Show simple item record

dc.contributor.advisorEsen Yüksel, Seniha
dc.contributor.authorOduncu, Emrah
dc.date.accessioned2018-09-13T06:58:44Z
dc.date.available2018-09-13T06:58:44Z
dc.date.issued2018
dc.date.submitted2018
dc.identifier.urihttp://hdl.handle.net/11655/4880
dc.description.abstractHyperspectral target detection algorithms are the primary applications used in remote sensing. The various targets in the remote sensing images collected in hundreds of adjacent narrow spectral bands are found using target detection algorithms. In this thesis, target detection algorithms have been applied to fusion of LiDAR and hyperspectral dataset in which the shadow and open area targets are located.Target detection algorithms are applied to the radiance dataset, the reflectance dataset and the new reflectance dataset obtained from atmospheric correction and shadow correction in the physical model. Then, the target detection results are compared. Especially for the detection of targets located in the shadow area, sky view factor and shadow density values were determined over the LiDAR dataset of the studied area, and atmospheric transmittance, sun irradiance, sky radiance and path radiance values are obtained by MODTRAN software with the help of atmospheric data of dataset. The obtained data are put into physical model and atmospheric corrected and shadow corrected new reflectance dataset are obtained. Adaptive coherence estimator (ACE), spectral angle mapper (SAM) and matched filter (MF) are used in signature-based target detection algorithms. These algorithms are selected to analyze the effect of correction of hyperspectral data in the shadow area on target detection, in accordance with the target dataset. In the SHARE 2012 AVON campus dataset, twelve blue felt and ten red felt targets are located, eight blue and eight red felt targets have different shadow illumination levels. Signaturebased algorithms, using open area target data as a reference signature are tested on the radiance dataset, the reflectance dataset and the new reflectance dataset obtained by atmospheric correction and shadow correction in the physical model. The results are analyzed over the areas under ROC curves and ROC curves. Target detection results are grouped in the results in order to see the effects of target illumination conditions, target background conditions and target colors on hyperspectral target detection. Fusion of LiDAR and hyperspectral dataset, the probability of detecting targets in the shadow and open area has increased from 70%-90% to 100%. In the applied algorithms, the ACE showed the best result, and the targets in the atmospheric and shadow corrected new reflectance dataset are detected with the lowest false positive rate according to the other reflectance and radiance dataset examined. In the atmospheric and shadow corrected new reflectance dataset in the physical model, SAM and MF algorithms showed higher performance than the target detection results in the given radiance and reflectance dataset and according to targets these performance has increased from 70% to 95% - 100%.tr_TR
dc.publisherFen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccesstr_TR
dc.subjectlidar
dc.subjecthiperspektral görüntüleme
dc.subjectışıma
dc.subjectyansıma
dc.subjectfiziksel model
dc.subjectgökyüzü açıklığı
dc.subjectgölge
dc.subjecthedef tespiti
dc.titleHiperspektral Ve Lidar Verilerde Fiziksel Model Gözetilerek Hedef Tespititr_TR
dc.typeinfo:eu-repo/semantics/masterThesistr_TR
dc.description.ozetHiperspektral hedef tespit algoritmaları, uzaktan algılamada kullanılan birincil uygulamalardandır. Yüzlerce bitişik dar spektral bantta toplanan uzaktan algılama görüntülerinde yer alan çeşitli hedefler, hedef tespit algoritmaları kullanılarak bulunur. Yapılan bu tez çalışmasında gölgeli ve açık alanda hedeflerin bulunduğu LiDAR ve hiperspektral veri kümeleri tümleştirilerek hedef tespit algoritmaları uygulanmıştır. Hedef tespit algoritmaları ışıma veri kümesine, yansıma veri kümesine ve fiziksel model içerisinde atmosferik düzeltme ve gölgeye göre düzeltme yapılarak elde edilen yeni yansıma veri kümesine uygulanmıştır ve hedef tespit sonuçları karşılaştırılmıştır. Özellikle gölgelik alanda bulunan hedeflerin tespiti için, incelenen bölgenin LiDAR veri kümesi üzerinden gölgelik alanlar ve gökyüzü açıklığı değerleri belirlenmiş, veri kümesine ait atmosferik veriler yardımıyla atmosferik geçirgenlik, güneş parlaması, gökyüzü ışıması ve yol ışıması değerleri MODTRAN yazılımıyla elde edilmiştir. Elde edilen bu veriler fiziksel modele konularak atmosferik düzeltme ve gölgeye göre düzeltme yapılmış yeni yansıma veri kümesi elde edilmiştir. Hedef tespitinde imza tabanlı hedef tespit algoritmalarından uyarlanır koherens tahmincisi (ACE), spektral açı eşleştiricisi (SAM) ve uyumlu filtre (MF) kullanılmıştır. Bu algoritmalar, hedef veri kümesine uygun olarak, gölgelik alanda bulunan hiperspektral verileri düzeltmenin hedef tespitine etkisini görmek amacıyla seçilmiştir. On iki mavi keçe ve on kırmızı keçe hedefinin bulunduğu SHARE 2012 AVON yerleşkesi veri kümesinde sekiz mavi ve sekiz kırmızı keçe hedefi farklı gölge aydınlanma seviyelerinde bulunmaktadır. Açık alan hedef verilerinin referans imza olarak kullanıldığı imza tabanlı algoritmalar bölgeye ait ışıma veri kümesi, yansıma veri kümesi ve fiziksel modelle elde edilen atmosfere ve gölgeye göre düzeltilmiş yeni yansıma veri kümeleri üzerinden test edilmiştir. Elde edilen sonuçlar ROC eğrileri ve ROC eğrileri altında kalan alanlar üzerinden analiz edilmiştir. Hedef tespit sonuçları hedef aydınlanma koşullarının, hedef arkaplan durumlarının ve hedef renklerinin hedef tespitine etkilerini görmek amacıyla gruplara ayrılarak sonuçlara eklenmiştir. LiDAR ve hiperspektral veri kümelerinin tümleştirilmesi ile gölge ve açık alanda bulunan hedeflerin tespit edilme olasılığı %70-%90’lardan %100’lere çıkmıştır. Uygulanan algoritmalar içerisinde ACE en iyi sonucu göstermiş olup, elde edilen gölgeye göre düzeltilmiş yeni yansıma veri kümesinde hedefler, incelenen diğer yansıma ve ışıma veri kümesine göre en düşük yanlış pozitiflik oranı ile hedefleri tespit etmiştir. Fiziksel modelde atmosferik düzeltme ve gölge düzeltilmesi yapılan yeni yansıma veri kümesinde SAM ve MF algoritmaları da verilen ışıma ve yansıma kümesinde yapılan hedef tespit sonuçlarına göre daha yüksek başarım göstermiştir ve bu başarım hedeflere göre %70’lerden %95-%100’lere çıkmıştır.tr_TR
dc.contributor.departmentElektrik –Elektronik Mühendisliğitr_TR
dc.contributor.authorID10184752tr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record