HİPERSPEKTRAL GÖRÜNTÜLEMENİN SAVUNMA TEKNOLOJİLERİ UYGULAMALARI VE SPEKTRAL EĞRİLTME SAYESİNDE YÜKSEK TANIMA BAŞARIMI
|
|
- Eser Kirdar
- 5 yıl önce
- İzleme sayısı:
Transkript
1 HİPERSPEKTRAL GÖRÜNTÜLEMENİN SAVUNMA TEKNOLOJİLERİ UYGULAMALARI VE SPEKTRAL EĞRİLTME SAYESİNDE YÜKSEK TANIMA BAŞARIMI Begüm Demir (a), Sarp Ertürk (b) (a) KOÜ, Elektronik ve Haberleşme Müh. Böl., 41040, Kocaeli, (b) Prof. Dr. KOÜ, Elektronik ve Haberleşme Müh. Böl., 41040, Kocaeli, ÖZET Bu bildiride, hiperspektral görüntülerde sınıflandırma performansının arttırılması amacı ile doğrusal olmayan bir yöntem olan frekansta eğriltme yönteminin kullanılması gösterilmektedir. Önerilen yöntemde, hiperspektral görüntülerin spektral verileri ile ilişkili frekans bileşenleri, frekansta eğriltme kullanılarak spektral eksen boyunca doğrusal olmayan dönüşüm işlemine sokulmaktadır. Farklı frekans eğriltme parametreleri kullanılarak elde edilen deneysel sonuçlar uygun eğriltme paremetreleri kullanılarak sınıflandırma performansının artırılabileceği göstermektedir. Anahtar Kelimeler: Hiperspektral Görüntüleme, Spektral Eğriltme, Vektör Makineleri. ABSTRACT This paper presents the utilization of spectral warping, which is a non-linear transformation that warps the frequency content of a signal, to increase hyperspectral image classification accuracy. In the proposed approach, the frequency content corresponding to spectral data of the hyperspectral image is non-linearly transformed along the spectral axis using warping. Experimental results are obtained for different values of the warping parameter and it is shown that applying spectral warping can increase classification accuracy for appropriate warping parameters. Keywords: Hyperspectral Images, Spectral Warping, Vector Machines
2 1. GİRİS Askeri, savunma, medikal, tarım, hayvancılık gibi birçok alanda uygulaması bulunan hiperspektral görüntüleme birçok dar dalga boyu bandına ait imge verilerini elde etmekte ve bunun sonucunda dalga boyuna göre bir ayrışım sağlamaktadır. Bu sayede sahne içerisindeki bölgelerin sınıflandırması veya belirli malzeme ve nesnelerin tanınması standart görüntü algılayıcılarına oranla çok daha yüksek bir başarımla sağlanabilmektedir. Şekil 1 de örnek bir pikselin spektrumu gösterilmektedir. Şekil 1. Hiperspektral görüntülerdeki her piksel için dalga boyuna bağlı spektrumun elde edilmesi Hiperspektral görüntülerin askeri uygulamalarına örnek olarak, [1] de Kanada askeri kuvvetleri için gerçekleştirilmekte olan HYMEX (HYperspectral image EXploitation) projesi ile elde edilen önsel sonuçlar verilmiştir. Bu projede hedef algılama ve tanıma, bitki örtüsü toprak analizleri, su renk haritalanması olmak üzere üç alanda çalışılmıştır. Askeri araçların, kamuflaj ve arka plan durumunda hiperspektral veriler kullanılarak tanınması üzerine [2] de çalışılmıştır. ABD hükümeti tarafından yayınlanan [3] deki çalışmada 1998 yılında tasarım aşamasında olan HRST (Hyperspectral Remote Sensing Technology) programından bahsedilmektedir. HRST programı ABD Deniz Kuvvetlerinin ihtiyacını karşılamak üzere [3] de hiperspektral görüntüleme sistemi kullanılarak dünyadaki kıyı bölgelerinin karakterize edilmesi konusunu içermektedir. ABD kara kuvvetlerinin doğal kaynaklar ve çevre kuruluşu tarafından bitki örtüsü haritalanması, tahrip edilen bölgelerin tekrardan
3 planlanması ve bir, beş ve on yıllık değişimlerin algılanması amacı ile başlatılan proje [4] de anlatılmıştır. Bu bildiride, hiperspektral görüntülerde sınıflandırma performansının artırılması amacı ile spektral eğriltme (frekansda eğriltme) [5] işleminin her bir spektral veri için uygulanması ele alınmaktadır. Spektral eğriltme bir işaretin frekans bileşenlerinin frekans ekseni boyunca değiştirilmesi amacı ile önerilmiştir ve çok çeşitli sinyal işleme uygulamalarında işareti işlemeye daha uygun biçime dönüştürmek için kullanılmaktadır. Çok çeşitli uygulamalarda [6-9] kulllanılmış olan spektral eğriltme yöntemi, hiperspektral görüntülerde sınıflandırma performansının artırılması amacı ile [10] da önerilmiştir. Bu çalışmada, hiperspektral görüntülerin her bir pikseli ile ilişkili spektral verilere spektral eğriltme yönteminin, sınıflandırma işlemi öncesinde uygulanması gercekleştirilmektedir ve önerilen yöntemin sınıflandırma başarımını arttırdığı gösterilmektedir. 2. TEORİ Bu çalışmada spektral eğriltme (warping) [5] yönteminin hiperspektral görüntülerde her bir pikseli ile ilişkili spektral verilere sınıflandırma başarımının arttırılması için uygulanması önerilmektedir. Spektral eğriltme işleminde, frekans bileşenleri, spektral eksende doğrusal olmayan şekilde değiştirilmektedir ve bu işlem, birinci dereceden seri tüm geçiren süzgeçler kullanılarak elde edilmektedir. Şekil 2 de her bir spektral veriye uygulanan eğriltme ağı gösterilmektedir. Giriş işareti zamanda terslenerek ilk tüm geçiren süzgeçe uygulanmaktadır. Çıkış verisinin son örneği, eğriltme işlemi uygulanan yeni verinin ilk örneğini oluşturmaktadır. Sonrasında süzgeçlenmiş veri, ikinci tüm geçiren süzgeçe uygulanmaktadır ve elde edilen verinin son örneği, çıkış verisinin bir sonraki örnek değerini oluşturmaktadır. Bu işlemler her bir süzgeç için gerçekleştirilmektedir. Elde edilen spektral eğriltme işlemi uygulanmış veri örneği sayısı, filtre sayısı ve dolayısıyla hiperspektral bant sayısına eşittir. Orijinal ve spektral eğriltme uygulanmış örnek bir spektral veri Şekil 3 de gösterilmektedir. Şekil 2. Spektral eğriltme ağı
