Hiperspektral görüntülerin eğiticisiz bölütlenmesi

Abstract

Hiperspektral görüntüleme uzaktan algılama alanında doğuş sürecinde olan ve yüzlerce spektral bandı kullanma avantajına sahip yeni bir teknolojidir. Hiperspektral görüntüleme sistemleri elektromanyetik spektrumda görünür bölgeden kızılötesi spektral bant aralığına kadar olan bölgede dar ve bitişik spektral bantları algılamaktadır. Hiperspektral görüntüleme ve bir önceki teknoloji olan multispektral görüntüleme arasında kullandıkları bant sayısı ve bant süreklilik karakteristikleri açısından farklar bulunmaktadır. Genel olarak multispektral görüntüler 4'ten 7'ye kadar spektral bant içermekte ve her bir bant yaklaşık olarak 300 ile 400 nm bant genişliğine sahip olmaktadır. Diğer taraftan hiperspektral veriler ise yüzlerce spektral bant içermekte (örn. genel hiperspektral görüntü algılayıcıları 128'den 224'e kadar bant içermektedir) ve yaklaşık olarak bant genişlikleri 10 ile 20 nm arasında değişmektedir.Bilimsel disiplinler arasındaki hızlı yakınsama ile birlikte hiperspektral görüntüleme sivil ve askeri alanda, örneğin uzaktan algılama, yer bilimleri, tıp, kimya, çevresel gözleme, tarım, ormancılık, savunma ve güvenlik, hedef belirleme, şehir planlama ve yönetimi gibi alanlarda birçok uygulama alanı bulmuştur.Eğiticisiz bölütleme hiperspektral görüntülerin daha iyi anlaşılması için kullanılan bir yaklaşımdır. Ayrıca hiperspektral görüntülerin bölütlenmesi/kümelenmesi hiperspektral sahnenin kesin referans bilgisinin elde edilmesinin zor ve maliyetli olduğu durumlarda yüksek boyutlu verinin daha kolay analiz edilmesine olanak sağlar. Tez çalışmasında hiperspektral görüntülerin eğiticisiz olarak bölütlenmesinin yanısıra hiperspektral görüntülerde gürültü giderimi, boyut indirgeme, kümeleme sonuçlarının zenginleştirilmesi ve görüntüdeki doğru sayıdaki kümenin tespiti konuları da ele alınmıştır.Hiperspektral görüntülerde birçok bant atmosferik etkiler nedeniyle ve az da olsa algılayıcı aygıta bağlı olarak gürültü içermektedir. Tezde gürültü giderimi amacıyla dalgacık dönüşümü ve temel bileşen analizi beraberce kullanılarak hiperspektral görüntünün gerek spektral gerekse uzamsal bilgisinden yararlanılması hedeflenmiştir. Daha sonra hiperspektral görüntülerin bölütlenmesi öncesinde önerilen gürültü gideriminin bölütleme başarımına olan olumlu etkileri nesnel olarak gösterilmiştir.Hiperspektral verilerin yüksek boyutlu yapısı nedeniyle bant seçimi ve özellik çıkarımı yöntemleri hiperspektral görüntü işlemede oldukça önemli yeri olan ön-işleme aşamalarıdır. Boyut indirgeme ile fazlalık bilgilerin atılması ve işlem zamanının hızlandırılması amaçlanmaktadır. Tez çalışmasında boyut indirgeme aşaması ve bu konudaki kapsamlı literatür araştırması detaylı olarak verilmiştir. Ayrıca hiperspektral verilerde doğrusal yöntemlerin yanı sıra doğrusal olmayan boyut indirgeme yöntemlerinden de yararlanılmış ve ardından bölütleme başarımı üzerindeki etkileri incelenmiştir. Doğrusal olmayan boyut indirgeme yöntemlerinin işlemsel yükünün üstesinden gelebilmek için vektör nicemleme ile sahnenin spektral dağılımını en iyi şekilde temsil eden prototipler elde edilmiş ve boyut indirgeme aşaması bu prototipler üzerinde uygulanmıştır. Sahnedeki tüm piksellerin boyut indirgemesi ise radyal taban fonksiyonlu (RTF) yapay sinir ağları ve geliştirilmiş olan `K-noktalı ortalama aradeğerleme' yöntemleri ile gerçekleştirilmiştir.Hiperspektral görüntülerin bölütlenmesinde katı (hard, crisp) kümele yöntemlerinin yanı sıra bulanık kümeleme algoritmalarından da yararlanılmıştır. Bu amaçla bulanık c-ortalamalar ve bu algoritmanın daha gelişmiş versiyonu olan bulanık Gustafson-Kessel algoritmaları kullanılmıştır. Bölütlemenin son-işleme aşamasında uzamsal bilgileri de kullanabilen yeni bir yaklaşım olan `çekirdek içi faz korelasyonu' önerilmiştir. Kısaca bu yaklaşımda komşu piksellerin bulanık üyelik dereceleri arasındaki spektral ve uzamsal ilişkiler birlikte hesaba katılmaktadır. Buna ek olarak bulanık üyelik kübünün iki ve üç boyutlu Gauss süzgeçlenmesi ile bölütleme doğruluğunun arttırılabileceği gösterilmiştir.Bölütleme/kümeleme analizinde karşılaşılan en büyük problemlerden biri de hiperspektral görüntüdeki doğru sayıdaki küme sayısının bulunmasıdır. Tez çalışmasında bir-sınıf destek vektör makineleri (BS-DVM) yöntemine dayanan ve destek vektör spektral ayrıştırıcılık gücü (DV-SAG) adı verilen yeni bir kümeleme geçerliliği yaklaşımı sunulmuştur. Önerilen kümeleme geçerliliği yaklaşımı spektral ayrıştırıcılık gücü (SAG) ölçütüne dayanmakta ve BS-DVM yönteminin kalıtımsal küme çevresinin belirlenmesi özelliğini kullanmaktadır. Ayrıca, eksiltmeli kümeleme ve faz korelasyonu birlikte kullanılarak hiperspektral görüntülerin bölütlenmesi de önerilmiştir.Sonuç olarak tez çalışmasında, hiperspektral görüntülerin bölütlenmesinde değişik aşamalarda karşılaşılan çeşitli problemlerin giderilmesi için yeni çözümler ve yeni yaklaşımların sunulması amaçlanmıştır. Umarım ki bu tez çalışması uzaktan algılama, işaret ve görüntü işleme, örüntü tanıma ve makine öğrenmesi alanlarında çalışan araştırıcılar için yararlı bir kaynak olur.