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: Belirtilmemiş.
- 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: 112
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
- 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
- Machine learning based network anomaly detection
Makine öğrenmesi tabanlı ağ anomali tespiti
HİLAL HACILAR
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU GÜNGÖR
PROF. DR. VEHBİ ÇAĞRI GÜNGÖR
- A robust framework covering measures developed using EVM metric against jamming attacks in next-generation communication systems
Yeni nesil haberleşme sistemlerinde karıştırma saldırılarına karşı EVM metriği kullanılarak geliştirilen önlemleri kapsayan güçlü bir çerçeve
CEM ÖRNEK
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- Antenlerin hızlı ve doğru tasarımı için esnek hesaplamaya dayalı sayısal karma yöntemler
Numerical hybrid methods based on soft computing for fast and accurate design of antennas
MAHMUD ESAD YİĞİT
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT TAYFUN GÜNEL
- Tek A'lı çekirdeklerin taban-durum manyetik momentlerinin sinirsel-bulanık sistemiyle belirlenmesi
Determination of the ground-state magnetic moments of odd mass nuclei using neuro-fuzzy system
BÜRUCE ÖZTÜRK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN YAKUT