Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
|
|
- Zeki Güler
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi 1
2 Görüntü Zenginleştirme Spektral Dönüşümler Spektral dönüşümler Kontrast zenginleştirme Doğrusal/Lineer kontrast artırımı Doğrusal olmayan (Histogram eşitleme, Gauss) Aritmetik bant işlemleri Ana bileşen dönüşümü
3 Spektral Dönüşümler Kontrast Artırımı Histogram Eşitleme: Bu yöntemde amaç, çıktı görüntü histogramının uniform bir dağılımda 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.
4 4
5 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
6 NOAA AVHRR NDVI Nisan Aralik
7 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
8 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
9 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. 9
10 Ana bileşenler dönüşümü, fotogrametri ve uzaktan algılamada; Görüntü sıkıştırmada (image compression), Görüntü iyileştirmede (image enhancement), Üçten fazla bandla algılanmış görüntülerin ekranda gösterilmesinde, Değişim belirlemede(change detection), Görüntü çakıştırılmasında (image merging), Sınıflandırma öncesinde sınıflandırmaya sokulacak band sayısının azaltılmasında, Özellik çıkarımında vs.kullanılmaktadır. 10
11 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. 11
12 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 12
13 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. 13
14 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 14
15 15
16 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. 16
17 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:
18 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:
19 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.
20 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. 20
21 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.
22 PCA örnek 22
23 23
24 24
25 25
26 26
27 27
28 Geometrik düzeltme Geometrinin önemi Görüntü eşleme Yeniden örnekleme (resampling) 28
29 Karşılaştırma amaçlı; Çok bantlı görüntüler Çoklu algılayıcı kullanımı Çoklu sistemler Çok zamanlı analiz 29
30 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).
31 GIS 31
32 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.
33 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. 33
34 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
35 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 edilebildiğinde çok etkili olmaktadır. Topoğrafik rölyefe bağlı geometrik distorsiyonların düzeltilmesi için yeryüzünün Dijital Yükseklik Modeli gereklidir.
36 36
37 37
38 38
39 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.
40 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)
41 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
42 42
43 Geometrik Dönüşüm-Rektifikasyon
44 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.
45 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.
46 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. 46
47 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.
48 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 2 x + R 2 y RX, RY : x ve y yönlerindeki KOH. RMSE: Karesel ortalama hata. XRi, YRi : i. yer kontrol noktasının düzeltme değeri. n: yer kontrol noktası sayısı.
49 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)
50 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.
51 51
52 52
53 53
54 54
55 55
56 56
57 3. derece 57
58 58
59 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 alı-nacağına karar verilmesi işlemi, diğer bir ifade ile parlaklık enterpolasyonu adımı uygulanır.
60 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.
61 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 61
62 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. 62
63 Avantajı Mekansal olarak daha doğru Dezavantajı Sonuçlar daha pürüzsüz Kenarlar kaybolabilir Orjinal pikseldeğerleri değişir ve görüntü harici yeni piksel değerleri oluşur. 63
64 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.
65 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 65
66 Nearest Neighbour Bi-linear Interpolation Cubic Convolution ml 66
Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) Öğretim Yılı Güz Dönemi
Uzaktan Algılama (JDF439) Görüntü İyileştirme, Geometrik Düzeltme Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) 2016-2017 Öğretim Yılı Güz Dönemi 1 Görüntü Zenginleştirme Görüntü zenginleştirmede amaç; Görsel
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
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. 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
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
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
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
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
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
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):
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 Geçen ders Mekansal/Konumsal/Geometrik(Spatial resolution) Radyometrik Spektral Zamansal 2 Dijital /Sayısal
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
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
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 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
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
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
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
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:
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 (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
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.
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
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
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,
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 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 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
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
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
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 /
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
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
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
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,
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
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
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
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
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
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
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,
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
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
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
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
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
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
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF329 FOTOGRAMETRİ I DERSi NOTLARI
FOTOGRAMETRİ I GEOMETRİK ve MATEMATİK TEMELLER Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF329 FOTOGRAMETRİ I DERSi NOTLARI http://geomatik.beun.edu.tr/marangoz/
DetaylıVEKTÖR UZAYLARI 1.GİRİŞ
1.GİRİŞ Bu bölüm lineer cebirin temelindeki cebirsel yapıya, sonlu boyutlu vektör uzayına giriş yapmaktadır. Bir vektör uzayının tanımı, elemanları skalar olarak adlandırılan herhangi bir cisim içerir.
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 6 Kenar, Köşe, Yuvarlak Tespiti Alp Ertürk alp.erturk@kocaeli.edu.tr KENAR TESPİTİ Kenar Tespiti Amaç: Görüntüdeki ani değişimleri / kesintileri algılamak Şekil bilgisi elde
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
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.