4 Şekil 3. Orijinal ve frekansta eğriltme (FE) uygulanmış örnek bir spektral veri Destek vektör makineleri (DVM) [11] ve İlgililik vektör makineleri (İVM) [12] sınıflandırma yöntemleri kullanılarak, frekansta eğriltme işleminin DVM ve İVM sınıflandırma yöntemleri üzerindeki performansı incelenmektedir. Bu iki yöntem, literatürde mevcut diğer yöntemlerden daha yüksek sınıflandırma başarımı sağlayabildiği için tercih edilmiştir. Yer sıkıntısı nedeniyle bu yöntemler hakkında çok fazla bilgi verilememekte olup, okuyucuların ilgili kaynağı incelemesi önerilmektedir. DVM [11] denetimli (supervised) sınıflandırma ve regresyon için yüksek başarım sağlamaktadır. DVM iki sınıfa ait örnekler arasındaki karar yüzeyini oluştururken yüzeyin iki sınıfa olan uzaklığını en yüksek dereceye çıkarmaya çalışmaktadır. Test aşamasında yeni giriş verileri, eğitim işlemi sonucunda elde edilen model parametreleri kullanılarak sınıflandırılmaktadır. Eğitim verisi doğrusal olarak ayrılamıyor ise DVM sınıflandırmada kernel yaklaşımı kullanılmaktadır. Kernel yöntemleri orijinal giriş uzayını, yüksek boyutlu kernel özellik uzayına yansıtmaktadır. Bu sayede uygun kernel parametreleri kullanılarak daha iyi sınıflandırma sonuçları elde edilebilmektedir. DVM de Mercer koşullarını sağlayan ve simetrik kesin pozitif olan kernel fonksiyonlarının kullanılması gerekmektedir. Literatürde değişik uygulamalar için çeşitli kernel fonksiyonları bulunmaktadır, fakat bu çalışma kapsamında en yaygın kullanılan kernel olan radyal taban fonksiyonu kullanılmıştır. DVM temelli sınıflandırmanın olasılıksal çıkış verememe, ödünleşim parametre hesabı gereksinimi ve Mercer kernel fonksiyonlarına bağımlılık gibi dezavantajları vardır. DVM için bahsedilen bu dezavantajlar, DVM nin Bayes davranış gösteren biçimi olan İVM sınıflandırma yöntemi kullanılarak çözülebilmektedir. Ayrıca İVM daha az sayıda kernel fonksiyonu gerektirmektedir. Bu nedenle İVM de sınıflandırma (test) süresi, daha az kernel fonksiyonu kullanılması nedeniyle DVM ye göre azalmaktadır.
5 Sınıflandırma sonuçları farklı eğriltme parametreleri için, 220 bant içeren 1992 yılının Haziran ayında kuzeybatı Indiana nın Indian Pine test alanında alınan hiperspektral görüntü [13] kullanılarak elde edilmiştir. Kullanılan hiperspektral görüntünün tek bandının görüntüsü ve sınıf bilgilerinin içeren görüntü (yer doğrusu, ground truth) Şekil 3 (a) ve Şekil 3 (b) de sırasıyla gösterilmektedir. Uygulamada atmosferik gürültü içeren bantlar atılarak 200 bant kullanılmıştır. Özgün veride 16 sınıf bulunmaktadır. Fakat, bazı sınıfların eleman sayısı çok düşük olduğundan, veri miktarı büyük olan 9 sınıf seçilerek, bu sınıflar 4757 eğitim verisi ve 4588 test verisi elde etmek için kullanılmıştır. Her sınıf için seçilen eğitim ve test verilerinin miktarları Çizelge 1 de gösterilmektedir. Bu çalışmada İVM ve DVM sınıflandırma için radyal taban fonksiyonu kerneli kullanılmıştır. Hızlı eğitim süresi sağladığı için çoklu DVM ve İVM sınıflandırma için bire-bir çoklu sınıflandırma [11,12] kullanılmıştır. Farklı eğriltme parametreleri kullanılarak gerçekleştirilen frekansta eğrilte işlemi sonucunda elde edilen yeni hiperspektral verinin DVM ve İVM sınıflandırma başarımları Çizelge 2 de gösterilmektedir. Deneysel sonuçlar uygun eğriltme parametreleri kullanılarak sınıflandırma başarımının İVM için %2, DVM için %1 oranında artırılacağını göstermektedir. (a) (b) Şekil 3. (a): Hiperspektal görüntünün tek bandı (b): sınıf bilgisi verisi Çizelge 1. 9 sınıf için eğitim ve test verisi miktarları Sınıf Eğitim Test S1-Corn-no till S2-Corn-min till S3-Grass/Pasture S4-Grass/Trees S5-Hay-windrowed S6-Soybean-no till S7-Soybean-min till S8-Soybean-clean till S9-Woods Toplam
6 Çizelge 2. Farklı Spektral Eğriltme Parametreleri (SEP) için DVM ve İVM Sınıflandırma Başarımları (SB) SEP SB SB SEP DVM İVM DVM İVM SONUÇ Bu çalışmada, hiperspektral verilerinin sınıflandırma başarımlarının arttırılması amacı ile frekansta eğrilme işleminin kullanılması gösterilmektedir. Farklı eğriltme parametreleri için deneysel sonuçlar verilmektedir ve uygun parametrelerde frekansta eğriltme işlemi kullanılarak DVM ve İVM sınıflandırma başarımının artırılabileceği gösterilmektedir. Önerilen yöntem ile elde edilen sonuçlar son zamanlarda yaygın olarak kullanılan DVM ve İVM sınıflandırma başarımını arttırması nedeni ile hedef algılama, hedef tanıma ve askeri araçların, kamuflaj ve arka plan durumunda tanınması gibi savunma uygulamalarında kullanılması uygundur. KAYNAKÇA [1] J.-P. Ardouin, J. Lévesque, T. A. Rea, (2007), A Demonstration of hyperspectral image exploitation for military applications, 10th International Conference on Information Fusion, July 9-12, Canada. [2] R.P. Bongiovi, J.A Hackwell, T.L. Hayburst, (1996), Airborne LWIR hyperspectral measurements of military vehicles, Proceedings Aerospace Applications Conference, February 3-10, Aspen, CO, USA. [3] T. Wilson, R. Felt, (1998), Hyperspectral remote sensing technology (HRST) program, IEEE Aerospace Conference, March 21-28, Aspen, CO, USA.
