Hiperspektral Görüntüler ve Analizi
|
|
- Savas Bayrak
- 7 yıl önce
- İzleme sayısı:
Transkript
1 Hiperspektral Görüntüler ve Analizi Doç. Dr. Oğuz Güngör & Yrd. Doç. Dr. Esra Tunç Görmüş Karadeniz Teknik Üniversitesi Harita Mühendisliği Bölümü Trabzon 1
2 2
3 GİRİŞ n n Hiperspektral görüntüleme yüzey materyallerinden yansıyan enerjinin dar ve bitişik çok sayıda dalga boyu bandında ölçümüdür. Hiperspektral alıcıların en belirgin özelliği çok bantlı (multispektral) görüntülerden farklı olarak çok daha fazla banda sahip olmalarıdır. Ancak, alıcıları hiperspektral yapan özellik bant sayısından çok, bantların ne kadar dar ve birbirine ne kadar bitişik olduğudur. Hiperspektral bir veri dendiğinde üç boyutlu bir veri küpünden bahsedilmektedir. İlk iki boyut yersel bilgiyi gösterirken üçüncü boyut spektral bilgiyi göstermektedir. Bir noktadaki spektral veri incelendiğinde ortaya tek boyutlu bir işaret olan spektral işaret elde edilir. Bu işaretlere bakılarak farklı sınıfların birbirinden ayırt edilmesine çalışılır. 3
4 Hiperspektral görüntüleme kullanım alanları: Orman bitki örtüsünün haritalandırılması ve sınıflandırılması Şehircilik ve arazi kullanımı, Su kaynakları ve tarımsal ürünlerin türünün belirlenmesi, Madencilik, Şehir bölge planlama, Tarım, Jeoloji, Tıp, Mikrobiyoloji gibi pek çok sivil ve askeri uzaktan algılama uygulama alanlarında kullanılmaktadır. Hiperspektral uzaktan algılama verileri hava ve uzay kaynaklı sistemlerden elde edilebilir. 4
5 Hiperspektral (Hiperbantlı) Görüntüler n n Uzaktan algılama sistemlerinin ölçülen dalgaboyu aralıklarının sayısının miktarı (bantlar) ve ne kadar dar oldukları bize alıcıların spektral ozellikleri hakkında bilgi verir. Alıcı sistem tarafından oluşturulan bir görüntü n Bir tane çok geniş bir banttan oluştuysa Pankromatik n Birkaç tane geniş banttan oluştuysa Multispektral n Bir çok dar dalgaboyu bantlardan oluştuysa Hiperspektral adı verilir. n Yüksek spektral çözünürlüğü olan Hiperspektral sensörler yüzlerce komşu ve dar dalgaboylarında ölçümler yapmaktadır. (0.1 µm aralıklarla) [4] 5
6 Multispektral ve hiperspektral görüntüler arasındaki farklar 6
7 n Bizim amacımız, Çevrenin ve dünya yüzeyindeki kaynakların hiperspektral görüntüler ile algılanması ve ilgili metotlar üzerine olacaktır. n Bu amaçla, n Hiperspektral görüntülerin elde edilmesi ve yorumlanması ile ilgili temel fiziksel kavramları, n Hiperspektral görüntülerin önemli karakteristik özelliklerini n Hiperspektral görüntülerin bilgi içeriğini geliştirmek için yaygın kullanılan metotları inceleyecegiz. 7
8 n Hiperspektral görüntüler materyallerin çok hassas şekilde birbirinden ayrılmasına ve ayrı ayrı tanımlanmasına yardımcı olur. n Dolayısı ile bir materyalim kimyasal bileşenlerinin bulunmasında kullanılır. n Farklı materyallar farklı elektro manyetik radyasyon spektrası üretirler.
9 n Soldaki: Konumsal ve spectral cozunurluklerine gore Uydu ve Hava sensorlerin performanslarinin karsilastirilmasi. n Yillara gore Konumsal ve spectral cozunurluklerinin degerlendirilmesi.
10 n n MIVIS sensor (Multispectral Infrared Visible Imaging Spectrometer) EnMAP(Environmental Mapping and Analysis Program) n HyspIRI (Hyperspectral Infrared Imager ) n HYPERION, CHRIS, PRISMA, HyspIRI (space-borne hyperspectral sensors ) n AISA, MIVIS, AVIRIS, CASI, HYMAP (high-resolution airborne hyperspectral sensors)
11
12 Hava Araçlı Uzaktan Algılama Sensörleri n AVIRIS (AirborneVisible/Infrared Imaging Spectrometer,NASA- USA) 10 nm genişlikte 224 band, tayfsal bölge 0,4-2,5 mikrometre, mekânsal çözünürlük 20 metre n Hymap: (HYperspectral MAPper;Australia) 126 band, tayfsal bölge 0,4-2,5 micrometre n DAIS :(DigitalAirborne Imaging Spectrometer;) 72 band, tayfsal bölge 0,4-2,5 mikrometre n CASI(CompactAirborne Spectrographic Imager;Canada ) 1,9 nm aralıkla 288 band, 5-10 metre arası mekânsal çözünürlük 12
13 Uydu Uzaktan Algılama Sensörleri n Hyperion (EO-1, NASA, ABD) 220 band, 30 metre metre mekânsal çözünürlük n CHRIS (Compact High Resolution Imaging Spectrometer) 19 band, spektral çözünürlük 5-12 nm, spektral aralık 0,4-1 mikrometre, konumsal çözünürlük 20 metre n ASTER (Advanced Spaceborne Thermal Emission Reflection Radiometer) 3 Band 0,52-0,86 mikrometre 15 metre konumsal çözünürlük 6 Band 1,60-2,43 mikrometre 30 metre konumsal çözünürlük 5 Band 8,12-11,65 mikrometre 90 metre konumsal çözünürlük 13
14 Hiperspektral Görüntüleme n Görüntüleme spektrometrisi (imaging spectrometry) terimi de zaman zaman hiperspektral görüntüleme ile eş anlamda kullanılır. n Hiperspektral görüntüleme, spektrometre adı verilen cihazlarla gerçekleştirilir. n uzaktan algılama ve spektroskopinin bir araya gelmesiyle ortaya çıkmıştır. n Spektroskopi materyallerden yansıyan veya yayılan ışığın farklı dalga boylarına dağılımı üzerine çalışan bilim dalıdır. n Spektrometre veya spektroradyometre genellikle örnek materyalin yüzeyinden yansıyan ışığın, bulunduğu yerde veya laboratuarda ölçümü için kullanılır.
15 n n Spektrometre içindeki prizmaya benzer optic bileşen, spektrometreye ulaşan ışığı dar ve birbirini takip eden çok sayıda dalga boyu bandına ayrıştırır. Yüzeyden gelen enerji her bir bant için ayrı bir algılayıcı (dedektör) ile ölçülür. Hiperspektral alıcıların en belirgin özelliği çok bantlı (multispektral) görüntülerden farklı olarak çok daha fazla banda sahip olmalarıdır. Sekil 1: Görüntüleme spektrometrisi [1,2]
16 n Yüzlerce algılayıcı kullanılması durumunda 0.01 mikrometre ye kadar dar aralıklarda ve 0,4-2,5 mikrometre gibi geniş bir spektrum için ölçüm yapabilir. n Hiperspektral kamera ile elde edilen görüntüler bu özellikleri nedeniyle ilk iki boyut uzamsal, üçüncü boyut spektral bilgi olmak üzere, üç boyutlu hiperspektral imge küpü (Hiperküp) olarak ifade edilir [2]. Şekil 2: Hiperspektral imge küpü (Hiperküp) ve bir pikselin bantlar ile örneklenen spektrası
17 Hiperspektral görüntülerin en önemli özelliği yüksek spektral ayrımsama gücüne sahip olmalarıdır. Ancak hiperspektral görüntüler tipik olarak düşük uzamsal çözünürlüğe sahiptir. Bu kısıt görüntüleme sistemlerinde spektral çözünürlük ve uzamsal çözünürlük arasındaki teknik ödünleşimden ileri gelmektedir. Spektral çözünürlük arttıkça uzamsal çözünürlük azalmakta ve düşük uzamsal çözünürlük, görüntülere ait piksellerin birden fazla materyali içine alarak katışımlı hale gelmesine neden olmaktadır [2] (Mixed spectra).
