Search

Color Quantization (CQ) is a complex and hard problem because selecting the best set of colors from many available colors and using that set to obtain a good quality image is an NP-complete problem. The use of evolutionary computation and swarm-based methods to solve search and optimization problems has increased dramatically in recent years. This article compares some of these methods in order to solve the CQ problem. The following methods were used to generate CQ images: Particle swarm optimization, Artificial bee colony, Adaptive differential evolution, Success-history based adaptive differential evolution (with and without linear population size reduction), Cuckoo search, Firefly algorithm and Shuffled-frog leaping algorithm. For the first two methods, two variants were considered. Thus, a total of ten metaheuristics were compared with four classical CQ methods (Variance-based, Median-cut, Binary splitting and Wu's methods) applying them to a set of benchmark images and considering four different palette sizes (32, 64, 128, and 256 colors). Three error measures were considered to compare the methods: the mean squared error, the mean absolute error and the peak signal-to-noise ratio. Some of the swarm-based methods analyzed include a recently proposed CQ method using ants. Although they have a slow computational speed in the experimental studies, the ant-based methods are significantly better than all other methods according to the Wilcoxon signed rank test. In general, despite their speed, classical methods underperform the other ten methods both qualitatively and quantitatively. © 2023 The Author(s)

Nehirler, akarsular, göller ve göletler gibi su yapılarının haritalanması, su kaynaklarının gözlenmesi, zaman içerisinde değişiminin belirlenmesi ve yönetilmesi açısından oldukça önemlidir. Su yüzey alanlarının tespit edilmesi birçok faktörden etkilenen karmaşık bir süreçtir. Su ve su olmayan alanların belirlenmesi problemi için çeşitli çok kanallı bantlı uydu görüntüleri ve sınıflandırma tabanlı yaklaşımlar kullanılmaktadır. Bu çalışmada, sınıflandırma algoritmalarının etkinliğinin araştırılmasında indeks tabanlı yöntemlerden daha başarı sonuç üreten parametrik olmayan (Destek Vektör Makinalar, k-En Yakın Komşuluk ve Karar Ağaçları), olasılıksal (Saklı Markov Model) ve derin öğrenme (Oto-Kodlayıcı) tabanlı danışmalı sınıflandırma yöntemleri kullanılmıştır. Çok bantlı ve yüksek mekansal çözünürlüklü uydu görüntüleri yüksek maliyetli olduğundan sınıflandırma için Sentinel-2 uydu görüntüsüne ait sadece kırmızı, yeşil ve mavi bantlar kullanılarak Arıklar ve Denizli Göletlerine ait su yüzey alanları belirlenmiştir. Deneysel sonuçlar doğruluk, özgüllük, kesinlik, duyarlılık, f-skor gibi karışıklık matrisinden elde edilen metrikler ve görüntü kalite belirlemede kullanılan ortalama karesel hata, yapısal benzerlik indeksi, pik sinyal-gürültü oranı ve Kohen’in Kappa metriği gibi istatistiksel araçları kullanılarak karşılaştırılmıştır. Elde edilen nicel ve nitel deneysel sonuçlarda derin öğrenme tabanlı oto-kodlayıcı istatistiksel olarak en başarılı yöntem olurken, zamansal karşılaştırma açısından karar ağaçları yönteminin daha hızlı çalıştığı belirlenmiştir., The mapping of water body areas such as rivers, streams, lakes and ponds is very important in terms of monitoring water resources, determining, and managing their change over time. Extracting water body areas is a complicated process that is influenced by a variety of factors. For the problem of identifying water and non-water areas, various multi spectral band satellite imagery and classification-based approaches are used. In this study, non-parametric (Support Vector Machines, k-Nearest Neighborhood and Decision Trees), probabilistic (Hidden Markov Model) and deep learning (Auto-Encoder) based supervised classification, which produce more successful results than index-based methods, were used to investigate the effectiveness of classification algorithms. Since multispectral high spatial resolution satellite images are costly, the water surface areas of Arıklar and Denizli ponds were determined by using only the red, green and blue bands of the Sentinel-2 satellite image for classification. Experimental results were compared using metrics obtained from the confusion matrix such as accuracy, specificity, precision, sensitivity, f-Score, and statistical tools such as mean square error, structural similarity index, peak signal-to-noise ratio, and Kohen's Kappa metric used in image quality determination. In the quantitative and qualitative experimental results obtained, while the deep learning-based auto-encoder was the most successful method statistically, it was determined that the decision trees method worked faster in terms of time comparison.

