları ağları ile eğitilerek sınıflandırma başarına etkileri incelenmiştir. Ayrıca sadece spektral bilgiyi içeren vektörler ile uzamsal bilgiyi de içeren tensörler aynı anda farklı evrişimsel sinir ağları ile eğitilmiş ve kaynaştırma yönteminin sınıflandırma başarımına etkisi incelenmiş ve karşılaştırmalar yapılmıştır.

Özet (Çeviri)

Classification of remotely sensed hyperspectral images has been the subject of many researchers in recent years. Hyperspectral imagery is used in many disciplines such as civil and military field, agriculture, location science, medicine, defense and security, goal setting, city planning. In this thesis, assigning a class tag to each pixel of the remotely sensed hyperspectral view was applied to the Pavia University dataset of the ROSIS sensor and spectral (spectral) information of hyperspectral data and the spatial and temporal effects of spatial and temporal information on the success of classifications in training with neural networks. Furthermore, only the vectors containing spectral information and the tensors including spatial information are trained with different convolutional neural networks at the same time and the effect of the fusing method on the classification performance was examined and compared.

Benzer Tezler

  1. Derin öğrenme ile çoklu bantlı uzaktan algılanmış görüntülerin içerik tabanlı erişimi

    Content based multivariate remote sensing image retrieval with deep learning

    ÖZGÜ GÖKSU

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ERCHAN APTOULA

  2. U-net tabanlı evrişimli sinir ağı ile uzaktan algılanmış görüntülerden otomatik bina tespiti

    Automatic building detection from remotely sensed images with u-net based convolutional neural network

    İBRAHİM DELİBAŞOĞLU

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜFİT ÇETİN

  3. 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

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. YASEMİN YARDIMCI ÇETİN

  4. Uzaktan algılanmış verilerin derin öğrenme yöntemiyle sınıflandırılması

    Classification of remotely sensed data by deep learning method

    ELİF ÖZLEM YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Jeodezi ve FotogrametriGebze Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. TAŞKIN KAVZOĞLU

  5. An experimental analysis of feature selection algorithms in hyperspectral image classification

    Hiperspektral görüntülerın sınıflamasında öznitelik seçim algoritmalarının deneysel analizi

    HAMED GHOLAMI VIJOUYEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA