Yerel öznitelik temelli özellik profilleri ve süperpiksel bölütleme kullanılarak hiperspektral görüntü sınıflandırma
Hyperspectral image classificaton using local feature based attribute profiles and superpixel segmentation
- Tez No: 599145
- Danışmanlar: DOÇ. DR. MEHMET KEMAL GÜLLÜ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Bu tez kapsamında, hiperspektral görüntülerin spektral-uzamsal sınıflandırılmasında yeni yöntemlerin geliştirilmesi üzerinde çalışılmıştır. Öznitelik çıkartımı, özellik profillerinden yerel öznitelikler elde edilerek gerçekleştirilmiştir. Süperpiksel bölütleme(SB) yöntemiyle sınıflandırma haritasındaki hatalı sınıflar düzeltilerek, sınıflandırma başarımı arttırılmıştır. İlk olarak, hiperspektral bantlar yüksek spektral çözünürlüğe sahip oldukları için temel bileşenler analizi ile boyut azaltımı gerçekleştirilmiştir. Yerel öznitelik temelli özellik profilleri ile elde edilen düşük boyutlu öznitelik vektörü kullanılarak sınıflandırma haritası elde edilmiştir. Elde edilen sınıflandırma haritasındaki hataları gidermek amacıyla süperpiksel bölütleme yöntemi kullanılmıştır. Aynı sınıfa ait bölgelerde birden fazla süperpiksel olabileceği için süperpiksel birleştirme işlemi ile mümkün olduğunca aynı sınıfa ait bölgelerdeki süperpikseller birleştirilerek süperpiksel haritası elde edilir. Sınıflandırma haritası, süperpiksel bölütleme ile elde edilen süperpiksel haritası ile düzeltilmiştir. Literatürdeki benzer çalışmalar ile kıyaslandığında hiperspektral görüntülerde düşük öznitelik vektör boyutu kullanılarak yüksek sınıflandırma başarımı elde edildiği gösterilmiştir.
Özet (Çeviri)
In this thesis, the development of new methods in spectral-spatial classification of hyperspectral images has been studied. Feature extraction is performed by obtaining local features from attribute profiles. By using the superpixel segmentation method, classification performance are increased by correcting the incorrect classes in the classification map. First of all, as the hyperspectral bands have a high spectral resolution, dimension reduction is performed using the principal component analysis method. The classification map is obtained using the low-dimensional feature vector obtained by local feature-based attribute profiles. Superpixel segmentation method is used to eliminate the errors in the classification map. Because of there may be more than one superpixel in regions of the same class, superpixel map is obtained by combining superpixels in the regions of the same class as possible with superpixel merging. The classification map is corrected with a superpixel map obtained by superpixel segmentation. Compared with similar studies in the literature, it has been shown that hyperspectral images have high classification performance by using a low feature vector dimension.
Benzer Tezler
- Investigation of embedding methods on gnn basedrecommender models
Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması
MUSTAFA AKER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Camera motion blur and its effect on feature detectors
Kamera hareket bulanıklığı ve öznitelik vektörlerine etkileri
FERİT ÜZER
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
YRD. DOÇ. DR. AFŞAR SARANLI
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİLÜFER YURTAY
- Altuzay yöntemleri ile trafik işareti tanıma
Traffic sign recognition with subspace methods
MUSTAFA ÖZDAMAR
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RİFAT EDİZKAN
- Süne ve kımıl zararlılarının ses işleme yöntemleri ile sınıflandırılması ve bir gömülü sistem gerçeklemesi
Classification of sunn pests using sound processing methods and an embedded system realization
BİLGİ GÖRKEM YAZGAÇ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI