TY  - JOUR
TI  - 4CF-Net: Hiperspektral uzaktan algılama görüntülerinin spektral uzamsal sınıflandırılması için yeni 3B evrişimli sinir ağı
AB  - Hiperspektral görüntüler (HG), uzaktan algılamada yaygın olarak kullanılan bitişik bant görüntüleridir. Derin öğrenme HG sınıflandırmasında kullanılan etkili bir yöntemdir. Evrişimli sinir ağları (ESA) ise HG sınıflandırmasında kullanılan derin öğrenme yöntemlerinden biridir. Spektral-uzamsal alanlardan HG’lerin soyut özelliklerini öğrenebilen otomatik yaklaşımlar sağlamaktadır. HG’lerin yüksek boyutsallığı hesaplama karmaşıklığını arttırmaktadır. Bu nedenle, geliştirilen ESA modellerinin çoğu, ön-işleme adımı olarak boyut indirgeme gerçekleştirmektedir. HG sınıflandırmasındaki diğer bir problem ise, doğru sonuçlar elde etmek için spektral-uzamsal özelliklerin dikkate alınması gerekliliğidir. Çünkü, HG sınıflandırma performansı büyük ölçüde spektral-uzamsal bilgilere bağlıdır. Bu çalışmada, HG sınıflandırması için yeni bir 3B ESA modeli önerilmiştir. Önerilen yöntem, HG’lerdeki spektral-uzamsal özellikleri eşzamanlı olarak çıkarmak için etkili bir yöntem sağlamaktadır. Ağ, girişte 3B hiperspektral küpü kullanmaktadır. Hiperspektral küpteki boyutsal fazlalığı gidermek için temel bileşen analizi kullanılmaktadır. Daha sonra komşuluk çıkarımı kullanılarak, spektral-uzamsal özellikler etkin bir şekilde çıkarılmaktadır. Önerilen yöntem 4 veriseti ile test edilmiştir. Uygulama sonuçları 7 farklı derin öğrenme tabanlı yöntemle karşılaştırılmış ve 4CF-Net yöntemimizin daha iyi sınıflandırma performansı gösterdiği görülmüştür.
AU  - Fırat, Hüseyin
AU  - Hanbay, Davut
DO  - 10.17341/gazimmfd.901291
PY  - 2022
JO  - Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi
VL  - 37
IS  - 1
SN  - 1300-1884
SP  - 439
EP  - 453
DB  - TRDizin
UR  - http://search/yayin/detay/1064172
ER  -