7 [4] K.L Steinmaus, D.E. Irvin, A.J. Stephan, S. Kruger, P. Nissen, (1998), Innovative environmental management using remote sensing at the USArmy's Yakima Training Center, Yakima, Washington, IEEE Geoscience and Remote Sensing Symposium Proceedings, July 6-10, Seattle, WA, USA. [5] C. Braccini, A. V. Oppenheim, (1974), Unequal Bandwidth Spectral Analysis Using Digital Frequency Warping, IEEE Transactions on Acoustics, Speech, Signal Processing, 22, [6] S. Ertürk, (2007), Warped Discrete Cosine Transform Based Low Bit-Rate Block Coding Using Image Down-Sampling, EURASIP Journal on Advances in Signal Processing, Article ID [7] D. Bailey, W. Allen, S., Demidenko, (2004), Spectral warping revisited, IEEE International Workshop on Electronic Design, Test and Applications, Perth, Australia. [8] J. H. Chang, (2005), Warped Discrete Cosine Transform-Based Noisy Speech Enhancement, IEEE Transactions on Circuits and Systems II, 52, [9] L. Lee, and R. Rose, (1998), A Frequency Warping Approach to Speaker Normalization, IEEE Transactions on Speech and Audio Processing, 6, [10] B. Demir, S. Ertürk, (2008), Improved Classification and Segmentation of Hyperspectral Images Using Spectral Warping, International Journal of Remote Sensing, Accepted for publication. [11] F. Melgani, L. Bruzzone, (2004), Classification of Hyperspectral Remote Sensing Images with Support Vector Machines, IEEE Transactions on Geoscience and Remote Sensing, 42, [12] B. Demir, S. Ertürk, (2007), Hyperspectral Image Classification Using Relevance Vector Machines, IEEE Geoscience and Remote Sensing Letters, 4, [13] NW Indiana s Indian Pines 1992 data set [Online]. Available:ftp://ftp.ecn.purdue.edu/biehl/MultiSpec/92AV3C (orijinal files) and ftp://ftp.ecn.purdue.edu/biehl/pc_multispec/thyfiles.zip (ground truth).
Geliştirilmiş 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),
DetaylıKABUL EDİLEN MAKALELER
Kamuflaj Tespiti için Hiperspektral Görüntüleme Hyperspectral Imaging for Camouflage Detection Ali Can Karaca1, Alp Ertürk1, M. Kemal Güllü1, Muharrem Elmas, Sarp Ertürk1 1 Kocaeli Üniversitesi Görüntü
DetaylıCoğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları
Coğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları Sunan: Dr. Ufuk SAKARYA TÜBİTAK UZAY Katkıda Bulunanlar: Mustafa Teke, Can Demirkesen, Ramazan Küpçü, Hüsne Seda Deveci,
DetaylıAmpirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması
Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi AKA ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması, Afyon Kocatepe University Journal of Science and
DetaylıAraştırma Görevlisi İSMAİL ÇÖLKESEN
Araştırma Görevlisi İSMAİL ÇÖLKESEN ÖZGEÇMİŞ Adı Soyadı : İSMAİL ÇÖLKESEN Doğum Tarihi : 1981 Ünvanı : Dr. Öğrenim Durumu : Derece Alan Üniversite Lisans Yüksek Lisans Doktora Jeodezi ve Fotogrametri Müh.
