Görüntü İyileştirme Teknikleri. Hafta-6
|
|
- Ebru Benli
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Görüntü İyileştirme Teknikleri Hafta-6 Doç. Dr. Oğuz Güngör Karadeniz Teknik Üniversitesi Harita Mühendisliği Bölümü 618 Trabzon 1
2 İndisler Görüntü İyileştirme Teknikleri Radyometrik İyileştirme Teknikleri (5. Hafta) Kontrast Germe Histogram Eşitleme Histogram Eşleme Gri değerlerin tersini alma Görüntü Bölme Mekansal / Konumsal İyileştirme Teknikleri (5. Hafta) Evrişim Süzgeci Crisp Görüntü kaynaştırma teknikleri (6. Hafta) Spektral İyileştirme Teknikleri (6. Hafta) PCA Decorrelation stretch Tassled Cap RGB den IHS uzayına Dönüşüm IHS den RGB uzayına Dönüşüm 2
3 Spektral İyileştirme PCA (Principal Component Analysis) Dönüşümü. Türkçesi Ana Bileşenler Dönüşümü Decorrelation Germe Tasseled Cap RGB den IHS ye dönüşüm IHS den RGB ye dönüşüm Indisler Görüntü kaynaştırma yöntemleri 3
4 Ana Bileşenler Dönüşümü Bir çok bantlı görüntüde komşu bantlar arasında yüksek oranda korelasyon olabilir ve bu yüzden nesneler hakkında aynı veya benzer spaktral bilgi içerebilir. Ana bileşenler dönüşümü orijinal veri kümesini n boyutlu (n toplam bant sayısı) lineer bir dönüşüm kullanarak öz vektörler uzayına dönüştürür, Böylece orijinal verinin varyansı maksimize edilerek bantlar arasındaki korelasyon ortadan kaldırılmış olur 4
5 Ana Bileşenler Dönüşümü Pixels on band-1 vs. band-2 plane Pixel values in 3-D Space band -2 band-3 PC-1 PC-2 PC-3 band-1 PC-1 Pixels on band-1vs. band-3 plane ban d-3 PC-1 band-2 band-1 band-1 5
6 Ana Bileşenler Dönüşümü Kullanılarak Spektral İyileştirme Öncelikle çok bantlı görüntüye ana bileşenler dönüşümü uygulanır Sadece elde edilen birinci ana bileşene kontrast iyileştirme uygulanır Daha sonra kontrast iyileştirme uygulanmış birinci ana bileşen ve diğer ana bileşenler kullanılarak ters ana bileşenler dönüşümü uygulanır Sonuç görüntü spektral olarak iyileştirilmiş olur Yöntemin esprisi: Birinci ana bileşen tüm bantların içerdiği bilgiyi tek basına içerir, bu yüzden ona yapılan işlem tüm bantlara yapılmış gibi olur 6
7 Ana Bileşenler Dönüşümü Nasıl Yapılır? Çok bantlı bir görüntüde her bir piksel aslında bir vektördür 7
8 Çok bantlı bir görüntüde her bir piksel aslında bir vektördür x i = ( x, x,..., x ) T 1 2 k x 3, 13, 5 1 T m satır ve n sütün sayısını gösterirse tüm görüntüde M = mxn tane vektör oluşur Burada k toplam bant sayısıdır!!! 8
9 Ana Bileşenler dönüşümü orijinal görüntüyü öz vektör (eigen vector) uzayına dönüştürür. Amaç bantlar arasındaki korelasyonu ortadan kaldırmaktır Bu yüzden kovaryans matrisi gereklidir. Bütün vektörlerin ortalama vektörü m= M 1 x M ve m kullanılarak kovaryans matrisi i 1 i hesaplanır. M 1 C ( x m)( x m) x M i 1 i i T 9
10 C x simetriktir, boyutu da kxk dır. Ana bileşenler dönüşümü yeni bir kovaryans matrisi yi bulmayı hedefler. C y öyle bir matristir ki; C y C y ( i, j) i j olduğunda C y ( i, j) i j olduğunda Bunu bantlar arasındaki korelasyonu kaldırmak için yapar 1
11 Bu amaçla aşağıdaki dönüşüm uygulanır; i T A xi matrisi ortogonaldir ve C kovaryans matrisine ait öz vektörlerden x oluşturulur. C x kovaryans matrisine ait öz değer ve öz vektörler hesaplanır. A T y En büyük öz değere sahip öz vektör en üstte olacak şekilde öz vektörler sıralanır. Sıralanan bu öz vektörler T matrisi oluşturur A A Yani T nin ilk satırı en yüksek öz değere sahip öz vektördür. İkinci satırı ise ikinci en yüksek öz değere sahip öz vektördür 11
12 Böylece dönüşüm sonrası matrisi elde edilmiş olur. y i matrisinin ilk satırı birinci ana bileşendir. İkinci satırı ikinci ana bileşen, vs. Birinci ana bileşene kontrast iyileştirme uygulanır Daha sonra kontrast iyileştirme uygulanmış birinci ana bileşen ve diğer ana bileşenler kullanılarak ters ana bileşenler dönüşümü uygulanır x Ters dönüşüm şeklinde yapılır i Ay i y i 12
13 Blue band Green band Red band Infra-red band First principal component Second principal component Third principal component Fourth principal component Birinci ana bileşen tüm bantların içerdiği bilgiyi tek baçına içerir, diğer ana bileşenler gittikçe daha az bilgi içermeye başlar 13
14 De-correlation Germe Herhangi bir kontrast germe işleminin amacı görüntüdeki gri değerlerin lineer olarak -255 aralığına gerilmesidir. De-correlation germe orijinal bantlara değil de Ana bileşenlere uygulanır. Ana bileşen dönüşümü sonrasında her ana bileşen bandı -255 aralığında olmayabilir. Bu yüzden her ana bileşen bandındaki gri değerler -255 aralığına gerilir. Böylece ana bileşen bantlarına kontrast germe uygulanmış olur. 14