18 n Şekil 4: Katışımlı ve saf piksellerin spektral (sol) ve uzamsal (sağ) özellikleri
19 Katışımlı piksellerin (mixed pixel) içindeki materyallerin neler olduğu kestirilebilse bile uzamsal konumları bilinemez. Bu durum hiperspektral verilerden daha verimli şekilde yararlanılmasına engel teşkil etmektedir. (Unmixing methods) Bu engeli aşmak amacıyla hiperspektral görüntülerin uzamsal çözünürlüğünü dolaylı yollardan yükseltmek için çalışmalar yapılmaktadır. Özellikle piksel altı (sub pixel) analizler, cozunurluk iyilestirme calismalari ve hiperspektral görüntülerin yüksek uzamsal çözünürlüğe sahip diğer görüntülerle kaynaştırılması, hiperspektral görüntü işlemede öne çıkmaya başlayan ve yakın gelecekte de önemini koruyacak araştırma alanlarıdır [2].
20 n n n n n Normalde iki boyut bir imgeyi (x,y) uzamsal koordinatlarında ifade eder ve her bir (x,y) noktasına görüntü elemanı / piksel adı verilir. Hiperspektral görüntülerde ise her bir bant aralığı için bir katman olmak üzere z ekseninde yüzlerce görüntü vardır (Şekil 2). Normal koşullarda, bir nesneye ulaşan ışığın bir kısmı yansır ve bir kısmı emilir. Işığın yansıyan miktarı yüzde olarak reflektans (yansıma) terimi ile ifade edilir. Reflektans spektrumu veya materyal spektrası nesneden yansıyan ışığın farklı dalga boylarındaki enerjisinin ölçümü ile elde edilir. Bazı materyaller bazı dalga boylarında daha fazla yansıma yaparken, diğerleri aynı dalga boylarında emilmeye uğrayarak daha az yansıma yapar. Materyallerin kendilerine has yansıma ve emilme özellikleri bu materyallere özgü örüntüler oluşturur.
21 n Spektral imza adı verilen bu örüntüler o materyallerin tanımlanmasını ve etiketlenmesini sağlar (Şekil 3).
22 n n Hiperspektral görüntülerin dar aralıklarda örneklenmesi ile elde edilen dalga boylarına ait materyal spektraları, yer doğrusuyla veya spektral kütüphanelerde tutulan spektral imzalarla karşılaştırılarak tanımlanmaya çalışılır. Materyallerin hiperspektral görüntüde bulunduğu konumlar ve bolluk oranları materyallere ait spektral imzalardan etkin biçimde tespit edilebilir Şekil 3: Bitki, kuru bitki ve toprağa ait spektral imzalar: üç farklı yüzey materyalinden gelen yansıma miktarının dalga boylarına göre değişimi [2]
23 [3]
24 Bant sayisinin fazla olmasi spektral cozunurlugu Uzamsal cozunurluk konumsal cozunurluktur. Bir pixelin temsil edgi alan ne kadar kucukse, cozunurluk o kadar iyidir.
25 n Hiperspektral goruntulerin en faydali sekilde kullanilabilmeleri icin n Doganin anlasilmasi n Verinin anlasilmasi (eksikliklerinin ve sinirlarinin bilinmesi) n Goruntuyu islemek ve yorumlamak icin farkli yontemlerin bilinmesi gerekmektedir.
26 Hiperspektral analizi icin is akis diagrami [3]
27 Hiperspektral Görüntü Analizi: Katışım Analizi, Piksel Altı Analizler ve Çözünürlük iyileştirme n Hiperspektral görüntüler kullanılarak yapılan analizlerin başında n Hedef tespiti ve n Sınıflandırma gelmektedir. n n n Sınıflandırmada kullanılan genel yaklaşımlar çok değişkenli istatistiksel temelli tekniklerdir. Multispektral görüntülerin sınıflandırılması için geliştirilmiş bu yöntemler, hiperspektral görüntülerde çok boyutluluk nedeniyle başarılı olamazlar [2]. Bu nedenle hiperspektral görüntülerin sınıflandırılması için çok boyutlu veri işlemeye dayanan yöntemler geliştirilmiştir.
28 n Ayrıca hiperspektral görüntülerin çözünürlüğünün artırılmasına yönelik piksel altı analizler ve kaynaştırma analizleri hiperspektral görüntü analizinde bugün gündemde olan ve ileride de gelişmeye çok açık araştırma ve uygulama alanlarıdır. n Özellikle PRISMA aktif hale geldiğinde, hiperspektral görüntülerle birlikte aynı tarih, saat ve bakış açısından yüksek uzamsal çözünürlüklü pankromatik görüntüler elde edilebilecektir. n Bu sayede, görüntülenen alana ait uzamsal özellikler pankromatik görüntüden, fiziksel-kimyasal bilgiler ise hiperspektral görüntüden alınarak sentezlenebilecektir. n Bu gelişmeler hiperspektral görüntü analizinde araştırma eğilimlerini kaçınılmaz olarak imge kaynaştırma alanına doğru çevirecektir. n PRISMA verisinin çevresel gözlem, doğal kaynakların yönetimi, tarımsal sınıflandırma ve kirlenme kontrolü gibi uygulamalar için kullanılması öngörülmektedir. Bu bağlamda veri analiz tekniklerinin geliştirilmesine yönelik ön araştırmalar başlatılmıştır
29 Bunlar tarım ve arazi meteo-kimyasal çalışmalar, jeofiziksel uygulamalar, kıyı gözlemi ve veri entegrasyonudur [9]. Bu çalışmaların çoğunda hiperspektral görüntülerin görüntülerle bir arada kullanımına yönelik tekniklere yer Türkiye de Hiperspektral görüntüleme ve hiperspektral görüntü analizi konusunda öncülerden olan Kocaeli Üniversitesi İşaret ve Görüntü İşleme Laboratuvarı KULIS [2], uzun süredir bu alanda çalışmalarını sürdürmektedir. Tubitak ın İMECE projesinde de yüksek spektral çözünürlüklü hiperspektral kamera taşıyan uydu
30 Yürütülen çalışmalar kapsamında spectral olarak oldukça zengin fakat düşük uzamsal çözünürlüklü hiperspektral görüntülere yüksek uzamsal çözünürlük kazandırılması amaçlanmaktadır. Bunun için aynı Alana ait farklı sahip yüksek çözünürlüklü çok bantlı görüntüler kullanılmaktadır. Böylece materyaller spektral olarak iyi ayırt edilebilecek ve aynı zamanda mekansal detay sağlayabilecek yüksek uzamsal çözünürlüğe kavuşacaklardır. Görüntü kaynaşarma için özellikle görüntüler ve bantların kaynaşarılmasında kullanılan çok sayıda yöntem Bu yöntemlere pan (pan sharpening) adı verilir.
31 Hiperspektral görüntülerin kaynaşarılmasında ise pan temelli yöntemlerin yanı sıra kaaşım temelli yöntemler de kullanılabilir. Buna göre, hiperspektral görüntüden çıkaralan son elemanlar (end members) (materyallere ait saf örnekler), yüksek uzamsal çözünürlüklü görüntüye adapte edilmekte ve elde edilen yüksek çözünürlüklü kaaşım oranları hiperspektral veriden gelen orijinal son elemanlar ile kaynaşarılmış görüntüyü oluşturmada kullanılmaktadır.
32 Şekil 6: Katışım temelli kaynaştırma yöntemi
33 Katışım temelli yöntemler tüm bantlar için kaynaştırma yapabilmektedir. Ancak pan keskinleştirme temelli yöntemler sadece örtüşen görünür-yakın kızılötesi bölgedeki bantlarda kaynaştırma yapabilir [12]. Dolayısıyla tüm spectral boyutluluğun korunması bakımından katışım temelli yöntemlerin pan keskinleştirme temelli yöntemlere üstünlüğü söz konusudur. Yaygın olarak kullanılan pan keskinleştirme temelli yöntemler daha çok uzamsal bileşene ağırlık verirler. Spektral bileşene ağırlık veren bazı yöntemler olsa da, spektral ağırlıktan dolayı uzamsal bilgiyi etkin biçimde kaynaştıramazlar..
34 Kaaşım temelli yöntemlerde ise bir uzlaşı söz konusudur. Kaynaşarma uzamsal ve spektral bilgiyi daha dengeli bir şekilde bir araya Önerilen yöntemler hem spektral bilgiyi korumuş hem de uzamsal çözünürlüğü ararmışar. Dolayısıyla önerilen yöntemle kaynaşarılmış görüntülerin hedef ve sınıflandırmada kullanımının, görüntülerin ayrı ayrı kullanımına oranla daha yüksek başarım vereceği öngörülmektedir
35 Kullanilan goruntuler Hiperspektral ve olmak üzere farklı alıcılardan elde edildiklerinden, bu görüntülerin aynı tarihlere denk genellikle mümkün olmamakta ve alıcılar arasında bakış açısı farkları bulunmaktadır. Bu faktörler kaynaşarma başarımının düşmesine sebep olmaktadır. PRISMA projesi hayata aynı tarih, saat ve bakış açısından hiperspektral ve yüksek uzamsal çözünürlüklü görüntü elde etmek mümkün olacağından, uyguladığımız yöntemlerin oldukça yüksek başarımlı sonuçlar vermesi beklenmektedir
36 Hiperspektral Goruntunun Islenmesi Adimlari 1. Problemi en iyi tarif eden en iyi bantlarin secilmesi 2. Problemi en iyi tarif eden spectral bantlarin Dogrusal veya dogrusal olmayan kombinasyonlarinin 3. Urunun kalitesini icin ve bantlarin 4. Goruntude Pixel grubunun olarak bulunmasi 5. Geo-bio-physical parametrelerinin ve degiskenlerinin tahmin edilmesi (sicaklik, LAI, vs.)
37 Hiperspektral Goruntunun Islenmesi Adimlari 6. Karma pikselin icindeki spectral bilesenlerin (saf piksellerin, son uyelerin ) tahmin edilmesi 7. Mümkün olduğu kadar çok bilgiyi koruyarak, yer tasarrufu veya iletim için görüntünlerin sıkıştırılması 8. Görüntünlerin elde edilme aşamasinda veya iletimi sırasındaki gürültülerin kaldırılması 9. Ekrandaki nesnelere (pikseller, alanlar, bölgeler) anlamlı sınıfların atanması
38 Hiperspektral Görüntülerin Analizi Multispektral verileri 3 farklı sekilde temsil edilip gösterilmektedir. Bunlar Görüntü formunda: piksellerin birbirine göre geometrik ilişkileri ile görüntülenmesi Spektra olarak: dalga boyunun bir fonksiyonu olarak piksellerin kendi içinde değişimi Özellik uzayı (Feature Space): Piksellerin N boyutlu bir uzay içerisinde noktalar şeklinde gösterilmesi Bunlar Görüntü uzayı, Spektral Uzayı ve özellik uzayı olarak adlandırılır.
39 Uygulamalar ve analizler icin en onemlisi Ozellik uzayıdir. Ozellik uzayinda, bilgi, dalga boyunun surekli fonksiyonunu vector uzayindaki ayrik bir noktaya transfer eder.
40 Hiperspektral goruntulerde bant sayisinin fazla olmasi yuzey alanlarinin etkin bir sekilde siniflandirilmasinda su nedenlerden dolayi problem olmaktadir. 1. icin ornek sayisinin bant sayisi ile dogru olmasi, 2. Bant sayisi ardkca icin ornek sayisi da artmali, yoksa yetersiz ornek parametrelerin yanlis hesalanmasina neden 3. Guvenilir yapilabilmesi her bir sinifi icin minimum 10N pixel, ve daha iyi olabilmesi icin ise istenen 100N olabilmesidir. Burada N spectral band sayisidir.
41 Boyut Indirgeme Neden? Bir siniflandiriciyi egitmek icin gerekli olan ornek kumesi normal verilere gore Hiper bantli goruntulerde cok daha fazla olmasi gerekiyor. Az sayili egitim kumeleri Hughes Etkisine (Hughes Phenomenon) ve tekillik problemine neden olur. Bu problemlerin ustesinden gelebilmek cin cesitli yontemler gelistirilmistir. Bunlar 3 grupta toplanabilir: Ozellik cikartarak veya secerek boyut indirgeme Sinif ornek kovaryans matrisinin duzenlenmesi Az sayida parametrelerle tanimlanan gercek kovaryans matrisin yapilandirilmasi
42 For example, 100 samples may be enough to obtain a reasonably accurate es@mate of the elements of a 5 dimensional mean vector and covariance matrix, but it would not be enough for 500 dimensional one.
43 Özellik çıkartarak veya seçerek boyut indirgeme Boyut indirgeme: Hem siniflandirma sirasinda karsilasilan problemleri cozmek hem de verinin buyuklugunden kaynaklanan yer ve zaman problemelerini asabilmek icin Hiperspektral goruntulerin bant sayisinin azaltilmasidi. Amaci: Orijinal verinin tum ana ozelliklerini saklayacak sekilde, ana veriyi ozetleyen az boyutlu veri kumesi olusturmaktir. Soyle ki, boyut indirgedikten sonra, yeni verimizle yaptigimiz siniflandirma hassasiyeti, tam boyut kullanarak yapilan siniflandirma hassasiyetinden dusuk olmamalidir.
44 Özellik çıkartarak veya seçerek boyut indirgeme Boyut problemini ya en iyi bantlari cikartarak yada en iyi bantlari secerek cozebiliriz. Bu yontemler de birbiri ile cok iliskili (highly correlated) bantlari iki farkli yaklasimla kucuk gruplarda toplamaktadirlar. Birincisi: Orijinal dalgaboyu sirasina dikkat etmeden Ikincisi: Komsu bantlar ayni bilgiyi tasidiklarindan dolayi orijinal goruntudeki dalga boyu sirasinin cok onemli oldugu dusunulmektedir??
45 Ozellik cikartarak veya secerek boyut indirgeme Figur: Boyut indirgeme yontemleri
46 Ozellik secerek boyut indirgeme yontemleri Alt kume degerlendirme Fonksiyonu Kriter, Siniflandirici olarak kullanilan yada ogrenme algoritmasina gore degismektedir. Buna gore ozellik degerlendirme kriterleri 4 e ayrilmis@r. Uzaklik Olcumu: Daha cok egi@mli siniflanidrma yontemleri sirasinda kullanilmaktadir. Uzaklik olcucu yontemler kriter olarak kullanilmaktadir. Kolay uygulanabilir olduklarindan ozellik secici kural olarak kullanilmaktadir. Oklid, bahaqacharya, Divergence ve Jeffries-Matusita uzakliklari iki sinifin olasilik dagilim fonksiyonlari arasindaki ayirimi degerlendirmek icin kullanilmaktadir. Bilgi kazanci (nforma;on gain): Tek bir ozelligin tum ozellik uzayina kazandirdigi bilgi bu olcumler ile olculur. Eger f1 in kumeye kazandirdigi bilgi, f2 nin kazandirdigi bilgiden daha fazla ise f1 secilir.
47 Ozellik secerek boyut indirgeme yontemleri Bagimlilik olcumu (Dependency Measure): Korelasyon, Kohen s kappa ve entropy gibi benzerlik olcen metrikler, iki ozellik kumesi arasindaki bagimlilik miktarini olcmektedir. Tutarlilik Olcumu (Consistency measure): Bu olcumun amaci ise tum ozellik kumesini temsil eden en kucuk ozellik kumesini bulmak@r. Egi@mli siniflandirma yontemleri icin kullanilmaktadir. Alt-Kume Olusturmak: Bu yontem original ozellik uzayindan ozellik secmek icin arama algoritmalari kullanmaktadir. Asagida bazi arama algoritmalari verilmis@r.
48 Ozellik secerek boyut indirgeme yontemleri Tam Arama (Complete Search): Tum ozelliklerin kombinasyonu icin kriter fonksiyonunu degerlendirmek ve icin yorucu arama algoritmasini kullanir. Bu yontem hesapsal olarak cok zor control edilebilen bir yontemdir. Bu yontemde geri takip soz konusu degildir. Eger bir ozellik (bant) secildiyse, bir daha birakilmaz forward eger bir kere birakildiysa bir daha secilemez Backward ). Bu yuzden bu yontemlerin halleri olan forward ile backward yontemleri Bu yontemler ozellik sayisini dinamik olarak control etmektedirler. Boylelikle veya eklenen ozelliklerin yeniden degerlendirilmesi saglanmaktadir. Bunlara olarak da the steepest ascent ve the fast constraint arama algoritmalari kullanilabilmektedir.
49 Ozellik cikartarak boyut indirgeme yontemleri Ozellik ckartma yontemleri ozelliklerin daha iyi analiz edilebilmesi icin hiperspektral veriyi daha dusuk boyutlu bir uzaya izdusurmektedir. Dogrusal yontemler daha kolay oldugu icin daha cok tercih edilir. Bazi yontemler asagida
50 Temel Bilesen Analizi (Principal component analysis) PCA PCA ortalama karesel hata acisindan en iyi lineer boyut azaltma metodudur. Verileri varyanslarin en buyuk oldugu degerlere gore birbiri ile iliskisiz uzaylara izdusum yapan yontemdir. Donusumden sonar birinci bilesen en yuksek varyansi ikinci bilesen ikinci en yuksek varyansi iceriyor. Ilk m degeri secince zaten degisimin maksimum oldugu verileri alacagin icin boyut azal@lmis oluyor. Bazi kaynaklarda the singular value decomposi@on (SVD), the Karhunen-Loµeve transform, the Hotelling transform, ve the empirical orthogonal func@on (EOF) method Olarak da gecmektedir.
51 Factor Analysis (FA) PCA gibi lineer bir yontemdir. FA`da olculen degiskenler bazi bilinmeyen, genelde olculemeyen ortak faktorlerden parametrelere bagli oldugu dusunulur. [Fador, 2002] Ornegin: bir kisiye ait test sonuclari olsun.bu sonuclarinda zeka gibi ortak bir factor ile ilgili oldugu dusunulsun. FA nin amaci, boyle bir iliskinin oldugunu factor modeli kurararak ilgili bantlari şekilde boyut olur.
52 Ozellik cikartarak boyut indirgeme yontemleri. Discriminate Analysis Feature Extrac;on (DAFE) Siniflandirma sirasinda, siniflar arasi ve sinif ici varyans oranini maksimm yapmak icin original ozelliklerin lineer kombinasyonunu yapmaktadir. Hizli ve dogrudan bir yontemdir, ancak sinif ortalama vektorleri arasinda cok kucuk degisikliklerin oldugu durumlarda iyi calisamamaktadir ve verilen problem icin sinif sayisindan 1 az a kadar guvenilir ozellik uretebilir.
53 Ozellik cikartarak boyut indirgeme yontemleri DAFE`nin yeterli. olmadigi durumlarda kullanilmak uzere Decision Boundary Feature (DBFE) yontemi kullanilmaktadir. Decision Boundary Feature Extraction (DBFE) Bu yontem de yeni ozellik uzayi icin lineer donusumu kullanir. Ayirt edici bilgili ve bilgisiz (redundant) ozellikleri ornekleri dogrudan kullanarak bulur ve gerekli donusumu tanimlayan eigen fonksiyolara ulasir. Eigen fonksiyonlar siniflarin ayirt edilmesinde, ilgili ozelliklerin yararliligi ile dogrudan iliskilidir. Dolayisi ile bu metod bize kac tane ozelligin kullanilmasi gostermektedir. Ancak her iki yontemde de hesaplamalar tam boyuqa (full dimensional space) basladigindan kumesinin az oldugu durumlarda iyi calismamaktadirlar.
54 Ozellik cikartarak boyut indirgeme yontemleri Dolayisi ile, once. persuit isimli yontem ile boyut (100 to 20) ondan sonra bu iki yontemi (DAFE ve DBFE )uygulanirsa daha iyi sonuc alinabilmektedir.
55 Ozellik cikartarak boyut indirgeme yontemleri Fourier Transformu (FT) ile ozellik cikartma FT Sinyalin sekli ile ilgili yer bilgisi verdigi icin onemlidir. Discrete FT uygulandiktan sonra, ilk birkac bileseni en onemli bilgiyi icerdigi varsayilarak yeni very kumesini olusturur. FT frekans ortamindaki bilgileri cikartmak icin uygulandiginda, konumsal bilgi urun ile ilgili Mesela karanlik bir arka plan ve aydinlik olsun bir resimde. WT dan sonra da, frekans ortamindaki yuksek degerli pikseller, konumsal ortamdaki aydinlik yerlere denk Ancak FT de donsumden sonra ile donusumden once bir yoktur.
56 Ozellik cikartarak boyut indirgeme yontemleri Dalgacik Donusumu (Wavelet Transform) Yuksek gecis filtrelerinin bir Diger yontemelre gore en etkili yontemdir. Goruntu detaylari yuksek kontrastli ozelliklerdir. Fig. Example of celery spectral signature and different levels of wavelet decomposition for the lowpass component.
57 Ozellik cikartarak boyut indirgeme yontemleri Renk kodlama kavrami kullanilarak birinci ve ikinci derece degerlerin gosterilisi Lee & Landgrebe tarafindan bulunmustur. Bu gosterim sayesinde, spectral imzalar kolaylikla ve siniflari ile ilgili bilgi kolaylikla alinabilir. Lee & Landgrebe: Analyzing High Dimensional Data
58
59 Hiperspektral verileri indirmek için; Kaynaklar: PhD Tez, Begum Demir KULİS Raster%20&%20Image%20Processing.htm TNTmips microimages, Remote Sensing tutorial Gustau Camps-Valls Image Processing Laboratory (IPL) Universitat de Val`encia
Hiperspektral Görüntüler ile Uzaktan Algılama Hafta 2
Hiperspektral Görüntüler ile Uzaktan Algılama Hafta 2 Lisans 2017-18 Egitim Yili Dr.Esra Tunc Gormus Ders Icerigi 1 Uzaktan algilamaya giris Hiperspektral goruntu (HSG) islemeye giris Standart islem adimlari
DetaylıHiperspektral Görüntüleme ve Görüntü İşlemenin Bugünü, Yakın Geleceği ve Mevcut Araştırma Eğilimleri
Hiperspektral Görüntüleme ve Görüntü İşlemenin Bugünü, Yakın Geleceği ve Mevcut Araştırma Eğilimleri Hiperspektral görüntüleme, yüzey materyallerini ayırt etmede diğer görüntüleme sistemlerine olan üstünlüklerinden
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 4 Pasif - Aktif Alıcılar, Çözünürlük ve Spektral İmza Kavramları Alp Ertürk alp.erturk@kocaeli.edu.tr Pasif Aktif Alıcılar Pasif alıcılar fiziksel ortamdaki bilgileri
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 4 Pasif - Aktif Alıcılar, Çözünürlük ve Spektral İmza Alp Ertürk alp.erturk@kocaeli.edu.tr Pasif Aktif Alıcılar Pasif alıcılar fiziksel ortamdaki bilgileri pasif olarak
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 8 Multispektral Görüntüleme ve Uygulamaları Alp Ertürk alp.erturk@kocaeli.edu.tr Multispektral Görüntüleme Her piksel için birkaç adet spektral kanalda ölçüm değeri
Detaylıİçerik. Giriş 1/23/13. Giriş Problem Tanımı Tez Çalışmasının Amacı Metodoloji Zaman Çizelgesi. Doktora Tez Önerisi
İsmail ÇÖLKESEN 501102602 Doktora Tez Önerisi Tez Danışmanı : Prof.Dr. Tahsin YOMRALIOĞLU İTÜ Geoma*k Mühendisliği İçerik Giriş Tez Çalışmasının Amacı Zaman Çizelgesi 1 of 25 Giriş Yeryüzü ile ilgili yapılan
DetaylıUYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA
UYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında ucuz ve hızlı sonuç alınabilen uzaktan algılama tekniğinin, yenilenebilir
DetaylıORM 7420 USING SATELLITE IMAGES IN FOREST RESOURCE PLANNING
ORM 7420 USING SATELLITE IMAGES IN FOREST RESOURCE PLANNING Asst. Prof. Dr. Uzay KARAHALİL Week IV NEDEN UYDU GÖRÜNTÜLERİ KULLANIRIZ? Sayısaldır (Dijital), - taramaya gerek yoktur Hızlıdır Uçuş planı,
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve
DetaylıYrd. Doç. Dr. Saygın ABDİKAN (Grup B) Öğretim Yılı Güz Dönemi
Uzaktan Algılama (JDF439) Hiperspektral ve termal bantlı uydular Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) 2016-2017 Öğretim Yılı Güz Dönemi 1 3 4 5 SPOT 6 6 Geçen ders: Mikrodalga algılama sistemleri Gündüz
DetaylıElektromanyetik Radyasyon (Enerji) Nedir?
Elektromanyetik Radyasyon (Enerji) Nedir? Atomlardan çeşitli şekillerde ortaya çıkan enerji türleri ve bunların yayılma şekilleri "elektromagnetik radyasyon" olarak adlandırılır. İçinde X ve γ ışınlarının
DetaylıTÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun.
Doç.Dr.Mehmet MISIR-2013 TÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun. Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında
DetaylıORM 7420 ORMAN KAYNAKLARININ PLANLANMASINDA UYGU GÖRÜNTÜLERİNİN KULLANILMASI
ORM 7420 ORMAN KAYNAKLARININ PLANLANMASINDA UYGU GÖRÜNTÜLERİNİN KULLANILMASI Yrd. Doç. Dr. Uzay KARAHALİL III. Hafta (Uyduların Detay Tanıtımı Sunum Akışı Doğal Kaynak İzleyen Uygular Hangileri Uyduların
DetaylıKOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU. (Doç.Dr. M.
KOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU (Doç.Dr. M. Kemal GÜLLÜ) Derinlik kamerası ile alınan modellerin birleştirilmesi Derinlik kamerası,
DetaylıGörüntü İyileştirme Teknikleri. Hafta-8
Görüntü İyileştirme Teknikleri Hafta-8 1 Spektral İyileştirme PCA (Principal Component Analysis) Dönüşümü. Türkçesi Ana Bileşenler Dönüşümü Decorrelation Germe Tasseled Cap RGB den IHS ye dönüşüm IHS den
DetaylıGeliştirilmiş Fisher Ayraç Kriteri Kullanarak Hiperspektral Görüntülerde Sınıflandırma
Geliştirilmiş Fisher Ayraç Kriteri Kullanarak Hiperspektral Görüntülerde Sınıflandırma Mustafa TEKE, Dr. Ufuk SAKARYA TÜBİTAK UZAY IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013),
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 5 Önemli Alıcıların Karakteristikleri ve Uydu Misyonları Alp Ertürk alp.erturk@kocaeli.edu.tr Alıcı Karakteristikleri IKONOS Fırlatma tarihi: Eylül 1999 Yörünge: 681
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 10 Hiperspektral Görüntülerde Öznitelik Çıkarımı ve Boyut Azaltımı Alp Ertürk alp.erturk@kocaeli.edu.tr Öznitelik Çıkarımı Veriden ayırt edici yapıda nitelikler çıkarma
DetaylıMOD419 Görüntü İşleme
MOD419 Görüntü İşleme Ders Kitabı: Digital Image Processing by Gonzalez and Woods Puanlama: %30 Lab. %20 Vize %10 Quizes %40 Final %60 devam mecburiyeti Görüntü İşleme ye Giriş Görüntü İşleme Nedir? Özellikle
DetaylıDoğal Kaynak Gözlem Uyduları
Doğal Kaynak Gözlem Uyduları Landsat Uyduları Yeryüzündeki doğal kaynakların incelenmesi amacı ile NASA tarafından 1972 yılında LANDSAT uyduları programı başlatılmıştır. İlk LANDSAT uydusu ERST-I (Earth
DetaylıULUSAL COĞRAFİ BILGİ SISTEMLERİ KONGRESİ 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
ULUSAL COĞRAFİ BILGİ SISTEMLERİ KONGRESİ 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Uydu Verilerinin Farklı Yöntemlerle Karılması ve Sonuçların Karşılaştırılması Öğr. Gör. Bora UĞURLU Prof. Dr. Hülya YILDIRIM
DetaylıUzaktan Algõlama Ve Yerbilimlerinde Uygulamalarõ
Uzaktan Algõlama Ve Yerbilimlerinde Uygulamalarõ Bölüm 3 Spektrometre, Kullanõm Alanlarõ, Hiperspektral Analiz Yöntemleri ve Uygulamalar B.Taner SAN tanersan@mta.gov.tr Engin Ö. SÜMER esumer@mta.gov.tr
DetaylıDigital Görüntü Temelleri Görüntü Oluşumu
Digital Görüntü Temelleri Görüntü Oluşumu Işık 3B yüzeye ulaşır. Yüzey yansıtır. Sensör elemanı ışık enerjisini alır. Yoğunluk (Intensity) önemlidir. Açılar önemlidir. Materyal (yüzey) önemlidir. 25 Ekim
DetaylıTÜRKİYE NİN BİTKİ ÖRTÜSÜ DEĞİŞİMİNİN NOAA UYDU VERİLERİ İLE BELİRLENMESİ*
TÜRKİYE NİN BİTKİ ÖRTÜSÜ DEĞİŞİMİNİN NOAA UYDU VERİLERİ İLE BELİRLENMESİ* Determination the Variation of The Vegetation in Turkey by Using NOAA Satellite Data* Songül GÜNDEŞ Fizik Anabilim Dalı Vedat PEŞTEMALCI
DetaylıDijital Kameralar (Airborne Digital Cameras)
Dijital Kameralar (Airborne Digital Cameras) Klasik fotogrametrik görüntü alımındaki değişim, dijital kameraların gelişimi ile sağlanmaktadır. Dijital görüntü, analog görüntü ile kıyaslandığında önemli
DetaylıGÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ
GÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ GÖRÜNTÜ İŞLEME Hafta Hafta 1 Hafta 2 Hafta 3 Hafta 4 Hafta 5 Hafta 6 Hafta 7 Hafta 8 Hafta 9 Hafta 10 Hafta 11 Hafta 12 Hafta 13 Hafta 14 Konu Giriş Digital Görüntü Temelleri-1
DetaylıUYDU GÖRÜNTÜLERİ YARDIMIYLA PLAJ ALANLARINDA DANE ÇAPININ BELİRLENMESİ
6. Ulusal Kıyı Mühendisliği Sempozyumu 359 UYDU GÖRÜNTÜLERİ YARDIMIYLA PLAJ ALANLARINDA DANE ÇAPININ BELİRLENMESİ S.Erkan KAÇMAZ Sedat KABDAŞLI Kıyı Yük.Müh. Prof.Dr. İTÜ İnşaat Fakültesi, İnşaat Müh.
DetaylıUZAKTAN ALGILAMA- UYGULAMA ALANLARI
UZAKTAN ALGILAMA- UYGULAMA ALANLARI Doç. Dr. Nebiye Musaoğlu nmusaoglu@ins.itu.edu.tr İTÜ İnşaat Fakültesi Jeodezi ve Fotogrametri Mühendisliği Bölümü Uzaktan Algılama Anabilim Dalı UZAKTAN ALGILAMA-TANIM
DetaylıTuğba Palabaş, Istanbul Arel Üniversitesi, tugbapalabas@arel.edu.tr. Ceren Gülra Melek, Istanbul Arel Üniversitesi, cerenmelek@arel.edu.
Uydu Görüntülerinden Elde Edilen Bilgilerle Yeryüzü Şekillerinin Tanımlanması ve Değişimlerinin Gözlenmesinde Coğrafi Bilgi Sistemlerinden Yararlanılması Üzerine Bir Ön Çalışma Sabri Serkan Güllüoğlu,
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 10 Nesne / Yüz Tespiti ve Tanıma Alp Ertürk alp.erturk@kocaeli.edu.tr Nesne Tespiti Belirli bir nesnenin sahne içindeki konumunun tespitidir Tespit edilecek nesne önceden
DetaylıUzaktan Algılama Uygulamaları
Aksaray Üniversitesi Uzaktan Algılama Uygulamaları Doç.Dr. Semih EKERCİN Harita Mühendisliği Bölümü sekercin@aksaray.edu.tr 2010-2011 Bahar Yarıyılı Uzaktan Algılama Uygulamaları GÖRÜNTÜ İŞLEME TEKNİKLERİ
DetaylıMuğla, Türkiye mermer üretiminde önemli bir yere sahiptir. Muğla da 2008 yılı rakamlarına göre 119 ruhsatlı mermer sahası bulunmaktadır.
