Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) Öğretim Yılı Güz Dönemi
|
|
- Ufuk Deliktaş
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Uzaktan Algılama (JDF439) Görüntü İyileştirme, Geometrik Düzeltme Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) Öğretim Yılı Güz Dönemi 1
2 Görüntü Zenginleştirme Görüntü zenginleştirmede amaç; Görsel analiz için görüntülerin algılanabilirliğini veya yorumlanabilirliğini arttırmak ve/veya diğer otomatik görüntü işleme tekniklerine daha iyi girdi görüntüsü sağlamaktır. Bu amaca yönelik olarak Spektral Mekânsal dönüşümler kullanılmaktadır.
3 Görüntü Zenginleştirme Spektral Dönüşümler Spektral dönüşümler, görüntünün spektral bilgi içeriğini değiştirirler. Ancak, Bu değişimde görüntüye yeni bir bilgi eklenmez sadece mevcut bilgi daha yararlı olacak şekilde farklı bir yapıda sunulur. Bu bağlamda her bir spektral dönüşüm farklı bir özellik uzayı oluşturur.
4 Görüntü Zenginleştirme Spektral Dönüşümler Özellik uzayı, sınıflandırma gibi üst seviye dijital görüntü analizlerinin etkin bir şekilde yapılabilmesi için kullanılan görüntüye ait her türlü bilgidir. Spektral dönüşümler aşağıdaki 3 temel başlıkta incelenebilir Kontrast zenginleştirme Aritmetik bant işlemleri Ana bileşen dönüşümü
5 Spektral Dönüşümler Kontrast Artırımı İnsan beyni objelerin mekânsal özelliklerini yorumlamada ve detayları tespit etmede mükemmel performans gösterir. Mekânsal birçok detay spektral karakteristiklerin niceliksel karşılığı olan radyometrik özelliklerine göre fark edilir. Radyometrik verideki çok küçük farklar bile anlamlı detaylara karşılık gelebilir.
6 Spektral Dönüşümler Kontrast Artırımı Ancak, İnsan gözü radyometrik anlamda farklı gri tonu ve yaklaşık 100 farklı rengi birbirinden ayırt edebilir. Kontrast zenginleştirme yöntemleri, görüntüdeki değişik özellikler arasındaki parlaklık değerlerine dayalı ayırt edilebilirliği arttırmak için kullanılır. Kontrast zenginleştirme, temelde görüntü histogramının değiştirilmesi işlemidir. Bu yaklaşımla görüntünün mevcut yansıtım değer aralığı olası bütün dinamik aralığa yayılır.
7 Spektral Dönüşümler Kontrast Artırımı Görüntünün kontrastını geliştirmek için kullanılan en yaygın teknikler; Doğrusal/Lineer kontrast artırımı ve Doğrusal olmayan Histogram eşitleme Normal (Gauss) yayma metodu da kontrast zenginleştirmesinde tercih edilen diğer yöntemlerden biridir.
8 Spektral Dönüşümler Kontrast Artırımı (Minimum-Maximam Linear Contrast Stretch) Lineer Kontrast Artırımı: En basit kontrast zenginleştirme yöntemidir. Histogramdan orijinal görüntünün minimum ve maksimum degerleri belirlenir ve bu aralık dinamik aralığın tamamına yayılacak şekilde aşağıdaki eşitlik kullanılarak dönüştürülür.
9 Spektral Dönüşümler Kontrast Artırımı Lineer Kontrast Artırımı
10 10
11 60, 80 ve 200 DN değerlerinin Lineer kontrast artırımı sonrasındaki çıktı değerleri nedir? (0, 255) 60 [(60-40)/(200-40)]x255=32 80 [(80-40)/(200-40)]x255= [(200-40)/(200-40)] x255=255 11
12 Yüzde aralığı Percentage Linear Contrast Stretch Histogram ortalamasının belirli bir yüzdesi içinde yer alan pikseller için tanımlı min. ve mak. değerlerini kullanır Ortalamadan itibaren standart sapma kullanılarak min. ve mak. değerlere kadar olan kısımlar hariç tutulur 12
13 13
14 Parça parça lineer kontrast germe Piecewise Linear Contrast Stretch Histogramı normal dağılımlı olmayan (bimodal, trimodal..) görüntüler için kullanılır Küçük min-mak yayma serisi oluşturulur 14
15 Lillesand, Kiefer and Chıpman, Remote Sensing and Image Interpretation 15
16 Lillesand, Kiefer and Chipman, Remote Sensing and Image Interpretation 16
17 Spektral Dönüşümler Kontrast Artırımı - Histogram Eşitleme: Bu yöntemde amaç, çıktı görüntü histogramının eşdağılımda (uniform) olmasını yani her bir parlaklık seviyesi için yaklaşık aynı sayıda piksel bulunmasını amaçlar. Görüntü parlaklık değerleri ayrık değerler olduğu için eşitleme işlemi sırasında herhangi bir parlaklık seviyesine çok fazla sayıda piksel girebilir. Ancak histogram, yansıtım değerlerinin mekânsal konumuyla ilgili bilgi içermediğinden, bu seviyedeki pikselleri birbirinden ayırt etmek imkânsızdır. Diğer bir deyişle birçok piksel birkaç parlaklık seviyesinde toplanabilir. Genelde çok nadiren tamamen uniform bir sonuç histogramı elde edilir.
18 Dijital verinin depolanması ve/veya iletilmesi için ortalama kaç bit e ihtiyaç duyulacağını ifade eder. Dijital bir görüntüye uygulandığında, görüntüdeki dokuyu (parlaklık değeri değişim karakteristiği) karakterize etmek için kullanılabilecek bir istatistiksel rastlantısallık ölçüsüdür.
19 Histogramı verilen 0-9 gri değer aralıklı 60x60 lık bir görüntüyü ele alalım: 19
20 1.Görüntüye ait histogramda her bir sütunda tekrarlanan piksel sayısının görüntüdeki yüzdesi hesaplanır. 20
21 2. Birikimli yüzde oranları hesaplanır. 21
22 3. Gri değer aralıklarına ait oranlar hesaplanır. Örnekteki görüntüde gri değer aralığı 10 dur. Buna ilişkin oranlar ise: T 0 0/9= 0.00 T 1 1/9= 0.11 T 2 2/9= 0.22 T 3 3/9= 0.33 T 4 4/9= 0.44 T 5 5/9= 0.56 T 6 6/9= 0.67 T 7 7/9= 0.78 T 8 8/9= 0.89 T 9 9/9=
23 4.Birikimli yüzde oranları ile gri değer aralıklarına ait oranlar karşılaştırılır. 23
24 24
25 25
26 Lineer kontrast germe Histogram eşleme 26
27 Spektral Dönüşümler Kontrast Artırımı Normal (Gauss) Yayma: Bu yöntemin histogram eşitleme yönteminde uygulanan işlemlerden tek farkı hedef histogramının eşdağılımlı olması yerine Normal (Gauss) dağılım eğrisine benzer şekilde oluşturulmasıdır. Dolayısıyla her bir parlaklık değeri için hedef frekans değerleri Gauss (Normal) Olasılık Yoğunluk fonksiyonuna göre hesaplanacak yüzde değerleri kullanılarak elde edilir. Olasılıklar, 0 ortalamalı ve 1 standart sapmalı Standart Normal dağılıma göre hesaplanır.
28 Spektral Dönüşümler Kontrast Artırımı =2.5 =5.0 =50 =150 Normalizasyon Normalizasyon x- Z= X=x1, x2, xn =1 Z= y- y=y1, y2, nn =0
29 Spektral Dönüşümler Kontrast Artırımı
30 30
31 31
32 32
33 33
34 34
35 Orijinal görüntü Görüntü eşleme Lineer kontrast Gauss kontrast 35
36 Spektral Dönüşümler Aritmetik Bant İşlemleri Tek veya farklı kaynaklardan gelen görüntü bantlarının, uygun matematiksel yöntemlerle yeni bir özellik uzayına dönüştürülmesi işlemidir. En temel dönüşüm yöntemleri basit aritmetik işlemleri ve bant oranlamasıdır
37 Spektral Dönüşümler Aritmetik Bant İşlemleri Örneğin 2 farklı görüntüdeki piksellerin birbirinden çıkartma işlemi değişim özelliklerinin vurgulanması için sıklıkla kullanılan basit bir aritmetik işlem yöntemdir.
38 Spektral Dönüşümler Bant Oranlama Aynı yüzeye ait parlaklık değerleri topoğrafik eğim, gölge, atmosferik değişim yada mevsimsel değişimden dolayı farklı olabilmektedir Bant oranlama bu etkilerin azaltılması için kullanılır, ayrıca toprak ve bitkinin birbirinden ayrılmasını sağlar P i, j, oran P P i, j, k i, j, l - Pi,j,k orijinal görüntünün k bandıdaki parlaklık değeri - Pi,j,l orijinal görüntünün l bandıdaki parlaklık değeri -Pi,j,oran çıktı görüntünün parlaklık değeri 38
39 Spektral Dönüşümler Bant Oranlama Diğer bir basit yaklaşım bant oranlamasıdır. Bu yaklaşımla spektral yansıtım eğrisinin eğimlerindeki değişkenlik vurgulanır. Normalde bu değişimler bantlar bağımsız ele alındığında görülemezler. Oranlama yaklaşımı ayrıca topoğrafik etkenlere bağlı olarak oluşan aydınlanma farklılıklarını da azaltır. Birçok oran uygulaması içinde en yaygın kullanılan bant oranlaması, bitki örtüsü indeksidir (VI);
40 Spektral Dönüşümler Bant Oranlama Bu oranın hesaplanabilmesi, algılayıcıdan bağımsız olarak ilgili spektral bölgelerde algılamanın (ölçmenin) yapılmasına bağlıdır. Paydanın sıfır olması problemine karşı geliştirilen Normalize Edilmiş Bitki Örtüsü indeksi (NDVI) uygulamada daha yaygın olarak kullanılmaktadır: Bu yaklaşım matematiksel olarak daha tutarlıdır. Normalize edilmiş oran değerleri [-1, +1] aralığındadır.
41 41
42 NOAA AVHRR NDVI Nisan Aralik
43 Normalized Difference Water Index NDWI Yeşil bant Yakın kızıl ötesi NDWI= Yeşil bant+yakın kızıl ötesi NDWI= NIR SWIR NIR+SWIR 43
44 Tarım alanına ait Doğal renkli (Red-Green-Blue), yapay/yanlış renkli (NIR-Red- Green) görüntüsü, kuzey-batı Peloponese, Greece, LANDSAT TM. NDVI NDWI [ NDWI = (NIR - SWIR) / (NIR + SWIR) ] 44
45 45
46 Landsat uydusu için indeksler Bitki indeksi: NIR/Red Demir oksit: Red/Blue Kil mineralleri: SWIR1/SWIR2 (5/7) Demirli mineraller: SWIR1/NIR Bitkiler NIR bantta yüksek yansıtım gösterirken görünür bölgede enerji yutulur Bitki strese girdiğinde görünür bölgede yutulma azalırken NIR bantta yutulma artar 46
47 47
48 Tek band (Mavi) yüzeyin farklı aydınlanmasından dolayı güçlü topografya sunar 48
49 band3/band2 Aydınlanma etkisi azalır ve farklı kaya türleri açığa çıkar 49
50 5/2 demir oksit 7/4 hydroxyls 50
51 3/2, 5/2, 7/4, RGB 51
52 Spektral Dönüşümler Ana Bileşen Dönüşümü Çok spektrumlu görüntülemede ölçülen toplam spektral bilgi, bantlar arasında paylaştırılmıştır. Genellikle toplam spektral bilginin bir kısmı değişik oranlarda bantlar arasında tekrarlanır. Matematiksel ifadeyle, bantlar birbirleriyle korelasyonludur ve bundan dolayı benzer bilgiler içerirler. Şekil de, bir görüntünün mavi ve kırmızı bantları arasındaki saçılım diyagramı ve aralarındaki lineer ilişki verilmiştir. Bantlar arasındaki korelasyon katsayısı 0.96 olarak hesaplanmıştır. Bu değer, saçılım grafiğiyle tutarlı bir şekilde pozitif oldukça güçlü bir doğrusal ilişkiyi göstermektedir 52
53 Bu dönüşüm, farklı disiplinlerce çok değişkenli (çokboyutlu) verilerin analizinde (multivariate analysis) kullanılmaktadır. Çok değişkenli analiz konusu, iki veya daha çok boyutlu rasgele değişkenleri bir bütün olarak ele alan ve değişkenler arasındaki ilişkileri göz önünde tutarak,bütünsel bir sonuç üreten istatistiksel tekniklerden meydana gelmektedir. Ç. Göksel-N. Musaoğlu, Veri entegrasyonu ders notu
54 Çok değişkenli verilerin analizinde, bütüncül istatistiksel sonuçlar üretmenin ötesinde, çok değişkenli veri kümesinin yapısını tanımlamaya yönelik veri-çözümleme Ana bileşenler dönüşümü (Principal Components Transformation ); aralarında yüksek korelasyon bulunan çok değişkenli verileri, aralarında korelasyon olmayan yeni bir koordinat sistemine dönüştüren doğrusal bir dönüşümdür. Dönüşümden sonra, veriler arasında korelasyon ortadan kalkar. 54
55 Ana bileşenler dönüşümü, fotogrametri ve uzaktan algılamada; Görüntü sıkıştırmada (image compression), Görüntü iyileştirmede (image enhancement), Üçten fazla bantla algılanmış görüntülerin ekranda gösterilmesinde, Değişim belirlemede (change detection), Görüntü çakıştırılmasında (image merging), Sınıflandırma öncesinde sınıflandırmaya sokulacak bant sayısının azaltılmasında, Özellik çıkarımında vs.kullanılmaktadır. 55
56 Ana bileşenler yöntemi uzaktan algılama verisini işlemede kullanılan veriye bağımlı, istatistiksel bir yöntemdir. Bu yöntemde verinin istatistiksel değerlendirmelerinden yararlanarak görüntü yeniden oluşturulmaya çalışılır. İstatistiksel yöntemler kullanılarak veri içerisindeki benzerlikler ve farklılıklar vurgulanmaktadır. 56
57 Ana bileşenler dönüşümü, çok spektrumlu verilerdeki veri fazlalılığını kaldırmak veya azaltmak, Başka bir deyişle benzer olan kanalları bastırmak veya göze daha yorumlanabilir olan yeni kanal verilerini oluşturmak amacıyla geliştirilmiş bir görüntü zenginleştirme işlemidir. Veri Sıkıştırma tekniğidir. Bilgi kaybı olmaksızın daha az sayıda veri bitinin iletimini ve depolanmasını mümkün kılar. Veri özetleme yöntemidir. Gereksiz verilerin boyutları küçültülerek bantlarda daha az yer kaplamaları sağlanır 57
58 Spektral kanallar arasındaki spektral duyarlılığın çakışması neticesinde korelasyon oluşabilir Örneğin, bitki örtüsünün yoğun olduğu bir bölgenin çok bandlı görüntüsünde, görünür kırmızı band ile yakın-kızılötesi band arasında negatif korelasyon olmasına karşın, Görünür mavi band ile görünür yeşil band arasında pozitif korelasyon olacaktır. 58
59 Ana bileşenler dönüşümü ile verinin boyutu azaltılır ve orijinal görüntüdeki bantlar daha az sayıda banda sıkıştırılır. Bu istatistiksel işlemler sonucunda oluşan yeni bantlara ana bileşenler denir. Bu işlemde az sayıda bileşenle daha fazla bilgi elde edilir. Ana bileşenler dönüşümü ile 7 bantlık görüntü, 3 bantlı bileşene dönüştürülüp boyutsallık indirgenir ve bilgi oranı arttırılır. Mevcut bilgi korunarak, bant sayısı azaltılmaktadır 59
60 60
61 Yöntem, minimum korelasyonlu bilgileri sıkıştırarak veri grubu hakkında maksimum bilginin çıkarılmasını sağladığı için, çok kanallı verilere görsel yorumlama veya sınıflandırma öncesi uygulandığında, verilerden bilgi çıkarılmasını kolaylaştırmaktadır. Dönüşümde, uydu görüntülerindeki parlaklık değerleri, yeni bir koordinat sisteminde yeniden hesaplanır. n kanallı orijinal veri dizisinde mevcut olan tüm bilgiler n den daha az sayıda ki yeni kanallara veya bileşenlere sıkıştırılır. Elde edilen ana bileşen verileri,orijinal veri değerlerinin basit bir lineer kombinasyonudur. 61
62 Spektral Dönüşümler Ana Bileşen Dönüşümü Ana bileşen dönüşümünde amaç, bilgi tekrarı olmayan korelasyonsuz (birbirine ortogonal) bileşenler elde etmektir. Elde edilen bileşenlerin bağımsız olmaları, orijinal verinin çok boyutlu Normal (Gauss) dağılımına uygun olmasına bağlıdır. Dönüşüm sonucu, orijinal bantların lineer bir kombinasyonudur: 62
63 Spektral Dönüşümler Ana Bileşen Dönüşümü N bantlı bir görüntüde; Ki ler orijinal bantları ve i ler ana bileşenleri göstermektedir. aij ler ise dönüşüm katsayılarıdır. Bu katsayılar, birbirine ortogonal ve normalize edilmiş x özvektörlerinden oluşur. Bu nedenle dönüşüm ortogonaldir. Temel matematiksel prensip, sıfırdan farklı bir x vektörünün herhangi bir C kare matrisiyle (özel olarak simetrik matris) çarpımının bu x vektörüyle orantısal olmasıdır. Yani Cx çarpım vektörüyle x vektörü aynı doğrultuda ancak farklı büyüklüğe (norma) sahiptirler. Bu iki vektör arasındaki oran değeri α skaleriyle gösterilir. Bu durum şu eşitlik ile ifade edilir: 63
64 Spektral Dönüşümler Ana Bileşen Dönüşümü Çok spektrumlu uydu görüntüleri için C matrisi, merkeze ötelenmiş çok bantlı görüntü verisinin simetrik varyanskovaryans matrisidir. skalerine özdeğer ve x vektörüne bu özdeğerlere karşılık gelen özvektör denir. Görüntü bant sayısı kadar ve x vektörü elde edilir. değerleri her bir ana bileşenin taşıdığı bilgi içeriğinin yani varyansının bir ölçüsüdür. 64
65 Spektral Dönüşümler Ana Bileşen Dönüşümü Ana bileşenler, büyük varyans değerine sahip bileşenden küçük varyanslı bileşene doğru sıralanır. Böylece en büyük varyans (veri değişkenliği) 1. ana bileşende ve daha sonra 2. ana bileşende olacak şekilde devam eder. Genellikle bu işlem sonucunda tüm ana bileşenler yerine toplamda veri değişkenliğinin yaklaşık %90-95 lik kısmını içeren ana bileşenler dikkate alınarak veri boyutunda etkin indirgeme sağlanır. 65