15 Daha sonra ters ana bileşen dönüşümü uygulanarak orijinal RGB uzayına dönülür. Böylece kontrast germe işlemi bantların arasında korelasyonun olduğu RGB uzayında değil de bantların arasındaki korelasyonun ortadan kaldırıldığı ana bileşenler uzayında yapılmış olur. Daha önce anlatılan ana bileşen dönüşümü kullanılarak spektral iyileştirme yönteminden farkı burada sadece birinci ana bileşene değil de tüm ana bileşenlere kontrast germe işlemi yapılıyor olmasıdır. 15
16 Tasseled Cap Çok bantlı bir görüntüde her piksel N-boyutlu bir vektör olarak temsil edilebilir. Tasseled Cap dönüşümü orijinal Landsat MSS uzayını 4 boyutlu bir uzaya dönüştürür. Bu dönüşüme Tasseled Cap ya da Kauth-Thomas dönüşümü denir 16
17 Dönüşüm sonucu 4 yeni eksen oluşur Toprak gri değer indeksi (B) Yeşil bitki örtüsü endeksi (G) Sarı nesneler indeksi (Y) Diğer nesneler (N) 17
18 Landsat MMS görüntüsünde her bir eksen için katsayılar şu şekilde hesaplanır B =.332 MSS MSS MSS MSS 4 G =-.283 MSS MSS MSS MSS 4 Y = MSS MSS MSS MSS 4 N = -.16 MSS MSS MSS MSS 4 18
19 Landsat TM için de görülür, yakın kızıl ötesi, orta kızıl ötesi bantlar parlaklık, yeşillik ve nemlilik katsayılarına aşağıdaki şekilde dönüştürülür B =.299 TM TM TM TM TM TM 7 G = TM TM TM TM TM TM 7 W =.1446 TM TM TM TM TM TM 7 19
20 Renk Uzayı Renk uzayı renklerin bir nokta olarak temsil edildikleri bir koordinat sistemidir. İnsan renkleri üç ana renk olan mavi, yeşil ve kırmızının değişik oranlarda kombinasyonu şeklinde görür. Bu yüzden renk uzayında renkleri temsil etmek için üç sayısal bileşen gereklidir. Literatürde herkes tarafından onaylanmış tek bir renk uzayı yoktur. (2 den fazla tanımlı renk uzayı olduğu bilinir) Farklı amaçlar için farklı renk uzayları tanımlanmıştır. 2
21 RGB Renk Uzayı Görüntü işlemede en yaygın kullanılan renk uzaylarından biridir. RGB renk uzayı üç boyutlu kartezyen bir koordinat sistemi olarak tanımlanabilir Her bir eksen mavi, yeşil ve kırmızı renklerden oluşur. Koordinat sisteminin orijininde siyah vardır ve maksimim mavi, yeşil ve kırmızı beyaz ı oluşturur. Eşit miktarda mavi, yeşil ve kırmızı farklı gri tonları oluşturur, ve bu renkler siyak ve bayaz noktaları birleştiren doğru üzerinde yer alır. Bütün diğer renkler, mavi, yeşil ve kırmızı eksenler üzerinde aldıkları değerlere göre oluşan küpün içerisinde veya küpün üzerinde yer alır. 21
22 RGB Renk Küpü Kaynak: 22
23 Avantaj Dezavantaj RGB renk uzayı renk oluşturmak için idealdir Monitörler renkli görüntüleri RGB renk uzayını kullanarak gösterirler Çoğu görüntü işleme algoritmaları uygulamalar için RGB renk uzayını kullanır Fakat, RGB renk uzayının bazı dezavantajları da vardır RGB renk uzayı insanın renkleri görme mantığına uygun değildir Bu yüzden bir rengi diğer bir renkten sadece RGB renk koordinatları ile ayırmak mümkün olmaz Ayrıca RGB renk uzayı donanım bağımlıdır, farklı monitörler farklı renk sonuçları verir 23
24 IHS Renk Uzayı IHS renk uzayı renkleri Intensity (yoğunluk??), Hue (ton??) ve Saturation (renksel doymuşluk??) olarak üç bileşenle temsil eder. Bu bileşenler görseldir ve ressamların bir rengi diğerinden ayırmada kullandığı mantıkla aynıdır. Bu yüzden bir renkten diğerine geçiş veya istenilen rengi elde etmek RGB renk uzayına göre daha kolaydır 24
25 Intensity, Hue ve Saturation Bileşenleri Hue: Gördüğümüz renklerdeki baskın dalga boyudur. Başka bir deyişle bir limona sarı dediğimizde onun hue bileşenini söylemiş oluruz Saturation: Rengin saflık derecesi saturation ile ifade edilir. Rengin beyaz ışık ile ne kadar seyreltildiğinin göstergesidir. Bu yüzden saf renkler %1 saturated denilebilir. Intensity: Rengin parlaklığıdır. Intensity az ise görüntü karanlık çok ise daha aydınlık olur. Dolayısıyla intensity bir renge ait tüm dalga boylarındaki enerji miktarına bağlıdır. Intensity fiziksel bir niceliktir ve ölçülebilir. Uzaktan algılama sensörleri nesnelerden yansıyan enerjinin miktarına göre enerji yoğunluğunu algılar ve siyah beyaz görüntüleri oluşturan sayısal değerlere çevirir. Bu yüzden intensity siyah-beyaz görüntüler için en önemli tanımlayıcıdır. 25
26 Intensity, Hue ve Saturation Bileşenleri Intensity Kaynak: 26
27 Saf ve Saturated Renkler 1% saturated R, G, and B primaries Less saturated primaries 27
28 White (I = 1) Green Yellow Cyan White (I = 1) Red Blue Magenta Intensity Cyan Green I =.5 Yellow Red Saturation Hue Red = o Black (I = ) Blue Inte nsit y Black (I = ) Magenta Saturation Hue Red = o a) Six Sided Hexcone b) Double Six Sided Hexcone White (I = 1) Intensity Blue Black (I = ) Hue Red Saturation Green Red White (I = 1) Intensity Blue Black (I = ) Hue Green Saturation Farklı IHS Renk Uzayları c) Sphere d) Cylinder 28
29 RGB ve IHS Renk Uzayı Arasında Dönüşüm Tanımlı tek bir IHS renk uzayı olmadığı için RGB ve IHS uzayları arasında tanımlı tek bir dönüşüm yoktur Burada örnek olarak RGB ve IHS uzayları arasında sadece üç farklı dönüşüm verilmektedir 29