Muğla, Türkiye mermer üretiminde önemli bir yere sahiptir. Muğla da 2008 yılı rakamlarına göre 119 ruhsatlı mermer sahası bulunmaktadır. İldeki madencilik faaliyetlerinin yapıldığı alanların çoğu orman
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 3 Uzaktan Algılama Temelleri Alp Ertürk alp.erturk@kocaeli.edu.tr Elektromanyetik Spektrum Elektromanyetik Spektrum Görünür Işık (Visible Light) Mavi: (400 500 nm) Yeşil:
DetaylıGörüntü İyileştirme Teknikleri. Hafta-6
Görüntü İyileştirme Teknikleri Hafta-6 Doç. Dr. Oğuz Güngör Karadeniz Teknik Üniversitesi Harita Mühendisliği Bölümü 618 Trabzon ogungor@ktu.edu.tr 1 İndisler Görüntü İyileştirme Teknikleri Radyometrik
DetaylıUzaktan Algılama Teknolojisi. Doç. Dr. Taşkın Kavzoğlu Gebze Yüksek Teknoloji Enstitüsü Gebze, Kocaeli
Uzaktan Algılama Teknolojisi Doç. Dr. Taşkın Kavzoğlu Gebze Yüksek Teknoloji Enstitüsü Gebze, Kocaeli SPOT görüntüsü (Roma) 16-Aralık-2005 Source: earth.eas.int Uzaktan Algılama Dünya yüzeyinin gözlenmesi
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF435 UZAKTAN ALGILAMA DERSİ NOTLARI
UZAKTAN ALGILAMA Sayısal Görüntü ve Özellikleri GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF435 UZAKTAN ALGILAMA DERSİ NOTLARI http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz
DetaylıDigital Görüntü Temelleri Görüntü Oluşumu
Digital Görüntü Temelleri Görüntü Oluşumu Işık 3B yüzeye ulaşır. Yüzey yansıtır. Sensör elemanı ışık enerjisini alır. Yoğunluk (Intensity) önemlidir. Açılar önemlidir. Materyal (yüzey) önemlidir. 06 Kasım
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 1 - Giriş Alp Ertürk alp.erturk@kocaeli.edu.tr Öğretim Üyesi Bilgileri İsim: Alp ERTÜRK E-mail: alp.erturk@kocaeli.edu.tr Görüşme Saatleri: Belirlenecek (Ders ile ilgili
DetaylıUzaktan Algılama Verisi
Uzaktan Algılama (2) Yrd. Doç. Dr. Özgür ZEYDAN http://cevre.beun.edu.tr/zeydan/ Uzaktan Algılama Verisi Raster Veri Formatı 1 Uzaktan Algılama Verisi http://www.tankonyvtar.hu/hu/tartalom/tamop425/0027_dai6/ch01s03.html
DetaylıVERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma Kümeleme
DetaylıHafta 2 Görüntünün Alınması ve Sayısallaştırılması
BLM429 Görüntü İşlemeye Giriş Hafta 2 Görüntünün Alınması ve Sayısallaştırılması Yrd. Doç. Dr. Caner ÖZCAN When something can be read without effort, great effort has gone into its writing. ~E. J. Poncela
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 7 Aktif Alıcılar ve Uygulamaları (SONAR, RADAR, SAR, LiDAR) Alp Ertürk alp.erturk@kocaeli.edu.tr SONAR (SOund Navigation And Ranging) Ses dalgaları ölçümüne dayanır
DetaylıFOTOYORUMLAMA UZAKTAN ALGILAMA
FOTOYORUMLAMA VE UZAKTAN ALGILAMA (Photointerpretation and Remote Sensing) 1 Algılama sistemleri Pasif sistemler Aktif sistemler 2 Uzaktan algılama sistemleri: Elektromanyetik spektrum ve algılama sistemi
DetaylıGörüntü Sınıflandırma
Görüntü Sınıflandırma Chapter 12 https://www.google.com.tr/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0 CBwQFjAA&url=http%3A%2F%2Ffaculty.une.edu%2Fcas%2Fszeeman%2Frs%2Flect%2FCh%2 52012%2520Image%2520Classification.ppt&ei=0IA7Vd36GYX4Uu2UhNgP&usg=AFQjCNE2wG
Detaylı2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir.
ÇELĐK YÜZEYLERĐN SINIFLANDIRILMASI * Cem ÜNSALAN ** Aytül ERÇĐL * Ayşın ERTÜZÜN *Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü unsalan@boun.edu.tr **Boğaziçi Üniversitesi, Endüstri Mühendisliği
DetaylıUA Teknikleri Kullanılarak Taşkın Alanlarının Belirlenmesi ve Bölgesel Taşkın Frekans Analizinin Batı Karadeniz Bölgesinde Uygulanması
UA Teknikleri Kullanılarak Taşkın Alanlarının Belirlenmesi ve Bölgesel Taşkın Frekans Analizinin Batı Karadeniz Bölgesinde Uygulanması Prof. Dr. A. Ünal Şorman Orta Doğu Teknik Üniversitesi, Đnşaat Mühendisliği
DetaylıMEH535 Örüntü Tanıma. 6. Boyut Azaltımı (Dimensionality Reduction)
MEH535 Örüntü anıma 6. Boyut Azaltımı (Dimensionality Reduction) Doç.Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Bölümü web: http://akademikpersonel.kocaeli.edu.tr/kemalg/ E-posta: kemalg@kocaeli.edu.tr
DetaylıCOĞRAFİ BİLGİ SİSTEMLERİ VE UZAKTAN ALGILAMA
Coğrafi Bilgi Sistemleri ve Uzaktan Algılama Taşınmaz Değerleme ve Geliştirme Tezsiz Yüksek Lisans Programı COĞRAFİ BİLGİ SİSTEMLERİ VE UZAKTAN ALGILAMA 1 Coğrafi Bilgi Sistemleri ve Uzaktan Algılama İçindekiler
DetaylıKONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I
KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I 4.1. Dışbükeylik ve Uç Nokta Bir d.p.p. de model kısıtlarını aynı anda sağlayan X X X karar değişkenleri... n vektörüne çözüm denir. Eğer bu
DetaylıAmpirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması
Ampirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması Esra Tunç Görmüş a *, Nishan.Canagarajah b, Alin Achim b a KTU Harita Mühendisliği Bölümü, Kanuni
DetaylıFOTOYORUMLAMA UZAKTAN ALGILAMA
FOTOYORUMLAMA VE UZAKTAN ALGILAMA (Photointerpretation and Remote Sensing) 1 Ders İçeriği Uydu görüntüleri Meteoroloji uyduları ve algılayıcıları Yer gözlem uyduları ve algılayıcıları 2 3 4 UYDU VERİLERİ
DetaylıGama ışını görüntüleme: X ışını görüntüleme:
Elektronik ve Hab. Müh. Giriş Dersi Görüntü İşleme Yrd. Doç. Dr. M. Kemal GÜLLÜ Uygulama Alanları Gama ışını görüntüleme: X ışını görüntüleme: Uygulama Alanları Mor ötesi bandı görüntüleme: Görünür ve
DetaylıDoğrudan Dizi Geniş Spektrumlu Sistemler Tespit & Karıştırma
Doğrudan Dizi Geniş Spektrumlu Sistemler Tespit & Karıştırma Dr. Serkan AKSOY Gebze Yüksek Teknoloji Enstitüsü Elektronik Mühendisliği Bölümü saksoy@gyte.edu.tr Geniş Spektrumlu Sistemler Geniş Spektrumlu
DetaylıTanımlar, Geometrik ve Matemetiksel Temeller. Yrd. Doç. Dr. Saygın ABDİKAN Yrd. Doç. Dr. Aycan M. MARANGOZ. JDF329 Fotogrametri I Ders Notu
