Hiperspektral görüntü analizinde ileri spektral ve uzamsal yöntemler
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: İBRAHİM ONUR SIĞIRCI
Danışman: Gökhan Bilgin
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Uzaktan algılama görüntüleme sistemlerinin gelişmesi ile birlikte hiperspektral görüntüleme daha yaygın kullanılır hale gelmiştir. Hiperspektral görüntüleme, yüksek frekanslarda sık ve dar aralıklarla yüzlerce bant elde edilmesini sağlayan bir teknolojidir. Hiperspektral görüntüleme teknolojisinin gelişmesi ve içerdiği zengin bilgi sayesinde yer bilimleri, tarım, arkeoloji, çevre, gıda, tıp, ilaç ve savunma gibi birçok disiplinde yer bulmuştur. Hiperspektral görüntülemenin gelişmesine paralel olarak elde edilen görüntülerin analiz edilmesine ihtiyaç duyulmuştur. Bu kapsamda, görüntü işleme ve makine öğrenmesi gibi alanlarda hiperspektral görüntülerin analizi konularında çalışmalara başlanmıştır. Sınıflandırma ve bölütleme bu analizlerin başında gelmektedir. Hiperspektral görüntüler yüksek miktarda spektral bant içerdiğinden, sınıflandırma için gerekli verileri doğal olarak barındırmaktadır; ancak spektral bilgiler ileri düzeyde analizler yapabilmek için yeterli olmamaktadır. Ayrıca, pikselin temsil ettiği bölgelerde farklı nesnelerin olması ve güneş ışığının farklı açılarda yansıması analizleri zorlaştırmaktadır. Bunlara ek olarak, etiketli verilerin az olması ve yüksek spektral bilgi sınıflandırıcının öğrenmesini güçleştirmektedir. Bu problemlerin üstesinden gelebilmek için uzamsal bilgilerin sınıflandırma sistemlerine dahil edilmesi ihtiyacı doğmuştur. Bu tez çalışmasında; hiperspektral görüntülerin doğasından kaynaklanan sorunları dikkate alarak, spektral ve uzamsal bilginin ileri teknikler yardımıyla piksellerin sınıflandırılmasında kullanılması amaçlanmaktadır. Tez kapsamında; uzamsal bilginin elde edilmesinin, sınıflandırma sistemine dahil edilme şeklinin sınıflandırma başarımına olan etkileri incelenmektedir. Uzamsal bilginin elde edilmesinde, bölütleme algoritmaları ve komşuluk bilgisi yaklaşımları kullanılmıştır. Bulanık c-ortalamalar ve süperpiksel yaklaşımları bölütleme için kullanılmıştır. Bulunduğu bölgeye yüksek adaptasyon sağlayan süperpiksellerin üç bantlı görüntülere uygun tasarlanmış olmasından ötürü HyperSLIC algoritması bölütlemenin başarımını artırmak için tez kapsamında önerilmiştir. HyperSLIC, SLIC süperpiksel algoritmasının değiştirilmiş bir versiyonudur. Bu değişiklikler hiperspektral görüntülerin yapısına uygun şekilde yapılmıştır. Tez kapsamında uzamsal bilgiye adapte olabilecek sınıflandırıcılar değerlendirilmiştir. Bu amaçla aşırı öğrenme makineleri, iki boyutlu evrişimli sinir ağları ve doğal dil işlemede kullanılan BERT-tabanlı modeller değerlendirilmiştir. Aşırı öğrenme makineleri ve türevleri, hiperspektral görüntü sınıflandırmada sıklıkla kullanılan destek vektör makinelerine alternatif olarak kullanılmıştır. İki-boyutlu evrişimsel sinir ağlarının eğitimi için gerek olan iki-boyutlu veriler, yerel kovaryans matrisleri yardımıyla elde edilmiştir. Segment bilgisi BERT-tabanlı modellere girdi olarak verilmiştir. Literatürde, uzamsal bilginin sınıflandırıcı sonrası küresel çoğulcu oylama yaklaşımı uygulanmıştır. Bu tez kapsamında ise küresel çoğulcu oylama yöntemine alternatif olarak yerel çoğulcu oylama yöntemi önerilmiştir. Önerilen sistemler ve yapılan tüm deneysel çalışmalar neticesinde, uzamsal bilgi kullanımının sınıflandırmaya anlamlı katkılar yaptığı gözlemlenmiştir. Kullanılan sınıflandırma yaklaşımları ile başarımdan kaybetmeden zamandan tasarruf sağlanmıştır. Hiperspektral görüntülerin doğasında yer alan zorluklar büyük ölçüde giderilerek yüksek başarımlı sonuçlar alınmıştır. Tüm çalışmalar, literatürde kullanılan etiketlenmiş hiperspektral sahneler üzerinde test edilmiştir. Elde edilen sonuçlar, güncel yöntemlerle kıyaslanmış, tablolar aracılığıyla gösterilmiştir. Ayrıca elde edilen sınıflandırma haritaları sonuçlarla birlikte sunularak yorumlanmıştır.