Bilgisayar Bilimleri
Yazarlar: Hüseyin FIRAT, Murat UÇAN, Davut HANBAY
Konular:Bilgisayar Bilimleri, Yapay Zeka
DOI:10.53070/bbd.989102
Anahtar Kelimeler:Temel bileşen analizi,MiniVGGNet,Hiperspektral görüntü sınıflandırma,3B ESA.
Özet: Hiperspektral görüntü sınıflandırma uzaktan algılanan görüntülerin analizinde yaygın olarak kullanılmaktadır. Son zamanlarda, derin öğrenme hiperspektral görüntü sınıflandırmasında en etkili yöntem olarak görülmektedir. Özellikle evrişimsel sinir ağları (ESA) bu alanda giderek daha fazla ilgi görmektedir. ESA, spektral, uzamsal veya spektral-uzamsal alanlardan hiperspektral görüntülerin daha soyut özelliklerini öğrenebilen otomatik yaklaşımlar sağlamaktadır. Bu çalışma kapsamında, hiperspektral özellikler arasındaki ilişkilerden tam olarak yararlanmak ve sınıflandırma doğruluğunu arttırmak için 3B ESA tabanlı MiniVGGNet ağı önerilmektedir. 3B ESA ile spektral-uzamsal özellikler eş zamanlı olarak çıkarılmaktadır. MiniVGGNet ile de eğitilebilir parametre sayısı azaltılmakta ve eğitim süresi kısaltılmaktadır. Ayrıca, hiperspektral görüntülerin yüksek boyutluluğundan kaynaklanan hesaplama karmaşıklığını azaltmak için ön işleme yöntemi olarak temel bileşen analizi kullanılmaktadır. Önerilen yöntemin performansını test etmek için Indian Pines, Pavia Üniversitesi ve Salinas uzaktan algılama veri kümeleri üzerinde uygulamalar gerçekleştirilmiştir. Sonuçlar, farklı derin öğrenme tabanlı yöntemlerle karşılaştırılmıştır. Hiperspektral görüntü sınıflandırması için önerilen yöntem kullanılarak daha iyi sınıflandırma performansı elde edilmiştir.