DetaylıHİPERSPEKTRAL GÖRÜNTÜLEME İLE KAMUFLAJ TESPİTİ
HİPERSPEKTRAL GÖRÜNTÜLEME İLE KAMUFLAJ TESPİTİ Ali Can KARACA (a),(b), Alp ERTÜRK (b), M. Kemal GÜLLÜ (c), Muharrem ELMAS (d), Sarp ERTÜRK (e) (a) Palsis Elektronik Optik Ltd. Şti., 41275, Kocaeli, alican.karaca1@kocaeli.edu.tr
DetaylıAmpirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması
Ampirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması Esra Tunç Görmüş a *, Nishan.Canagarajah b, Alin Achim b a KTU Harita Mühendisliği Bölümü, Kanuni
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve
DetaylıDestekçi Vektör Makineleri. Destekçi Vektör Makineleri(Support Vector Machines)
Destekçi Vektör Makineleri Destekçi Vektör Makineleri(Support Vector Machines) Değişkenler arasındaki örüntülerin bilinmediği veri setlerindeki sınıflama problemleri için önerilmiş bir makine öğrenmesi
DetaylıSİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI A SOFTWARE EDUCATIONAL MATERIAL ON SIGNAL FUNDAMENTALS
SİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI Öğr. Gör. Hakan Aydogan Uşak Üniversitesi hakan.aydogan@usak.edu.tr Yrd. Doç. Dr. Selami Beyhan Pamukkale Üniversitesi sbeyhan@pau.edu.tr Özet
DetaylıDoç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr
Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Bölümü oner@isikun.edu.tr 1. Adı Soyadı : Mustafa Mengüç ÖNER 2. Doğum Tarihi : 01.02.1977 3. Unvanı : Doçent Dr. 4. Öğrenim Durumu : ÖĞRENİM
DetaylıFARKLI YÖNTEMLERLE SINIFLANDIRILMIŞ UYDU GÖRÜNTÜLERİNİN BENZERLİK KARŞILAŞTIRMASI. Tolga BAKIRMAN 1
FARKLI YÖNTEMLERLE SINIFLANDIRILMIŞ UYDU GÖRÜNTÜLERİNİN BENZERLİK KARŞILAŞTIRMASI Tolga BAKIRMAN 1 1 Arş. Gör., Yıldız Teknik Üniversitesi, Harita Mühendisliği Bölümü, 34220, Davutpaşa, İstanbul, bakirman@yildiz.edu.tr
DetaylıSÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ
Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, Cilt 12, Sayı 1, 2007 SÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ Cemal HANİLÇİ Figen
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 10 Hiperspektral Görüntülerde Öznitelik Çıkarımı ve Boyut Azaltımı Alp Ertürk alp.erturk@kocaeli.edu.tr Öznitelik Çıkarımı Veriden ayırt edici yapıda nitelikler çıkarma
DetaylıSAYISAL İŞARET İŞLEME. M. Kemal GÜLLÜ
SAYISAL İŞARET İŞLEME M. Kemal GÜLLÜ İçerik Giriş Ayrık Zamanlı İşaretler Ayrık Zamanlı Sistemler İşaret ve Sistemlerin Frekans Uzayı Analizi Sürekli Zaman İşaretlerin Ayrık Zamanlı İşlenmesi İşaret ve
DetaylıAKTİF KAYNAKLI YÜZEY DALGASI (MASW) YÖNTEMINDE FARKLI DOĞRUSAL DIZILIMLERIN SPEKTRAL ÇÖZÜNÜRLÜLÜĞÜ
AKTİF KAYNAKLI YÜZEY DALGASI (MASW) YÖNTEMINDE FARKLI DOĞRUSAL DIZILIMLERIN SPEKTRAL ÇÖZÜNÜRLÜLÜĞÜ M.Ö.Arısoy, İ.Akkaya ve Ü. Dikmen Ankara Üniversitesi Mühendislik Fakültesi Jeofizik Mühendisliği Bölümü,
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
DetaylıCurriculum Vitae. Degree Profession University Year. MSc Remote Sensing Gebze Institute of Technology 2009
Curriculum Vitae Name, Surname: ISMAIL COLKESEN Date of birth: 1981 Title: Ph.D., Assistant Professor Education : Degree Profession University Year BSc Geodesy and Photogrammetry Karadeniz Technical University
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
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
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
DetaylıÖZGEÇMİŞ. Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Galatasaray Üniversitesi 2004 Y. Lisans Bilgisayar Mühendisliği
ÖZGEÇMİŞ 1. Adı Soyadı: Erchan Aptoula 2. Doğum Tarihi: 25/03/1982 3. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Galatasaray Üniversitesi 2004 Y. Lisans Bilgisayar Mühendisliği
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
DetaylıHafta 5 Uzamsal Filtreleme
BLM429 Görüntü İşlemeye Giriş Hafta 5 Uzamsal Filtreleme Yrd. Doç. Dr. Caner ÖZCAN If the facts don't fit the theory, change the facts. ~Einstein İçerik 3. Yeğinlik Dönüşümleri ve Uzamsal Filtreleme Temel
DetaylıFARKLI UYDU VERİLERİNİN BANT BİRLEŞTİRİLMESİNDEN SONRA SPEKTRAL SINIFLANDIRMALARDA KULLANILMASI
FARKLI UYDU VERİLERİNİN BANT BİRLEŞTİRİLMESİNDEN SONRA SPEKTRAL SINIFLANDIRMALARDA KULLANILMASI Önder GÜRSOY 1, Anıl Can BİRDAL 2 1 Yrd. Doç. Dr., Cumhuriyet Üniversitesi, Mühendislik Fakültesi, Geomatik
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 5 Görüntü Süzgeçleme ve Gürültü Giderimi Alp Ertürk alp.erturk@kocaeli.edu.tr Motivasyon: Gürültü Giderimi Bir kamera ve sabit bir sahne için gürültüyü nasıl azaltabiliriz?
DetaylıHiperspektral Görüntüleme ve Görüntü İşlemenin Bugünü, Yakın Geleceği ve Mevcut Araştırma Eğilimleri
Hiperspektral Görüntüleme ve Görüntü İşlemenin Bugünü, Yakın Geleceği ve Mevcut Araştırma Eğilimleri Hiperspektral görüntüleme, yüzey materyallerini ayırt etmede diğer görüntüleme sistemlerine olan üstünlüklerinden
DetaylıVeysel Aslanta, M Do ru
Veysel Aslanta, MDoru, Genetik Algoritma (GA) kullanarak (Singular Value Decomposition - SVD) resim Ç (scaling factors - SFs) kullanarak alues - SVs) metotta, maksimum optimize maksimum saydam da S Anahtar
DetaylıPROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI
PROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI Proje Yüklenicisi: Yeditepe Üniversitesi Mühendislik ve Mimarlık Fakültesi
DetaylıElena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007
AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri
DetaylıÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ
ÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ 1. Giriş Tolga Kurt, Emin Anarım Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği 80815,Bebek, İstanbul-Türkiye e-posta:
Detaylı1. YARIYIL / SEMESTER 1 2. YARIYIL / SEMESTER 2
T.C. NECMETTİN ERBAKAN ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ, 2017-2018 AKADEMİK YILI ÖĞRETİM PLANI T.C. NECMETTIN ERBAKAN UNIVERSITY ENGINEERING AND ARCHITECTURE
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,
DetaylıYinelemeli ve Uyarlanır Ayrıt Saptayıcı Süzgeçleri
Yinelemeli ve Uyarlanır Ayrıt Saptayıcı Süzgeçleri innur Kurt, Muhittin Gökmen İstanbul Teknik Üniversitesi ilgisayar Mühendisliği ölümü Maslak 8066, İstanbul {kurt,gokmen}@cs.itu.edu.tr Özetçe Görüntü
DetaylıBulanık Mantık Tabanlı Uçak Modeli Tespiti
Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa
DetaylıYrd. Doç. Dr. Mustafa NİL
Yrd. Doç. Dr. Mustafa NİL ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Fırat Üniversitesi Elektrik-Elektronik Mühendisliği Y. Kocaeli Üniversitesi Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
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
DetaylıSahne Geçişlerinin Geometrik Tabanlı olarak Saptanması
Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması 1 Giriş Binnur Kurt, H. Tahsin Demiral, Muhittin Gökmen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, Maslak, 80626 İstanbul {kurt,demiral,gokmen}@cs.itu.edu.tr
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
DetaylıÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ
ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ Ali S Awad *, Erhan A İnce* *Doğu Akdeniz Üniversitesi Elektrik ve Elektronik Mühendisliği Mağosa, KKTC İnce@eeneteeemuedutr, Asawad@emuedutr Özetçe Beyaz
DetaylıUMAS 2017 INTERNATIONAL ENGINEERING RESEARCH SYMPOSIUM ULUSLARARASI MÜHENDİSLİK ARAŞTIRMALARI SEMPOZYUMU
STEGANOGRAFİ İÇİN EN UYGUN RESMİ BELİRLEYEN UYGULAMA ARAYÜZ TASARIMI Nazlıcan Çelik, Mehmet Zeki Konyar *, Sümeyya İlkin, Adnan Sondaş Kocaeli Üniversitesi, Bilişim Sistemleri Mühendisliği Bölümü, 41340,
DetaylıYÜKSEKÖĞRETİM KURULU PROFESÖR 18.11.2015. Deniz Harp Okulu ve Naval Postgraduate School
MEHMET TAHİR ÖZDEN ÖZGEÇMİŞ YÜKSEKÖĞRETİM KURULU PROFESÖR 18.11.2015 Adres : Piri Reis Üniversitesi, Tuzla, 34920, İstanbul. Telefon : 2165810049- E-posta : mtozden@pirireis.edu.tr Doğum Tarihi : 04.04.1962
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.
DetaylıARAZİ ÖRTÜSÜ HARİTALARININ ÜRETİLMESİNDE YERYÜZÜ ÖZELLİKLERİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ: TRABZON ÖRNEĞİ
ARAZİ ÖRTÜSÜ HARİTALARININ ÜRETİLMESİNDE YERYÜZÜ ÖZELLİKLERİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ: TRABZON ÖRNEĞİ İ. Çölkesen*, T. Kavzoğlu Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve
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
DetaylıKocaeli Üniversitesi Elektronik ve Haberleşme Mühendisliği için. ÖSS tercih rehberi. 1. Elektronik ve Haberleşme Mühendisi kimdir?
Kocaeli Üniversitesi Elektronik ve Haberleşme Mühendisliği için ÖSS tercih rehberi İlgili web siteleri Bölümümüz resmi web sitesi: http://mf.kou.edu.tr/elohab Bölümümüz forumu: http://www.kouelohab.com
DetaylıHiperspektral Görüntünlülerde Tek Sınıf Destek Vektör Makinası ve Destek Vektör Veri Tanımlaması Yöntemlerinin Performans Karşılaştırması
Hiperspektral Görüntünlülerde Tek Sınıf Destek Vektör Makinası ve Destek Vektör Veri Tanımlaması Yöntemlerinin Performans Karşılaştırması The Performance Evaluation of One Class Support Vector Machine
DetaylıÖZGEÇMİŞ. 1. Adı Soyadı: İsmail Avcıbaş 2. Doğum Tarihi: 25.04.1967 3. Unvanı: Doç. Dr. 4. Öğrenim Durumu:
1. Adı Soyadı: İsmail Avcıbaş 2. Doğum Tarihi: 25.04.1967 3. Unvanı: Doç. Dr. 4. Öğrenim Durumu: ÖZGEÇMİŞ Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği Uludağ Üniversitesi 1992 Y. Lisans Elektronik
DetaylıÖZGEÇMİŞ VE ESERLER LİSTESİ
ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ Adı Soyadı: Çetin KURNAZ Doğum Tarihi: 1 Ekim 1978 Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans Elektrik-Elektronik Mühendisliği Ondokuz Mayıs Üniversitesi 1999
DetaylıGÖRÜNTÜ İŞLEME UYGULAMALARI. Arş. Gör. Dr. Nergis TURAL POLAT
GÖRÜNTÜ İŞLEME UYGULAMALARI Arş. Gör. Dr. Nergis TURAL POLAT İçerik Görüntü işleme nedir, amacı nedir, kullanım alanları nelerdir? Temel kavramlar Uzaysal frekanslar Örnekleme (Sampling) Aynalama (Aliasing)
DetaylıKIRMIZI-KENAR VE YAKIN KIZILÖTESİ BANTLARININ ÜRÜN DESENİ SINIFLANDIRMA DOĞRULUĞUNA OLAN ETKİSİNİN ARAŞTIRILMASI: RAPIDEYE ÖRNEĞİ
KIRMIZI-KENAR VE YAKIN KIZILÖTESİ BANTLARININ ÜRÜN DESENİ SINIFLANDIRMA DOĞRULUĞUNA OLAN ETKİSİNİN ARAŞTIRILMASI: RAPIDEYE ÖRNEĞİ Mustafa ÜSTÜNER 1, Füsun BALIK ŞANLI 2, Saygın ABDİKAN 3, M. Tolga ESETLİLİ
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,
DetaylıGÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI ÖZET ABSTRACT
GÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI Hüseyin GÜNEŞ 1, Alper BURMABIYIK 2, Semih KELEŞ 3, Davut AKDAŞ 4 1 hgunes@balikesir.edu.tr Balıkesir
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
DetaylıÇift Tonlu Çoklu Frekans Kodlama Sisteminin Optimize Edilmesi
ISSN: 2148-0273 Cilt 3, Sayı 1, 2015 Vol. 3, Issue 1, 2015 Çift Tonlu Çoklu Frekans Kodlama Sisteminin Optimize Edilmesi Halil Kaygısız 1, Abdülkadir Çakır 2 Özet Çift Tonlu Çoklu Frekans (Dual Tone Multi
DetaylıÖZGEÇMİŞ VE ESERLER LİSTESİ
ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ Adı Soyadı: Göksel Günlü Doğum Tarihi: 04 12 1979 Öğrenim Durumu: Derece Bölüm/Program Üniversite Yıl Lisans Elektrik-Elektr. Muh. Gazi Üniversitesi 2001 Y. Lisans
DetaylıMühendislik Fakültesi Elektrik-Elektronik Mühendisliği (İngilizce)
Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği (İngilizce) - 2015 Genel Toplam Ortalama Yarıyıl Ders = [52 / 8 = 6,5] + 3 = 10 T = 126 U = 36 Toplam Saat = 162 Kredi = 260 ECTS = 260 1. YARIYIL
DetaylıGörev Unvanı Alan Üniversite Yıl Prof. Dr. Elek.-Eln Müh. Çukurova Üniversitesi Eylül 2014
ÖZGEÇMİŞ 1. Adı Soyadı : MUSTAFA GÖK 2. Doğum Tarihi: : 1972 3. Unvanı : Prof. Dr. 4. Öğrenim Durumu Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği İstanbul Üniversitesi 1995 Yüksek Lisans Electrical
DetaylıAyrık Dalgacık Dönüşümü Bileşenlerine Ait İstatistiksel Veriler ile Epileptik EEG İşaretlerinin Sınıflandırılması
214 Spring/Bahar Cilt/Vol: 5 - Sayı/Num: 15 DOI: 1.5824/139-1581.214.2.3.x Ayrık Dalgacık Dönüşümü Bileşenlerine Ait İstatistiksel Veriler ile Epileptik EEG İşaretlerinin Sınıflandırılması Tuğba PALABAŞ,
DetaylıSüleyman UZUN 1, Devrim AKGÜN 2. Özet. Abstract. 2. Doğrusal Görüntü Filtreleme. 1. Giriş.
Görüntü Filtre Çekirdek Matrisinin Genetik Algoritmalar ile Eğitiminin Bir Analizi An Analysis of Genetic Algorithm with Training of Image Filter Kernel Matrix Süleyman UZUN 1, Devrim AKGÜN 2 1 Bilgi İşlem
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
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
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 86-93 Eylül 2014
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 86-93 Eylül 2014 DESTEK VEKTÖR MAKİNELERİ PARAMETRE OPTİMİZASYONUNUN DUYGU ANALİZİ ÜZERİNDEKİ ETKİSİ (EFFECTS OF SUPPORT VECTOR
Detaylı1. YARIYIL / SEMESTER 1 2. YARIYIL / SEMESTER 2
T.C. NECMETTİN ERBAKAN ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ, 2018-2019 AKADEMİK YILI ÖĞRETİM PLANI T.C. NECMETTIN ERBAKAN UNIVERSITY ENGINEERING AND ARCHITECTURE
Detaylı2017 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ EĞİTİM PLANI
2017 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ EĞİTİM PLANI SINIF: 1 DÖNEM: GÜZ 200111 TEMEL BİLGİ TEKNOLOJİSİ KULLANIMI USE OF FUNDAMENTAL INFORMATION TECHNOLOGY 2017 2 0 2 2
DetaylıEEM 452 Sayısal Kontrol Sistemleri /
EEM 452 Sayısal Kontrol Sistemleri / Yrd. Doç. Dr. Rıfat HACIOĞLU Bahar 2016 257 4010-1625, hacirif@beun.edu.tr EEM452 Sayısal Kontrol Sistemleri (3+0+3) Zamanda Ayrık Sistemlerine Giriş. Sinyal değiştirme,
DetaylıYüreğir ovasında narenciye ekim alanlarının Landsat 7 ETM uydu verisiyle belirlenmesi ve izlenmesi olanaklarının araştırılması
Yüreğir ovasında narenciye ekim alanlarının Landsat 7 ETM uydu verisiyle belirlenmesi ve izlenmesi olanaklarının araştırılması M.Eren ÖZTEKİN* 1, Suat ŞENOL 1, Mahmut DİNGİL 1, Levent ATATANIR 2, A.Oğuz
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
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
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
DetaylıUyarlanır Tersinir Görüntü Damgalama (Adaptive Reversible Image Watermarking)
Uyarlanır Tersinir Görüntü Damgalama (Adaptive Reversible Image Watermarking) 1 *Can Yüzkollar, 2 Burhan Baraklı, 3 Ümit Kocabıçak * 1,3 Bilgisayar ve Bilişim Bilimleri Fakültesi, Bilgisayar Mühendisliği,
DetaylıKOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU. (Doç.Dr. M.
KOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU (Doç.Dr. M. Kemal GÜLLÜ) Derinlik kamerası ile alınan modellerin birleştirilmesi Derinlik kamerası,
DetaylıİŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL oda no: 303 (T4 / EEM)
İşaret ve Sistemler İŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL aakgul@sakarya.edu.tr oda no: 303 (T4 / EEM) Kaynaklar: 1. Signals and Systems, Oppenheim. (Türkçe versiyonu: Akademi Yayıncılık)
DetaylıPlazma İletiminin Optimal Kontrolü Üzerine
Plazma İletiminin Optimal Kontrolü Üzerine 1 Yalçın Yılmaz, 2 İsmail Küçük ve 3 Faruk Uygul *1 Faculty of Arts and Sciences, Dept. of Mathematics, Sakaya University, Sakarya, Turkey 2 Faculty of Chemical
DetaylıANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SANAL ARTIRILMIŞ VE AKILLI TEKNOLOJİLER (SAAT) LABORATUVARI SAAT Laboratuvarı Koordinatör: Yrd. Doç. Dr. Gazi Erkan BOSTANCI SAAT
DetaylıHAFTA 11: ÖRNEKLEME TEOREMİ SAMPLING THEOREM. İçindekiler
HAFA 11: ÖRNEKLEME EOREMİ SAMPLING HEOREM İçindekiler 6.1 Bant sınırlı sürekli zaman sinyallerinin örneklenmesi... 2 6.2 Düzgün (uniform), periyodik örnekleme... 3 6.3 Bant sınırlı sürekli bir zaman sinyaline
DetaylıSOFTWARE ENGINEERS EDUCATION SOFTWARE REQUIREMENTS/ INSPECTION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS
SOFTWARE REQUIREMENTS/ INSPECTION SOFTWARE ENGINEERS EDUCATION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS SOFTWARE REQUIREMENTS/ INSPECTION Ö. Albayrak, J. C. Carver,
Detaylı91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing)
91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 1 Amaçlar Öğrencileri Matlab gibi teknik
DetaylıFIRAT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ/YAZILIM MÜHENDİSLİĞİ (DR)
FATİH ERTAM DOKTOR ÖĞRETİM ÜYESİ E-Posta Adresi fatih.ertam@firat.edu.tr Telefon (İş) Telefon (Cep) Faks Adres 4242370000-7640 5356514539 Fırat Üniversitesi Teknoloji Fakültesi B Blok Adli Bilişim Mühendisliği
DetaylıVERİ MADENCİLİĞİ YÖNTEMLERİ KULLANILARAK ÇOK-BANTLI UYDU GÖRÜNTÜ VERİLERİNİN SINIFLANDIRILMASI İÇİN ALGORİTMA SEÇİMİ
484 [1279] VERİ MADENCİLİĞİ YÖNTEMLERİ KULLANILARAK ÇOK-BANTLI UYDU GÖRÜNTÜ VERİLERİNİN SINIFLANDIRILMASI İÇİN ALGORİTMA SEÇİMİ Hamza EROL 1 1 Prof. Dr., Çukurova Üniversitesi, İstatistik Bölümü, 01330,
DetaylıBölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme Dr. Öğr. Üyesi Caner ÖZCAN It makes all the difference whether one sees darkness through the light or brightness through the
DetaylıDOÇ. DR. HAKAN GÜRKAN Işık Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü hakan@isikun.edu.tr
DOÇ. DR. HAKAN GÜRKAN Işık Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü hakan@isikun.edu.tr 1. Adı Soyadı : Hakan Gürkan 2. Doğum Tarihi : 04.02.1973 3. Unvanı : Doçent 4.
DetaylıDoküman dili tanıma için ikili örüntüler tabanlı yeni bir yaklaşım
Doküman dili tanıma için ikili örüntüler tabanlı yeni bir yaklaşım Yılmaz KAYA 1, Ömer Faruk ERTUĞRUL 2, Ramazan TEKİN 3 1 Siirt Üniversitesi, Bilgisayar Mühendisliği Bölümü 2 Batman Üniversitesi, Elektrik-Elektronik
DetaylıYÜKSEKÖĞRETİM KURULU PROFESÖR : MARMARA EĞİTİM KÖYÜ MALTEPE İSTANBUL
AHMET FUAT ANDAY ÖZGEÇMİŞ YÜKSEKÖĞRETİM KURULU PROFESÖR 05.02.2015 Adres : MARMARA EĞİTİM KÖYÜ 34857 MALTEPE İSTANBUL Telefon : 2166261050-2382 E-posta Doğum Tarihi : 27.08.1941 : fuatanday@maltepe.edu.tr
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
DetaylıPİEZOELEKTRİK YAMALARIN AKILLI BİR KİRİŞİN TİTREŞİM ÖZELLİKLERİNİN BULUNMASINDA ALGILAYICI OLARAK KULLANILMASI ABSTRACT
PİEZOELEKTRİK YAMALARIN AKILLI BİR KİRİŞİN TİTREŞİM ÖZELLİKLERİNİN BULUNMASINDA ALGILAYICI OLARAK KULLANILMASI Uğur Arıdoğan (a), Melin Şahin (b), Volkan Nalbantoğlu (c), Yavuz Yaman (d) (a) HAVELSAN A.Ş.,
DetaylıDerece Alan Üniversite Yıl Lisans Hidrodinamik, Gemi Model İstanbul Teknik Üniversitesi 1997-2001
ÖZGEÇMİŞ ve YAYIN LİSTESİ 1. Adı Soyadı : Serhan GÖKÇAY 2. Doğum Tarihi : 23.05.1979 3. Unvanı : Yrd. Doç. Dr. 4. Öğrenim Durumu: Derece Alan Üniversite Yıl Hidrodinamik, Gemi Model İstanbul Teknik Üniversitesi
DetaylıZamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama
Zamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama Mehmet Yavuz ONAT Yrd.Doç.Dr.Engin YILDIZTEPE Dokuz Eylül Üniversitesi, İstatistik Bölümü Akademik Bilişim 2015, Anadolu Üniversitesi, Eskişehir
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 MODÜLASYON TEKNİKLERİ SAYISAL MODÜLASYON İçerik 3 Sayısal modülasyon Sayısal modülasyon çeşitleri Sayısal modülasyon başarımı Sayısal Modülasyon 4 Analog yerine sayısal modülasyon
Detaylı2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir.
