Hiperspektral görüntülerde LiDAR destekli spektral bölütleme
LiDAR aided spectral segmentation on hyperspectral images
- Tez No: 478459
- Danışmanlar: YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, hiperspektral görüntüler ile LiDAR (Light Detection and Ranging) verileri spektral bölütleme yöntemleriyle kayna ¸stırılarak hiperspektral görüntülerin denetlemesiz bölütlemesi yapılmıştır. Hiperspektral görüntüler normal KYM görüntülerden farklı olarak yüzlerce bantta görüntü oluştururlar. Bu yüksek boyutlarından ötürü hiperspektral verileri işlemek büyük problem haline gelmektedir. Bu sebeple, görüntü işlemede boyut indirgeme ve bölütleme önemli bir yere sahiptir. Bu çalışmada, hiperspektral görüntülerin bölütlenmesi için herhangi bir ön bilgiye ihtiyaç duymayan spektral bölütleme yöntemleri kullanılmıştır. Hiperspektral görüntüler birçok spektral banda sahip olmasının yanı sıra piksel başına yüksek uzamsal çözünürlüge de sahiptir. Uzamsal ve spektral bilgiler her ne kadar bölütlemeye katkı sağlasalar da aynı sahnede yer alan benzer spektral özelliklere sahip nesnelerin sadece bu bilgiler kullanılarak ayırt edilmesi zorlaşmaktadır. Bu benzer spektral özelliklere sahip nesneler farklı yüksekliklere sahiplerse, yükseklik bilgileri kullanılarak ayırt edilmeleri mümkündür. Ancak, hiperspektral görüntüler herhangi bir yükseklik bilgisi içermemektedir. Bu sebeple, hiperspektral görüntüler ile yükseklik bilgisi içeren başka kaynakların birleştirilmesi, verilen bir sahnedeki nesneler daha detaylı yorumlanabilir. Bu tez kapsamında, LiDAR verilerinden elde edilen yükseklik bilgisi ile hiperspektral görüntülerden elde edilen uzamsal-spektral bilgiler birleştirilerek hiperspektral görüntülerin bölütlenmesi sağlanmıştır. Spektral bölütleme, görüntü hakkında herhangi bir ön bilgiye ihtiyaç duymaması, standart dogrusal cebir yöntemleriyle kolayca çözülmesi ve geleneksel yöntemlerden daha iyi sonuçlar vermesinden dolayı son yıllarda popüler bir yöntem haline gelmiştir. Hiperspektral görüntüler bölütlemesinde spektral bölütleme yöntemleri olan Düzgelenmiş Kesit (Normalized Cut) ve Schroedinger Özharitalar (Schroedinger Eigenmaps) kullanılmıştır. Bu yöntemlerin kullandıgı benze ¸sim matrisi LiDAR ve hiperspektral veriler kullanılarak oluşturulmuştur. Özellikle, Nokta Tabanlı Kar ¸sılıklı Bilgi (Pointwise Mutual Information-PMI) yöntemiyle oluşturulan benzeşim matrisi kullanılarak önemli bölütleme sonuçları elde edilmiştir. Ayrıca, bu spektral bölütleme yöntemlerinin farklı çözümleri ile oluşturulan bölütleme sonuçları incelenmiş ve karşılaştırılmıştır. Uzamsal ve spektral bilgilerin yanı sıra LiDAR'dan elde edilen yükseklik bilgisinin bölütlemeye sağladığı katkı incelenmiş ve önerilen birleştirme yöntemlerin sonuçları ve mevcut yötemlerle elde edilen bölütleme sonuçları karşılaştırılmıştır.
Özet (Çeviri)
In this thesis, hyperspectral images and LiDAR (Light Detection and Ranging) data has been fused by using spectral clustering methods in order to obtain unsupervised hyperspectral image segmentation. Hyperspectral Images, unlike ordinary RGB images, contain hundreds of spectral bands. Because of these high dimensions, it becomes a huge problem to process hyperspectral data. For this reason, dimension reduction an segmentation in image processing have an important position. In this work, spectral clustering methods that do not require a prior information are used for segmentation of hyperspectral images. Hyperspectral images have many spectral bands as well as high spatial resolution per pixel. Although spatial and spectral information contribute to segmentation, it is difficult to distinguish objects with similar spectral characteristics in the same scene using only this information. If these objects which comprise similar spectral information have different altitudes, it is possible to distinguish them using elevation information. However, hyperspectral images do not contain any elevation information. Therefore, hyperspectral images and other sources of elevation information can be combined to provide a more detailed interpretation of the objects in a given scene. In this thesis, elevation information obtained from LiDAR data and spatial-spectral information are fused to provide hyperspectral image segmentation. Spectral segmentation has become a popular method in recent years because it does not need any priori information about the image, it is easily solved by standard linear algebra methods and gives better results than traditional methods. Normalized Cut and Schroedinger Eigenmaps, which are spectral clustering methods, have been used in order to segment hyperspectral images. The affinity matrix used by these methods has been constructed using LiDAR and hyperspectral data. In particular, significant segmentation results have been obtained by using the affinity matrix generated by the Pointwise Mutual Information (PMI) method. In addition, the segmentation results generated by different solutions of these spectral segmentation methods have been examined and compared. Besides the spatial and spectral information, the contribution of the elevation information obtained from LiDAR to the segmentation is examined and the segmentation results of the proposed fused methods and the segmentation results of the available methods are compared.
Benzer Tezler
- Hiperspektral görüntü ve LiDAR verisinin koşullu rastgele alanlar yöntemi ile birleştirilmesi ve sınıflandırılması
Fusion and classification of hyperspectral images using conditional random fields
HAKAN AYTAYLAN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Lidar ve hiperspektral verilerde gölgelik alanların incelenmesi
Analysis of shadow regions in lidar and hyperspectral datasets
MUSTAFA BOYACI
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Hiperspektral ve LIDAR verilerde fiziksel model gözetilerek hedef tespiti
Target detection by physical model observations in hyperspectral and LIDAR dataset
EMRAH ODUNCU
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Hiperspektral görüntü ve LiDAR verisinin derin öğrenme ile sınıflandırılması
Classification of hyperspectral and LIDAR data with deep learning
HÜSEYİN EMRE MUTLU
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Hiperspektral ve LİDAR verilerinin öznitelik ve karar seviyelerinde tümleştirilmesi ve derin evrişimli sinir ağlarıyla sınıflandırılması
Fusion of Hyperspectral and LIDAR datasets with feature and decision based methods and classification with deep convolutional neural networks
MESUT SALMAN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SENİHA ESEN YÜKSEL