Evaluation of stereo matching algorithms for digital surface model generation from high-resolution satellite imagery
Yüksek çözünürlüklü uydu görüntülerinden dijital yüzey modeli üretimi için stereo eşleme algoritmalarinin değerlendirilmesi
- Tez No: 985997
- Danışmanlar: PROF. DR. ALİ ÖZGÜN OK
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Derin öğrenme, Fotometrik stereo, Fotometrik stereo yöntemi, Optik görüntüler, Sayısal görüntü, Sayısal görüntü işleme, Sayısal uydu verileri, Uydu görüntüleme, Yapay zeka, Üç boyutlu görüntüleme, Deep learning, Photometric stereo, Photometric stereo method, Optical images, Digital image, Digital image processing, Digital satellite data, Satellite imaging, Artificial intelligence, Three dimensional imaging
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geomatik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Uydu stereo görüntülerinden Sayısal Yüzey Modeli (SYM) üretimi, uzaktan algılama ve fotogrametri disiplinlerinde önemli bir uygulamadır. Son yıllarda yüksek çözünürlüklü uydu görüntüleme teknolojileri ve derin öğrenme yöntemlerindeki ilerlemeler, daha hassas SYM çıkarımı için yeni olanaklar sunmuştur. Ancak karmaşık görüntüleme geometrileri, dokusuz veya tekrarlayan yüzeyler ile görüntü alma koşullarındaki tutarsızlıklar, yoğun stereo eşleştirme süreçlerini hâlâ zorlaştırmaktadır. Bu tez, SYM üretim sürecini; görüntü ön işleme, epipolar rektifikasyon, disparite tahmini ve 3 boyutlu geriçatım gibi temel bileşenler üzerinden ele almakta; eşleştirme aşamasında Yarı Küresel Eşleştirme (SGM), Daha Küresel Eşleştirme (MGM) gibi geleneksel yöntemlerin yanı sıra RAFTStereo ve Kılavuzlu Birleştirme Ağı (GANet) gibi derin öğrenme tabanlı yaklaşımları da değerlendirmektedir. Deneysel analizlere göre, SGM ve MGM gibi geleneksel yaklaşımlar birçok senaryoda güvenilir ve hesaplama açısından verimli çözümler üretirken, RAFTStereo ve GANet gibi derin öğrenme tabanlı modeller, uyduya özgü veri kümeleriyle uyarlandıklarında özellikle radyometrik ve geometrik olarak karmaşık sahnelerde üstün performans sergilemiştir. Elde edilen bulgular, geleneksel ve öğrenmeye dayalı yöntemlerin güçlü yönlerini bir araya getiren hibrit yaklaşımların, uydu stereo görüntülerinden SYM üretiminde doğruluk, ölçeklenebilirlik ve sağlamlık açısından yüksek potansiyel taşıdığını ortaya koymaktadır.
Özet (Çeviri)
The creation of Digital Surface Model (DSM) from satellite stereo images is a significant application in remote sensing and photogrammetry. Recent advances in high-resolution satellite imaging and deep learning have enabled new possibilities for accurate DSM extraction. However, challenges such as complex satellite imaging geometries, textureless or repetitive surfaces, and inconsistencies in acquisition conditions continue to complicate dense stereo matching. This thesis presents a comprehensive framework for DSM generation that encompasses image preprocessing, epipolar rectification, disparity estimation and 3D reconstruction. The stereo matching stage includes both traditional methods like Semi Global Matching (SGM) and More Global Matching (MGM), as well as deep learning-based approaches such as RAFTStereo and Guided Aggregation Network (GANet). Experimental evaluations indicate that, although traditional methods such as SGM and MGM remain robust and computationally efficient in many scenarios, deep learning-based methods, particularly RAFTStereo and GANet, achieve superior performance when fine-tuned with satellite-specific datasets, especially in radiometrically or geometrically complex scenes. These results highlight the potential of hybrid approaches that integrate the strengths of both traditional and learning-based methods to advance the accuracy, scalability, and reliability of DSM generation from satellite stereo imagery.
Benzer Tezler
- Farklı sayısal yüzey modellerinin doğruluk değerlendirmesi
Accuracy assessment of different digital surface models
BARIŞ BEŞOL
Yüksek Lisans
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞUR ALGANCI
- Nokta belirleme algoritmaları ile otomatik görüntü eşleştirme
Automatic image matching with point detection algorithms
HAYRETTİN ACAR
Yüksek Lisans
Türkçe
2012
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEVZİ KARSLI
- Depth map extraction using structured light
Yapılandırılmış ışık kullanılarak derinlik haritası çıkarılması
ALHARETH MUTHANA BASHEER ALTALIB
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TARKAN AYDIN
- Doğadan esinlenen koku ve ikili görüye dayalı gerçek zamanlı bir gömülü sistem tasarımı
A bio-inspired real time embedded system design based on olfaction and stereo vision
SELMAN ERGÜNAY
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜŞTAK ERHAN YALÇIN
- Stereo görüntülerinde derin öğrenme temelli derinlik tahmini algoritmalarının karşılaştırılması ve iyileştirilmesi
Comparison and improvement of deep learning based depth estimation algorithms in stereo images
ÖMER FARUK ALBAYRAK
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAHRA ELMI