66 Spektral Dönüşümler Ana Bileşen Dönüşümü Orijinal 3 bantlı görüntünün kırmızı ve mavi bantlarına uygulanan ana bileşen dönüşümü sonuçları verilmektedir. Birinci ana bileşen tüm verinin yaklaşık %98 ini içermektedir. 66
67 PCA örnek 67
68 68
69 69
70 70
71 71
72 72
73 Görüntü Keskinleştirme (Pansharpening/Image fusion) Uzaktan algılama uygulamalarında 4 farklı çözünürlük tipi incelenebilir. Spektral Mekansal (Uzaysal/Konumsal) Radyometrik Zamansal 73
74 Uzaktan algılama görüntülerinden pankromatik bantlarının mekansal çözünürlüğü yüksek, multispektral bantlarının ise spektral çözünürlüğü yüksek buna karşın mekansal çözünürlüğü düşük. 74
75 Görüntü birleştirme teknikleri pankromatik görüntünün yüksek mekansal çözünürlüğü, multispektral görüntülerin yüksek spekral çözünürlüğüne, sahip yeni bir multispektral görüntü elde edilmektedir. 75
76 Mekansal + Spektral panchromatic & Yüksek geometrik çözünürlük multi-/hyperspectral görüntü& Düşük geometrik çözünürlük multi-/hyperspectral & Yüksek geometrik çözünürlük
77 IHS dönüşümü IHS Dönüşümü en çok kullanılan yöntemlerden birisidir RGB renk bilgisi IHS dönüşümü ile IHS (Intensity (Parlaklık/yansıma şiddeti), Hue (renk) ve Saturation (Doygunluk)) bilgisine dönüştürülür Intensity değeri I (= (R + G + B)/3) pankromatik bant ile değiştirilir Ters dönüşüm ile RGB değeri tekrar hesaplanır 77
78 78
79 Ana Bileşen Analizi Yöntemi (PCA) IHS yöntemine benzer PCA dönüşümü ile RGB birinci, ikinci ve üçüncü ana bileşenlere ayrılır (PC1, PC2, PC3...), PC1(ilk ana bileşen) panromatik bant ile değiştirilir Ters dönüşüm ile RGB değere dönüşüm yapılır 79
80 Ikonos: a) Intensity, b) PC1, c) PAN 80
81 Brovey Dönüşümü 81
82 Renk distorsiyon sorunu Pankromatik bant farklı bir spektral hassasiyete sahip Multi algılayıcı farkları (örn. Ikonos ve SPOT yada SPOT ve Landsat birleşimi) Pankromatik ve multispektral görüntüler arasındaki zamansal (mevsimsel) değişimler
83 Spectral karşılaştırma yöntemleri Görsel (yapısal ve renk korunum) RMSE RMSE s bias org x s org bias fused x fused 2 2 s = standard deviation org = Original image fused = Fused image x = Mean Korelasyon katsayısı Cov( x, y) Kor( x, y) Var ( x) Var ( y) 83
84 84
85 MODIS 143 (250m) SPOT PAN (10m) IHS PCA Brovey dönüşümü 85
86 Geometrik düzeltme Geometrinin önemi Görüntü eşleme Yeniden örnekleme (resampling) 86
87 Karşılaştırma amaçlı; Çok bantlı görüntüler Çoklu algılayıcı kullanımı (Görüntü Keskinleştirme - Pansharpening/Image fusion) Çoklu sistemler Çok zamanlı analiz 87
88 GEOMETRİK DÖNÜŞÜM Geometrinin önemi Uzaktan algılama verilerinin harita amaçlı kullanımında Raster-vektör verilerinin entegrasyonunda Faklı uydu verilerinin birleştirilmesinde Coğrafi konumun önem taşıdığı çalışmalarda Coğrafi Bilgi Sistemleri için veri tabanı hazırlanacak ise Doğru uzunluk ve alan ölçmelerinin belirlenmesinde Sınıflandırmada harita koordinatlarına göre test alanlarının belirlenmesinde vs. (Kaya, vd. 2002). 88
89 Coğrafi Bilgi Sistemi Geographical Information System-GIS 89
90 Geometrik Dönüşüm-Rektifikasyon Haritalar, belirli matematiksel kartografik ve jeodezik projeksiyon kurallarına göre düzlem bir altlık üzerine izdüşürülen ve her noktasında uniform ölçeğe sahip olan yeryüzünün gösterimidirler. Dijital görüntüler, değişik sebeplerden kaynaklanan geometrik distorsiyonlardan dolayı doğrudan harita gibi kullanılamazlar. 90
91 Diğer bir ifade ile görüntüyü oluşturan piksellerin temsil ettikleri coğrafi alanların arasındaki uzaklıklar, görüntüde uniform olmayan bir şekilde hatalı olarak gösterilir. Bunun sonucu cisimlerin şekil, büyüklük ve konum gibi özellikleri görüntü düzleminde bozulur. Uydu görüntü verilerinin bu distorsiyonlar için düzeltilerek bir harita projeksiyon sistemiyle tutarlı hale getirilmesi işlemine rektifikasyon adı verilir. 91
92 Geometrik Dönüşüm-Rektifikasyon Rektifikasyon işlemi sonrasında piksellerin geometrik konumlarının yanı sıra radyometrik (parlaklık) değerleri de değişmektedir. Geometrik distorsiyonlar genel olarak aşağıda belirtilen faktörlerden kaynaklanmaktadır: Bazı algılayıcıların geniş bakış alanı Görüntü elde edilirken Dünya nın dönüşü Yeryüzü eğriselliği (geniş alanlar) Uydu platformunun konum, durum ve hızındaki değişimler Görüntüleme geometrisiyle ilişkili panoramik etkiler Topoğrafik rölyef etkisi 92
93 Geometrik Dönüşüm-Rektifikasyon Geometrik distorsiyonların görüntünün bütününde aynı anda giderilmesinde kullanılan genel olarak iki yaklaşım söz konusudur: 1. yaklaşım: Görüntünün piksel piksel topoğrafik distorsiyonları düzeltilerek, harita gibi ortografik izdüşüm özelliğine sahip bir duruma getirilmesi işlemin olan ortorektifikasyon dur sistematik bir yaklaşım distorsiyon düzeltmeleri distorsiyonun türü ve büyüklüğünün modellenmesiyle hesaplanır. Bu yaklaşım distorsiyonun tipi (örn. uydu konumu, durumu, tarama açısı, Dünya nın dönüşü,bakış oranı, panoramik etki, vb.) iyi karakterize edilebildiğinden çok etkili olmaktadır. Topoğrafik rölyefe bağlı geometrik distorsiyonların düzeltilmesi için yeryüzünün Dijital Yükseklik Modeli gereklidir. 93