© 2022, TUBITAK. All rights reserved.In precision agriculture applications, it is critical to determine the spatial location of fruits in order to perform agricultural management applications such as monitoring fruit health throughout the development process, automatic harvesting, and yield estimation. Due to the complex geometry of orchards, developing modern solutions in orchards is difficult. The majority of fruit detection research is based on image analysis. A photogrammetrically produced point cloud from a Fuji apple orchard was used in this study. To detect the spatial positions of apples, a new framework has been proposed. In the proposed framework, an Omnivariance-based approach was used to determine the most suitable neighborhood. After determining the most suitable size of neighborhoods, 30 2D and 3D geometric features were extracted from each individual point. Then, the features that best represent the data set were selected using the minimum redundancy maximum relevance method. In order to examine the effects of different features on apple detection, the related features were divided into six different groups according to their weight level and statistical and visual comparisons were made. According to the results of the classification process using a support vector machine, the use of 25 features (95.81% accuracy and 93.20% precision) provided the highest classification performance. It has been determined that the use of all or a limited number of features reduces the classification performance. In addition, 2D features were found to be as effective as 3D features.

Son yıllarda ülkemizde tarihi ve kültürel varlıkların 3 boyutlu modellenmesi çalışmalarında lazer tarama sistemlerinin vefotogrametrik yötemlerin kullanımı giderek yaygınlaşmaktadır. Pek çok kültürel mirasa ev sahipliği yapan ülkemizde eserlerinkorunması, belgelenmesi ve oluşturulan modellerin farklı ortamlarda kullanılması teknoloji ile gelişmektedir. Ölçme ve belgelemetekniği olan mimari rölöve çalışmaları, son dönemde yaşanan bilim ve teknoloji alanındaki gelişmeler ile yerini 3 boyutlumodelleme, sayısal olarak arşivleme ve belgelemeye olanak veren sayısal fotogrametri tekniklerine bırakmaya başlamıştır. Kültüreleserler, çevresel kirlilik, bakım şartlarının yetersizliği, eğitimsiz kitle ve turizmin olumsuz getirileri nedeniyle deformasyonauğrayabilmektedir. Kültürel eserlerin belgelenmesinden sonra görsel olarak sunulması, gelecek nesillere aktarılmasında ve üretildiğidönemin şartlarını ve mimari özelliklerini gözler önüne sermesi bakımından önemlidir. Bu çalışmada amacı; yersel lazer tarayıcı veyersel/havai fotogrametrik yöntemiyle, nokta bulutu elde edilen Germir Panagia Rum Kilisesi’nin 3 boyutlu modelinin oluşturulması,modelin arttırılmış gerçeklik ortamında sunulması olarak belirlenmiştir.&nbsp

daha sonra doldurulacaktır daha sonra doldurulacaktır 0

In this paper, a new and effective unsupervised change detection technique is presented for Synthetic Aperture Radar Images (SAR) images. Unsupervised change detection is one of the important research topics in many application areas such as agricultural applications, monitoring of forests and urbanization, damage assessment after any disaster. SAR images are often used in change detection applications because they can provide images in all weather conditions unlike optical images. In this paper, a new change detection approach based on PCA blocking and Gaussian Mixture Models (GMM) clustering for SAR images was proposed. The approach firstly computes logarithmic difference image. Then, wiener and median filter are applied to reduce the effect of speckle noise in difference image and to preserve edge information. After that, the approach calculates eigenvector space from kxk blocks with PCA. Lastly, change detection map is computed using GMM clustering. Bern and Ottawa datasets were used to evaluate the proposed approach. Proposed method was compared with PCADS, PCA-FCM and PCA-Kmeans methods. Quantitative and qualitative analysis was conducted based on the Ground Truth (GT) images belong same geographical regions. According to results, proposed approach is quite successful.

