Ανάπτυξη αλγορίθμων κατάτμησης υπερφασματικών απεικονίσεων. Ομαδοποίηση και Ταξινόμηση

Ψάλτα, Αθηνά; Psalta, Athina

dc.contributor.author	Ψάλτα, Αθηνά	el
dc.contributor.author	Psalta, Athina	en
dc.date.accessioned	2018-03-19T11:32:07Z
dc.date.available	2018-03-19T11:32:07Z
dc.date.issued	2018-03-19
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46729
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15275
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Κατάτμηση απεικονίσεων	el
dc.subject	Υπερφασματικά δεδομένα	el
dc.subject	Τηλεπισκόπηση	el
dc.subject	Ταξινόμηση	el
dc.subject	Πολυφασματικά δεδομένα	el
dc.subject	Regmentation algorithms	en
dc.subject	Clustering	en
dc.subject	Classification	en
dc.subject	Hyperspectral data	en
dc.subject	Remote sensing	el
dc.title	Ανάπτυξη αλγορίθμων κατάτμησης υπερφασματικών απεικονίσεων. Ομαδοποίηση και Ταξινόμηση	el
dc.title	Development of segmentation algorithms for hyperspectral data. Clustering and Classification	en
heal.type	bachelorThesis
heal.classification	Τηλεπισκόπηση	el
heal.classification	Remote sensing	en
heal.classificationURI	http://skos.um.es/unescothes/C03347
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-10-23
heal.abstract	Τα τελευταία χρόνια η αξιοποίηση των υπερφασματικών δεδομένων αποτελεί μία πολλά υποσχόμενη τεχνική του επιστημονικού πεδίου της Τηλεπισκόπησης λόγω των ιδιαίτερων πλεονεκτημάτων που αυτή προσφέρει. Η χρήση εκατοντάδων συνεχόμενων φασματικών καναλιών που παρέχονται από τα υπερφασματικά δεδομένα παρέχει την προοπτική ακριβέστερης και λεπτομερέστερης εξαγωγής πληροφορίας για ενδεχόμενες κατηγορίες υλικών/στόχων σε σχέση με τα πολυφασματικά δεδομένα. Ωστόσο, η επεξεργασία των υπερφασματικών δεδομένων διαφέρει σε μέγαλο βαθμό από αυτή που υπόκεινται τα πολυφασματικά. Ακόμη, μία από τις πιο σημαντικές τεχνικές που χρησιμοποιούνται ευρέως κατά την Αντικειμενοστραφή Ανάλυση εικόνων αποτελεί η διαδικασία της κατάτμησης, η οποία αποτελεί η διαδικασία εκείνη της διαίρεσης της εικόνας σε ομοιογενείς περιοχές βάσει κάποιου συγκεκριμένου κριτηρίου. Στόχος της παρούσας διπλωματικής εργασίας, λοιπόν, αποτελεί η ανάπτυξη αλγορίθμων κατάτμησης που μπορούν να εφαρμοστούν αποκλειστικά σε υπερφασματικές απεικονίσεις. Στα κεφάλαια της εργασίας ακολουθείται η λογική της πρωταρχικής παρουσίασης του θεωρητικού υποβάθρου των αλγορίθμων κατάτμησης που αναπτύχθηκαν. Στη συνέχεια, πραγματοποιείται μία εκτενής διαδικασία εφαρμογής και αξιολόγησης αυτών των αλγορίθμων κατάτμησης τόσο μέσω ορισμένων μεθόδων αξιολόγησης που αναπτύχθηκαν σε αυτή την εργασία όσο και μέσω της εφαρμογής μη επιβλεπόμενων μεθόδων ταξινόμησης στις εικόνες κατάτμησης. Τέλος, σχολιάζονται τα αποτελέσματα των αλγορίθμων κατάτμησης για την εκτενέστερη εξαγωγή συμπερασμάτων, καθώς και σχολιάζονται ενδεχόμενες βελτιώσεις των εν λόγω μεθόδων.	el
heal.abstract	In recent years, exploitation of hyperspectral data suggests a promising perspective for the scientific field of Remote Sensing due to the advantages they offer. Using hundreds of continuous spectral bands provided by hyperspectral data offer a more precise and detailed information about materials or targets that exists in an image comparing to multispectral imagery. However, processing hyperspectral data differs a lot compared to standard multispectral data handling. Furthermore, one of the most important technique that is widely used during Object-Oriented Image Analysis is segmentation, which suggests the procedure of diving an image to spectral-similar areas based on certain criteria. This diploma thesis aims at developing segmentation algorithms that can be applied mainly to hyperspectral data. Throughout the first thesis’s chapters, the theoretical background of the segmentation algorithms that were developed is being presented. Next, a long procedure of applying and evaluating those algorithms follows. The evaluation criteria that are used consists of certain evaluating procedures that were developed and also of evaluating the segmentation algorithms through clustering methods. Finally, the results of those segmentation algorithms are discussed along with some possible future work that can be done on those algorithms.	en
heal.advisorName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας, Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	176 σ.	el
heal.fullTextAvailability	true