94 94
95 95
96 96
97 Geometrik Dönüşüm-Rektifikasyon 2. yaklaşım: İkinci yaklaşımda distorsiyonlu görüntüdeki piksellerin koordinatları ile bunların karşılık geldiği arazideki koordinatları arasında (harita yardımıyla) matematiksel bağlantı kurulur. distorsiyonun tipi ve kaynağı hakkında herhangi bir bilgiye gerek olmaksızın görüntü geometrisi düzeltilir. platformdan bağımsız ve ilk etapta en çok tercih edilen bir yaklaşımdır. Bu matematiksel ilişkilendirme yaklaşımı distorsiyonların fiziksel modellendiği birinci yaklaşımla birlikte hibrit (melez) olarak da kullanılabilir. Birinci yaklaşımla algılayıcı, uydu platformu ve yeryüzü kaynaklı distorsiyonlar düzeltildikten sonra geriye kalan artık distorsiyonlar ikinci yaklaşımla düzeltilebilir. 97
98 Geometrik Dönüşüm-Rektifikasyon Hangi yaklaşım kullanılırsa kullanılsın görüntülerin geometrik düzeltilmesinde genel olarak 3 aşamalı bir süreç uygulanır: 1. Uygun matematiksel hata düzeltme modelinin seçimi 2. Koordinat dönüşümü veya belirlenen modelin kullanımı 3. Parlaklık değerlerinin yeniden örneklenmesi Distorsiyon tipinin modellenmediği ikinci yaklaşımda, koordinat dönüşüm modelleri iki eksen için ayrı ayrı elde edilir: u = f (x,y) v = g (x,y) 98
99 Geometrik Dönüşüm-Rektifikasyon En çok kullanılan dönüşüm modelleri polinom fonksiyonlardır. 1. dereceden tek değişkenli polinom: f(x) = a 0 + a 1 x 2. dereceden tek değişkenli polinom: f(x) = a 0 + a 1 x + a 2 x 2 Görüntü iki boyutlu olduğu için dönüşüm modelleri de iki boyutlu olmak zorundadır. Dönüşüm modeli olarak kullanılacak iki değişkenli polinomun genel matematiksel eşitliği; dir, burada; N; polinomun derecesi, a ve b katsayıları; model parametreleri 99
100 100
101 GEOMETRİK DÖNÜŞÜM Geometrik düzeltme işlemi geometrik registration process) Görüntüden haritaya (image-to-map registration) Görüntüden görüntüye (image-to-image registration) 101
102 Geometrik Dönüşüm-Rektifikasyon 102
103 GEOMETRİK DÖNÜŞÜM Yer Kontrol Noktası (YKN/GCP) Görüntünün geometrik düzeltme işlemleri (geometric registration process) için görüntü üzerine iyi dağılmış yer kontrol noktaları belirlenir. Homojen dağılmış, konumu belirgin yer kontrol noktaları (GCP.ler) ile bu noktaların harita karşılıkları arasındaki matematiksel bağıntı kurularak giderilir [Richards,1993]. yol kesişmeleri farklı kıyı çizgisel özellikleri keskin görünen detaylar 103
104 Geometrik Dönüşüm-Rektifikasyon Hangi polinom derecesinin kullanılacağına dair fiziksel bir gerekçe yoktur. Uçak platformlarına kıyasla daha stabil bir platformdan alınan uydu görüntüleri için bakış alanının büyük ve topoğrafik rölyef etkisinin küçük olması durumunda genellikle 1. veya 2. dereceden polinomların kullanımı yeterlidir. Özellikle sistem parametrelerine göre sistematik modellerle düzeltilmiş görüntülerin rektifikasyonunda 1. dereceden polinomlar uygundur. 104
105 Geometrik Dönüşüm-Rektifikasyon Polinomun derecesi ölçülmesi gereken en az YKN sayısını belirler. 1. dereceden polinom dönüşümü için 6 bilinmeyen (a0, a1, a2, b0, b1, b2) 2. dereceden dönüşüm için toplam 12 bilinmeyen model parametresi vardır. Bunlara göre her bir YKN nin u ve v görüntü koordinatları için iki ayrı eşitlik yazılabildiğinden 1. derece dönüşüm için en az 3 tane ve 2. derece dönüşüm için en az 6 tane YKN ölçülmelidir. 105
106 GEOMETRİK DÖNÜŞÜM Yer koordinat sistemleri ile görüntü koordinat sistemleri arasındaki bağıntıyı sağlayan 1.derece lineer transformasyon eşitliklerinin matematiksel gösterimi x = f1 (X,Y) (1) y = f2 (X,Y) (2) ile ifade edilir. f1,f2 : Transformasyon fonksiyonları, x,y : Görüntü koordinatları ( satır,sütun), X,Y: Yer koordinatları (Referans sisteminde) Genel gösterimiyle t. dereceden bir polinom şöyle ifade edilir; X = a0 + a1x + a2y + a3x2 + a4xy a n y t (3) Y = b0 + b1x + b2y + b3x2 + b4xy b n y t (4) 106
107 Eğer bilinmeyen (model parametresi) sayısından daha fazla sayıda ölçü (YKN) varsa En Küçük Kareler yöntemi kullanılarak bilinmeyenlerin en olasılıklı değerleri hesaplanmalıdır. Dönüşümün doğruluğu; YKN sayısına, YKN dağılımına, Dönüştürülecek noktaların ağırlık merkezine olan uzaklıklarına bağlıdır. 107
108 GEOMETRİK DÖNÜŞÜM KOH Dönüştürülen görüntü koordinatları ve buna karşılık gelen referans koordinatları arasındaki dönüşümün doğruluğunu test etmek için aynı noktanın konumları arasındaki uzaklık hesaplanır [Erdas Field Guide,1991]. Bu uzaklık Karesel Ortalama Hata (KOH) olarak adlandırılır. 108
109 GEOMETRİK DÖNÜŞÜM KOH R X = R Y = n 1 n i=1 n 1 n i=1 X 2 R i Y 2 R i RMSE = R x 2 + R y 2 RX, RY : x ve y yönlerindeki KOH. RMSE: Karesel ortalama hata. XRi, YRi : i. yer kontrol noktasının düzeltme değeri. n: yer kontrol noktası sayısı. 109
110 GEOMETRİK DÖNÜŞÜM Uzaktan algılama verilerinin geometrik dönüşümünde maksimum hata piksel boyutunun yarısı olarak alınır [Welch ve Usery,1984]. Landsat 5 TM için bu değer ± 15 m.(0.5 piksel) Spot P için ± 5 m.(0.5 piksel) IRS 1C P ± 2.5 m.(0.5 piksel) 110