Günümüz bilgisayar oyunlarında gerçekçilik, rekabet avantajı sağlayan önemli özelliklerden bir tanesidir. Geleneksel yöntemlerle gerçekçi bir karakter ya da sahne tasarımı için yoğun uğraş ve zaman gereklidir. Bu nedenle, yüksek gerçeklik hissi sağlarken kısa üretim sürecine sahip bir iş akışı arayışı tasarımcıları diğer disiplinlerden gelecek çözüm arayışına sürüklemiştir. Bu anlamda fotogrametri gerçek dünyadaki figür, nesne ve mekânların fiziksel özelliklerini zahmetsiz, hızlı ve uygun maliyetli bir biçimde sanal sahneye aktarmada kullanılmaya başlanmıştır. Bu yöntemle gerçek dünyadan optik olarak alınan verinin işlenmesi ile oyun sahnesindeki eşyalar, yeryüzü nesneleri, araçlar, karakterler ve mekânlar oluşturulabilmektedir. Üretilen modeller, oyun ortamının çokgen bütçesi için uygun detay seviyesinde geometrilere ve kaplama dokularına sahip olmaktadır. Modeller küçük düzeltmelerle oyun sahnesine eklenebilmekte veya karakter modelleme gibi sanatçı eliyle yapılması gereken modellere referans altlık olarak kullanılabilmektedir.Anahtar Kelimeler: Fotogrametri,Yoğun Nokta Eşleme,3D Grafik Yazılımı,3D Modelleme

Meyve konumlarının güvenilir olarak tespit edilmesi hasat ve rekolte tahmini sürecini geliştirerek ekonomik, çevreci ve sürdürülebilir tarımın önünü açar. Meyvecilikte modern çözümler geliştirmek, meyve bahçelerinin karmaşık geometrisi nedeniyle zordur. Bu çalışmada fotogrametrik olarak elde edilen Fuji elma bahçesi nokta bulutu veri seti kullanılarak Fuji elmalarının mekânsal konumlarının belirlenmesi için yeni bir çerçeve önerilmiştir. Önerilen çerçevede en uygun komşuluğun belirlenmesi için omnivaryans tabanlı bir yaklaşım kullanılmıştır. En uygun komşuluk sayısı belirlendikten sonra her bireysel noktadan 30 adet 2 boyutlu ve 3 boyutlu geometrik özellik çıkarılmıştır. Ardından, veri setini en iyi temsil eden özellikler Minimum artıklık maksimum ilgililik yöntemi kullanılarak seçilmiştir. Farklı özelliklerin elma belirleme üzerine etkisinin incelenmesi için ilgili özellikler ağırlık düzeyine göre altı farklı gruba ayrılarak istatistiksel ve görsel karşılaştırmaları gerçekleştirilmiştir. Destek vektör makine kullanılarak yapılan sınıflandırma işleminin sonuçlarına göre 25 özelliğin kullanılması (%95.81 doğruluk ve %93.20 kesinlik) en yüksek sınıflandırma performansını sağlamıştır. Bütün veya sınırlı sayıda özelliklerin kullanılması sınıflandırma performansını azalttığı belirlenmiştir. Ayrıca, 2 boyutlu özelliklerin 3 boyutlu özellikler kadar etkili olduğu görülmüştür.

Technical and physical limitations often do not allow images to be acquired with high spatial and spectral resolution. Pansharpened images obtained by fusing high spatial resolution panchromatic images and multi-spectral images are widely used in GIS applications. In this study, it is aimed to increase the spatial resolution of the RASAT and Landsat-8 multispectral satellite images with synthetic Sentinel-2 panchromatic data. Six different pansharpening methods were used to test the success of the synthetic panchromatic data generation method using dataset with two different land use/land cover properties. Seven full reference image quality assessment metrics and two referenceless image quality assessment metrics were used to perform quantitative comparison.