A deep learning based method for classification of polarimetric sar data
Polarimetrik sar verilerinin sınıflandırılması için derin öğrenmeye dayalı bir yöntem
- Tez No: 818815
- Danışmanlar: DR. ÖĞR. ÜYESİ NECİP GÖKHAN KASAPOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
Polarimetrik yapay açıklıklı radar (PolSAR) görüntülerinin sınıflandırması önemli bir PolSAR veri uygulamasıdır. Son yıllarda derin öğrenmenin yaygınlaşması, PolSAR görüntü sınıflandırmasında da önemli iyileşmeler sağlamıştır. Bu tezde, polarimetrik yapay açıklıklı radar (SAR) görüntülerinin sınıflandırılması için, bir derin evrişimsel sinir ağını kullanılmaktadır. Karmaşık değerli evrişimsel sinir ağı (CV-CNN), geleneksel evrişimsel sinir ağını (CNN) karmaşık değerli işlemeye yönelik genişletir ve SAR görüntülerinde bulunan genlik ve açı bilgilerini kullanır. Bu tezde, CV-CNN' nin polarimetrik SAR görüntü sınıflandırma işleminin performans değerlendirilmesi, pikselleri belirli arazi türlerine kategorize etme başarımını içerir. CV-CNN sonuçları SVM gibi bir makine öğrenmesi teknik ve Mahalanobis uzaklığı gibi basit bir istatistiksel tekniği ile karşılaştırmalı olarak, test başarımı, karmaşıklık matrisi kullanılarak verilir.
Özet (Çeviri)
Polarimetric synthetic aperture radar (POLSAR) image classification is a crucial POLSAR data application. The widespread use of deep learning in recent years has led to significant improvements in POLSAR image classification. In this thesis, a deep convolutional neural network is used for the classification of polarimetric synthetic aperture radar (SAR) image. The complex-valued convolutional neural network (CV-CNN) extends the traditional convolutional neural network (CNN) to handle complex data and uses the amplitude and angle information found in SAR images. In this thesis, the performance evaluation of the polarimetric SAR image classification process of CV-CNN includes its performance in categorizing pixels to specific terrain types. The test performance is given using overall accuracy and confusion matrix, comparing CV-CNN results with machine learning technique such as SVM and a simple statistical technique such as Mahalanobis distance.
Benzer Tezler
- Automated detection and classification of spinal disc herniation using deep learning on MRI images
MR görüntülerinde derin öğrenme kullanılarak omurga disk hernisinin otomatik tespiti ve sınıflandırılması
MUSTAFA ISAM ALAJAJ
Yüksek Lisans
İngilizce
2024
İstatistikİstanbul Gedik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RIZA DİLEK
- Comparative analysis of deep convolutional neural network models for classification of brain tumors
Beyin tümörlerinin sınıflandırılmasında derin evrişimli sinir ağı modellerinin karşılaştırmalı analizi.
OZAN AKHAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstinye ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞENOL PİŞKİN
- Deep learning-based vehicle classification under low-quality imagining conditions
Düşük kaliteli görüntüleme koşullarında derin öğrenmeye dayalı araç sınıflandırması
ÖZGEN SARI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASER DALVEREN
PROF. ALİ KARA
- Graf ve karekod yöntemleriyle dönüştürülmüş log kayıtları üzerinde derin öğrenme tabanlı siber saldırı tespiti
Deep learning-based cyber attack dedection on encoded log by graph and qr code methods
YUSUF ALACA
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÇELİK
- Karotis arter intima media kalınlığının derin öğrenme ile sınıflandırılması
Classification of carotid artery intima media thickness with deep learning
SERKAN SAVAŞ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NURETTİN TOPALOĞLU