111 Geometrik Dönüşüm-Rektifikasyon YKN ler iyi tanımlanmışı, mekânsal olarak küçük, olabildiğince aynı yükseklikte, zamanla değişmeyen yapay veya doğal yeryüzü noktalarıdır. Yol kesişimleri, tarımsal alanların köşeleri, dalga kıran ve limanlar örnek olarak verilebilir. Polinomun derecesi ölçülmesi gereken en az YKN sayısını belirler. 111
112 112
113 113
114 114
115 115
116 116
117 Topan H. 2016, Konumsal Bilişim Kurs notları
118 SPOT-5 (8 bit) IRS-1C (6 bit) Farklı radyometrik çözünürlüğe sahip görüntülerde YKN bulma sorunu. SPOT-5 de yollar ve evler rahatlıkla görülebilmekteyken, IRS-1C de yollar, evler ve de SPOT-5 de seçilen YKN belirlenememektedir. Topan H. 2016, Konumsal Bilişim Kurs notları
119 Büyük köprüler Dik olmayan yol kesişimi Nesnenin büyüklük ve geometrisine bağlı olarak uygunsuz YKN seçimi Topan H. 2016, Konumsal Bilişim Kurs notları
120 120
121 121
122 3. derece 122
123 Geometrik Dönüşüm-Rektifikasyon Yeniden Örnekleme Dönüşümün YKN ler aracılığıyla belirlenmesinden sonra, geometrik hataları düzeltilmiş distorsiyonsuz gridi oluşturan piksellere ait parlaklık değerlerinin belirlenmesi gerekir. Bu durumda orijinal distorsiyonlu görüntüden hangi parlaklık değerlerinin alınacağına karar verilmesi işlemi, diğer bir ifade ile parlaklık enterpolasyonu adımı uygulanır. 123
124 GEOMETRİK DÖNÜŞÜM Yeniden Örnekleme Distorsiyonlu görüntünün geometrik düzeltmesi sırasında oluşan yeni piksellerin sayısal değerlerini belirleme işlemidir Yeniden örnekleme metodu, distorsiyonlu görüntüdeki orijinal dijital piksel değerlerinden yeni piksel değerlerini hesaplar. 124
125 GEOMETRİK DÖNÜŞÜM Yeniden örnekleme Yeniden örneklemede üç ortak metot vardır. Bunlar; en yakın komşuluk (nearest neighbour) bilineer enterpolasyon (bilineer interpolation) kübik eğridir (cubic convolution) 125
126 Geometrik Dönüşüm-Rektifikasyon Yeniden Örnekleme Genel olarak 3 farklı yaklaşım kullanılmaktadır: tam piksel konum değerleriyle çakışmazlar. 1. En Yakın Komşuluk Örneklemesi Basit bir yöntem olup dönüşüm koordinatlarının en yakın olduğu pikselin parlaklık değeri distorsiyonsuz grid pikseline atanır. 126
127 Avantajı Basit bir metottur Orijinal değerler değişmez Dezavantajı Bazı pikseller kaybolurken bazı piksellerin çifti oluşabilir Küçük gride örneklerken köşegen doğru boyunca ve kıvrımlı hat boyunca piksellerde basamak etkisi 127
128 2. Bilineer Enterpolasyon Bu yöntem, pikseli çevreleyen 4 komşu pikselin kullanıldığı iki boyutlu lineer bir enterpolasyondur. Şekil de görüldüğü gibi siyah dolgulu hedef gride atanacak parlaklık değeri, orijinal distorsiyonlu görüntüdeki (mavi çizgili) en yakın 4 pikselin iki boyutlu lineer enterpolasyonuyla belirlenir. 128
129 Avantajı Komşuluk yöntemine göre mekansal olarak daha doğru Dezavantajı Sonuçlar daha pürüzsüz Kenarlar kaybolabilir Orjinal piksel değerleri değişir ve görüntü harici yeni piksel değerleri oluşur. 129
130 Geometrik Dönüşüm-Rektifikasyon Yeniden Örnekleme 3. Kübik Enterpolasyon: İki boyutlu 3. dereceden polinom enterpolasyonu olup pikseli çevreleyen 16 piksel (4x4 piksel komşuluk) kullanılır. Şekilde görüldüğü gibi siyah dolgulu hedef gride atanacak parlaklık değeri, orijinal distorsiyonlu görüntüdeki (mavi çizgili) en yakın 16 pikselin iki boyutlu kübik enterpolasyonuyla belirlenir. 130
131 Avantajı Geometrik olarak en doğru sonucu verir Bilineer görüntüye göre daha keskin görüntü üretir Dezavantajı Girdi görüntüde yer almayan yeni değerler üretilir Hesaplama uzun sürer 131
132 Nearest Neighbour Bi-linear Interpolation Cubic Convolution 132
133 GEOMETRİK DÖNÜŞÜM Geometrik Düzeltme Bilgileri Projeksiyon sistemi: UTM Zone numarası: 35 Transformasyonun tipi: 1.derece polinomial Afin/Benzerlik/Projektif Yeniden örnekleme yöntemi: En yakın komşuluk, Bilineer, Kubik convolusyon Karesel Ort. Hata: 0.5 piksel 133
134 134
135 Elipsoit+Datum+Coğrafi Koordinat Sistemi Elipsoit+Datum+Projeksiyon Koordinat Sistemi UTM 35, 36, 37, 38. Dilimler UTM 3 o 27, 30, 33, 36, 39, 42, 45 Derece Dilim Orta Meridyenleri UTM 6 o 27, 33, 39, 45 Derece Dilim Orta Meridyenleri Lambert Konform Konik 135
136 136
137 Kaynaklar Prof. Dr. Naci YASTIKLI, YTÜ Uzaktan Algılama Uygulaması ders notu, Doç.Dr.Füsun Balık Şanlı, YTÜ Uzaktan Algılama ders notu, 2015 Prof.Dr.Filiz Sunar, Doç.Dr.Coşkun Özkan, Dr.Batuhan Osmanoğlu, Uzaktan Algılama, Anadolu Üni. Yayınları , Lillesand T.M. Remote Sensing and Image Interpretation, New York : John Wiley & Sons, _Ozendi.pdf 137
Yrd. 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
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
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
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
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
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
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
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
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 Yüksek ve düşük spektral çözünürlüğe sahip dijital görüntülerdeki temel avantaj ve dezavantajlar aşağıda
