Geri Dön

Dimension reduction methods for hyperspectral imagery

Hiperspektral görüntüde boyut indirgeme yöntemleri

  1. Tez No: 744120
  2. Yazar: ONUR HALİLOĞLU
  3. Danışmanlar: DOÇ. DR. ORHAN GAZİ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 86

Özet

Hiperspektral Görüntüler, tek bant ve çok bantlı görüntülere kıyasla çok büyük boyutlara sahiptir. Bu durum, hiperspektral görüntülerin yüksek çözünürlüklü yüzlerce spektral bant içermesinden kaynaklanmaktadır. Bu nedenle, hiperspektral veri işleme, depolama ve iletme üzerinde uğraşılması gereken önemli konulardır. Ayrıca spektral bantların sayısının artmasıyla belirli bir sınıflandırma yöntemini eğitmek için gerekli örnek boyutunun katlanarak (eksponensiyel olarak) arttığı bir gerçektir. Bu sorunlarla başa çıkmak için ya eğitim veri boyutu genişletilmeli ya da hiperspektral görüntülerin boyut büyüklüğü bazı boyut indirgeme teknikleriyle azaltılmalıdır. Bu tez çalışmasında eğitimli ve eğitimsiz boyut indirgeme yöntemleri incelenmektedir ve bazı yeni yöntemler sunulmaktadır. Sunulan yöntemler, sınıflandırma doğruluğunu mümkün olduğu kadar muhafaza ederek hiperspektral verinin boyutunu azaltmayı ve düşük hesaplama karmaşıklığı ile indirgenmiş boyuta ulaşmayı hedeflemektedir.

Özet (Çeviri)

Hyperspectral Images has huge dimensions of data compared to single band or multispectral band images. This results from the fact that it contains hundreds of spectral bands with a high spectral resolution. Therefore, hyperspectral data processing, storing, and transmitting are critical issues to deal with. Additionally, it is a fact that required sample size for training a specific classification method increases exponentially with increasing number of spectral bands. In order to handle these problems, either the training data size has to be enlarged or dimensionality of hyperspectral images has to be reduced with some dimension reduction techniques. In this thesis, supervised and unsupervised dimension reduction methods are investigated, and some new methods are proposed. The proposed methods aim to reduce the dimensionality of the hyperspectral data before classification while preserving the classification accuracy as much as possible and to achieve reduced dimension with a low computational complexity.

Benzer Tezler

  1. Hiperspektral görüntülerde boyut indirgeme yöntemlerinin karşılaştırmalı analizi

    A comparative analysis of dimension reduction methods in hyperspectral imagery

    ÖZER AKYÜREK

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Jeodezi ve FotogrametriKocaeli Üniversitesi

    Jeodezi ve Jeoinformasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. OZAN ARSLAN

  2. Sezgisel yöntemlerle hiperspektral görüntülerde boyut indirgeme

    Dimension reduction with heuristic methods in hyperspectral images

    HÜSEYİN ÇUKUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULLAH BAL

  3. Augmented superpixel based anomaly detection in hyperspectral imagery

    Hiperspektral görüntülerde genişletilmiş süperpiksel tabanlı anomali tespiti

    EZGİ GÖKDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜHA TUNA

  4. Hiperspektral görüntülerde gerçek zamanlı hedef tespiti

    Real time target detection in hyperspectral images

    MURAT ŞİMŞEK

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKKI ALPARSLAN ILGIN

  5. 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

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HAKKI ALPARSLAN ILGIN