A novel hybrid classification approach to integrate pixel- and object-based image analysis for classification of remotely sensed data
Uzaktan algılanan verilerin sınıflandırılması için piksel ve obje tabanlı görüntü analizini entegre eden yeni bir hibrit sınıflandırma yaklaşımı
- Tez No: 767326
- Danışmanlar: DOÇ. DR. İSMAİL ÇÖLKESEN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Arazi sınıflandırması, Eşik, Görüntü sınıflandırma, Hibrit yöntem, Sayısal görüntü işleme, Uzaktan algılama, Yapay zeka, Land classification, Threshold, Image classification, Hybrid method, Digital image processing, Remote sensing, Artificial intelligence
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez kapsamında yetersiz bölütleme probleminin çözümü için piksel ve obje tabanlı sınıflandırma tekniklerinin üstün yönlerini kullanan yeni bir eşik değeri esaslı hibrit sınıflandırma yaklaşımı önerilmiştir. Önerilen tekniğin ilk adımında, görüntü bölütleme işlemi gerçekleştirilir ve seçilen makine öğrenmesi algoritmalarından biri ile piksel ve nesne tabanlı sınıflandırma modelleri ayrı ayrı oluşturulur. İkinci olarak, bir görüntü nesnesinin heterojenliğini ölçmek için her bir görüntü nesnesinin sınıf olasılıkları analiz edilir ve hangi segmentlerin homojen olarak kabul edileceğini belirlemek için bir eşik değeri seçilir. Bir sonraki aşamada ise segmentin en yüksek sınıf olasılığı, eşik değeri ile karşılaştırılır. Bu olasılık değeri eşik değerinden büyükse, segmentin etiketi nesne tabanlı sınıflandırma ile belirlenir. Aksi takdirde, ilgili segmentin çevrelediği pikseller, piksel tabanlı sınıflandırma modeli ile tek tek etiketlenir. Finalde işlem adımında ise, sonuçlar Arazi kullanımı ve Arazi Örtüsü (AKAÖ) haritasını oluşturmak için birleştirilir. Hibrit yaklaşımın geleneksel tekniklere karşı performansını değerlendirmek için yüksek çözünürlüklü İnsansız Hava Aracı (İHA) ve uydu görüntüleri kullanılmıştır. Sonuçlar, önerilen sınıflandırma tekniğinin istatistiksel ve görsel olarak geleneksel piksel ve nesne tabanlı haritaların sonuçlarından daha iyi performansa sahip olduğunu göstermiştir. Ayrıca genel harita doğruluğundaki iyileşme İHA görüntüsünün piksel ve nesne tabanlı harita sonuçlarına kıyasla sırasıyla %5 ve %2'ye ulaştığında, uydu görüntüsü için bu sonuçlar %4 ve %3 olarak elde edilmiştir. Dahası, McNmear's test sonuçlarına göre elde edilen sınıflandırma sonuçları arasında istatistiksel olarak anlamlı bir fark olduğu görülmüştür
Özet (Çeviri)
This thesis suggests a new threshold-based hybrid classification approach using the superior aspects of pixel- and object-based image analysis to handle the under-segmentation problem. In the first step of the proposed technique, the image segmentation is performed, and the pixel- and object-based classification models are constructed through one of the selected machine learning algorithms separately. Secondly, the class probabilities of each image object are analyzed to measure the heterogeneity of an image object, and a threshold value was selected to determine which segments would be considered homogeneous. The highest class probability of the segment is compared with the threshold value in the subsequent stage. If this probability value is greater than the threshold value, the label of the segment is determined by object-based classification. Otherwise, the pixels within the segment are classified instead of classifying the image object, and their class labels are assigned by pixel-based image analysis. Finally, the results are aggregated to generate the Land Use and Land Cover (LULC) map. The high spatial-resolution Unmaned Aerial Vehicle (UAV) and satellite images were employed to evaluate the performance of hybrid approach against traditional techniques. The results showed that the proposed classification technique statistically and visually outperformed to results of traditional pixel- and object-based maps. In addition, when the improvement in overall map accuracy reached up to 5% and 2% compared to results of pixel- and object-based maps of UAV images, respectively, these results were obtained as 4% and 3% using satellite image. Furthermore, McNemar's test results verified that there is a statistically significance between the classification results.
Benzer Tezler
- Konuşma temelli duygu tanıma sürecinde derin öğrenme yaklaşımlarının kullanımı
The use of deep learning approaches in the speech-based emotion recognition process
NESLİHAN GÜNDOĞAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Topkapı ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BUKET İŞLER
- A novel approach for generating instance-based plausible and proximate counterfactual explanations
Örnek tabanlı makul ve yakın karşı olgusal açıklama üretmeye dayalı yeni bir yaklaşım
YAĞIZ LEVENT GÜME
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ ERKAN IŞIKLI
- Siber güvenlikte saldırı tespiti için yeni bir hibrit kuantum sinir ağı modeli
A novel hybrid quantum neural network model for attack detection in cybersecurity
MUHAMMED YUSUF KÜÇÜKKARA
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT BAYILMIŞ
- Cilt kanseri sınıflandırması için hibrit derin öğrenme modellerinin geliştirilmesi
Development of hybrid deep learning models for skin cancer classification
İBRAHİM ARUK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET NUSRET TOPRAK
- Sanal ortam destekli motor imgeleme EEG ve EMG sinyallerinin derin öğrenme ile sınıflandırılmasına yönelik beyin bilgisayar arayüzü tasarımı
Design of a virtual environment supported brain computer interface for deep learning based classification of motor imagery EEG and EMG signals
YAHYA TAŞTAN
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ULVİ BAŞPINAR
DR. BURCU BULUT OKAY