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 Ana bileşenler dönüşümü 2 Yöntem, minimum korelasyonlu bilgileri sıkıştırarak veri grubu hakkında maksimum
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
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 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
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 Ana bileşenler dönüşümü 2 Yöntem, minimum korelasyonlu bilgileri sıkıştırarak veri grubu hakkında maksimum
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
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
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
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
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
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
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 Piksel / dpi Piksel en küçük anlamlı birim dpi = dot per inch/ 1 inch teki nokta sayısı 1 inch =25.4 mm
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 Piksel / dpi Piksel en küçük anlamlı birim dpi = dot per inch/ 1 inch teki nokta sayısı 1 inch =25.4 mm
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
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,
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 /
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,
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
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
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
DetaylıDr. Öğt. Üyesi Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (GEO/JDF338) Dr. Öğt. Üyesi Saygın ABDİKAN 2017-2018 Öğretim Yılı Bahar Dönemi 1 Dersin Kaynakları 1. Rafael C. Gonzales, Richard E. Woods, Digital image processing, New Jersey:
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
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
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
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
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
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
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
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
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 İzdüşüm merkezi(o):
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
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 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
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 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
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (GEO/JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2017-2018 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 291 2565 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
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
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
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 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
DetaylıNDEN BELİRLENEBİLME LME POTANSİYELİ UYDU GÖRÜNTÜLERİNDEN
BİNALARIN YÜKSEK Y ÇÖZÜNÜRLÜKLÜRLÜKL UYDU GÖRÜNTÜLERİNDEN NTÜLER NDEN BELİRLENEBİLME LME POTANSİYELİ Dilek KOÇ SAN dkoc@metu metu.edu.tr Orta Doğu u Teknik Üniversitesi, Jeodezi ve Coğrafi Bilgi Teknolojileri
DetaylıKoordinat Referans Sistemleri
Koordinat Referans Sistemleri Harita yapımında geometrik süreç Küre Referans yüzeyin seçimi Elipsoit Ölçek küçültme Dünya/Jeoit Harita düzlemine izdüşüm Harita Fiziksel yer yüzünün belli bir şekli yok,
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
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
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
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
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
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
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
DetaylıFethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti
Fethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti Kurum adı: T.C. Çevre ve Orman Bakanlığı Bilgi İşlem Dairesi Başkanlığı, Özel Çevre Koruma Kurumu Başkanlığı Proje durumu: Tamamlandı. Proje
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
Detaylı3.2. Raster Veriler. Satırlar. Sütunlar. Piksel/hücre büyüklüğü
3.2. Raster Veriler Satırlar Piksel/hücre büyüklüğü Sütunlar 1 Görüntü formatlı veriler Her piksel için gri değerleri kaydedilmiştir iki veya üç bant (RGB) çok sayıda bant Fotoğraf, uydu görüntüsü, ortofoto,
DetaylıFOTOGRAMETRİ DAİRESİ BAŞKANLIĞI FAALIYETLERI
FOTOGRAMETRİ DAİRESİ BAŞKANLIĞI FAALIYETLERI Fotg.D.Bşk.lığı, yurt içi ve yurt dışı harita üretimi için uydu görüntüsü ve hava fotoğraflarından fotogrametrik yöntemlerle topoğrafya ve insan yapısı detayları
DetaylıUzaktan Alg ılamaya Giriş Ünite 6 - Görüntü O t r orektifikasyonu
Uzaktan Algılamaya Giriş Ünite 6 - Görüntü Ortorektifikasyonu Ortorektifikasyon Uydu veya uçak platformları ile elde edilen görüntü verisi günümüzde haritacılık ve CBS için temel girdi kaynağını oluşturmaktadır.
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.