30 Dönüşüm - I R,G,B koordinatları öncelikle lineer bir dönüşümle I,V 1, V 2 uzayına dönüştürülür Daha sonra I,V 1, V 2 kullanılarak H ve S hesaplanır I, H ve S varsa ters dönüşüm ile R,G ve B yandaki şekilde elde edilebilir 3
31 Dönüşüm - 2 RGB den IHS ye Ters Dönüşüm IHS den RGB ye 31
32 Dönüşüm
33 IHS Renk Uzayının Avantajı IHS renk uzayında her bir bileşen kendi başına modifiye edilebildiğinden sadece Intensity bileşeni modifiye edilerek görüntü iyileştirme ve görüntü kaynaştırma uygulamaları için oldukça uygun bir renk uzayı 33
34 RGB den IHS ye dönüşüm ile Görüntü İyileştirme Orijinal görüntüye RGB den IHS ye dönüşümü yapılır Elde edilen Intensity ve saturation bileşenine kontrast iyileştirme yapılır Daha sonra ters IHS den RGB ye dönüşüm gerçekleştirilir Bu sayede renk yapısı bozulmadan çok bantlı görüntüye kontrast iyileştirme yapılmış olur. 34
35 Bant oranlama ve İndeksler NDVI (Normalized Difference Vegitation Index) NDVI = (KÖ - K) / (KÖ + K) Görsel olarak KÖ ve K bantlarının direkt oranı ile NDVI çok yakın sonuçlar üretiyor. Fakat NDVI da bantların farkının ve toplamının kullanılması bir alanın belli bir zaman aralığında değerlendirilmesinin gerektiği durumlarda NDVI ı daha avantajlı yapar, Çünkü bu sayede atmosferik değişkenlerin oran görüntüyü etkileme olasılığı düşürülmüş olur. 35
36 a) SPOT HRV Bant-3 (Yakın kızıl ötesi) b) Aynı görüntü Bant-2 (kırmızı bant) c) Yakın kızıl ötesi / Kırmızı oran görüntü d) NDVI görüntüsü Kaynak: Mather, P. Computer Processing of Remotely-Sensed Images. An Introduction 36
37 Kullanılan Diğer Bitki İndeksleri KÖ/K SQRT (KÖ/K) Bitki İndeksi = KÖ - K TNDVI = SQRT[ (KÖ-K / KÖ+K) +.5] Demir Oksit: TM3/TM1 Kil Mineralleri: TM5/TM7 Demir Mineralleri: TM5/TM4 Mineral Bileşikleri: TM5/TM7, TM5/TM4, TM3/TM1 Hidrotermal Bileşikleri: TM5/TM7, TM3/TM1, TM4/TM3 37
38 Bazı Uydulara Ait Kızılötesi ve Kırmızı Bantlar UYDU KÖ K Landsat MSS 7 5 SPOT XS 3 2 Landsat TM 4 3 NOAA AVHRR 2 1 IKONOS 4 3 QuickBird
39 Görüntü kaynaştırma teknikleri Görüntü Füzyonu Konsepti ve Problemin tanımı Mevcut yöntemler Renk tabanlı Yöntemler IHS Brovey SVR Dalgacık Dönüşümü (Wavelet Transform) Tabanlı Yöntemler Mallat A-trous M-band İstatistiksel Yöntemler PCA Lineer Regresyon Kriter Tabanlı Görüntü Füzyonu Yöntemi Sonuçlar 39
40 Niçin Pankromatik görüntüler genellikle multispektral görüntülere göre daha yüksek konumsal çözünürlüğe sahiptirler? Pankromatik Multispektral Tek bir dedektör optik IFOV (Instantaneous Field of View) Yeryüzünde bir pikselin alanı Küçük IFOV = Yüksek Çözünürlük (Daha geniş bant aralığındaki enerjiyi algılar) Geniş IFOV = Düşük Çözünürlük (Sadece küçük bir bant aralığındaki enerjiyi algılar) 4
41 Spectral response of panchromatic sensor Spektral ve Mekansal Genelleştirme Spektral Genelleştirme (ideal multispektral bantların ağırlıklı ortalaması) Mekansal Genelleştirme (yüksek çözünürlükle bantların ağırlıklı ortalaması) Pankromatik görüntü kullanarak gürüntü füzyonu desired high resolution multispectral image a band of desired multispectral image + = Yüksek çözünürlüklü pankromatik görüntü Düşük çözünürlüklü multispektral görüntünün bir bandı Pankromatik Multispektral Görüntü Füzyon yapılmış Görüntü Yüksek çözünürlüklü pankromatik ve düşük çözünürlüklü multispektral görüntüler spektral ve mekansal genelleştirme sürecinde spektral ve mekansal bilgilerinin bir kısmınıkaybederler. Multispektral görüntüdeki eksik detayları pankromatik görüntüyü kullanarak bul, multispektral görüntüye yapısını bozmadan ekle O yüzden problemin çözümü için bazı varsayım ve koşullar kullanılmalıdır. 41
42 Renk Tabanlı Yöntemler IHS Yöntemi Brovey Yöntemi SVR Yöntemi Görüntü Füzyonu Yöntemleri Dalgacık Dönüşümü Tabanlı Yöntemler Mallat ın Algoritması A-trous Yöntemi M-Band dalgacık dönüşümü İstatistiksel Görüntü Füzyonu Yöntemleri PCA yöntemi Lineer regresyon yöntemi Kriter tabanlı görüntü kaynaştırma yöntemi Multispektral banttaki eksik detayları nasıl bulduklarına göre sınıflandırılır. 42
43 43 RGB ve IHS Uzaylari arası Dönüşüm B G R V V I tan V V S V V a H ) sin( ) cos( 2 1 H S V H S V Geri Dönüşüm İleri Dönüşüm V V Pan B G R Varsayım: Multispektral bantlardan hesaplanan intensity pankromatik görüntüye çözünürlüğü hariç eşit varsayılabilir F 1 = R + (Pan Intensity); F 2 = G + (Pan Intensity); F 3 = B + (Pan Intensity);
44 IHS Görüntü Kaynaştırma Yönteminin Özellikleri Anlaşılması ve uygulanması basit Konumsal detayı arttırmada oldukça başarılı Sadece üç multispektral bant kullanılabılır Bu yüzden, multispektral bantlardan hesaplanan intensity pankromatik görüntüye eşit sayılabilir varsayımı tam doğru değil Çünkü intensity hesaplanırken diğer bantların katkısı ihmal edilir Bu yüzden multispektral görüntüde renk bozulmaları olur Problem farklı sensörler kullanılırsa daha da artar 44