FOTOGRAMETRİ I Tanımlar, Geometrik ve Matemetiksel Temeller Yrd. Doç. Dr. Saygın ABDİKAN Yrd. Doç. Dr. Aycan M. MARANGOZ JDF329 Fotogrametri I Ders Notu 2015-2016 Öğretim Yılı Güz Dönemi İçerik Tanımlar
DetaylıUYDU VERİLERİ İLE VERİ ENTEGRASYONU VE YÖNTEMLERİ
660 [1016] UYDU VERİLERİ İLE VERİ ENTEGRASYONU VE YÖNTEMLERİ Sakine KANDİL 1, H.Gonca COŞKUN 2 ÖZET 1 Müh., İstanbul Teknik Üniversitesi, Geomatik Mühendisliği Bölümü, 34469, Maslak, İstanbul, kandils@itu.edu.tr
DetaylıGÖRÜNTÜ BİRLEŞTİRME YÖNTEMLERİNİN SPEKTRAL DEĞERLERİ KORUMA AÇISINDAN KARŞILAŞTIRILMASI: WORLDVİEW-2 UYGULAMASI
GÖRÜNTÜ BİRLEŞTİRME YÖNTEMLERİNİN SPEKTRAL DEĞERLERİ KORUMA AÇISINDAN KARŞILAŞTIRILMASI: WORLDVİEW-2 UYGULAMASI Bekir GÜL 1, ÇağlarYILDIRMIŞ 2, Abdullah DEĞER 3, Mustafa ERDOĞAN 4, Ali ULUBAY 5 1 Harita
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2015-2016 Öğretim Yılı Bahar Dönemi 1 A- Enerji Kaynağı / Aydınlatma B- Işıma ve atmosfer C- Hedef nesneyle etkileşim D- Nesneden yansıyan /
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
DetaylıUzaktan Algılama ve Teknolojik Gelişmeler
Uzaktan Algılama ve Teknolojik Gelişmeler 1 Uzaktan Algılama Nedir? Uzaktan Algılama Prensipleri Uydu Görüntülerinin Özellikleri ERDAS IMAGINE yazılımının sağladığı imkanlar 2 Uzaktan Algılama Fiziksel
DetaylıSevim Yasemin ÇİÇEKLİ 1, Coşkun ÖZKAN 2
1078 [1025] LANDSAT 8'İN ADANA SEYHAN BARAJ GÖLÜ KIYI ÇİZGİSİNİN AYLIK DEĞİŞİMİNİN BELİRLENMESİNDE KULLANILMASI Sevim Yasemin ÇİÇEKLİ 1, Coşkun ÖZKAN 2 1 Arş. Gör., Erciyes Üniversitesi, Harita Mühendisliği
DetaylıEmrah Kurtoğlu Gamze Dinçar Liva Gizem Göze Ali Kadir Ulu
1302120002 1302130068 1302150039 1302150049 Emrah Kurtoğlu Gamze Dinçar Liva Gizem Göze Ali Kadir Ulu 17.10.2016 SPEKTRAL İMGELER Bir malzeme için yansıyan, yutulan veya iletilen ışınım miktarları dalga
DetaylıYZM 3217 YAPAY ZEKA DERS#10: KÜMELEME
YZM 317 YAPAY ZEKA DERS#10: KÜMELEME Sınıflandırma (Classification) Eğiticili (supervised) sınıflandırma: Sınıflandırma: Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğunu bilinir Eğiticisiz (unsupervised)
DetaylıVERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Kümeleme İşlemleri Kümeleme Tanımı Kümeleme Uygulamaları Kümeleme Yöntemleri Kümeleme (Clustering) Kümeleme birbirine
DetaylıTMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Lazer Tarama Verilerinden Bina Detaylarının Çıkarılması ve CBS İle Entegrasyonu
DetaylıSAYISAL GÖRÜNTÜ İŞLEMENİN TEMELLERİ 2. HAFTA YRD. DOÇ. DR. BURHAN BARAKLI
SAYISAL GÖRÜNTÜ İŞLEMENİN TEMELLERİ 2. HAFTA YRD. DOÇ. DR. BURHAN BARAKLI Nerden çıktı bu sayısal görüntü işleme? SGİ Kullanan Alanlara Örnekler Sayısal görüntü işleme, uygulama alanlarına göre farklılar
DetaylıFARKLI UYDU VERİ ÇAKIŞTIRMA TEKNİKLERİNİN ANALİZİ
FARKLI UYDU VERİ ÇAKIŞTIRMA TEKNİKLERİNİN ANALİZİ Özge KAYMAN 1, Filiz SUNAR 2, Derya MAKTAV 3 1 İstanbul Teknik Üniversitesi, Geomatik Mühendisliği Bölümü, 34469, Maslak, İstanbul. ozgekayman@gmail.com
DetaylıAmpirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması
Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi AKA ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması, Afyon Kocatepe University Journal of Science and
DetaylıArcGIS ile Tarımsal Uygulamalar Eğitimi
ArcGIS ile Tarımsal Uygulamalar Eğitimi Kursun Süresi: 5 Gün 30 Saat http://facebook.com/esriturkey https://twitter.com/esriturkiye egitim@esriturkey.com.tr ArcGIS ile Tarımsal Uygulamalar Eğitimi Genel
DetaylıTeknik Katalog [Renk Ölçüm Cihazı]
Teknik Katalog [Renk Ölçüm Cihazı] [MK350S] PCE Teknik Cihazlar Paz. Tic. Ltd.Şti. Halkalı Merkez Mah. Pehlivan Sok. No 6/C 34303 Küçükçekmece/ İstanbul Türkiye Mail: info@pce-cihazlari.com.tr Telefon:
DetaylıFARKLI UYDU VERİLERİNİN BANT BİRLEŞTİRİLMESİNDEN SONRA SPEKTRAL SINIFLANDIRMALARDA KULLANILMASI
FARKLI UYDU VERİLERİNİN BANT BİRLEŞTİRİLMESİNDEN SONRA SPEKTRAL SINIFLANDIRMALARDA KULLANILMASI Önder GÜRSOY 1, Anıl Can BİRDAL 2 1 Yrd. Doç. Dr., Cumhuriyet Üniversitesi, Mühendislik Fakültesi, Geomatik
DetaylıDİJİTAL GÖRÜNTÜ İŞLEME
DİJİTAL GÖRÜNTÜ İŞLEME Prof. Dr. Oğuz Güngör Karadeniz Teknik Üniversitesi Jeodezi ve Fotogrametri Mühendisliği Bölümü 61080 Trabzon ogungor@ktu.edu.tr 1 Renk Nedir? 2 En basit anlamıyla renk maddelerden
DetaylıMULTISPEKTRAL UYDU GÖRÜNTÜLERİ İÇİN EN UYGUN BANT SEÇİMİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ
MULTISPEKTRAL UYDU GÖRÜNTÜLERİ İÇİN EN UYGUN BANT SEÇİMİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ T. Kavzoğlu *, İ. Çölkesen, E.K. Şahin Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve Fotogrametri
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Sınıflandırıcıların Değerlendirilmesi Skorlar Karışıklık matrisi Accuracy Precision Recall
DetaylıTEMEL GÖRÜNTÜ BİLGİSİ
TEMEL GÖRÜNTÜ BİLGİSİ FOTOĞRAF/GÖRÜNTÜ KAVRAMI VE ÖZELLİKLERİ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF345 TEMEL GÖRÜNTÜ BİLGİSİ DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/ İÇERİK
DetaylıTeknik Katalog [Spektrometre]
Teknik Katalog [Spektrometre] [MK350S] PCE Teknik Cihazlar Paz. Tic. Ltd.Şti. Halkalı Merkez Mah. Pehlivan Sok. No 6/C 34303 Küçükçekmece/ İstanbul Türkiye Mail: info@pce-cihazlari.com.tr Telefon: +90
DetaylıUzaktan Algılama (3) Yrd. Doç. Dr. Özgür ZEYDAN Renk Teorileri
Uzaktan Algılama (3) Yrd. Doç. Dr. Özgür ZEYDAN http://cevre.beun.edu.tr/zeydan/ Renk Teorileri Eklemeli renk teorisi Çıkarmalı renk teorisi 1 RGB (Red Green - Blue) Kavramı Red Green - Blue RGB-Mixer
DetaylıEski Yunanca'dan batı dillerine giren Fotogrametri sözcüğü 3 kök sözcükten oluşur. Photos(ışık) + Grama(çizim) + Metron(ölçme)
