Göktürk-2 uydu görüntülerinde gürültü azaltma yöntemlerinin performans karşılaştırması ve analizleri
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, GEOMATİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: İngilizce
Öğrenci: ŞULE TUNAHAN
Danışman: MUSTAFA TÜRKER
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Optik uydu görüntüleri, uzaydan elde edilen ve birçok uygulama alanına hizmet eden kritik bir veri kaynağını temsil etmektedir. Ancak, bu görüntüler sıklıkla kaliteyi önemli ölçüde düşürebilen çeşitli türde gürültülerden etkilenmektedir. Bu bağlamda gürültü, görüntü alma, dönüştürme, iletim ve işleme süreçleri sırasında ortaya çıkabilen rastgele ve istenmeyen görüntü yoğunluğu dalgalanmalarına işaret etmektedir. Gürültü, görüntü kalitesini azaltabilir ve analiz sırasında hatalı sonuçlara yol açabilir. Dolayısıyla, uydu görüntülerindeki gürültü azaltma tekniklerinin etkinliğinin değerlendirilmesi, görüntü kalitesini artırmak ve daha doğru analizler sağlamak açısından büyük önem taşımaktadır. Bu çalışma, optik uydu görüntülerinde bulunan termal gürültüyü ortadan kaldırmayı, uygun gürültü azaltma yöntemlerini tespit etmeyi ve bu yöntemleri belirli metrikler kullanarak karşılaştırmayı amaçlamaktadır. Kullanılan gürültü azaltma teknikleri arasında uzamsal alan filtreleme, dönüşüm alanı filtreleme, varyasyonel gürültü giderme yöntemleri ve derin öğrenme tabanlı yöntemler yer almaktadır. Bu yöntemlerin etkinliği ve performansı çeşitli metriklere göre değerlendirilecektir. Testler, yüksek mekansal çözünürlüğe sahip Göktürk-2 uydusu görüntüleri üzerinde uygulanmıştır. Ayrıca, CalVal (Kalibrasyon ve Doğrulama) sahasından ve SPOT-5 uydu görüntülerinden elde edilen veriler de deneysel testlerde kullanılmıştır. Sonuçlara göre, her bir gürültü giderme algoritmasının, görüntü iyileştirmede farklı yönlerde üstünlük sağlayan kendine özgü güçlü ve zayıf yönleri bulunmaktadır. Yapısal doğruluğun ve ince detayların korunması açısından Expected Path Log-Likelihood (EPLL), Denoising CNN (DnCNN), ve Fast and Flexible Denoising Network (FFDNet) gibi yöntemler uygundur. Weighted Nuclear Norm Minimization (WNNM) ve Nonlocally Centralized Sparse Representation (NCSR), gürültüyü etkili bir şekilde azaltırken yapısal bütünlüğü koruyan dengeli bir performans sunmaktadır. Wavelet ve Bilateral filtre yöntemleri kenar kontrastını artırmak için faydalıdır, ancak bozulmalara yol açma potansiyeli nedeniyle dikkatli bir şekilde uygulanmalıdır. Bu bulgular, algoritma seçiminin görevin özel gereksinimleri ve istenen sonuçlar doğrultusunda yapılmasının önemini vurgulamaktadır.