45 Brovey Yöntemi Varsayım: Pankromatik görüntüdeki detaylar, her bir multispektral bandı pankromatik bant ve intensity nin oranıyla çarparak da transfer edilebilir. I n i1 XS i C Pan I F i C XS i Yukarıdaki varsayım aslında detayları multispektral görüntüdeki piksellerin oluşturduğu spektral vectörü C kadar uzatarak ya da kısaltarak aktarır C intensity ile doğrudan ilişkili Dolayısıyla intensity hesaplamadaki varsayımın doğruluğuna bağlı olarak radyometrik bozulma oluşabilir 45
46 SVR Yöntemi Pan n i1 w i XS i I n w i XS i C Pan i1 I F i C XS i Her bir multispektral bant için farklı bir ağırlık hesaplar Ağırlıklar yüksek çözünürlüklü pankromatik ve boyutları pankromatik görüntününkine çıkarılmış (resampled) multispektral görüntü arasında doğrudan lineer regresyon yapılarak bulunur. SVR yöntemi aslında Brovey yöntemini genelleştirir ve radyometrik bozulma problemini azaltır. Fakat intensity için hesaplanan ağırlıklar bantın tümü için kullanıldığından yine spektral bozulmalar olur 46
47 Mallat Algoritması İleri Dönüşüm Ortonormal dalgacık filtreleri (haar, db2, etc) kullanılarak görüntüler alçak ve yüksek frekans bileşenlerine (approximation and detail coefficients) ayrılırlar Katsayıların kombinasyonu Her iki resimden gelen katsayılar kaynaştırılmış katsayıları elde etmek için seçilen bir kurala göre birleştirilir. Geri Dönüşüm Katsayılar birleştikten sonra geri dönüşüm uygulanarak kaynaltırılmış görüntü elde edilir. 47
48 À Trous Algoritması H bir 5x5 convolution maskesidir ve alçak geçiren l( i) 1/16[ ] filtreden üretilir H Her ayrıştırma adımı (j) de filtre katsayıları arasına 2 j-1-1 kadar sıfır doldurulur H I = Orjinal Pan Wavelet Düzlemleri I 1 = convolve(i,h ); w 1 = I I 1 ; I 2 = convolve(i 1,H 1 ); w 2 = I 1 I 2 ; I 3 = convolve(i 2,H 2 ); w 3 = I 2 I 3 ; I n = convolve(i n-1,h n-1 ); w n = I n-1 I n ; I ı yeniden oluşturmak için w i ler toplanır I I J w j J j1 FUSION F k I M k W where W J w j j1 48
49 M-Band Wavelet Transform Mallat ın algoritmasının aksine frekans uzayını iki değil de M kanala böler Düşük frekans görüntüyü elde etmek için orjinal görüntünün çözünürlüğünü direk M (pozitif integer) düşürür. Oysa Mallat ın algoritması çözünürlük düşürmede 2 n (n=1, 2, 3, ) ile sınırlıdır M-band dalgacık dönüşümünde sadece bir tane ölçek fonksiyonu ve M-1 tane dalgacık fonksiyonu vardır.. Böylece bir tane alçak frekans görüntüsü (LL) ve M 2-1 tane detay görüntüsü (LH m, H m L, and H m H n ) üretilir. Üretilen görüntülerin boyutu orjinal görüntünün 1/M i olur a) original image b) 3-Band wavelet Decomposition 49
50 Bu yöntemlerdeki varsayım: pankromatik görüntünün yüksek frekans bileşeni frekans uzayında ayrıştırılarak düşük çözünürlüklü multispektral görüntüye detay olarak eklenebilir Dalgacık Dünüşümü tabanlı yöntemler orjinal görüntünün rengini korumada oldukça başarılılar Fakat bu yöntemler görüntüleri sadece yatay düşey ve çapraz yönlerde filtreledikleri için bu yönlerde kenarları doğrusal olmayan nesnelerin geometrilerinde bozulmalar oluşur 5
51 PCA Yöntemi Ana bileşenleri elde etmek için görüntünün kovaryans matrisine dayalı lineer bir dönüşüm uygulanır Birinci anabileşen pankromatik görüntü ile yer değiştirilir Geri dünüşüm uygulanarak kaynaşmış görüntü elde edilir Pixels on band-1 vs. band-2 plane a) Pixel values in 3-D Space b) PC-1 PC-1 band-3 PC-2 PC-3 band-2 c) band-3 band-1 Pixels on band-1vs. band-3 plane band-2 band-1 band-1 PC-1 Varsayım: Birinci anabileşen görüntüdeki konumsal detayın büyük bir oranını içerir. Diğer anabileşenler ise görüntünün spektral özelliklerini içerir. Eğer birinci anabileşen ile pankromatik görüntü arasındaki korelasyon düşükse hem renk hem detay performansı düşer Görüntünün boyutu da önemli 51
52 Linear Regression Method h x kl l x ij h y kl l y ij ideal multispektral görüntü düşük çözünürlüklü multispektral görüntü yüksek çözünürlüklü pankromatik görüntü pankromatik görüntünün ortalaması l k m 1 kk 1l 1 m1 y ij y 1 ll 1 h kl Varsayım x h kl x l ij a ij y h kl y l ij m pixel _ size _ of _ XS pixel _ size _ of _ pan a nasıl bulunur a ij i1 j1 pi1 q j1 i1 l l l l y y x x pq j1 pi1 q j1 l l y y 2 pq ij pq ij ij Kaynaşmış görüntü x h kl a ij h l l y y x kl ij ij Tüm pencere için aynı a kullanıldığından detay düzgün gelemez 52
53 Kriter Tabanlı Görüntü Kaynaştırma Kaynaşmış görüntüyü pankromatik ve multispektral görüntülerin lineer kombinasyonu olarak hesaplar F k a I b ( m, n) ( m, n) ( m, n) ( m, n) k( m, n) I a ve b ağırlıklar m and n satır ve sütun numaraları k = 1,2,., N (N = toplam bant sayısı) F k kaynaşmış bant I pankromatik görüntü, I k multispektral görüntü 53
