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: Belirtilmemiş.
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
- Ovulasyon indüksiyonu tedavisinde folliküler gelişimin ultrasonografik takibi
Başlık çevirisi yok
MERİH BAYRAM
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. MÜLAZIM YILDIRIM
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- Atherosklerotik kalp hastalıklarında risk faktörleri
Risk factors in the coronary artery disease
MURAT SUHER