Ondokuz Mayıs Üniversitesi Bilgi Paketi - Ders Kataloğu

Ders Öğretim Planı

Ders KoduDers AdıDers TürüYılYarıyılAKTS
HRT422 Uydu Görüntülerinin Analizi (SD 6) 927006 4 8 3
Dersin Seviyesi
Lisans
Dersin Amacı
Uydu görüntülerinin sınıflandırılması, analiz ve yorumlanması konularını öğretmeyi amaçlamaktadır
Dersin Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Sedat DOĞAN
Öğrenme Çıktıları
  1. Uzaktan algılamada kullanılan analiz tekniklerinin temel esaslarını öğrenir.
  2. Öğrendiği teknikleri hazır yazılımlarla ve kendi yazacağı programlarla uygular.
  3. Otomatik harita güncelleştirme ve konumsal veri altyapılarını güncelleştirme gibi çok yeni alanların temel mantığını kavrar.
  4. Uydu görüntülerinin içerdiği semantik bilgilerin farkına varır.
  5. Uydu görüntülerinin acil durum yönetiminde kullanılması için gereken yaklaşımları öğrenir.
Öğrenim Türü
Birinci Öğretim
Ön Koşul Dersleri
Yok
Önerilen Diğer Husular
Yok
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Schowengerdt, R.A., 2007. Remote Sensing, Models and Methods for Image Processing. Elsevier Inc.Egan W.G., 2004. Optical Remote Sensing, Marcel Dekker Inc.Rees W.G., 2001. Physical Principles of Remote Sensing, Cambridge University Press.Elachi, C and Van Zyl, J., 2006. Introduction to Physics and Techniques of Remote Sensing, Wiley and Sons Inc. Publication.Uzaktan algılama yazılımları, Matlab yazılı ve veri analizi ile ilgili diğer yazılımlar.
Planlanan Öğrenme Aktiviteleri ve Metodları
Dersin Sunulduğu Dil
Türkçe
Staj Durumu
Yok
Dersin İçeriği
Uzaktan algılamada veri sistemleri ve veri modelleri. Bandlar arasındaki ilişkiler. Uydu görüntülerinde eğitimli ve eğitimsiz sınıflandırma tekniklerine giriş. Kümeleme algoritmaları. Eğitimli sınıflandırma teknikleri. Eğitimli (geri beslemeli) yapay sinir ağlarıGeri yayılım algoritmaları. Eğitimli yapay sinir ağları ile sınıflandırma. Faktör analizi, ana bileşenler analizi. Bağımsız bileşenler analizi. Bileşen analizlerinin eğitimsiz (self training) yapay sinir ağları ile yorumlanması. Uydu görüntüleri ile değişim belirleme. Uydu görüntüleri ile haritaların otomatik güncelleştirilmesi. Görüntülerde semantik ilişkiler.
Haftalık Ders İçeriği
Hafta Teorik Uygulama Laboratuar
1.Uzaktan algılamada veri sistemleri ve veri modelleri.
2.Bandlar arasındaki ilişkiler.
3.Uydu görüntülerinde eğitimli ve eğitimsiz sınıflandırma tekniklerine giriş.
4.Kümeleme algoritmaları.
5.Eğitimli sınıflandırma teknikleri.
6.Eğitimli (geri beslemeli) yapay sinir ağları
7.Geri yayılım algoritmaları.
8.Eğitimli yapay sinir ağları ile sınıflandırma.
9.Arasınav
10.Faktör analizi, ana bileşenler analizi.
11.Bağımsız bileşenler analizi.
12.Bileşen analizlerinin eğitimsiz (self training) yapay sinir ağları ile yorumlanması.
13.Uydu görüntüleri ile değişim belirleme.
14.Uydu görüntüleri ile haritaların otomatik güncelleştirilmesi. Görüntülerde semantik ilişkiler.
15.
16.
Değerlendirme
Yarıyıl (Yıl) İçi EtkinlikleriAdetKatkı (%)
Ara Sınav1100
Toplam100
Yarıyıl (Yıl) Sonu EtkinlikleriAdetKatkı (%)
Final Sınavı1100
Toplam100
Yarıyıl (Yıl) İçi Etkinlikleri40
Yarıyıl (Yıl) Sonu Etkinlikleri60
Toplam100
İş Yükü Hesaplaması
EtkinliklerAdetSüresi(saat)Toplam İş Yükü(saat)
Ara Sınav11010
Final Sınavı11010
Bireysel Çalışma10110
Ödev Problemleri için Bireysel Çalışma3515
Ara Sınav İçin Bireysel Çalışma155
Final Sınavı içiin Bireysel Çalışma155
Ev Ödevi21020
Toplam75