54 a ve b nasıl belirlenir? Üç kriter çözüm için belirlenir Kriter 1: Kaynaşmış görüntünün varyansı pankromatik görüntünün varyansına eşit olmalı Cov F, F ) a 2a b b ( k k k o k k ok k k o Criterion 2: Kaynaşmış görüntünün ortalaması multispektral görüntünün ortalamasına eşit olmalı Mean( F ) a b k k o k k k Criterion-3: Multispektral bantlar arasındaki oran kaynaşma sonrası aynı kalmalı F C k I k 54
55 55 Yöntemin Uygulanması ), ( ), ( ), ( ), ( ), ( n m n m n m n m n m k k o k k I b I a F ), ( ), ( ), ( ), ( 2 o k k ok k k o k n m m n m n n m b b a a k k k o k n m n m b a ), ( ), ( ), ( ), ( ), ( n m n m k m n k I C F Her bir bant için 4 eşitlik yazılır (k bandt için, 4k eşitlik) İlk üç eşitlikte 3k bilinmeyen vardır (F, a,b) Son eşitlik bilinmeyen olarak C yi içerir ve C tüm bantlar için aynıdır r = 4k-(3k+1)=k-1 fazla eşitlik en küçük kareler yöntemi kullanılarak çözülür. Yöntem tüm resim yerine MxM lik pencerelere uygulanır ve kaynaşmış piksel değeri sadece pencerenin merkezindeki piksel için üretilir. Sonra pencere bir yana kaydırılır ve aynı işlem bir sonraki piksel için yapılır M, multispektral görüntünün çözünürlüğünün pankromatiğinkine oranından büyük en yakın tam sayı
56 KTÜ KAMPÜS IKONOS GÖRÜNTÜLERİ IKONOS Pankromatik (1 metre) IKONOS Multispectral Bantlar: mavi, yeşil, kızılötresi (4 metre) 56
57 KTÜ KAMPÜS IKONOS GÖRÜNTÜLERİ IKONOS füzyon uygulanmış Bantlar: mavi, yeşil, kızılötresi (1 metre) IKONOS Multispectral Bantlar: mavi, yeşil, kızılötresi (4 metre) 57
58 KTÜ KAMPÜS IKONOS GÖRÜNTÜLERİ IKONOS Multispectral Bantlar: mavi, yeşil, kızılötresi (4 metre) IKONOS Kaynaşmış Bantlar: mavi, yeşil, kızılötresi (1 metre) 58
59 Fusion Results of the QuickBird Pan and the IKONOS XS Images Displayed Using Blue, Green and Red bands a) Quickbird panchromatic b) IKONOS multispectral c) Classical IHS d) Generalized IHS e) Brovey f) SVR g) Mallat h) The à trous i) M-Band k) PCA m) Linear regression n) Criteria-based 59
60 Fusion Results of the QuickBird Pan and XS Images over Purdue Campus (Displayed Using Blue, Green and Red bands) a) Quickbird panchromatic b) QuickBird multispectral c) Classical IHS d) Generalized IHS e) Brovey f) SVR g) Mallat h) The à trous i) M-Band k) PCA m) Linear regression n) Criteria-based 6
61 A-trous Method Criteria-Based Method 61
62 Sonuçlar Renk tabanlı yöntemler detayı başarılı bir şekilde arttırabilmektedir; fakat görüntünün rengini yeterince koruyamamaktadır Dalgacık dönüşümü tabanlı yöntemler ise rengi çok güzel koruyor ama detay yeterince aktarılamıyor Kriter tabanlı kaynaştırma yöntemi hem rengi koruyor hem de detayı başarılı bir şekilde aktarabiliyor Kriter tabanlı yöntemde sonuç önceden belirlenen kriterlere göre hesaplandığı için kaynaştırılmış görüntünün özellikleri ve kalitesi önceden bilinebilmektedir. Bu, kullanıcıların ihtiyaçları doğrultusunda kendi kaynaştırma araçlarını dizayn edebilmelerine imkan verecek yeni kaynaştırma algoritmaları hususunda geleceğe dönük ipuçları sunmaktadır. 62
Görüntü 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
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
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
DetaylıGörüntü İyileştirme Teknikleri. Hafta-6
Görüntü İyileştirme Teknikleri Hafta-6 Doç. Dr. Oğuz Güngör Karadeniz Teknik Üniversitesi Harita Mühendisliği Bölümü 6080 Trabzon ogungor@ktu.edu.tr İndisler Görüntü İyileştirme Teknikleri Radyometrik
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
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
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
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 Ön İşleme-Radyometrik Düzeltme Atmosferik Düzeltme Atmosferik etkilerin giderilmesinde kullanılan radyometrik
Detaylı1. Değişik yeryüzü kabuk tiplerinin spektral yansıtma eğrilerinin durumu oranlama ile ortaya çıkarılabilmektedir.
ORAN GÖRÜNTÜLERİ Oran Görüntüsü Oran görüntülerini değişik şekillerde tanımlamak mümkündür; Bir görüntünün belirli bandındaki piksel parlaklık değerleri ile bunlara karşılık gelen ikinci bir banddaki piksel
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
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
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
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
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 Ön İşleme-Radyometrik Düzeltme Atmosferik Düzeltme Atmosferik etkilerin giderilmesinde kullanılan radyometrik
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,
DetaylıGörüntü İşleme. K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI. Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003
Görüntü İşleme K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003 İçerik Görüntü İşleme Nedir? Görüntü Tanımlamaları Görüntü Operasyonları Görüntü İşleme
DetaylıGörüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.
Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler
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
DetaylıUzaktan Algılama (3) Öğr. Gör. Dr. Özgür ZEYDAN http://cevre.beun.edu.tr/zeydan/ Renk Teorileri
Uzaktan Algılama (3) Öğr. Gör. 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
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?
DetaylıT.C. TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Özvektörler Kullanılarak IHS Tabanlı Yeni Bir Yaklaşım ile Uydu Görüntülerinin Zenginleştirilmesi İrfan KÖSESOY Bilgisayar Mühendisliği Ana Bilim Dalı Yüksek
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
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
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
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 algılamada uydu görüntülerine uygulanan işlemler
Uzaktan algılamada uydu görüntülerine uygulanan işlemler Uzaktan algılama görüntülerine uygulanan işlemler genel olarak; 1. Görüntü ön işleme (Düzeltme) 2. Görüntü İşleme olarak ele alınabilir. GÖRÜNTÜ
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
DetaylıBilgisayar ne elde eder (görüntüden)? Dijital Görüntü İşleme Fevzi Karslı, KTÜ. 08 Ekim 2013 Salı 51
Bilgisayar ne elde eder (görüntüden)? 08 Ekim 2013 Salı 51 Zorluk 1: bakış açısı 2012, Selim Aksoy 08 Ekim 2013 Salı 52 Zorluk 2: aydınlatma 08 Ekim 2013 Salı 53 Zorluk 3: oklüzyon (ölü bölge oluşumu)
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
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 /
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
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
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
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. Caner ÖZCAN
Yrd. Doç. Dr. Caner ÖZCAN Grafik Programlama Bilgisayar kullanılırken monitörlerde iki tür ekran moduyla karşılaşılır. Bu ekran modları Text modu ve Grafik modu dur. Text modunda ekran 25 satır ve 80 sütundan
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
DetaylıİLERİ GÖRÜNTÜ İŞLEME Ders-1
İLERİ GÖRÜNTÜ İŞLEME Ders- Elektromanyetik Spektrum Görünür Bölge 7 nm 4 nm Temel Kavramlar (Prof. Dr. Sarp ERTÜRK) 9/24/24 2 Hazırlayan: M. Kemal GÜLLÜ Sayısal İmge Gösterimi f x, y imgesi örneklendiğinde
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
DetaylıBilgisayarla Fotogrametrik Görme
Bilgisayarla Fotogrametrik Görme Dijital Görüntü ve Özellikleri Yrd. Doç. Dr. Mustafa DİHKAN 1 Dijital görüntü ve özellikleri Siyah-beyaz resimler için değer elemanları 0-255 arasındadır. 256 farklı durum
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
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
DetaylıGÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ
GÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ GÖRÜNTÜ ALGILAMA Üç temel zar ile kaplıdır. 1- Dış Zar(kornea ve Sklera) 2- Koroid 3- Retina GÖRÜNTÜ ALGILAMA ---Dış Zar İki kısımdan oluşur. Kornea 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
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
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
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 Görüntü Zenginleştirme Spektral Dönüşümler Spektral dönüşümler Kontrast zenginleştirme Doğrusal/Lineer
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
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
DetaylıÖZET Yüksek Lisans Tezi YÜKSEK ÇÖZÜNÜRLÜK İÇİN ÇOKLU GÖRÜNTÜLEME SİSTEMLERİ İLE GÖRÜNTÜ FÜZYONU Sema Nizam ABDULGHANI Ankara Üniversitesi Fen Bilimler
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ YÜKSEK ÇÖZÜNÜRLÜK İÇİN ÇOKLU GÖRÜNTÜLEME SİSTEMLERİ İLE GÖRÜNTÜ FÜZYONU Sema Nizam ABDULGHANI ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI ANKARA
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
Detaylı7. BÖLÜM İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI .= 1 1 + + Genel: Vektörler bölümünde vektörel iç çarpım;
İÇ ÇARPIM UZAYLARI 7. BÖLÜM İÇ ÇARPIM UZAYLARI Genel: Vektörler bölümünde vektörel iç çarpım;.= 1 1 + + Açıklanmış ve bu konu uzunluk ve uzaklık kavramlarını açıklamak için kullanılmıştır. Bu bölümde öklit
DetaylıYrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 Dijital görüntü işlemede temel kavramlar Sayısal Görüntü İşleme; bilgisayar yardımı ile raster verilerin
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
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
DetaylıTarımsal Meteorolojik Simülasyon Yöntemleri ve Uzaktan Algılama ile Ürün Verim Tahminleri ve Rekolte İzleme
Tarımsal Meteorolojik Simülasyon Yöntemleri ve Uzaktan Algılama ile Ürün Verim Tahminleri ve Rekolte İzleme Twente Universitesi ITC Fakultesi, Enschede, Hollanda - 2013 Dr. Ediz ÜNAL Tarla Bitkileri Merkez
DetaylıYüksek Çözünürlüklü Uydu Görüntüleri için Pankromatik Keskinleştirme Yöntemi
Yüksek Çözünürlüklü Uydu Görüntüleri için Pankromatik Keskinleştirme Yöntemi Selçuk SÜMENGEN (a), Çağlar ŞENARAS (a), Ahmet ERDEM (a) (a) HAVELSAN AŞ., 06531, Ankara, ssumengen@havelsan.com.tr csenaras@havelsan.com.tr
