TY  - JOUR
TI  - Evrişimsel sinir ağı ve iki-boyutlu karmaşık Gabor dönüşümü kullanılarak hiperspektral görüntü sınıflandırma
AB  - Bu çalışmada 2-boyutlu karmaşık Gabor filtreleme ve derin evrişimsel sinir ağları kullanılarak yeni birhiperspektral görüntü sınıflandırma yöntemi önerilmiştir. Spesifik olarak, derin bir öğrenme modeli olarak,evrişimsel sinir ağının kendine özgü üst düzey özellikler çıkarması amaçlanmaktadır. Derin öğrenilen veGabor özellik çıkarma metodolojileri giriş hiperspekral örnekler üzerinde eş zamanlı olarakgerçekleştirilmiştir. Gabor özellikleri hiperspektral görüntünün sadece ilk üç temel bileşeni üzerindekarmaşık Gabor filtreleme uygulanarak hesaplanmaktadır. Önerilen hibrit model Gabor dönüşümünükenarlar, köşeler ve doku gibi bölgesel görüntü özelliklerini elde etmek için kullanmaktadır. GörüntülerinGabor özellikleri çoklu yönelimlerde ve frekanslarda hesaplanır. Sonra derin özellikler ve Gabor özellikleridaha güçlü ve ayırt edici özellik vektörü elde etmek için birleştirilir. Hibrit özellik vektörü hiperspektralgörüntü sınıflandırmak için softmax sınıflandırıcıya giriş olarak kullanılır. Önerilen derin öğrenmemimarisinin parametreleri küçük bir eğitim kümesi kullanılarak optimize edilmiştir. Böylece önerilenevrişimsel sinir ağının ezberleme problemi bir dereceye kadar azaltılmıştır. İki popüler hiperspektral veri setiüzerinde gerçekleştirilen deneyler önerilen yöntemin bazı geleneksel yöntemlerden daha iyi sınıflandırmaperformansı elde edebildiğini göstermiştir. Sınıflandırma sonuçları önerilen hibrit modelin hiperspektralgörüntülerin sınıflandırılması ve özelliklerinin çıkarılması için etkili bir yöntem olduğunu göstermektedir.
AU  - HANBAY, Kazım
DO  - 10.17341/gazimmfd.479086
PY  - 2020
JO  - Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi
VL  - 35
IS  - 1
SN  - 1300-1884
SP  - 443
EP  - 456
DB  - TRDizin
UR  - http://search/yayin/detay/390144
ER  -