ÇELĐK YÜZEYLERĐN SINIFLANDIRILMASI * Cem ÜNSALAN ** Aytül ERÇĐL * Ayşın ERTÜZÜN *Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü unsalan@boun.edu.tr **Boğaziçi Üniversitesi, Endüstri Mühendisliği
DetaylıÖZGEÇMİŞ ve YAYINLAR LİSTESİ
ÖZGEÇMİŞ ve YAYINLAR LİSTESİ 1. Adı Soyadı............. : Hatice ( KIRIMLI ) SEZGİN 2. Doğum Tarihi............ : 11 Haziran 1959 3. Ünvanı................. : Yardımcı Doçent Doktor 4. Öğrenim Durumu :
DetaylıÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR
Resim ÖZGEÇMİŞ 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Telefon : 386 280 45 50 Mail : kskula@ahievran.edu.tr
DetaylıBİR FAZ BEŞ SEVİYELİ İNVERTER TASARIMI VE UYGULAMASI
BİR FAZ BEŞ SEVİYELİ İNVERTER TASARIMI VE UYGULAMASI Sabri ÇAMUR 1 Birol ARİFOĞLU 2 Ersoy BEŞER 3 Esra KANDEMİR BEŞER 4 Elektrik Mühendisliği Bölümü Mühendislik Fakültesi Kocaeli Üniversitesi, 41100, İzmit,
DetaylıM.Cüneyt BAĞDATLI 1, Aslı ÖZDARICI OK 2, Ali Özgün OK 3, Oktay ERDOĞAN 4, Selçuk ALBUT 5 H. İbrahim OĞUZ 4 ÖZET ABSTRACT
194 [954] GÖRÜNTÜ SINIFLANDIRMASI YOLUYLA GÖKTÜRK-2 GÖRÜNTÜSÜNDEN TARIMSAL ÜRÜN DESENİNİN BELİRLENMESİ: NEVŞEHİR - SARIHIDIR KÖYÜ KIZILIRMAK SAĞ SAHİL BANDI TARIM ARAZİLERİ PİLOT UYGULAMASI M.Cüneyt BAĞDATLI
DetaylıTürkiye nin Mühendislikteki Bilimsel Yayın Performansı
Türkiye nin Mühendislikteki Bilimsel Yayın Performansı Umut Al Hacettepe Üniversitesi Bilgi ve Belge Yönetimi Bölümü umutal@hacettepe.edu.tr -1 Plan Terminoloji Araştırmanın amacı Kapsam ve yöntem Bulgular
DetaylıNESNE TABANLI SINIFLANDIRMA TEKNİĞİ İLE ARAZİ ÖRTÜSÜNÜN BELİRLENMESİ: QUICKBIRD ve LANDSAT ÖRNEĞİ
NESNE TABANLI SINIFLANDIRMA TEKNİĞİ İLE ARAZİ ÖRTÜSÜNÜN BELİRLENMESİ: QUICKBIRD ve LANDSAT ÖRNEĞİ Merve YILDIZ 1, Taşkın KAVZOĞLU 2 1 Arş. Gör., Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve Fotogrametri
DetaylıFrekans domain inde İşlemler. BMÜ-357 Sayısal Görüntü İşleme Yrd. Doç. Dr. İlhan AYDIN
Frekans domain inde İşlemler BMÜ-357 Sayısal Görüntü İşleme Yrd. Doç. Dr. İlhan AYDIN Domain Dönüşümü Dönüşüm, bir sinyalin, başka parametrelerle ifade edilmesi şeklinde düşünülebilir. Ters dönüşüm ise,
Detaylıİki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
KSÜ Mühendislik Bilimleri Dergisi, 12(1), 2009 6 KSU Journal of Engineering Sciences, 12 (1), 2009 İki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
Detaylıhkm 2004/90 5. Göllerin Çok Bantl Uydu Görüntülerinden Ç kar m 6. Sonuç ve Öneriler
Çöl arazide, yeşil bitki örtüsü su kenarlar nda bulunur. Bu ilişki göllerin ya da rmaklar n etraf nda yeşil bitki örtüsünün olabileceğini gösterir ve su nesnesinin tan nmas nda ve anlaş lmas nda yard mc
DetaylıİNSANSIZ HAVA ARACI VERİLERİNDEN NESNE TABANLI BİNA ÇIKARIMI
319 [1054] İNSANSIZ HAVA ARACI VERİLERİNDEN NESNE TABANLI BİNA ÇIKARIMI Resul Çömert 1, Uğur Avdan 2, Z. Damla Uça Avcı 3 1 Araş. Gör., Anadolu Üniversitesi, Yer ve Uzay Bilimleri Enstitüsü, 26555,Eskişehir,
Detaylı