Development of machine learning algorithms for enhancement and classification of remotely sensed hyperspectral images
Uzaktan algılanan hiperspektral görüntülerin iyileştirilmesi ve sınıflandırılması için makine öğrenmesi algoritmalarının geliştirilmesi
- Tez No: 877249
- Danışmanlar: DOÇ. DR. TANER İNCE
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü sınıflandırma, Sayısal görüntü işleme, Uzaktan algılama, Image classification, Digital image processing, Remote sensing
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hiperspektral görüntüleme, geniş bir aralıktaki birçok bitişik spektrum üzerinden bir bölgenin yansıyan parlaklığını ölçme işlemidir. Farklı arazi örtüsü malzemeleri, ışığı belirli bir dalga boyunda farklı şekilde emer ve yansıtırlar. Spektral bantların çokluğu ve nesnelerin farklı yansıma özellikleri nedeniyle her maddenin kendine ait bir spektral imzası vardır. Hiperspektral görüntü sınıflandırma, bu imzaları kullanarak nesneleri verimli yöntemlerle sınıflandırmaya çalışan bir araştırma alanıdır. Bu yöntemler, sadece spektral bilgiyi kullanan spektral yöntemler ve sınıflandırma sonuçlarını geliştirmek için hiperspektral görüntüdeki yerel bilgileri de kullanan uzamsal-spektral yöntemler olmak üzere iki kategoriye ayrılır. Bu tez kapsamında üç yeni uzamsal-spektral hiperspektral görüntü sınıflandırma yöntemi önerilmiştir. İlk yöntemde ağırlıklı ve etiket-tutarlı ortak-seyrek sınıflandırıcı önerilmiştir. İkinci çalışmada ise yerellik-kısıtlı ortak-seyrek ve ağırlıklı düşük-rank tabanlı yöntem önerilmiştir. Son yöntemde ise rastgele yamalar ağının kılavuzlu filtresi ve rahatlatılmış işbirlikçi temsil tabanlı yaklaşım önerilmiştir. Deneyler gerçek veri setleri üzerinde gerçekleştirilmiştir. Sonuçlar, önerilen yöntemlerin sınıflandırma doğruluğu ölçütleri açısından son yöntemlerden daha iyi performans gösterdiğini doğrulamıştır.
Özet (Çeviri)
Hyperspectral imaging is a process of measuring the reflected radiance of a region over a wide-range of many contiguous spectrum. The distinct land cover materials absorb and reflect the light differently at a certain wavelength. Due to the plenty of spectral bands and the different reflection characteristics of the objects, each substance has its own spectral signature. Hyperspectral image classification is a research field that attempts to classify the objects using these signatures by the efficient methods. These methods are divided into two categories that is the spectral methods which use only the spectral information and the spatial-spectral methods which also use the local information in the hyperspectral image to enhance the classification results. Within the scope of this thesis, three new spatial-spectral hyperspectral image classification methods have been proposed. In the first method, weighted and label-consistent joint-sparse classifier has been proposed. In the second study, locality-constraint joint-sparse and weighted low-rank based method has been suggested. As for the last method, guided filter of random patches network and relaxed collaborative representation based approach has been proposed. The experiments have been performed on the real datasets. The results have confirmed that the proposed methods outperform the recent methods in terms of classification accuracy metrics.
Benzer Tezler
- Görüntü sınıflandırması için evrişimsel sinir ağı-metasezgisel algoritmalar tabanlı yeni bir hibrit yaklaşım geliştirilmesi
Development of a novel hybrid approach based on convolutional neural networks-metaheuristic algorithms for image classification
SEDA VAROL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SONER KIZILOLUK
- Servikal vertebral ölçümler ve makine öğrenmesi algoritmaları ile elde edilen iskelet yaşının, el bilek radyografilerinden elde edilen iskelet yaşı ve maturasyon dönemi ile karşılaştırmalı olarak değerlendirilmesi
Comparative evaluation of skeletal age obtained by cervical vertebral measurements and machine learning algorithms with skeletal age and maturation period obtained from hand wrist radiographs
İREM KARAMEHMETOĞLU
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiRecep Tayyip Erdoğan ÜniversitesiOrtodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERVE GONCA
- Makine öğrenme yöntemleriyle uydu görüntülerinin sınıflandırılması ve zamansal değişiminin izlenmesi
Classification of satellite images and monitoring the temporary changes by machine learning methods
SOLMAZ BABAKAN
Yüksek Lisans
Türkçe
2022
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR ALGANCI
- High-resolution soil salinity mapping using machine learning based regression and classification methods
Makine öğrenimi tabanlı regresyon ve sınıflandırma yöntemlerini kullanarak yüksek çözünürlüklü toprak tuzluluğu haritalaması
AYLİN YILDIRIM
Yüksek Lisans
İngilizce
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Train set complexity tunning for imbalance learning
Dengesiz öğrenme için eğitim seti karmaşıklığının ayarlanması
MEHMET ULAŞ
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. MEHMET ALİ ERGÜN