FOTOGRAMETRİ FOTOGRAMETRİ Eski Yunanca'dan batı dillerine giren Fotogrametri sözcüğü 3 kök sözcükten oluşur. Photos(ışık) + Grama(çizim) + Metron(ölçme) Buna göre ışık yardımı ile ölçme (çizim yapabilme)
DetaylıTürkiye de Havza Su Bütçesi Hesaplamalarında Uzaktan Algılama ve Evapotranspirasyon Haritalama Tekniklerinin Kullanılma Olanakları
Türkiye de Havza Su Bütçesi Hesaplamalarında Uzaktan Algılama ve Evapotranspirasyon Haritalama Tekniklerinin Kullanılma Olanakları Eyüp Selim Köksal Ersoy Yıldırım Türkiye Su Bütçesinin Belirlenmesi Çalıştayı
DetaylıKISIM 5 COĞRAFİ BİLGİ SİSTEMİ (GIS) ANALİZİ KISIM 5: GIS ANALİZİ 1
KISIM 5 COĞRAFİ BİLGİ SİSTEMİ (GIS) ANALİZİ KISIM 5: GIS ANALİZİ 1 GIS ANALİZİ GIS Analizi, üretme, işleme ve mekansal veriyi sorgulama kısımlarını kapsar 1. Veri üretme Görüntüyü sınıflandırma (Unsupervised)
DetaylıT.C. ÇEVRE VE ORMAN BAKANLIĞI Çevre Yönetimi Genel Müdürlüğü A. GENEL BİLGİLER
Rapor No: Rapor Hazırlama Tarihi: Tarihi: Firma/İşletme Adı: de kullanılan ilgili standart veya metot: I. İşletmenin Genel Tanıtımına İlişkin Bilgiler 1) İşletmenin ticari unvanı, 2) İşletmenin adresi,
Detaylı2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları. (Doç.Dr. M. Kemal GÜLLÜ)
2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları (Doç.Dr. M. Kemal GÜLLÜ) 1. Ses temelli malzeme tanıma Malzemelerin çarpma etkisi ile çıkarttıkları seslerin mikrofon ile bir PC ye alınması ve işaretten
DetaylıUZAKTAN ALGILAMADA GÖRÜNTÜ BİRLEŞTİRME İÇİN KALİTE ANALİZLERİ
UZAKTAN ALGILAMADA GÖRÜNTÜ BİRLEŞTİRME İÇİN KALİTE ANALİZLERİ Eminnur AYHAN 1, Gülçin ATAY 2 1 Doç. Dr., Karadeniz Teknik Üniversitesi, Harita Mühendisliği Bölümü, 61080, Trabzon, Ayhan.eminnur@gmail.com
DetaylıFOTOYORUMLAMA UZAKTAN ALGILAMA
FOTOYORUMLAMA VE UZAKTAN ALGILAMA (Photointerpretation and Remote Sensing) 1 Görüntü özellikleri Uzaktan algılamada platformlar Uydu yörüngeleri Şerit genişliği, yeniden ziyaret periyodu 2 Görüntünün özellikleri:
DetaylıUZAKTAN ALGILAMA Görüntü Verisinin Düzeltilmesi ve Geliştirilmesi
UZAKTAN ALGILAMA Görüntü Verisinin Düzeltilmesi ve Geliştirilmesi Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF439 UZAKTAN ALGILAMA DERSİ NOTLARI http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz
DetaylıVeri toplama- Yersel Yöntemler Donanım
Veri toplama- Yersel Yöntemler Donanım Data Doç. Dr. Saffet ERDOĞAN 1 Veri toplama -Yersel Yöntemler Optik kamera ve lazer tarayıcılı ölçme robotu Kameradan gerçek zamanlı veri Doç. Dr. Saffet ERDOĞAN
DetaylıYeni Nesil Şahingözü Keşif Gözetleme Sistemleri.
Yeni Nesil Şahingözü Keşif Gözetleme Sistemleri www.aselsan.com.tr Yeni Nesil Keşif Gözetleme Sistemleri Tespit, teşhis ve tanıma özellikleri kullanılarak tehditlerin detaylı olarak belirlenmesi, keşif
DetaylıAB Dor un Çoklu Dalgaboyu Gözlemleri
AB Dor un Çoklu Dalgaboyu Gözlemleri Erkan, N; Slee, O B; Budding, E; Johnston Hollitt, M Özet Bu çalışmada kapsamında AB Dor manyetik aktif çoklu yıldız dizgesi, Kasım 2006 ve Ocak 2007 tarihlerinde Avustralya
DetaylıKABA KÜME TEORİSİ (Rough Set Theory) Dr. Sedat TELÇEKEN
KABA KÜME TEORİSİ (Rough Set Theory) Dr. Sedat TELÇEKEN Giriş Bilgi teknolojisindeki gelişmeler ve verilerin dijital ortamda saklanmaya başlanması ile yeryüzündeki bilgi miktarı her 20 ayda iki katına
DetaylıHafta 09 -Topluluk Yöntemleri - Boyut Azaltma - Anomali Tespiti
Hafta 09 -Topluluk Yöntemleri - Boyut Azaltma - Anomali Tespiti BGM 565 - Siber Güvenlik için Makine Öğrenme Yöntemleri Bilgi Güvenliği Mühendisliği Yüksek Lisans Programı Dr. Ferhat Özgür Çatak ozgur.catak@tubitak.gov.tr
DetaylıVERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr
VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma
DetaylıGPS ile Hassas Tarım Uygulamaları
GPS ile Hassas Tarım Uygulamaları Hassas tarım değişken oranlar ilkesiyle gerekeni, gerektiği yere, gerektiği zaman, gerektiği kadar kullanımı temel almış olan bir teknoloji olduğu için, konumsal bilgi
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 5 Görüntü Süzgeçleme ve Gürültü Giderimi Alp Ertürk alp.erturk@kocaeli.edu.tr Motivasyon: Gürültü Giderimi Bir kamera ve sabit bir sahne için gürültüyü nasıl azaltabiliriz?
DetaylıOluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir
Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma
DetaylıŞekil 1.1 Genliği kuvantalanmamış sürekli zamanlı işaret. İşaretin genliği sürekli değerler alır. Buna analog işaret de denir.
İŞARETLER Sayısal işaret işleme, işaretlerin sayısal bilgisayar ya da özel amaçlı donanımda bir sayılar dizisi olarak gösterilmesi ve bu işaret dizisi üzerinde çeşitli işlemler yaparak, istenen bir bilgi
DetaylıBölüm 2 Görüntünün Alınması ve Sayısallaştırılması
BLM429 Görüntü İşlemeye Giriş Bölüm 2 Görüntünün Alınması ve Sayısallaştırılması Dr. Öğr. Üyesi Caner ÖZCAN When something can be read without effort, great effort has gone into its writing. ~E. J. Poncela
DetaylıBüyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
DetaylıBu durumu, konum bazında bileşenlerini, yani dalga fonksiyonunu, vererek tanımlıyoruz : ) 1. (ikx x2. (d)
Ders 10 Metindeki ilgili bölümler 1.7 Gaussiyen durum Burada, 1-d de hareket eden bir parçacığın önemli Gaussiyen durumu örneğini düşünüyoruz. Ele alış biçimimiz kitaptaki ile neredeyse aynı ama bu örnek
DetaylıKameralar, sensörler ve sistemler
Dijital Fotogrametri Kameralar, sensörler ve sistemler Prof. Dr. Fevzi Karslı Harita Mühendisliği Bölümü, KTÜ fkarsli@ktu.edu.tr Analog Hava Kameraları Ana firmalar Zeiss, Wild ve Leica. Kullanılan bütün
DetaylıBölüm 7 Renkli Görüntü İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 7 Renkli Görüntü İşleme Dr. Öğr. Üyesi Caner ÖZCAN Genç sanatçının, rengin sadece tanımlayıcı değil aynı zamanda kişisel ifade anlamına geldiğini anlaması renge dokunmasından
Detaylı