Geri Dön

Çok değişkenli istatistiksel boyut indirgeme yaklaşımı ile görüntü işleme üzerine bir araştırma

A study on image processing with multivariate statistical dimension reduction approach

  1. Tez No: 732560
  2. Yazar: EFE SARIBAY
  3. Danışmanlar: DOÇ. DR. KADİR ERTAŞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Coğrafya, Ekonometri, Computer Engineering and Computer Science and Control, Geography, Econometrics
  6. Anahtar Kelimeler: Çok Değişkenli Görüntü İşleme, Görüntü İyileştirme, Anabileşenler Analizi, Faktör Analizi, Multivariate Image Processing, Image Enhancement, Principal Component Analysis, Factor Analysis
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: Ekonometri Bilim Dalı
  13. Sayfa Sayısı: 137

Özet

Çok bantlı uydu görüntülerinin analizi son yıllarda maden mühendisliği, jeodezi ve fotogrametri mühendisliği ve özellikle coğrafi bilgi sistemleri alanında yapılan çalışmalar sonucunda çok büyük bir önem kazanmıştır. Uydu görüntüsü bantlarının her birinde ayrı veri seti yapısı ile karşılaşılması sonucunda çok değişkenli istatistiksel analizin görüntü işleme ile birlikte uygulanması kaçınılmaz olmuştur. Çok değişkenli boyut indirgeme yöntemlerinden anabileşenler analizi çok bantlı uydu görüntülerinde boyut indirgeyerek çalışılan bant sayısını oldukça başarılı bir şekilde azaltarak üzerinde inceleme ve yorumlama yapılabilecek anabileşen görüntüleri elde etmeyi sağlar. Klasik anabileşenler analizinde de elde edilen özdeğer ve özvektör yapısı, yük ve skorların grafikleri çok bantlı uydu görüntülerinin analizinde kullanılarak yorumlanabilir. Çok bantlı uydu görüntülerinde sınıflandırma, ilgili görüntüdeki her piksel değerinin hangi özellik grubuna ait olduğun belirleme işlemi olarak ifade edilmektedir. Bu sınıflama işlemi, ilgili görüntüde birbirine benzer coğrafi özellikleri belirlemek suretiyle görüntüleri sınıflandırma olarak da ifade edilmektedir. Sınıflandırma işleminde çoğunlukla nesnelerin spektral yansıtmaları dikkate alınarak yapılır. Sınıflandırmada esas amacı birbirine benze spektral özellik taşıyan görüntüleri gruplamaktır. Bu çalışma kapsamında, çok değişkenli istatistiksel bir boyut indirgeme yöntemi olan anabileşenler analizi kullanılarak, İzmir iline ait LANDSAT-7 uydu görüntülerinin analizi ve karşılaştırılması yapılmıştır. Ayrıca seçilen bölgedelerdeki coğrafi yapının incelenmesi için Anabileşenler Analizi uygulanmıştır. Uygulamanın son aşamasında ise, aynı görüntülere Faktör Analizi uygulanarak uydu görüntülerinin analizinde boyut indiregeme birbirine benzer görüntüleri sınıflamak yeni bir yaklaşım ortaya konulmuştur.

Özet (Çeviri)

Analysis of multispectral image gained significant importance with the rise in the amount of studies in the areas of mining engineering, geodesy, photogrammetry engineering and esspecially geographical information systems. The combined usage of multivariate statistical analysis and image processing is unavoidable since different data structure is obtained from each one of the multispectral image. Principal Components Analysis which is a multivariate dimension reduction methodology produces the principle component images on which observations and interpretations can be easily performed, by succesfully reducing the number of layers that are worked on. By classical principles components analysis the obtained eigenvalue and eigenvector structure can be interpreted by using the graphics of the loads and scores in the analysis of the multispectral images. In multi spectral satellite images, classification is expressed as the process of determining which feature group each pixel value in the related image belongs to. This classification process is also expressed as classifying images by identifying similar geographical features in the related image. In the classification process, it is mostly done by considering the spectral reflections of the objects. The main purpose of classification is to group images with similar spectral characteristics. Within the scope of this study, the analysis and comparison of LANDSAT-7 satellite images of the province of Izmir were made by using the main component analysis, which is a multivariate statistical dimension reduction method. In addition, Principal Component Analysis was applied to examine the geographical structure in the selected regions. In the last stage of the application, a new approach has been put forward to classify images that are similar to each other by size reduction in the analysis of satellite images by applying Factor Analysis to the same images.

Benzer Tezler

  1. Çok boyutlu sağkalım verilerinde denetimli temel bileşenler analizine alternatif bir boyut indirgeme yaklaşımı

    An alternative dimension reduction approach to supervised principal components analysis in high dimensional survival data

    ELVAN AKTÜRK HAYAT

    Doktora

    Türkçe

    Türkçe

    2012

    BiyoistatistikEge Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MEVLÜT TÜRE

    PROF. DR. ŞANSLI ŞENOL

  2. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  3. ISO 9000 kalite yönetimi ve ISO 14000 çevre yönetim sistemleri uygulamalarının değerlendirilmesi: Türkiye örneği

    An Evaluation of ISO 9000 quality management and ISO 14000 environmental management systems implementations: The case of Turkey

    BERSAM BOLAT

    Doktora

    Türkçe

    Türkçe

    2002

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF.DR. SITKI GÖZLÜ

  4. Çok değişkenli istatistiksel boyut indirgeme yöntemi olarak düzgünleştirilmiş fonksiyonel ana bileşenler analizi üzerine bir araştırma

    A study on regularized functional principal component analysis as a statistical dimension reduction technique

    İSTEM KESER

    Doktora

    Türkçe

    Türkçe

    2007

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ.DR. KADİR ERTAŞ

  5. Çok değişkenli istatistiksel bir boyut indirgeme yöntemi olarak kümeleme analizi ve bir uygulama

    Cluster analysis as a reducation of dimensionality technique for multivariate statistical and an application

    AYNUR İNCEKIRIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. KADİR ERTAŞ