3B Nokta Bulutu Verisinde Değişimsel Metot Kullanılarak Görüntü Örtüştürme Birleşimli Değişiklik Tespiti
|
|
- Asli Okyar
- 6 yıl önce
- İzleme sayısı:
Transkript
1 3B Nokta Bulutu Verisinde Değişimsel Metot Kullanılarak Görüntü Örtüştürme Birleşimli Değişiklik Tespiti Gizem AKTAŞ, Fatih NAR, Nigar ŞEN, Murat BAŞARAN SDT A.Ş. Galyum Blok Kat 2 No 2 ODTÜ Teknokent, 06531, Ankara, {gaktas, fnar, nsen, mbasaran}@sdt.com.tr ÖZET Değişiklik tespiti, dünya yüzeyini gözlemlemek amacıyla kullanılan oldukça önemli fakat zorlu bir araştırma konusudur. Araştırmacılar değişiklik tespiti yöntemini gerçekleştirirken görüntülerin örtüştürülmemesi, görüntülerin gürültülü olması ve gözle fark edilmeyen farklılıklardan kaynaklanan bazı sorunları çözmek için algoritmalar uygulamışlardır. Her adımda yapılan hataların birikimi en sonunda tespit edilen değişikliklerin doğruluğunu olumsuz etkiler. Örneğin, görüntüler tamamen örtüştürülürse, değişiklik tespiti doğru sonuçlandırılabilir; değişiklik miktarı bilinirse, örtüştürme parametreleri doğru hesaplanabilir. Bu bildiride, örtüştürme ve değişim tespitini aynı anda çözerken gürültünün etkisini azaltan değişimsel bir değişiklik tespiti yöntemi önerilmiştir. Bu yenilikçi değişimsel maliyet fonksiyonu ilinti tabanlı bir veri sadakat teriminden ve değişiklik tespiti üzerinde bir yumuşaklık sağlayabilmek amacıyla l 1 norm düzenlileştirme teriminden oluşmaktadır. Hızlı ve hassas bir değişiklik tespiti için, önerilen maliyet fonksiyonunun yüksek verimli matematiksel yaklaşım kullanılarak eniyilemesi amaçlanmıştır. Önerilen yöntemin performans sonuçları sentetik olarak üretilen nokta bulutu verisi üzerinde gösterilmiştir. Anahtar Kelimeler: değişiklik tespiti, örtüştürme, ilinti, nokta bulutu ABSTRACT Change detection is important but a challenging topic for observing earth surface. Researchers handled problems caused by unregistered images, imaging noise, and subtle differences using sequential algorithmic steps for change detection. However, accumulation of errors in each step leads to decrease accuracy of the change detection. For example, the registration
2 parameters are known, changes can be found properly and if the changes are known, registration parameters can be calculated. In this article, a variational change detection method is proposed that simultaneously determine the registration parameters and change map while reducing the effects of noise. This cost function is constructed with a novel correlation-based data fidelity term and l 1 normtotal variation (TV) regularization term. Proposed cost function is minimized using an efficient numerical approach which leads to fast and accurate change detection. Performance of the proposed method is shown on synthetically generated 3D point-cloud images. Keywords: change detection, registration, correlation, total variation, pointcloud 1. GİRİŞ Uzaktan algılama, nesne tespiti ve analizi amacıyla dünya yüzeyinin uydulardan veya hava araçlarından sensörler aracılığıyla görüntülenmesi amacıyla kullanılmaktadır. Uzaktan algılama alanında görüntülerden değişiklik tespiti kullanıcılar tarafından oldukça tercih edilen ve sıkça çalışılan konulardan biridir. Değişiklik tespiti tanımı ile dünya üzerinde bir bölgenin farklı zamanlarda çekilmiş görüntülerinin piksellerinde değişim var/yok olarak gruplandırılması yöntemidir. Değişiklik tespitinin amacı bu görüntülerin basitçe farkını almak değil, binaların yapımı/yıkımı, insan yapımı nesne, ormanlaştırma, ormanların yok oluşu, şehirleşme gibi değişikliklerin tespit edilmesidir. Bu değişimler göze alındığında, değişiklik tespiti bilimsel, çevresel ve askeri alanlarda insan sayımı, hareketlerin tanınması, harita güncellemeleri, şehir planlaması, ulusal güvenlik ve gizlilik uygulamaları, sel ve felaket gözetleme, deniz/buz hareketleri gözlemleri gibi birçok uygulama amacıyla kullanılabilir [1]. Uzaktan algılama sensörlerine örnek olarak kızılötesi kameralar (İng. Infrared IR), elektro optik (EO) fotogrametri, sentetik açıklıklı radar (İng. Synthetic Aperture Radar - SAR), ve LIDAR (İng. Laser Imaging Detectionand Ranging) verilebilir. Hava araçlarından alınan görüntülerde gökdelen gibi çok yüksek binaların gölgelerinin görüntüyü bozması veya sensörün görüş açısından kaynaklı görüntü içindeki binaların eğimli görünmesi gibi problemlerle karşılaşılabildiği için LIDAR verisi tercih edilmektedir [2]. Değişiklik tespiti algoritmasının geliştirilmesi aşamasında yan hüzme, hareket halindeki yansıtıcı, sensörden kaynaklı gürültü, radar aydınlanması, sensörün geliş ve görüş açısı, sensör ayarları, görüntülerin örtüştürülmesi gibi birçok sebepten kaynaklı problemle karşılaşılmaktadır ve bu problemler yanlış tespitlere sebep olmaktadır [3]. Algoritmanın gürbüzlüğünü ve performansını artırmak için öncelikli olarak bu problemlerin üstesinden gelinmesi gerekmektedir.
3 Literatürde önerilen çeşitli değişiklik tespiti metotları bulunmaktadır. Bunların içlerinde en yaygın olarak kullanılanlarına basit görüntü farkı alma, görüntü bağlanımı, görüntü oranlaması, eşik değeri bulunması[4], ana bileşen analizi (İng. Principle Component Analysis PCA), değişim vektör analizi, beklenti enbüyümesi (İng. ExpectationMaximization EM) tabanlı tespit ve yapay sinir ağı tabanlı değişim tespiti örnek olarak verilebilir [5]. Bu algoritmalar yaygın olarak kullanılmasına rağmen, görüntü gürültüsüne karşı gürbüz değillerdir ve görüntülerin çakıştırılması konusunda doğrudan çözüm üretememektedir. Değişiklik tespiti için görüntülerin birbirleri üzerine çakıştırılması gerekmektedir. Görüntülerin hatalı çakıştırılması ve onun değişiklik tespiti üzerindeki etkisi ve çözümleri oldukça çalışılmıştır [6, 7, 8, 9]. Görüntülerin birbiri üzerine örtüştürülmesi için değişinti benzerliği [6],düzgelenmiş ilinti (İng. Normalized Cross Correlation NCC) [8], özyineli en yakın nokta (İng. Iterative Closest Point ICP) [7], karşılıklı bilgi (İng. Mutual Information MI)[9] gibi birçok benzerlik metriği kullanılmıştır. ICP algoritmasında, özyineli çözüm için verilecek ilk değer çok kritiktir çünkü algoritma, sonuç için en küçük değeri vermeyi garantilememektedir. MI algoritması ise görüntüler içerisindeki değişim miktarı çok fazla ise çakıştırma değerlerini doğru bulamayabilmektedir. NCC algoritması örtüştürme işlemi için oldukça başarılı sonuçlar üretmesine rağmen, EO görüntülerde parlaklıktan kaynaklı değişimleri veya nokta bulutu verisindeki yükseklikten kaynaklı değişimleri yakalayamayabilmektedir. Bu algoritmaların çoğu örtüştürmeyi ön işlem olarak uygulamaktadır. Örtüştürme ve değişiklik tespiti birbiri içine geçmiş iki problem olup eş zamanlı çözülmesi gerekmektedir ve bu iki problemi tek seferde bir eniyileme yaklaşımı ile çözen yöntem Vakalopoulou et al. [9] tarafından önerilmiştir. Bu yöntem sadece bir piksel örtüştürme hatalarını çözebilmektedir. Ayrıca eniyileme yönteminin çözümünde kullanılan çizge kesitleri (İng. GraphCut - GC) yöntemi kullanılmıştır ve bu yöntem de çoklu etiket kullanıldığı zaman en iyi sonuca ulaşmayı garantilememektedir. Bu yöntemin aksine, bizim metodumuzda maliyet fonksiyonu dış bükey olduğu için en iyi sonucu üretmekte ve ayrıca bu yöntemle daha geniş aralıktaki örtüştürme miktarı tespit edilebilmektedir. İlinti benzerlik metriği, literatürde daha çok örtüştürme amaçlı kullanılsa da değişiklik tespiti için de kullanılmaktadır [10, 11]. Değişiklik tespiti algoritmalarında bölgesel değişiklikleri tespit etmek için sadece bir pikselin renk, yükseklik ya da yeğinlik bilgisi yeterli olmayabilir, bu yüzden bir pikselin komşularıyla olan ilişkisinden çıkartılan bilgi olan ilinti metriği ve onun derecesi kullanılarak değişim olup olmadığı ayırt edilebilir. Burada sunulan çalışmanın aksine bu yöntemlerde görüntülerin çakıştırılmış olduğu varsayılmaktadır ve bu yöntemlerin hiçbiri değişimsel bir yaklaşımla çözmemektedir. Bu bildiride, Rudin et al. [12] ve arkadaşlarının önermiş olduğu gürültü azaltma için değişimsel modelden etkilenerek denetimsiz bir değişiklik tespiti
4 algoritması önerilmiştir. Bu yöntemde nokta bulutu verisi üzerinde değişimsel bir maliyet fonksiyonu kullanılmıştır [13,14]. Bu değişimsel maliyet fonksiyonu ilinti tabanlı sadakat terimi ile l 1 norm düzenlileştirme teriminden oluşmaktadır ve sadakat terimi doğru örtüştürme miktarını sağlarken, düzenlileştirme terimi değişim imgesinin yumuşamasını sağlamaktadır. l 1 norm TV düzenlileştirme terimi seçilmesinin sebebi ise nokta denilebilecek değişimleri tespit ederken, genel olarak tüm değişimlerin özniteliklerini korumaktır. Bu maliyet fonksiyonu, etkili bir matematiksel yaklaşımla çözülerek hızlı bir algoritma elde edilmesi sağlanmıştır. Bildirinin devamında, 2. bölüm kapsamında önerilen yöntem detaylı olarak ele alınmaktadır, 3. bölümde değişimsel model kullanılarak sentetik olarak üretilen nokta bulutu verisi üzerinde değişiklik tespiti ile ilgili performans sonuçları sunulmuş ve ilgili görsel sonuçlara yer verilmiştir. Son olarak da önerilen algoritmaya ait çıkarımlara 4. bölümde yer verilmiştir. 2. Önerilen Yöntem Bu bildiride, örtüştürme parametrelerini en doğru şekilde bulurken değişiklikleri de aynı anda tespit eden tek bir ilinti tabanlı maliyet fonksiyonunu enküçültme yaklaşımı ile çözen bir değişimsel model önerilmiştir. Önerilen maliyet fonksiyonu J(C, T), Denklem 1. deki gibi tanımlanmıştır: J(C, T) = NCC(H 1 + C, T(H 2, T) + d z C) (1) + λ z (H 1 + C) (T(H 2, T) + d z C) λ s C 1 1 burada, H 1 ve H 2 aynı bölgenin t 1 ve t 2 gibi farklı zamanlarında çekilmiş yükseklik haritalarıdır, C bulunması amaçlanan değişiklik imgesinin yarısı, dönüşüm fonksiyonu T(. ) ile gösterilmekte, T, {d x, d y } olarak x ve y eksenindeki yer değiştirme vektörünü ifade etmektedir, d z ise z eksenindeki yer değiştirme miktarını göstermektedir. λ s, elde edilecek değişiklik imgesi için yumuşatma seviyesi parametresi olmakla beraber, λ z iki yükseklik haritasının birbirine yakınlığını belirlemek için kullanılan katsayıdır., türev sembolüdür. NCC(. ) iki görüntü arasındaki ilintiyi bulmak için kullanılan fonksiyondur ve A, B gibi iki imge için Denklem 2. deki gibi tanımlanmıştır: NCC(A, B) = 1 n (A A )(B B ) (2) σ A σ B burada, n görüntülerdeki toplam piksel sayısıdır. A, B sırasıyla A, B görüntülerinin ortalama piksel değerleridir, σ A, σ B ise standart sapmalarıdır. Denklem 1. de ilk terim sadakat terimidir ve ilinti metriği tabanlı bir şekilde tanımlanmıştır çünkü ilinti benzerlik metriği kullanılan iki verinin birbiri ile ne kadar örtüştüğünün derecesini vermektedir [8]. Buna rağmen, maliyet fonksiyonundaki ilk terim z yönündeki yer değiştirme miktarını hesaba katmaz çünkü NCC(A, A + d z ) fonksiyonunun sonucu 1 e eşittir ve bu da bu metriğe göre iki görüntünün aynı olduğu anlamına gelir. Bu yüzden z deki yer
5 değiştirme miktarını yakalayabilmek için λ z katsayısını içeren ikinci terim eklenmiştir. Küçük λ z eniyileme yöntemindeki d z miktarını yakalamak için yeterlidir. Üçüncü terim ise düzenlileştirme terimi olarak adlandırılır ve değişim imgesi üzerindeki değişimleri λ s parametresine bağlı olarak cezalandırır. Bu yöntemdeki temel amaç, maliyet fonksiyonunun C ve T ye göre ayrı ayrı türevini almaktır ve bunun sonucunda elde edilen değişim imgesi amaçlanan değişiklik tespitinin yarısıdır. Bu problem, örtüştürme ve değişim kararı olarak iki adımda enküçültme yöntemi ile çözülebilir. İlk adımda değişim haritası sabit olarak sayılır ve maliyet fonksiyonu öteleme parametresine göre enküçültülür. Bunun aksine ikinci adımda, bulunan öteleme miktarları fonksiyonda yerine yerleştirilerek fonksiyon enküçültülerek değişiklik haritası hesaplanır. En iyi sonucu bulabilmek için bu iki adım özyinelemeli olarak tekrarlanır. Bu algoritmanın sözde kodu Algoritma 1 deki gibidir: Algoritma 1: Eşgüdümlü İniş Algoritması 1. yöntem: Değişim Tespiti 2. for i = 1:maksimumDöngü do 3. adım1: Örtüştürme 4. adım2: Değişim Kararı 5. forsonu 6. yöntemsonu Adım1: Örtüştürme Bu adımda, ilk olarak değişimin olmadığı ve adım bu adım boyunca sabit olduğu varsayılır. Öteleme parametresine göre türev alınarak değerler hesaplanır. Denklem 1. de H 1 = H 1 + C ve H 2 = T(H 2, T) + d z C şeklinde yalınlaştırmalar yapılırsa ve fonksiyondaki son terim sadece C ye bağlı olduğundan türeve etkisi olmadığından yok sayılırsa, denklem yeniden Denklem 3. teki gibi yazılabilir: J(T) = NCC(H 1, H 2) + λ z H 1 H (3) Denklem 3. T parametresine göre enküçültülerek yer değiştirme miktarları hesaplanır. Matlab ın corr2 fonksiyonu kullanılarak ilinti metriği hesaplanır ve Powell yöntemi kullanılarak denklem eniyilenerek yer değiştirme bulunur. Adım2: Değişim Kararı Bu adımda, bir önceki adımda bulunan yer değiştirme parametreleri fonksiyonda yerine yerleştirilerek değişim haritası bulunur. İkinci yükseklik haritasına öteleme parametreleri uygulandıktan sonra H T = T(H 2, T) + d z olarak yeniden yazılabilir ve NCC(. ) fonksiyonunun da açılımı ile Denklem 1. tekrar şu şekilde ifade edilebilir:
6 J(C) = 1 n (H 1p + C p μ 1 )(H T p C p μ 2 ) σ 1 σ 2 p + λ z (H 1 p + 2C p H T p )2 + λ s C p p burada, piksel indeksi p ile ifade edilir, μ 1 ve σ 1 sırasıyla H 1 + Charitasının ortalama ve standart sapma değerleri iken, μ 2 ve σ 2 ise H T C haritasının ortalama ve standart sapma değerleridir. Bu C ye bağlı maliyet fonksiyonunda ilinti metriği -1 ile 1 arasına düzgünleştirilmektedir, fakat yöntemin amacı sadece eniyileyen değeri bulmak olduğu için sonucu etkilememektedir bu yüzden birinci terimdeki piksel sayısına bölme işlemi yok sayılarak, λ değerleri buna göre ayarlanır. Bu denklemi sadeleştirmek amacıyla, bazı terimler H 1 = H 1 + μ 1, H 2 = H T μ 2 ve H = H T H 1 şeklinde yeniden yazılır ve matematiksel işlemlerin kolay gerçekleştirilmesini sağlamak amacıyla tüm denklem σ 1 σ 2 ile çarpılırλ z = λ z σ 1 σ 2 veλ s = λ s σ 1 σ 2 şeklindeλ değerleri de güncellenir. Bu enküçültme probleminin direkt türevi alınamaz mutlak değer olanl 1 norm terimi devamlı bir fonksiyon olmadığı için bu yüzden bir yaklaşım önerilir ve bu yaklaşımla birlikte türevi alınabilecek şekilde matrisvektör formu şeklinde Denklem 5. deki gibi yazılır: J(V c ) = (V T c V c V H 1V c V H 2V c + V H 1V H 2) + λ z(2v c V H ) T (2V c V (5) H ) + λ s V T c C T x W x C x V c + V T c C T y W y C y V c Maliyet fonksiyonunun son hali V c ye göre alınarak sıfıra eşitlenir ve sonunda x = V c, A = I + 4λ zi + λ s(c T x W x C x + C T y W y C y ) ve b = (V H 1 + V H 2 + 4λ zv H )/2 olacak şekilde Ax = b gibi doğrusal bir model elde edilir. Bu problemin çözümünde A nın boyutu çok büyük olduğu için x = A 1 b gibi bir yol izlenemediği için yerine matematiksel bir yöntem (İng. Preconditioned conjugate gradient) kullanılır, böylece matrisin tersini almak yerine hızlı bir şekilde matris direkt olarak bulunabilir. Tüm yöntemin sonunda, matris-vektör formunda bulunan değişim haritası tekrar imge formuna dönüştürülerek, gerçek değişim için iki ile çarpılır. 3. Deneysel Çalışmalar Bu bölümde, değişimsel model kullanılarak nokta bulutu verisi üzerinde değişiklik tespiti ile ilgili performans sonuçları sunulmuştur. Bu çalışmada, sentetik olarak üretilen ilk veri seti Matlab da 200x200 boyutunda bir matrise yükseklik değerleri atanarak oluşturulmuş ve oluşturulan yükseklik haritasına gürültü eklenmiştir. İki yükseklik haritası arasında değişim amacıyla da her haritaya rastgele yükseltiler eklenmiştir. Yapılan değişiklikler bu veri seti için yer gerçekliği olarak tanımlanmıştır. İkinci veri seti ise bir bölgede bulunan bina, ağaç, köprü gibi nesnelerin nokta bulutlarının bir simülasyon aracı ile oluşturulmasıyla elde edilmiştir ayrıca nesnelere yer yüzeyi amacıyla rastgele bir yükseklik haritası eklenmiştir. Bu veri setinde değişim amacıyla ikinci veriye p (4)
7 ağaçlar eklenmiştir. Algoritma ile ilgili görüntüler Şekil 1. ve Şekil 2. de verilmektedir. (a) (b) (c) (d) Şekil 1.Sentetik olarak üretilen veri seti üzerinde değişiklik tespiti metodu (a) Yükseklik haritası zaman t 1 anında(b) Yükseklik haritası zaman t 2 anında(c) Yer gerçekliği(d) Değişiklik tespiti sonucu oluşan değişim haritası (a) (b) (c) Şekil2.Sentetikolaraküretilenikinciverisetiüzerindedeğişikliktespitimetodu(a) Yükseklik haritası zaman t 1 anında(b) Yükseklik haritası zaman t 2 anında(c)değişiklik tespiti sonucu oluşan değişim haritası 4. Vargılar Bu bildiride, nokta bulutu verisinde değişiklikleri tespit etmek amacıyla örtüştürmeyi de aynı anda yapan tek bir yenilikçi maliyet fonksiyonunu eniyileme yöntemi ile çözen bir yöntem geliştirilmiştir. Literatürdeki diğer yaklaşımlardan farklı olarak, çakıştırmayı hataların sonucu etkilemesini önlemek amacıyla ön işleme olarak gerçekleştirmek yerine eş zamanlı bir çözüm sunulmuştur. Bu matematiksel yaklaşımla birlikte adım adım gerçekleştirilen algoritmaların aksine verimi yüksek bir numerik model tasarlanmıştır. İlinti tabanlı maliyet fonksiyonu sayesinde gürültünün değişiklik haritası üzerindeki etkisi azaltılırken, nokta boyutlu değişiklikler de bulunmuş ve genel olarak tüm değişikliklerin kenar gibi özniteliklerinin korunması sağlanmıştır. Sentetik olarak oluşturulan veri üzerinde oldukça başarılı olan yaklaşımın, gerçek veriler ile çalıştırılması bundan sonraki aşama olacaktır. KAYNAKÇA [1] Li, Yu, et al. "Change-Detection Map Learning Using Matching Pursuit."Geoscience and Remote Sensing, IEEE Transactions on 53.8 (2015):
8 [2] Vu, TuongThuy, Masashi Matsuoka, and Fumio Yamazaki. "LIDAR-based change detection of buildings in dense urban areas." Geoscience and Remote Sensing Symposium, 2004.IGARSS'04.Proceedings.2004 IEEE International.Vol. 5.IEEE, [3] Sevilmis, Berk, et al. "A robust nonlinear scale space change detection approach for SAR images." SPIE Remote Sensing.International Society for Optics and Photonics, [4] Moser, Gabriele, and Sebastiano B. Serpico. "Generalized minimum-error thresholding for unsupervised change detection from SAR amplitude imagery."ieee Transactions on Geoscience and Remote Sensing (2006): [5] Singh, Ashbindu. "Review article digital change detection techniques using remotely-sensed data." International journal of remote sensing 10.6 (1989): [6] Townshend, John RG, et al. "The impact of misregistration on change detection." Geoscience and Remote Sensing, IEEE Transactions on 30.5 (1992): [7] Zhang, Xiao, Craig Glennie, and ArpanKusari. "Change detection from differential airborne LiDAR using a weighted anisotropic iterative closest point algorithm." Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of 8.7 (2015): [8] Sarvaiya, Jignesh N.,SupravaPatnaik, and Salman Bombaywala. "Image registration by template matching using normalized cross-correlation."advances in Computing, Control, & Telecommunication Technologies, ACT'09.International Conference on.ieee, [9] Vakalopoulou, Maria, et al. "Simultaneous registration and change detection in multitemporal, very high resolution remote sensing data." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops [10] Im, Jungho, and John R. Jensen. "A change detection model based on neighborhood correlation image analysis and decision tree classification."remote Sensing of Environment 99.3 (2005): [11] Im, Jungho, J. R. Jensen, and J. A. Tullis. "Object based change detection using correlation image analysis and image segmentation." International Journal of Remote Sensing 29.2 (2008): [12] Rudin, Leonid I., Stanley Osher, and EmadFatemi. "Nonlinear total variation based noise removal algorithms." Physica D: Nonlinear Phenomena 60.1 (1992): [13] Ozcan, Caner, Baha Sen, and Fatih Nar. "Sparsity-Driven Despeckling for SAR Images." (2016). [14] SARAN, AYŞE NURDAN, Fatih Nar, and Murat Saran. "Vessel segmentation in MRI using a variational image subtraction approach." Turkish Journal of Electrical Engineering & Computer Sciences 22.2 (2014):
2016 YILI AKADEMİK TEŞVİK BAŞVURUSU FAALİYET TÜRÜ HAM PUAN NET PUAN PROJE ARAŞTIRMA 0 0 YAYIN
ALİ ÖZGÜN OK DOÇENT YILI AKADEMİK TEŞVİK BAŞVURUSU NEVŞEHİR HACI BEKTAŞ VELİ ÜNİVERSİTESİ/MÜHENDİSLİK-MİMARLIK FAKÜLTESİ/JEODEZİ VE FOTOGRAMETRİ MÜHENDİSLİĞİ BÖLÜMÜ/JEODEZİ VE FOTOGRAMETRİ MÜHENDİSLİĞİ
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,
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.
DetaylıSentetik Açıklıklı Radar (SAR) Görüntülerinde Eş Zamanlı Gemi Bölütlemesi ve Tespiti
Sentetik Açıklıklı Radar (SAR) Görüntülerinde Eş Zamanlı Gemi Bölütlemesi ve Tespiti Çağdaş Bak, Emre Akyılmaz, Gizem Aktaş, Mustafa Ergül, Fatih Nar, Nigar Şen,Murat Başaran SDT Uzay ve Savunma Teknolojileri,
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
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
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),
DetaylıAUTOMATIC EXTRACTION OF BUILDING OBLIQUE ROOF FROM DENSE IMAGE MATCHING POINT CLOUDS WITH HIGH RESOLUTION COLOUR- INFRARED IMAGES
BİNA EĞİK ÇATILARININ YÜKSEK ÇÖZÜNÜRLÜKLÜ RENKLİ-KIZILÖTESİ GÖRÜNTÜLERDEN ÜRETİLEN YOĞUN NOKTA BULUTLARINDAN OTOMATİK ÇIKARILMASI H. ACAR 1, M. ÖZTÜRK 2, F. KARSLI 1, M. DİHKAN 1 1 Karadeniz Teknik Üniversitesi,
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
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
DetaylıKısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon
OPTİMİZASYON Bu bölümde çok değişkenli kısıtsız optimizasyon problemlerinin çözüm yöntemleri incelenecektir. Bu bölümde anlatılacak yöntemler, kısıtlı optimizasyon problemlerini de çözebilmektedir. Bunun
DetaylıYönbağımsız ve Yönbağımlı Gauss Süzgeçleme Isotropic and Anisotropic Gaussian Filtering
Yönbağımsız Yönbağımlı Gauss Süzgeçleme Isotropic and Anisotropic Gaussian Filtering Deniz Yıldırım 1, Bekir Dizdaroğlu 2 1 Harita Mühendisliği Bölümü, 2 Bilgisayar Mühendisliği Bölümü Karadeniz Teknik
DetaylıM. Taner Aktaş, GISP : mtaktas@yahoo.com
Technical Workshops 25.Mayıs.2012 Taşkın Risk Haritası Oluşturmada LiDAR Yöntemi ve ArcHydro 2.0 Araçları M. Taner Aktaş, GISP Gündem Giriş LiDAR Yöntemi ArcGIS ile LiDAR ArcHydro Araçları Taşkın Risk
DetaylıLIDAR VE YERSEL LAZER TARAYICI SİSTEMLERİ. Yersel Lazer Tarayıcı Hakkında Genel Bilgi
LIDAR VE YERSEL LAZER TARAYICI SİSTEMLERİ LIDAR (Light Detection and Ranging) bir hava taşıtı ya da yersel tarayıcılar tarafından elde edilir. Bazı uygulamalarda sayısal kamera görüntüleri ile birlikte
DetaylıTMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Lazer Tarama Verilerinden Bina Detaylarının Çıkarılması ve CBS İle Entegrasyonu
DetaylıUzaktan 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
DetaylıAMAÇ Araçlardaki Kamera Sistemleri
SUNU PLANI AMAÇ OPEN CV GÖRÜNTÜ EŞİKLEME KENAR BULMA ŞEKİL BULMA GÖRÜNTÜ GENİŞLETME VE BOZMA GÖRÜNTÜ DOLDURMA AFFİNE DÖNÜŞÜMÜ PERSPEKTİF DÖNÜŞÜM KUŞ BAKIŞI GÖRÜNTÜ DÖNÜŞÜMÜ AMAÇ Araçlardaki Kamera Sistemleri
DetaylıSAYISAL ÇÖZÜMLEME. Yrd.Doç.Dr.Esra Tunç Görmüş. 1.Hafta
SAYISAL ÇÖZÜMLEME Yrd.Doç.Dr.Esra Tunç Görmüş 1.Hafta Sayısal çözümleme nümerik analiz nümerik çözümleme, approximate computation mühendislikte sayısal yöntemler Computational mathematics Numerical analysis
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
DetaylıBİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU
BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU KİŞİSEL BİLGİLER Adı Soyadı Tolga YÜKSEL Ünvanı Birimi Doğum Tarihi Yrd. Doç. Dr. Mühendislik Fakültesi/ Elektrik Elektronik Mühendisliği 23.10.1980
DetaylıKİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI
KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Final
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Final Harris ve Moravec Köşe Belirleme Metotları Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim
DetaylıÖRNEK TABANLI K-STAR ALGORİTMASI İLE UZAKTAN ALGILANMIŞ GÖRÜNTÜLERİN SINIFLANDIRILMASI
ÖRNEK TABANLI K-STAR ALGORİTMASI İLE UZAKTAN ALGILANMIŞ GÖRÜNTÜLERİN SINIFLANDIRILMASI İ. Çölkesen *, T. Kavzoğlu GYTE, Mühendislik Fakültesi, Jeodezi ve Fotogrametri Müh. Bölümü, 41400 Gebze-Kocaeli (icolkesen@gyte.edu.tr,
DetaylıMakine Öğrenmesi 11. hafta
Makine Öğrenmesi 11. hafta Özellik Çıkartma-Seçme Boyut Azaltma PCA LDA 1 Özellik Çıkartma Herhangi bir problemin makine öğrenmesi yöntemleriyle çözülebilmesi için sistemin uygun şekilde temsil edilmesi
DetaylıUYDU GÖRÜNTÜLERİNİN YAPAY ARI KOLONİSİ (ABC) ALGORİTMASI İLE BÖLÜTLENMESİ
UYDU GÖRÜNTÜLERİNİN YAPAY ARI KOLONİSİ (ABC) ALGORİTMASI İLE BÖLÜTLENMESİ T. Kurban 1, E. Beşdok 2, A.E. Karkınlı 3 Erciyes Üniversitesi, Harita Mühendisliği Bölümü, 38039, Melikgazi, Kayseri. 1 tubac@erciyes.edu.tr,
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
Detaylı4. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.
4. HAFTA BLM33 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi BLM33 DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıHızlı Düzey Küme Yöntemine Bağlı Retinal Damar Bölütlemesi. Bekir DİZDAROĞLU. KTÜ Bilgisayar Mühendisliği Bölümü
Bekir DİZDAROĞLU KTÜ Bilgisayar Mühendisliği Bölümü bekir@ktu.edu.tr 1/29 Tıbbi imge bölütleme klasik yaklaşımları a) Piksek tabanlı b) Kenar tabanlı c) Bölge tabanlı d) Watershed (sınır) tabanlı e) Kenar
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
DetaylıBir Tek Nöron Kullanılarak Resimler Đçerisinde Göz Kısmının Bulunması
KSÜ Fen ve Mühendislik Dergisi, 11(1), 008 59 KSU Journal of Science and Engineering, 11(1), 008 Bir Tek Nöron Kullanılarak Resimler Đçerisinde Göz Kısmının Bulunması Yavuz Selim ĐŞLER, Metin ARTIKLAR
DetaylıYüz Tanımaya Dayalı Uygulamalar. (Özet)
4 Yüz Tanımaya Dayalı Uygulamalar (Özet) Günümüzde, teknolojinin gelişmesi ile yüz tanımaya dayalı bir çok yöntem artık uygulama alanı bulabilmekte ve gittikçe de önem kazanmaktadır. Bir çok farklı uygulama
DetaylıBüyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
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
DetaylıİTÜ Bilişim Enstitüsü Yönetim Kurulu Toplantı Tutanağı Toplantı No: 228, 09 Mayıs 2011, Bilişim Enstitüsü
İTÜ Bilişim Enstitüsü Yönetim Kurulu Toplantı Tutanağı Toplantı No: 228, 09 Mayıs 2011, Bilişim Enstitüsü İstanbul Teknik Üniversitesi Bilişim Enstitüsü nün Yönetim Kurulu 228 sıra sayılı toplantısı, 09
DetaylıÖnsöz. İçindekiler Algoritma Algoritma Nasıl Hazırlanır? Yazılımda Algoritma Mantığı Nedir? 1.2. Algoritma Örnekleri ve Sorular
Önsöz Giriş İçindekiler V VII IX 1.1. Algoritma 1.1.1. Algoritma Nasıl Hazırlanır? 1.1.2. Yazılımda Algoritma Mantığı Nedir? 1.2. Algoritma Örnekleri ve Sorular 2.1. Programın Akış Yönü 19 2.2. Başlama
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için
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 DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX
XI İÇİNDEKİLER ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX 1. GİRİŞ... 1 2. PLANLAMANIN TARİHÇESİ... 7 2.1 Literatürdeki Planlayıcılar ve Kullandıkları Problem... Gösterimi
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
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
DetaylıYZM 3217 YAPAY ZEKA DERS#10: KÜMELEME
YZM 317 YAPAY ZEKA DERS#10: KÜMELEME Sınıflandırma (Classification) Eğiticili (supervised) sınıflandırma: Sınıflandırma: Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğunu bilinir Eğiticisiz (unsupervised)
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 ) /, / ( ),, (
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
DetaylıEŞİTLİK KISITLI TÜREVLİ YÖNTEMLER
EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER LAGRANGE YÖNTEMİ Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde değişkenler ve kısıtlar genel olarak şeklinde gösterilir. fonksiyonlarının
DetaylıT.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 7 SIFT ve Öznitelik Eşleme Alp Ertürk alp.erturk@kocaeli.edu.tr Panorama Oluşturma Görüntü mozaikleme, panorama oluşturma gibi tüm uygulamalar için öncelikle ilgili görüntülerin
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
DetaylıK En Yakın Komşu Methodu (KNearest Neighborhood)
K En Yakın Komşu Methodu (KNearest Neighborhood) K-NN algoritması, Thomas. M. Cover ve Peter. E. Hart tarafından önerilen, örnek veri noktasının bulunduğu sınıfın ve en yakın komşunun, k değerine göre
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,
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing
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
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
DetaylıAslı SABUNCU 1, Zehra Damla UÇA AVCI 2, Filiz SUNAR 3
430 [1315] YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİSİ İLE NESNE TABANLI SINIFLANDIRMA UYGULAMASINDA MEVSİMSEL KOŞULLARIN ETKİSİ Aslı SABUNCU 1, Zehra Damla UÇA AVCI 2, Filiz SUNAR 3 1 Araş.Gör., Boğaziçi Üniversitesi,
DetaylıŞehir ve Bölge Planlamada Tasarım Değişkeni Boğuculuk Fonksiyonu için Değişkeleme Önerisi. R. Haluk KUL TC Beykent Üniversitesi, hkul@beykent.edu.
Şehir ve Bölge Planlamada Tasarım Değişkeni Boğuculuk Fonksiyonu için Değişkeleme Önerisi R. Haluk KUL TC Beykent Üniversitesi hkul@beykent.edu.tr ÖZET Uydu Kentlerin tasarımında kullanılmak üzere önerilen
DetaylıRANSAC ALGORİTMASI İLE YERSEL LAZER TARAYICI VERİLERİNDEN BİNA CEPHELERİNİN OTOMATİK OLARAK ÇIKARILMASI
RANSAC ALGORİTMASI İLE YERSEL LAZER TARAYICI VERİLERİNDEN BİNA CEPHELERİNİN OTOMATİK OLARAK ÇIKARILMASI R. Çömert a, *, U. Avdan a a Anadolu Üniversitesi, Yer ve Uzay Bilimleri Enstitüsü, 26555, İki Eylül
DetaylıVeri toplama- Yersel Yöntemler Donanım
Veri toplama- Yersel Yöntemler Donanım Data Doç. Dr. Saffet ERDOĞAN 1 Veri toplama -Yersel Yöntemler Optik kamera ve lazer tarayıcılı ölçme robotu Kameradan gerçek zamanlı veri Doç. Dr. Saffet ERDOĞAN
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
DetaylıDoğrusal Denklemler Sis./Sys. of Linear Equations
Doğrusal Denklemler Sis./Sys. of Linear Equations Uygulama alanı: Lineer olan her sistem Notation: Ax 1 = b Augmented [A l b] Uniqueness A = 0, A nxa Bu şekilde yazılan sistemler Overdetermined (denklem
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
DetaylıDik koordinat sisteminde yatay eksen x ekseni (apsis ekseni), düşey eksen ise y ekseni (ordinat ekseni) dir.
ANALĐTĐK GEOMETRĐ 1. Analitik Düzlem Bir düzlemde dik kesişen iki sayı doğrusunun oluşturduğu sisteme analitik düzlem denir. Analitik düzlem, dik koordinat sistemi veya dik koordinat düzlemi olarak da
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
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
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
DetaylıDENİZLERDEKİ PETROL KİRLİLİĞİNİN SENTETİK AÇIKLIKLI RADAR GÖRÜNTÜLERİ DEĞİŞİM SAPTAMA YÖNTEMLERİYLE TESPİTİ
DEİZLERDEKİ PETROL KİRLİLİĞİİ SETETİK AÇIKLIKLI RADAR GÖRÜTÜLERİ DEĞİŞİM SAPTAMA YÖTEMLERİYLE TESPİTİ Yard. Doç. Dr. Cihan Bayındır Işık Üniversitesi, İnşaat Mühendisliği Bölümü 34980 Şile/İstanbul Telefon:
DetaylıHafta 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar
BLM429 Görüntü İşlemeye Giriş Hafta 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar Yrd. Doç. Dr. Caner ÖZCAN Fall in love with the process, and the results will come. ~ Eric Thomas Derse Giriş Ders
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.
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan
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
DetaylıAyrık zamanlı sinyaller için de ayrık zamanlı Fourier dönüşümleri kullanılmatadır.
Bölüm 6 Z-DÖNÜŞÜM Sürekli zamanlı sinyallerin zaman alanından frekans alanına geçişi Fourier ve Laplace dönüşümleri ile mümkün olmaktadır. Laplace, Fourier dönüşümünün daha genel bir şeklidir. Ayrık zamanlı
DetaylıGörüntü İşlemeye Giriş Introduction to Image Processing. Doç. Dr. Aybars UĞUR
Görüntü İşlemeye Giriş Introduction to Image Processing Doç. Dr. Aybars UĞUR 2013 1 İçerik Görüntü ve Piksel Görüntü Türleri Görüntü İşleme Görüntü İşlemenin Amaçları Görüntü İyileştirme Görüntü Analizi
DetaylıDEPREM KONUMLARININ BELİRLENMESİNDE BULANIK MANTIK YAKLAŞIMI
DEPREM KONUMLRININ BELİRLENMESİNDE BULNIK MNTIK YKLŞIMI Koray BODUR 1 ve Hüseyin GÖKLP 2 ÖZET: 1 Yüksek lisans öğrencisi, Jeofizik Müh. Bölümü, Karadeniz Teknik Üniversitesi, Trabzon 2 Yrd. Doç. Dr., Jeofizik
DetaylıKısmi Türevsel Denklemlerle Gri Ölçekli İmge Düzenlileştirme Grayscale Image Regularization with Partial Differential Equations
Kısmi Türevsel Denklemlerle Gri Ölçekli İmge Düzenlileştirme Grayscale Image Regularization with Partial Differential Equations Bekir Dizdaroğlu Bilgisayar Mühendisliği Bölümü Karadeniz Teknik Ünirsitesi,
DetaylıPOSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM
POSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM Melih KUNCAN Siirt Üniversitesi, Mühendislik-Mimarlık Fakültesi, Mekatronik Mühendisliği Bölümü, Siirt, TÜRKIYE melihkuncan@siirt.edu.tr
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
Detaylı1: 25 000 ÖLÇEKLİ HARİTALARIN OTOMATİK KOORDİNATLANDIRILMASINDA BİR YAKLAŞIM
TMMOB Harita ve Kadastro Mühendisleri Odası 10. Türkiye Harita Bilimsel ve Teknik Kurultayı 28 Mart - 1 Nisan 2005, Ankara 1: 25 000 ÖLÇEKLİ HARİTALARIN OTOMATİK KOORDİNATLANDIRILMASINDA BİR YAKLAŞIM H.
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
DetaylıTrafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi
Trafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi ISITES 2016 4 TH INTERNATIONAL SYMPOSIUM ON INNOVATIVE TECHNOLOGIES IN ENGINEERING AND SCIENCE Dr. G. Çiğdem Çavdaroğlu ISITES,
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
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
DetaylıGenel Bilgiler FLI MAP. Koridor Tipi Çalışmalar. Geniş Alan Çalışmaları
FLI MAP Çeşitli helikopterlere monte edilebilen Fli Map in geliştirdiği taşınabilir lazer altimetre sistemi pazardaki hızlı, detaylı ve doğru veri toplama ihtiyaçlarını gidermek için geliştirilmiştir.