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
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
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıGörüntü Segmentasyonu (Bölütleme)
Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 20 Aralık 2014 Cumartesi 1 Görüntü Segmentasyonu 20 Aralık 2014 Cumartesi 2 Gestalt kanunları Görüntü
DetaylıHafta 5 Uzamsal Filtreleme
BLM429 Görüntü İşlemeye Giriş Hafta 5 Uzamsal Filtreleme Yrd. Doç. Dr. Caner ÖZCAN If the facts don't fit the theory, change the facts. ~Einstein İçerik 3. Yeğinlik Dönüşümleri ve Uzamsal Filtreleme Temel
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
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),
DetaylıYHEY2008 DOĞADA YÖN BULMA. Yrd. Doç. Dr. Uzay KARAHALİL
YHEY2008 DOĞADA YÖN BULMA Yrd. Doç. Dr. Uzay KARAHALİL Sunum Akışı Uydu Görüntüleri UYDULAR NASIL ÇALIŞIR? Algılayıcılar Yansıyan Işın Gelen Işın Emilen Işın Geçirilen Işın Pankromatik Görüntü Elektromanyetik
DetaylıYÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDE GEOMETRİK DÜZELTMENİN SINIFLANDIRMA SONUÇLARINA ETKİSİ
YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDE GEOMETRİK DÜZELTMENİN SINIFLANDIRMA SONUÇLARINA ETKİSİ E. Ayhan 1,G. Atay 1, O. Erden 1 1 Karadeniz Teknik Üniversitesi Jeodezi ve Fotogrametri Mühendisliği Bölümü,
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
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
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
DetaylıGÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME
GÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME DERS İÇERİĞİ Histogram İşleme Filtreleme Temelleri HİSTOGRAM Histogram bir resimdeki renk değerlerinin sayısını gösteren grafiktir. Histogram dengeleme
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2016-2017 Öğretim Yılı Bahar Dönemi 1 Geçen ders Mekansal/Konumsal/Geometrik(Spatial resolution) Radyometrik Spektral Zamansal 2 Dijital /Sayısal
DetaylıBÖLÜM-II ERDAS IMAGINE TEMEL KISIM1: IMAGINE VIEWER 1
BÖLÜM-II ERDAS IMAGINE TEMEL KISIM1: IMAGINE VIEWER 1 KISIM 1 ERDAS IMAGINE VIEWER KULLANIMI KISIM1: IMAGINE VIEWER 2 GİRİŞ TERMİNOLOJİ GÖRÜNTÜ NEDİR? UZAKTAN ALGILAMA GÖRÜNTÜLERİN GÖRÜNÜŞÜ GEOMETRİK DÜZELTME
DetaylıOrmancılıkta Uzaktan Algılama. 4.Hafta (02-06 Mart 2015)
Ormancılıkta Uzaktan Algılama 4.Hafta (02-06 Mart 2015) Hava fotoğrafı; yeryüzü özelliklerinin kuşbakışı görüntüsüdür. Hava fotoğrafları, yersel fotoğraf çekim tekniğinde olduğu gibi ait oldukları objeleri
DetaylıSPOT 5 ve Farklı Görüntü Birleştirme Algoritmaları
SPOT 5 ve Farklı Görüntü Birleştirme Algoritmaları Filiz BEKTAŞ BALÇIK, Çiğdem GÖKSEL Özet Görüntü birleştirme terimi ile genellikle, yüksek mekansal çözünürlüklü tek bantlı (Pankromatik- PAN) görüntünün,
DetaylıDijital Görüntü İşleme Teknikleri
Teknikleri Ders Notları, 2013 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 08 Ekim 2013 Salı 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar, kaynaklar.
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
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
DetaylıYrd. Doç. Dr. Saygın ABDİKAN (Grup B) Öğretim Yılı Güz Dönemi
Uzaktan Algılama (JDF439) Çözünürlük kavramı Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) 2016-2017 Öğretim Yılı Güz Dönemi 1 YANSIMA Doğada her nesne farklı yansıma özelliklerine sahiptir 2 Sağlıklı bitki örtüsünün
DetaylıTARIM ALANLARININ UYDU GÖRÜNTÜLERİNDEN GÖRSEL BELİRLENMESİNDE GÖRÜNTÜ ZENGİNLEŞTİRME YÖNTEMLERİNİN ETKİLERİ
TARIM ALALARII UYDU GÖRÜTÜLERİDE GÖRSEL BELİRLEMESİDE GÖRÜTÜ ZEGİLEŞTİRME YÖTEMLERİİ ETKİLERİ Aslı ÖZDARICI, Zuhal AKYÜREK Orta Doğu Teknik Üniversitesi, Jeodezi ve Coğrafi Bilgi Teknolojileri Eğitimi
Detaylı3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası
DetaylıEyüp Ersan SÜLÜN Photoshop CS4 Kullanım Kursu ADOBE PHOTOSHOP KATMAN HARMANLAMA (KARIŞTIRMA) MODLARI
Eyüp Ersan SÜLÜN Photoshop CS4 Kullanım Kursu ADOBE PHOTOSHOP KATMAN HARMANLAMA (KARIŞTIRMA) MODLARI Photoshop ile çalışırken, katmanlar üzerinde kullanılan nesneleri ve renkleri bir biri ile karıştırarak
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
DetaylıYÜKSEK ÇÖZEBİLİRLİKLİ UYDU GÖRÜNTÜLERİNİN BİLGİ İÇERİKLERİNİN KARŞILAŞTIRILMASI
YÜKSEK ÇÖZEBİLİRLİKLİ UYDU GÖRÜNTÜLERİNİN BİLGİ İÇERİKLERİNİN KARŞILAŞTIRILMASI Ferihan ÖZFİDAN, Hüseyin TOPAN, Hakan ŞAHİN, Serkan KARAKIŞ Zonguldak Karaelmas Üniversitesi, Mühendislik Fakültesi, Jeodezi
DetaylıGÖRÜNTÜ İŞLEME UYGULAMALARI. Arş. Gör. Dr. Nergis TURAL POLAT
GÖRÜNTÜ İŞLEME UYGULAMALARI Arş. Gör. Dr. Nergis TURAL POLAT İçerik Görüntü işleme nedir, amacı nedir, kullanım alanları nelerdir? Temel kavramlar Uzaysal frekanslar Örnekleme (Sampling) Aynalama (Aliasing)
DetaylıDİJİTAL UYDU GÖRÜNTÜSÜ Raster Veri
DİJİTAL UYDU GÖRÜNTÜSÜ Raster Veri DİJİTAL UYDU GÖRÜNTÜSÜ Görüntü boyutu Dijital bir görüntü, elemanları, uzaydaki x,y konumlarına karşılık gelen noktaları n f(x,y) parlaklık değerlerini içeren bir matristir.
