Akademik Veri Yönetim Sistemi
Tez Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Elektrik ve Elektronik Mühendisliği Bölümü, Türkiye
Tez Danışmanı: Abdullah Aydın Alatan
Tezin Onay Tarihi: 2018
Tezin Dili: İngilizce
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Hiperspektral hedef tespiti içinde ana akımı oluşturan spektral imzaya dayalı yöntemler temel olarak üç kategoriye ayrılabilir. Bunlar, arka plan modelleme yöntemleri, altuzay izdüşümüne dayalı yöntemler ve lineer karıştırmayı bolluk tahminiyle birleştiren hibrit metotlardır. Tüm bu yöntemlerin ortak bir özelliği, komşu pikseller arasındaki mekansal ilişkileri göz ardı ederken, hiperspektral görüntünün her bir pikselini bir hedef veya arka plan olarak sınıflandırmaktır. Bununla birlikte, komşu pikseller üzerinde tanımlanan bağlamsal bilgilerin entegrasyonu, tek tek pikseller üzerindeki gürültüyü bastırabilir ve daha iyi saptama sağlayabilir. Bu tez çalışmasında, RGB görüntüler için geliştirilen süperpiksel algoritmaları olan Basit Doğrusal Tekrarlamalı Kümeleme (SLIC) algoritması ve sınır güncellemeye dayalı süperpiksel çıkarma yöntemi hiperspektral görüntülere uyarlanmıştır. Daha sonra onların süperpiksel çıkarma performansları sınır geri çağırma ve alt bölümleme hatası metrikleri kullanılarak karşılaştırılmıştır. Daha iyi performans göstermesi nedeniyle sınır güncelleme tabanlı süperpiksel çıkarma algoritmasının seçilmesinden sonra, süperpikseller üzerinden gerçekleştirilen farklı hedef tespit yöntemleri önerilmiştir. Önerilen yöntemler, arka plan modelleme, eşleştirme ve bolluk tahmini için piksel yerine süperpiksel temsilcileri kullanmaktadır. Deneyler hedef tespiti için süperpiksel kullanımının yalnızca piksel kullanan temel yöntemlerle doğruluk-geri çağırma eğrileri açısından karşılaştırıldığında tespit performansını geliştirdiğini ortaya çıkarmıştır.