Derin öğrenme tabanlı PAN-keskinleştirme yöntemlerinin arazi örtüsü haritalama performanslarının irdelenmesi
Analysis of land cover mapping performance of deep learning based PAN-sharpening methods
- Tez No: 832905
- Danışmanlar: DOÇ. DR. VOLKAN YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Artvin Çoruh Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Pan-keskinleştirme, yüksek çözünürlüklü pankromatik (PAN) görüntünün konumsal özelliklerini düşük çözünürlüklü çok bantlı (ÇB) görüntünün spektral özellikleriyle birleştirerek hem konumsal hem de spektral olarak geliştirilmiş birçok bantlı (ÇB) görüntü üretir. Kırk yılı aşkın bir süredir çok sayıda pan-keskinleştirme yöntemleri geliştirilmiş olup son yıllarda uzaktan algılama alanındaki diğer uygulamalarda olduğu gibi pan-keskinleştirme için de derin öğrenme (DÖ) tabanlı yaklaşımlar geliştirilmiştir. Bu sebeple, DÖ tabanlı yöntemlerin performanslarının incelenmesi ve çeşitli uzaktan algılama uygulamaları için uygulanabilirliklerinin ortaya koyulması gerekmektedir. Çok sayıda pan-keskinleştirme yönteminin önerilmiş olması araştırmacılar için en iyi sonucu veren yöntemi seçmeyi zorlaştırmaktadır. Bu nedenle, bu çalışmanın amacı, önceden eğitilmiş modellere dayanan birçok DÖ tabanlı pan-keskinleştirme yöntemlerinin ve geleneksel yöntemlerin görüntüdeki konumsal keskinliği arttırma ve spektral renk doğruluğunu koruma yetenekleri açısından performanslarını değerlendirmek ve bu yöntemlerin başarılı görüntü sınıflandırma sonuçları elde etmek için yeterli olup olmadığını tespit etmektir. Bu amaçla toplam 29 pan-keskinleştirme yönteminden üretilen pan-keskinleştirilmiş görüntülerinin spektral ve konumsal özellikleri niteliksel ve niceliksel olarak değerlendirilerek sınıflandırma performansları incelenmiştir. Çalışma kapsamında IKONOS ve WORLDVIEW2 (WV2) uydularına ait verisetleri kullanılmıştır. Pan-keskinleştirme görüntüleri destek vektör makinesi (DVM) yöntemi ile sınıflandırılarak pan-keskinleştirmenin arazi örtüsü haritalama performansına etkileri irdelenmiştir. Varyasyonel (VY) yöntemler istisnalar hariç olmak üzere diğer yöntemlere göre daha başarılı sonuçlar elde etmiştir. DÖ tabanlı yöntemlerde de pan-keskinleştirme ve sınıflandırma doğruluklarının diğer birçok geleneksel yöntemden daha yüksek olduğu sonucuna varılmıştır. Ayrıca, DÖ tabanlı yöntemlerin performansının, büyük ölçüde eğitimin başarısına ve kullanılan hiperparametrelere bağlı olduğu ortaya koyulmuştur.
Özet (Çeviri)
Pansharpening enhances both spatial and spectral characteristics of a high-resolution panchromatic (PAN) image by fusing its spatial features with the spectral properties of a lower-resolution multispectral (MS) image, resulting in an improved MS image. Over the past forty years, numerous pansharpening methods have been developed, and in recent years, deep learning (DL) based approaches have emerged for pansharpening, similar to other applications in remote sensing. Therefore, it is important to examine the performance of DL-based methods and assess their applicability for various remote sensing applications. The proliferation of various pansharpening methods makes it challenging for researchers to select the best-performing technique. Hence, the objective of this study is to evaluate the performance of several DL-based pansharpening methods utilizing pre-trained models, along with traditional methods, in terms of enhancing spatial sharpness and preserving spectral color accuracy in images. A total of 29 pansharpening methods were employed to generate pansharpened images, and their spectral and spatial characteristics were qualitatively and quantitatively assessed to investigate classification performance. The study utilized datasets from IKONOS and WORLDVIEW2 (WV2) satellites. The pansharpened images were classified using the Support Vector Machine (SVM) algorithm to investigate the effects of pan-sharpening on the land cover mapping performance. The variational optimization (VO)-based techniques generally outperformed other methods, with a few exceptions. The DL-based methods were found to result in superior pansharpening and classification accuracy compared to many other traditional approaches. Additionally, it was revealed that the performance of DL-based methods is highly dependent on the success of training and the hyperparameters employed.
Benzer Tezler
- Uydu görüntülerinde derin öğrenme ile süper çözünürlük
Super resolution with deep learning in satellite images
GAMZE DANIŞMAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ŞAKİR BİLGE
- Öğrenme tabanlı tek görüntü süper çözünürlüğü yaklaşımlarının geliştirilmesi ve uygulanması
Development and implementation of learning based single image super resolution approaches
SELEN AYAS
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT EKİNCİ
- Pansharpening using generative adversarial networks with dual discriminators
Çift ayrıştırıcılı çekişmeli üretken ağlar kullanarak pankeskinleştirme
NAHİDE NESLİ CESUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Self-supervised pansharpening: Guided colorization of panchromatic images using generative adversarial networks
Öz-denetimli pankeskinleştirme: Çekişmeli üretken ağlar ile pankromatik görüntülerin güdümlü renklendirilmesi
FURKAN ÖZÇELİK
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Land cover and land use classification of multi-modal high-resolution satellite images using multi-task deep learning approach
Çok görevli derin öğrenme tekniği ile çok kipli yüksek çözünürlüklü uydu görüntülerinin arazi örtüsü ve arazi kullanımı sınıflandırılması
BURAK EKİM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL