DSpace@Çankaya

Hybrid hyperspectral image compression method by using online dictionary learning based on sparse coding

Basit öğe kaydını göster

dc.contributor.author Ülkü, İrem
dc.date.accessioned 2023-07-10T13:02:44Z
dc.date.available 2023-07-10T13:02:44Z
dc.date.issued 2017
dc.identifier.citation Ülkü, İrem (2017). Hybrid hyperspectral image compression method by using online dictionary learning based on sparse coding / Seyrek kodlama ve çevrimiçi sözlük öğrenme kullanılarak hibrit hiperspektral görüntü sıkıştırması. Yayımlanmış doktora tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü. tr_TR
dc.identifier.uri http://hdl.handle.net/20.500.12416/6512
dc.description.abstract Bu tezde, seyrek kodlama tabanlı çevrimiçi sözlük öğrenme yaklaşımını literatürde ilk kez hiperspektral görüntülerin sıkıştırılması için adapte eden hibrit bir yöntem önerilmiştir. Seyrek kodlama tabanlı çevrimiçi sözlük öğrenme kullanılarak hiperspektral görüntülerin sıkıştırılması için hibrit bir yöntem olarak isimlendirilmiştir. Bu yöntemde, çeşitli seyrek temsil algoritmaları seyrek kodlama problemini çözmek amacıyla kullanılmıştır. Farklı seyrek temsil algoritmaları ile diğer sıkıştırma algoritmaları oran-bozulma performansları açısından karşılaştırılmışlardır. Bilgi koruma performansları da anomali sezimi uygulaması ile ayrıca ölçülmüştür. Deneysel sonuçlar kanıtlıyor ki bit hızı arttıkça yakınlık bazlı eniyileme ve kör sıkıştırmalı örnekleme algoritmalarına ait sıkıştıma performansları diğer algoritmalardan üstün olmaktadır. tr_TR
dc.description.abstract In this thesis a hybrid method is proposed, where an online dictionary learning approach based on the sparse coding scheme is adapted to compress hyperspectral images for the first time in the literature. In this method, various sparse representation algorithms are used to solve the sparse coding problem. Among these sparse representation algorithms, proximity based optimization algorithms and blind compressive sensing algorithms are the most recent and popular ones in the literature. Rate-distortion performances of different sparse representation algorithms are compared to those of the other compression algorithms. Besides the rate-distortion performances, the information preservation performances are also evaluated by the anomaly detection application. The experimental results verify that compression performances of proximity based optimization algorithms and blind compressive sensing algorithms are superior to those of other algorithms as the bit rate increases. tr_TR
dc.language.iso eng tr_TR
dc.rights info:eu-repo/semantics/openAccess tr_TR
dc.subject Sparse Coding tr_TR
dc.subject Compressive Sensing tr_TR
dc.subject Online Dictionary Learning tr_TR
dc.subject Hyperspectral Image Compression tr_TR
dc.subject Seyrek Kodlama tr_TR
dc.subject Sıkıştırmalı Örnekleme tr_TR
dc.subject Çevrimiçi Sözlük Öğrenmesi tr_TR
dc.subject Hiperspektral Görüntü Sıkıştırılması tr_TR
dc.title Hybrid hyperspectral image compression method by using online dictionary learning based on sparse coding tr_TR
dc.title.alternative Seyrek kodlama ve çevrimiçi sözlük öğrenme kullanılarak hibrit hiperspektral görüntü sıkıştırması tr_TR
dc.type masterThesis tr_TR
dc.identifier.startpage 1 tr_TR
dc.identifier.endpage 114 tr_TR
dc.contributor.department Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik ve Haberleşme Mühendisliği Bölümü tr_TR


Bu öğenin dosyaları:

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster