Hiperspektral görüntülerin sınıflandırılmasında farklı boyut indirgeme yöntemlerinin karşılaştırılması
Küçük Resim Yok
Tarih
2021
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde gittikçe önem kazanan uzaktan algılamada, araştırmacılar çeşitli spektral imzalar arasındaki ilişkileri bulmak için dünyanın yüzeyini temsil eden yüksek boyutlu verileri kullanırlar. Özellikle görüntüler, farklı malzemelerin özelliklerini yansıtan yüzlerce yüksek çözünürlüklü banttan oluşabilirler. Bununla birlikte, yüksek boyutlu uzayda çok sayıda farklı bantların bulunması, bu özelliklerin yorumlanmasını zorlaştırabilmektedir. Uzaktan algılama verilerinin ön-işlemesi için boyutsallık problemine bağlı olarak çeşitli zorluklar ile karşılaşılmaktadır. Bu alanda ortaya çıkan araştırmalar, bunun zor bir problem olduğunu ve tüm sorunlara tek bir çözüm olmadığını ortaya koymaktadır. Bununla birlikte, son çalışmalar katmanlı uzay öğrenme tekniklerinin hiperspektral görüntülerin ön işlemesinde çok önemli bir çözüm olduğunu göstermektedir. Bu çalışmada, en güncel katmanlı uzay yerleştirme yöntemlerinin hiperspektral veriler üzerindeki performansı karşılaştırmalı olarak analiz edilmiştir. Her bir yöntemin bu alanda en çok kullanılan iki farklı veri seti kullanılarak boyut indirgeme uygulaması gerçekleştirilmiş ve en yakın komşu (1NN) sınıflandırması ile performansı doğrulanmıştır. Elde edilen sonuçlara göre karşılaştırılan katmanlı uzay yerleştirme yöntemlerinin hiperspektral verilerin sınıflandırılmasında sınıf bazlı farklılıklar olsa da başarılı sonuçlar verdiği görülmektedir. Ayrıca her bir yöntemin çalışma zamanı grafik olarak sunulmuş ve hangi yöntemin daha hızlı çalıştığı sebepleriyle birlikte açıklanmıştır.
Açıklama
Anahtar Kelimeler
Kaynak
ACADEMIC PLATFORM-JOURNAL OF ENGINEERING AND SCIENCE
WoS Q Değeri
Scopus Q Değeri
Cilt
9
Sayı
1
