Hiperspektral görüntüler için spektral-uzamsal en yakın altuzay sınıflandırıcıları
Spectral-spatial nearest subspace classifiers for hyperspectral images
- Tez No: 790953
- Danışmanlar: DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 182
Özet
Bu tez kapsamında hiperspektral görüntü sınıflandırma için spektral ve uzamsal bilgiden etkili bir şekilde yararlanan en yakın altuzay sınıflandırıcıları önerilmiştir. Önerilen yöntemlerde En Yakın Altuzay Sınıflandırıcısı (Nearest Subspace Classifier, NSC) yönteminin geometrik yorumundan ilham alınmıştır. NSC, aynı sınıftan örneklerin yaklaşık olarak aynı altuzayda olması gerektiği varsayımıyla çalışan basit bir sınıflandırıcıdır. Bu varsayıma dayanarak, NSC yöntemi, test örneği ile sınıf içi eğitim örneklerinin kapsadığı altuzay arasındaki yakınlığı analiz eder ve test örneğinin etiketini en yakın altuzayın ait olduğu sınıfa atar. Fakat, NSC sadece spektral bilgiyi dikkate alır ve sınıflandırma sırasında uzamsal bilgiden yararlanmaz. Tez kapsamında NSC yönteminin dayandığı varsayım genişletilmiş ve uzamsal olarak bitişik piksellerin de büyük olasılıkla aynı sınıfa ait olduğu varsayımı eklenmiştir. Bu iki varsayım birleştirilerek, uzamsal olarak bitişik piksellerin de yaklaşık olarak aynı altuzayda bulunması gerektiği sonucuna varılmıştır. Bu varsayımlara dayanarak sınıflandırma sırasında uzamsal bilgiden yararlanmak için kullanılan pikseller kümesinin kapsadığı altuzay ile sınıf içi eğitim örneklerinin kapsadığı altuzay arasındaki yakınlığı analiz ederek sınıflandırma işlemi yapan Spektral-Uzamsal En Yakın Altuzay Sınıflandırıcısı yaklaşımı önerilmiştir. Altuzaylar arasındaki yakınlığı ölçmek için tez kapsamında Kanonik Korelasyon Analizi yönteminden yararlanılmıştır. Bu tez kapsamında, Spektral-Uzamsal En Yakın Altuzay Sınıflandırıcısı yaklaşımını kullanan dört farklı yöntem geliştirilmiştir. Bu yöntemler uzamsal bilgiyi kullanma şekillerine göre birbirlerinden ayrılmaktadır. Geliştirilen yöntemlerden ilki, test pikseli komşuluğunda yer alan uzamsal bir pencereden yararlanırken, diğer üç yöntem süperpiksellerden yararlanmaktadır. Geliştirilen yöntemler literatürde yaygın olarak kullanılan veri kümelerinin yanı sıra müsilaj veri kümeleri üzerinde de test edilmiştir. Önerilen sınıflandırma yaklaşımının avantajları; (i) anlamlı ve anlaşılması kolay bir geometrik yorumunun olması, (ii) uzun eğitim sürelerine ihtiyaç duymaması, (iii) kapalı-form bir çözümünün olması, (iv) test etmesinin basit olması ve zahmetli parametre ayarlama süreçleri gerektirmemesi, (v) az sayıda etiketli veri olduğu durumlarda iyi sonuçlar vermesi, (vi) gürültülü ve aykırı piksellere karşı dayanıklı olmasıdır.
Özet (Çeviri)
The nearest subspace classifiers that make effective use of spectral and spatial information for hyperspectral image classification are proposed within the scope of this thesis. The methods are proposed, inspired by the geometric interpretation of the nearest subspace classifier method. Nearest Subspace Classifier (NSC) is a simple classifier that works on the assumption that samples from the same class approximately lie on the same subspace. Based on this assumption, NSC method analyzes the closeness between the test sample and the space spanned by the within-class training samples. Then, the label of test sample is assigned to the closest class. However, NSC only considers the spectral information and neglects the spatial information. In addition to the assumption in the NSC method, we add another assumption that spatially adjacent pixels quite likely belong to the same class. By combining these two assumptions, we conclude that spatially adjacent pixels must approximately lie on the same subspace as well. Based on these assumptions, we propose the spectral-spatial nearest subspace classification (SSNSC) approach as a generic classification framework that performs classification by analyzing the closeness between the subspace spanned by the samples used for spatial information and subspace spanned by the within-class training samples. In this thesis, Canonical Correlation Analysis is used to measure the closeness between these two subspaces. In this thesis, we developed four different methods that are specialized versions of the SSNSC approach. They differ from each other based on how they utilize spatial information. The first one uses spatial window as spatial information, and other three use superpixels. The methods are tested on the mucilage datasets as well as the datasets commonly used in the literature. The strength of the proposed classification approach is that i) the geometric interpretation of the proposed approach is meaningful and easy to understand, ii) it does not need long training times, (iii) it has a closed-form solution, (iv) it is simple to test and does not require laborious parameter-tuning processes, (v) it outperforms the existing solutions when the number of labelled training samples is scarce, vi) it is robust to noisy and outlier pixels.
Benzer Tezler
- Spectral and spatial classification of hyperspectral images
Hiperspektral görüntüler, spektral uzamsal sınıflandırma
EMAD MOUSELLI
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NECİP GÖKHAN KASAPOĞLU
- Seyreklik temelli sınıflandırmanın hiperspektral görüntülerde uygulamaları
Sparsity based classification application of hyperspectral images
HALİL ÇAĞLAR
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU
- Boyut indirgeme ve hiperspektral veri sınıflandırmasındaki etkileri
Dimension reduction and its effects in hyperspectral data classification
LINA YOUNUS
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NECİP GÖKHAN KASAPOĞLU
- U-net tabanlı evrişimli sinir ağı ile uzaktan algılanmış görüntülerden otomatik bina tespiti
Automatic building detection from remotely sensed images with u-net based convolutional neural network
İBRAHİM DELİBAŞOĞLU
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MÜFİT ÇETİN
- Hiperspektral görüntüler için uzamsal yaklaşımlar
Spatial approaches for hyperspectral images
ALP ERTÜRK
Doktora
Türkçe
2013
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET KEMAL GÜLLÜ