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 12 Video, Optik Akış ve Takip Alp Ertürk alp.erturk@kocaeli.edu.tr Video Video, farklı zamanlarda alınan çerçeveler dizisidir Videolar, iki boyut uzamsal, üçüncü boyut zaman
DetaylıBüyük boyutun laneti (Curse of Dimensionality)
Büyük boyutun laneti (Curse of Dimensionality) p Veri boyutu arttıkça örnekler (noktalar) uzay içinde çok fazla dağınık hale gelir. p Noktaların yoğunluğu ya da aralarındaki uzaklık bir çok problem için
DetaylıYAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ
YAPAY SİNİR AĞLARI Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ İÇERİK Sinir Hücreleri Yapay Sinir Ağları Yapısı Elemanları Çalışması Modelleri Yapılarına Göre Öğrenme Algoritmalarına Göre Avantaj ve
Detaylı3D INFORMATION EXTRACTION FROM DIGITAL AERIAL IMAGES WITH COMPUTER VISION AND PHOTOGRAMMETRIC SPACE INTERSECTION
DİJİTAL HAVA FOTOĞRAFLARINDAN BİLGİSAYARLA GÖRME VE UZAY ÖNDEN KESTİRME İLE 3B BİLGİ ÇIKARIMI S. ÖZDEMİR 1, F. KARSLI 2, H. ACAR 2, M. DİHKAN 2 1 Gümüşhane Üniversitesi, Mühendislik Mimarlık Fakültesi,
DetaylıQUANTILE REGRESYON * Quantile Regression
QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine
DetaylıİHA GÖRÜNTÜLERİNDEN ELDE EDİLEN OBJE ÖZNİTELİKLERİNİN DOĞRULUK DEĞERLENDİRMESİ ACCURACY ASSESSMENT OF UAV-DERIVED OBJECT ATTRIBUTES
İHA GÖRÜNTÜLERİNDEN ELDE EDİLEN OBJE ÖZNİTELİKLERİNİN DOĞRULUK DEĞERLENDİRMESİ O. ÖZCAN 1, B. BİLGİLİOĞLU 2, S. AKAY 3, N. MUSAOĞLU 2 1 İstanbul Teknik Üniversitesi, Avrasya Yer Bilimleri Enstitüsü, İstanbul,
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıKENTSEL ALANLARDA AĞAÇLIK VE YEŞİL ALANLARIN UYDU GÖRÜNTÜLERİNDEN NESNE-TABANLI ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE ENTEGRASYONU
KENTSEL ALANLARDA AĞAÇLIK VE YEŞİL ALANLARIN UYDU GÖRÜNTÜLERİNDEN NESNE-TABANLI ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE ENTEGRASYONU Aycan Murat MARANGOZ, Serkan KARAKIŞ, Hakan AKÇIN, Murat ORUÇ Zonguldak
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
DetaylıCCD KAMERA KULLANARAK SAYISAL GÖRÜNTÜ İŞLEME YOLUYLA GERÇEK ZAMANLI GÜVENLİK UYGULAMASI
CCD KAMERA KULLANARAK SAYISAL GÖRÜNTÜ İŞLEME YOLUYLA GERÇEK ZAMANLI GÜVENLİK UYGULAMASI Serhan COŞAR serhancosar@yahoo.com Oğuzhan URHAN urhano@kou.edu.tr M. Kemal GÜLLÜ kemalg@kou.edu.tr İşaret ve Görüntü
DetaylıYÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN GENETİK ALGORİTMA YAKLAŞIMI KULLANILARAK KENTSEL BİNALARIN TESPİTİ
YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN GENETİK ALGORİTMA YAKLAŞIMI KULLANILARAK KENTSEL BİNALARIN TESPİTİ E Sümer a, M Türker b a Başkent Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği
DetaylıResearch On Using a Mobile Terrestrial Photogrammetric Mapping System For The Determination Of Object Volumes
Harita Teknolojileri Elektronik Dergisi Cilt: 4, No: 3, 2012 (1-6) Electronic Journal of Map Technologies Vol: 4, No: 3, 2012 (1-6) TEKNOLOJİK ARAŞTIRMALAR www.teknolojikarastirmalar.com e-issn:1309-3983
DetaylıKübik Spline lar/cubic Splines
Kübik spline lar önceki metodların aksine bütün data noktalarına tek bir fonksiyon/eğri uydurmaz. Bunun yerine her çift nokta için ayrı ayrı üçüncü dereceden polinomlar uydurur. x i noktasından geçen soldaki
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
DetaylıSPATIAL STATISTICAL ANALYSIS OF THE EFFECTS OF URBAN FORM INDICATORS ON ROAD-TRAFFIC NOISE EXPOSURE OF A CITY IN SOUTH KOREA
SPATIAL STATISTICAL ANALYSIS OF THE EFFECTS OF URBAN FORM INDICATORS ON ROAD-TRAFFIC NOISE EXPOSURE OF A CITY IN SOUTH KOREA Hunjae Ryu, In Kwon Park, Bum Seok Chun, Seo Il Chang Güney Kore de Bir Kentin
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
DetaylıLAS FORMATLI LİDAR VERİLERİNİN ARCGIS TE OKUTULABILEN ÇOKLU NOKTA ÖZELLİĞİ FORMATINDAN NOKTA ÖZELLİĞİ FORMATINA DÖNÜŞTÜRME MODELİ ÖNERİSİ
LAS FORMATLI LİDAR VERİLERİNİN ARCGIS TE OKUTULABILEN ÇOKLU NOKTA ÖZELLİĞİ FORMATINDAN NOKTA ÖZELLİĞİ FORMATINA DÖNÜŞTÜRME MODELİ ÖNERİSİ C.T. ÇELİK * * Niğde Üniversitesi, Mühendislik Fakültesi, Harita
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
DetaylıSENTETİK AÇIKLIKLI RADAR GÖRÜNTÜLERİNDE ALAN TABANLI HEDEF TESPİTİ VE PARALEL GERÇEKLEŞTİRMESİ
SENTETİK AÇIKLIKLI RADAR GÖRÜNTÜLERİNDE ALAN TABANLI HEDEF TESPİTİ VE PARALEL GERÇEKLEŞTİRMESİ Can DEMİRKESEN (a), Erman OKMAN (b), Fatih NAR (c), Müjdat ÇETİN (d) (a) Uzay ve Savunma Teknolojileri (SDT),
DetaylıOPTİK GÖRÜNTÜLER İÇİN GERİ-İZLEME ARAMA OPTİMİZASYON ALGORİTMASI (BSA) VE FARK GÖRÜNTÜSÜ KOMBİNASYONU TABANLI YENİ BİR DEĞİŞİM SAPTAMA YAKLAŞIMI
OPTİK GÖRÜNTÜLER İÇİN GERİ-İZLEME ARAMA OPTİMİZASYON ALGORİTMASI (BSA) VE FARK GÖRÜNTÜSÜ KOMBİNASYONU TABANLI YENİ BİR DEĞİŞİM SAPTAMA YAKLAŞIMI Ümit Haluk ATASEVER 1, Pınar ÇİVİCİOĞLU 2, Erkan BEŞDOK
Detaylı