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,
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
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
DetaylıYOĞUN GÖRÜNTÜ EŞLEME ALGORİTMALARI İLE ÜRETİLEN YÜKSEK ÇÖZÜNÜRLÜKLÜ SAYISAL YÜZEY MODELİ ÜRETİMİNDE KALİTE DEĞERLENDİRME VE DOĞRULUK ANALİZİ
YOĞUN GÖRÜNTÜ EŞLEME ALGORİTMALARI İLE ÜRETİLEN YÜKSEK ÇÖZÜNÜRLÜKLÜ SAYISAL YÜZEY MODELİ ÜRETİMİNDE KALİTE DEĞERLENDİRME VE DOĞRULUK ANALİZİ Naci YASTIKLI a, Hüseyin BAYRAKTAR b a Yıldız Teknik Üniversitesi,
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
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
DetaylıGEOMETRİK, MATEMATİK, OPTİK ve FOTOĞRAFİK TEMELLER (HATIRLATMA) Yrd. Doç. Dr. Aycan M. MARANGOZ
FOTOGRAMETRİ II GEOMETRİK, MATEMATİK, OPTİK ve FOTOĞRAFİK TEMELLER (HATIRLATMA) Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI
Detaylıİç-Çarpım Uzayları ÜNİTE. Amaçlar. İçindekiler. Yazar Öğr. Grv. Dr. Nevin ORHUN
İç-Çarpım Uzayları Yazar Öğr. Grv. Dr. Nevin ORHUN ÜNİTE Amaçlar Bu üniteyi çalıştıktan sonra; R n, P n (R), M nxn vektör uzaylarında iç çarpım kavramını tanıyacak ve özelliklerini görmüş olacaksınız.
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 İletişim bilgileri sabdikan@beun.edu.tr 0 372 2574010 1718 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
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
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
DetaylıTOPOĞRAFYA Temel Ödevler / Poligonasyon
TOPOĞRAFYA Temel Ödevler / Poligonasyon Yrd. Doç. Dr. Aycan M. MARANGOZ ÇEVRE MÜHENDİSLİĞİ BÖLÜMÜ JDF 264/270 TOPOĞRAFYA DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz/marangoz.htm
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
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:
DetaylıMATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz.
MATEMATİK. DENEME ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI. f : X tanımlı y = f() fonksiyonu için lim f ( ) = L ise aşağıdaki önermelerden kaç tanesi kesinlikle doğrudur? 0 I. X dir. 0 II. f() fonksiyonu
DetaylıLineer Dönüşümler ÜNİTE. Amaçlar. İçindekiler. Yazar Öğr. Grv.Dr. Nevin ORHUN
Lineer Dönüşümler Yazar Öğr. Grv.Dr. Nevin ORHUN ÜNİTE 7 Amaçlar Bu üniteyi çalıştıktan sonra; Vektör uzayları arasında tanımlanan belli fonksiyonları tanıyacak, özelliklerini öğrenecek, Bir dönüşümün,
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
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.
DetaylıGüneş Senkronize - Yakın Kutupsal. 2-3 gün, enleme göre değişken. 60 Km x 60 Km - 80 Km nadirde. 30 m yatay konum doğruluğu (CE90%)
TANITIM KATALOĞU TEKNİK ÖZELLİKLER Uydu üzerinde yüksek çözünürlükte algılama yapabilen iki adet HRG sensörü mevcuttur. Bu sensörler pankromatik algılama modunda 2.5 metre ile 5 metre, multispektral algılama
DetaylıÜnite 5 - Veri Görüntü
Uzaktan Algılamaya Giriş Ünite 5 - Veri Görüntü Önişleme Görüntü Önişleme Sayısal Görüntü ü Önişleme, sayısal görüntülerin ül bilgisayari yardımı ile iyileştirikmesi ve yorumlanmasını içerir. SayısalGörüntüÖnişlemesinde
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
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
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI
FOTOGRAMETRİ II FOTOGRAMETRİK ÜRÜNLER BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI http://geomatik.beun.edu.tr/marangoz/ GİRİŞ Giriş Ortofoto Ortofoto Ürün
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
DetaylıJeodezide Yaklaşım Yöntemleri: Enterpolasyon ve Kollokasyon
Jeodezide Yöntemleri: ve Lisansüstü Ders Notları Yrd. Doç. Dr. Aydın ÜSTÜN Selçuk Üniversitesi Fen Bilimleri Enstitüsü e-posta: austun@selcuk.edu.tr Konya, 2007 A. Üstün yöntemleri 1 / 28 Bir soruyu ya
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
DetaylıKUADRATİK FORM. Tanım: Kuadratik Form. Bir q(x 1,x 2,,x n ) fonksiyonu
KUADRATİK FORMLAR KUADRATİK FORM Tanım: Kuadratik Form Bir q(x,x,,x n ) fonksiyonu q x : n şeklinde tanımlı ve x i x j bileşenlerinin doğrusal kombinasyonu olan bir fonksiyon ise bir kuadratik formdur.
DetaylıJDF 242 JEODEZİK ÖLÇMELER 2. HAFTA DERS SUNUSU. Yrd. Doç. Dr. Hüseyin KEMALDERE
JDF 242 JEODEZİK ÖLÇMELER 2. HAFTA DERS SUNUSU Yrd. Doç. Dr. Hüseyin KEMALDERE 3 boyutlu uzayda Jeoit Z Y X Dünyaya en uygun elipsoid modeli ve yer merkezli dik koordinat sistemi Ülkemizde 2005
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
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,
DetaylıYrd. Doç. Dr. Saygın ABDİKAN (Grup B) Öğretim Yılı Güz Dönemi
Uzaktan Algılama (JDF439) Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) 2016-2017 Öğretim Yılı Güz Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 2574010 1718 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
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:
DetaylıDünya nın şekli. Küre?
Dünya nın şekli Küre? Dünya nın şekli Elipsoid? Aslında dünyanın şekli tam olarak bunlardan hiçbiri değildir. Biz ilkokulda ve lisede ilk önce yuvarlak olduğunu sonra ortadan basık olduğunu sonrada elipsoid
DetaylıUydu Görüntüleri ve Kullanım Alanları
Uydu Görüntüleri ve Kullanım Alanları Uydu Görüntüleri ve Özellikleri GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF 904 Uydu Görüntüleri ve Kullanım Alanları Ders Notları http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz
Detaylı