DetaylıLineer Cebir. Doç. Dr. Niyazi ŞAHİN TOBB. İçerik: 1.1. Lineer Denklemlerin Tanımı 1.2. Lineer Denklem Sistemleri 1.3. Matrisler
Lineer Cebir Doç. Dr. Niyazi ŞAHİN TOBB İçerik: 1.1. Lineer Denklemlerin Tanımı 1.2. Lineer Denklem Sistemleri 1.3. Matrisler Bölüm 1 - Lineer Eşitlikler 1.1. Lineer Eşitliklerin Tanımı x 1, x 2,..., x
DetaylıGÖRÜNTÜ BİRLEŞTİRME İŞLEMLERİNDE KONUMSAL-SPEKTRAL KALİTE DEĞERLENDİRMESİ VE KIYI ÇİZGİSİ BELİRLEMEDEKİ YERİ
GÖRÜNTÜ BİRLEŞTİRME İŞLEMLERİNDE KONUMSAL-SPEKTRAL KALİTE DEĞERLENDİRMESİ VE KIYI ÇİZGİSİ BELİRLEMEDEKİ YERİ Eminnur Ayhan 1, Osman İyimaya 2, Erkan Köksoy 3, Gülçin Atay 4 1 KTÜ Harita Mühendisliği Bölümü,
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
DetaylıÖZDEĞERLER- ÖZVEKTÖRLER
ÖZDEĞERLER- ÖZVEKTÖRLER GİRİŞ Özdeğerler, bir matrisin orijinal yapısını görmek için kullanılan alternatif bir yoldur. Özdeğer kavramını açıklamak için öncelikle özvektör kavramı ele alınsın. Bazı vektörler
DetaylıBLG325.1 SINYAL ISLEME DERSİ BİLGİ PAKETİ. Haftalık Ders Planı
Düzey : Lisans Ders Kodu : BLG325.1 Ders Adı : SINYAL ISLEME BLG325.1 SINYAL ISLEME DERSİ BİLGİ PAKETİ lık Ders Planı 1 : İşaret ve sistem tanımı, ayrık zamanlı ve sürekli zamanlı sistemler, ayrık değerli
DetaylıHiperspektral ve pankromatik uydu görüntülerinin birleştirilmesi: Görsel ve İstatistiksel Analiz
Hiperspektral ve pankromatik uydu görüntülerinin birleştirilmesi: Görsel ve İstatistiksel Analiz Müfit ÇETİN 1*, Nebiye MUSAOĞLU 2 1 Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve Fotogrametri Mühendisliği
DetaylıUydu Görüntülerinin. Rektifikasyon ve Registrasyonu. Hafta - 5
Uydu Görüntülerinin Rektifikasyon ve Registrasyonu Hafta - 5 1 Rektifikasyon Uydulardan veya uçaklardan elde edilen ham uzaktan algılama görüntüleri Dünya nın düzensiz yüzeyinin temsilidir. Nispeten dümdüz
DetaylıJDF821 UZAKTAN ALGILAMA GÖRÜNTÜLERİNDEN DETAY ÇIKARIMI Sunu2
JDF821 UZAKTAN ALGILAMA GÖRÜNTÜLERİNDEN DETAY ÇIKARIMI Sunu2 Yrd. Doç. Dr. Aycan M. MARANGOZ FOTOGRAMETRİ ANABİLİM DALI SUNULARI http://jeodezi.beun.edu.tr/marangoz 2012-2013 Öğretim Yılı Bahar Dönemi
DetaylıUzaktan Algılamanın. Doğal Ekosistemlerde Kullanımı PROF. DR. İ BRAHİM ÖZDEMİR SDÜ ORMAN FAKÜLTESI I S PARTA
Uzaktan Algılamanın Doğal Ekosistemlerde Kullanımı PROF. DR. İ BRAHİM ÖZDEMİR SDÜ ORMAN FAKÜLTESI I S PARTA 1 Uzaktan Algılama Nedir? Arada fiziksel bir temas olmaksızın cisimler hakkında bilgi toplanmasıdır.
DetaylıDoç. Dr. Harun KESENKAŞ Ege Üniversitesi Ziraat Fakültesi Süt Teknolojisi Bölümü
Doç. Dr. Harun KESENKAŞ Ege Üniversitesi Ziraat Fakültesi Süt Teknolojisi Bölümü İnovasyon Ne Demektir? Latince innovare kökünden türetilmiş yeni ve değişik bir şey yapmak anlamına gelen bir terimdir.
DetaylıDijital Fotogrametri
Dijital Fotogrametri 2016-2017, Bahar YY Fevzi Karslı (Prof. Dr.) Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 20 Mart 2017 Pazartesi Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, kavramlar,
DetaylıIKONOS uydu görüntüleri ile yeni bir görüntü kaynaştırma yöntemi **
UCTEA Chamber of Surveying and Cadastre Engineers Journal of Geodesy and Geoinformation TMMOB Harita ve Kadastro Mühendisleri Odası Jeodezi ve Jeoinformasyon Dergisi Cilt Sayı ss. 75-8 Mayıs 202 www.hkmodergi.org
DetaylıHAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ
Akdeniz Üniversitesi Uzay Bilimleri ve Teknolojileri Bölümü Uzaktan Algılama Anabilim Dalı HAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ Dr.Nusret
DetaylıSPOT 5 VE FARKLI GÖRÜNTÜ BİRLEŞTİRME ALGORİTMALARI
TMMOB Harita ve Kadastro Mühendisleri Odası 12. Türkiye Harita Bilimsel ve Teknik Kurultayı 11 15 Mayıs 2009, Ankara SPOT 5 VE FARKLI GÖRÜNTÜ BİRLEŞTİRME ALGORİTMALARI F. Bektaş Balçık, Ç. Göksel İTÜ,
DetaylıBölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme Dr. Öğr. Üyesi Caner ÖZCAN It makes all the difference whether one sees darkness through the light or brightness through the
DetaylıUYDU VERİLERİNİN FARKLI YÖNTEMLERLE KARILMASI VE SONUÇLARIN KARŞILAŞTIRILMALARI
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon ÖZET UYDU VERİLERİNİN FARKLI YÖNTEMLERLE KARILMASI VE SONUÇLARIN KARŞILAŞTIRILMALARI
Detaylı