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
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
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 9 Stereo Görüntüleme Alp Ertürk alp.erturk@kocaeli.edu.tr Tek Kamera Geometrisi??? x Tek Kamera Geometrisi Tek Kamera Geometrisi İğne Deliği Kamera Modeli ) /, / ( ),, (
DetaylıÖzdeğer ve Özvektörler
Özdeğer ve Özvektörler Yazar Öğr.Grv.Dr.Nevin ORHUN ÜNİTE 9 Amaçlar Bu üniteyi çalıştıktan sonra; bir lineer dönüşümün ve bir matrisin özdeğer ve özvektör kavramlarını anlayacak, bir dönüşüm matrisinin
DetaylıKADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ
KADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ Yasemin ŞİŞMAN, Ülkü KIRICI Sunum Akış Şeması 1. GİRİŞ 2. MATERYAL VE METHOD 3. AFİN KOORDİNAT DÖNÜŞÜMÜ 4. KALİTE KONTROL 5. İRDELEME
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),
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
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
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
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF329 FOTOGRAMETRİ I DERSi NOTLARI
FOTOGRAMETRİ I GEOMETRİK ve MATEMATİK TEMELLER Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF329 FOTOGRAMETRİ I DERSi NOTLARI http://geomatik.beun.edu.tr/marangoz/
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
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 2 Kuvvet Vektörleri Kaynak: Mühendislik Mekaniği: Statik, R.C.Hibbeler, S.C.Fan, Çevirenler: A. Soyuçok, Ö.Soyuçok. 2 Kuvvet Vektörleri Bu bölümde,
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Ders Adı : Bilgisayar Mühendisliğinde Matematik Uygulamaları
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
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
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,
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
DetaylıGÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ
GÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ GÖRÜNTÜ İŞLEME Hafta Hafta 1 Hafta 2 Hafta 3 Hafta 4 Hafta 5 Hafta 6 Hafta 7 Hafta 8 Hafta 9 Hafta 10 Hafta 11 Hafta 12 Hafta 13 Hafta 14 Konu Giriş Digital Görüntü Temelleri-1
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
DetaylıBölüm 2: Kuvvet Vektörleri. Mühendislik Mekaniği: Statik
Bölüm 2: Kuvvet Vektörleri Mühendislik Mekaniği: Statik Hedefler Kuvvetleri toplama, bileşenlerini ve bileşke kuvvetlerini Paralelogram Kuralı kullanarak belirleme. Diktörtgen (Cartesian) koordinat sistemi
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
DetaylıKORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN
KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin
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,
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
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
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
DetaylıFARKLI ÇÖZÜNÜRLÜKTEKİ UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÖNÜŞÜMÜ
TMMOB Harita ve Kadastro Mühendisleri Odası. Türkiye Harita Bilimsel ve Teknik Kurultayı 8 Mart - Nisan 5, Ankara FARKLI ÇÖZÜNÜRLÜKTEKİ UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÖNÜŞÜMÜ Elif Saroğlu, Şinasi Kaya,
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
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
DetaylıFOTOYORUMLAMA UZAKTAN ALGILAMA
FOTOYORUMLAMA VE UZAKTAN ALGILAMA (Photointerpretation and Remote Sensing) 1 Ders İçeriği Hava fotoğrafının tanımı Fotogrametrinin geometrik ilkeleri Fotogrametride fotoğrafik temel ilkeler Stereoskopik
DetaylıCebir 1. MIT Açık Ders Malzemeleri
MIT Açık Ders Malzemeleri http://ocw.mit.edu 18.701 Cebir 1 2007 Güz Bu malzemeden alıntı yapmak veya Kullanım Şartları hakkında bilgi almak için http://ocw.mit.edu/terms ve http://tuba.acikders.org.tr
DetaylıMAK1010 MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI
.. MAK MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI Polinom MATLAB p=[8 ] d=[ - ] h=[ -] c=[ - ] POLİNOMUN DEĞERİ >> polyval(p, >> fx=[ -..9 -. -.9.88]; >> polyval(fx,9) ans =. >> x=-.:.:.; >> y=polyval(fx,;
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,
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
Detaylı5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri
Elektrik devrelerinde ölçülebilen büyüklükler olan; 5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri Akım Gerilim Devrede bulunan kaynakların tiplerine göre değişik şekillerde olabilir. Zamana bağlı
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
DetaylıHafta 2 Görüntünün Alınması ve Sayısallaştırılması
BLM429 Görüntü İşlemeye Giriş Hafta 2 Görüntünün Alınması ve Sayısallaştırılması Yrd. Doç. Dr. Caner ÖZCAN When something can be read without effort, great effort has gone into its writing. ~E. J. Poncela
DetaylıUzaktan 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
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
Detaylıii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C.
C.1) x1 x 1 4 4( x1) x 6 4x 4 x 6 x 46 x Maliye Bölümü EKON 10 Matematik I / Mart 018 Proje CEVAPLAR C.) i) S LW WH LW WH S LW WH S W W W S L H W ii) S LW WH WH LW S WH LW S W W W S H L W C.) ( x1) 5(
DetaylıUA Teknikleri Kullanılarak Taşkın Alanlarının Belirlenmesi ve Bölgesel Taşkın Frekans Analizinin Batı Karadeniz Bölgesinde Uygulanması
UA Teknikleri Kullanılarak Taşkın Alanlarının Belirlenmesi ve Bölgesel Taşkın Frekans Analizinin Batı Karadeniz Bölgesinde Uygulanması Prof. Dr. A. Ünal Şorman Orta Doğu Teknik Üniversitesi, Đnşaat Mühendisliği
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
Detaylı