Improving classification accuracy of quickbird imagery
Quıckbırd görüntülerin sınıflandırma doğruluğunun iyileştirilmesi
- Tez No: 304545
- Danışmanlar: YRD. DOÇ. DR. MÜFİT ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Algoritmalar, Sınıflandırma, Algorithms, Classification
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Yalova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çok bantlı ve pankromatik uydu görüntüleri görüntü birleştirme metotları ile birleştirilerek mekânsal çözünürlüğü yüksek zenginleştirilmiş yeni görüntüler elde edilebilmektedir. Bu çalışmada, çeşitli metodların çok bantlı ve pankromatik uydu görüntüleri üzerinde sonuçları incelenmiştir. Görüntü birleştirme yöntemi olarak literatürde çok yaygın olarak kullanılan yoğunluk renk dönüşümü, temel bileşenler analizi ve dalgacık dönüşümü görüntü birleştirme teknikleri kullanılmıştır.Eğiticili sınıflandırma yöntemi, eğiticisiz sınıflandırmanın aksine, karşılaşılmamış olan ve dolayısıyla bilinmeyen örnekleri sınıflandırabilmek için algoritmayı eğitecek bilinen örnek verilere ihtiyaç duyar. Görüntü sınıflandırması için yaygın olarak bilinen eğiticili öğrenme algoritmalardan En Çok Olabilirlik ve Destek Vektör Makineleri kullanılmıştır.Birleştirilmiş görüntüler daha iyi mekansal çözünürlüğe sahiptirler. Yeni renklerin ya da yapay yapıların eklenmesiyle oluşan spektral bozulmalar, özellikle Destek Vektör Makineleri gibi doğrusal olmayan sınıflandırma metotlarının genel doğruluğunu azaltır. Çalışmada, spektral bozulmalar ile oluşan sınıflandırma hatalarını azaltan görüntü iyileştirme metotları önerilmiş ve test edilmiştir. Temel bileşenler analizine dayanan bir görüntü zenginleştirme tekniği, uygulanan diğer tekniklere göre daha uygun bulunmuştur.Görüntü iyileştirme teknikleri uygulandıktan sonra oluşan görüntüde sınıf ayrılabilirliği referans olarak alınan orijinal görüntüye göre daha yüksektir. Orijinal görüntünün sınıflandırılmış sonucu genel geçer bir karşılaştırma ölçüsü olan karşılaştırmalı değerlendirme tekniği kullanılarak, genel doğruluk alanındaki artma bulunmuştur. Görüntü birleştirme ve görüntü zenginleştirme metotlarının sınıflandırma sürecine dahil olması ile sınıflandırma algoritmalarının doğruluklarının arttırılmasının mümkün olduğu anlaşılmıştır. Bu bulguyu destekleyen sonuçlar tezin ilgili bölümlerinde verilmiştir.
Özet (Çeviri)
Fusion methods increase spatial resolution by combining panchromatic band with multi spectral data. In this study, the results belonging to several methods on multi spectral and panchromatic images are compared. The fusion methods common in literature Intensity-Hue Saturation (IHS), Principal Component Analysis (PCA) and wavelet transformation are used.Supervised classification methods need prior examples for training of the algorithm to classify other unseen samples as opposed to unsupervised classification methods. Image classification is done with well-known supervised methods, e.g. Maximum Likelihood Classifier (MLC) and Support Vector Machines (SVM).Fused images provide better spatial resolution. However, spectral distortions by introducing new colors or artificial structures called artifacts cause decrease in overall accuracy values especially with nonlinear classification methods such as SVM. Enhancement methods are proposed and tested to diminish classification errors caused by spectral distortions present in the fused image.A PCA-based image enhancement technique is found superior to other enhancement techniques applied.Class separability is better after enhancements compared to the original reference satellite image. Using the classified result of the original multi spectral image as a benchmark, improvement in the overall accuracy of classification results of the enhanced fused images are observed. Higher classification accuracy is possible with the integration of image fusion and image enhancement methods into classification process. Results supporting the advancement are given in the related parts of the thesis.
Benzer Tezler
- Mapping surface fuels using lidar and multispectral data fusion for fire behavior modeling
Yangın davranışının modellenmesi için yüzey bitki örtüsünün lidar ve multispektral verileri kullanılarak haritalanması
MÜGE MUTLU
Yüksek Lisans
İngilizce
2006
Jeodezi ve FotogrametriTexas A&m UnıversıtyOrman Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SORİN C. POPESCU
- Gri kurt meta-sezgisel algoritması ve rastgele orman sınıflandırma algoritmalarını birleştirerek koroner kalp hastalığı tanısının doğruluğunun artırılması
Improving the accuracy of diagnosis of coronary heart disease by combining gray wolf meta-heuristic algorithm and random forest classification algorithms
MAYSA KHODAYVERDIAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Medeniyet ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. NİHAT KABAOĞLU
- Improving the accuracy of camera range estimates with automotive radar
Otomotiv radarı kullanarak kamera mesafe tahmin doğruluğunun iyileştirmesi
YUNUS EMRE İKİZ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiRobotik Ana Bilim Dalı
DOÇ. DR. EMRE ÖZKAN
- Improving classification of coronary arterydisease in cardiac mrı through selfsupervised learning
Kardiyak mri ile koroner arterhastaliği siniflandirmasinin kendikendine gözetimli öğrenmeyoluyla geliştirilmesi
USMAN KHALID
Yüksek Lisans
İngilizce
2025
BiyomühendislikFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA
- Improving classification of eeg-based motor imagery signals with cross-subject data augmentation and attention-guided multi-domain deep learning
Denekler-arası veri artırımı ve dikkat-odaklı çok alanlı derin öğrenme yoluyla eeg-tabanlı motor imgeleme sinyallerinin sınıflandırılmasının iyileştirilmesi
MUHAMMED ENES ÖZELBAŞ
Yüksek Lisans
İngilizce
2023
Mühendislik BilimleriÜsküdar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SERHAT ÖZEKES
DR. ÖĞR. ÜYESİ EMİNE ELİF TÜLAY