Hiperspektral Görüntülerin Alt-Örnekleme, Katışım Analizi Ve Bölütleme Temelli Yaklaşımlarla Sıkıştırılması
Küçük Resim Yok
Tarih
2019
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Hiperspektral görüntüler, elektromanyetik spektrumun mor üstünden kızılötesine kadar yüzlerce dar spektral banttan oluşan yüksek boyutlu verilerdir. Bu eşsiz yüksek spektral bant çözünürlüğü sayesinde, arazi sınıflandırma, maden haritalama, tarımsal görüntüleme, malzeme sınıflandırma, hedef tespiti, değişim tespiti gibi geniş araştırma alanları ve gerçek hayat uygulamaları gibi alanlarda üstünlükler oluşturmaktadır. Hiperspektral görüntünün boyutu, uzamsal olarak taranan alanın kaç piksel üzerinden temsil edildiğine, bit derinliğine ve algılayıcının sağladığı spektral bant sayısına bağlı olarak değişmektedir. Örneğin, NASA?nın görünür/kızılötesi görüntüleme spektrometresinde (AVIRIS) 224 spektral bant içermekte ve görüntünün uzamsal çözünürlüğü düşük olmasına rağmen, alınan görüntünün boyutu gigabaytlar mertebesine erişebilmektedir. Bu durum, veri iletiminde daha yüksek bant genişliği ihtiyacı doğurmaktadır. Ayrıca, verinin saklanmasında daha fazla bellek ihtiyacı anlamına gelmektedir. Bu nedenlerden dolayı, hiperspektral görüntülerin sıkıştırılması son yıllarda önemli araştırma alanlarından biri halini almıştır. Hiperspektral görüntü sıkıştırma kayıplı ya da kayıpsız yapılabileceği gibi, bu yöntemler temelde tahmin, vektör nicemleme ve dönüşüm kodlama yöntemleri olmak üzere üç ayrı gruba ayrılmaktadır. Bu proje kapsamında, hiperspektral görüntülerin kayıplı ve kayıpsız sıkıştırılması için özgün yaklaşımların geliştirilmesi ile sıkıştırma verimliliğinin arttırılması amaçlanmaktadır. Bu amaç doğrultusunda, (i) uzamsal/spektral alt-örnekleme, (ii) spektral karışım analizi, (iii) süperpiksel bölütleme temelli ve (iv) tahmin temelli olmak üzere dört farklı sıkıştırma yaklaşımları bu proje kapsamında ele alınmıştır. Bu yaklaşımlar için oran?bozunum ve sıkıştırma oranı gibi ölçütlerin yanında, sıkıştırılan hiperspektral görüntüler üzerinden gerçekleştirilecek sınıflandırma, bölütleme ve anomali tespiti gibi işlemler ile geliştirilecek sıkıştırma yöntemlerinin performansları incelenmiştir.
Açıklama
01.04.2019
Anahtar Kelimeler
Hiperspektral, Sıkıştırma, Süperpiksel, Son Eleman, Katışım Analizi, Sözlük Öğrenme, Seyrek Gösterim
