| Dersin Türü | Seçmeli |
|---|
| Dersin Düzeyi | Doktora |
|---|
| Dersin Yılı | - |
|---|
| Dersin Yarıyılı | - |
|---|
| AKTS | 10 |
|---|
| Öğretim Eleman(lar)ı |
- |
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler;
- Uydu görüntüleri üzerinde önişleme ve iyileştirme tekniklerini bilir.
- Uydu görüntülerinin spektral olarak sınıflandırılmasını bilir.
- Sınıflandırmada kullanılan eğitim alanlarının seçimi ve değerlendirmesi hakkında bilgi sahibidir.
- Güdümlü ve güdümlü olmayan sınıflandırma yöntemleri hakkında bilgi sahibidir.
- Sayısal değişim tespiti hakkında bilgi sahibidir.
|
| Veriliş Biçimi | Yüz Yüze |
|---|
| Önkoşullar | Yok |
|---|
| Önerilen Dersler | Yok |
|---|
| Ders Tanımı | Uydu görüntüleri üzerinde önişleme ve iyileştirme,Uydu görüntülerinin spektral sınıflandırılması,Eğitim alanlarının seçimi ve değerlendirmesi,Güdümlü olmayan sınıflandırma yöntemleri (sıralı kümeleme, istatistiksel kümeleme, isodata) ve güdümlü sınıflandırma,Mahalanobis uzaklığı, en büyük benzerlik / Bayes),Sayısal değişim tespiti. |
|---|
| Ders İçeriği |
| HAFTA |
KONULAR |
|
1. Hafta |
Uydu görüntüleri üzerinde önişleme ve iyileştirme. |
|
2. Hafta |
Uydu görüntüleri üzerinde önişleme ve iyileştirme. |
|
3. Hafta |
Uydu görüntülerinin spektral sınıflandırılması. |
|
4. Hafta |
Uydu görüntülerinin spektral sınıflandırılması. |
|
5. Hafta |
Eğitim alanlarının seçimi ve değerlendirmesi. |
|
6. Hafta |
Eğitim alanlarının seçimi ve değerlendirmesi. |
|
7. Hafta |
Eğitim alanlarının seçimi ve değerlendirmesi. |
|
8. Hafta |
Ara-sınav |
|
9. Hafta |
Güdümlü olmayan sınıflandırma yöntemleri (sıralı kümeleme, istatistiksel kümeleme, isodata) ve güdümlü sınıflandırma |
|
10. Hafta |
Güdümlü olmayan sınıflandırma yöntemleri (sıralı kümeleme, istatistiksel kümeleme, isodata) ve güdümlü sınıflandırma |
|
11. Hafta |
Mahalanobis uzaklığı, en büyük benzerlik / Bayes). |
|
12. Hafta |
Mahalanobis uzaklığı, en büyük benzerlik / Bayes). |
|
13. Hafta |
Sayısal değişim tespiti. |
|
14. Hafta |
Sayısal değişim tespiti. |
|
| Kaynaklar | 1. Jensen, J., "Introductory Digital Image Processing", 3rd edition, Prentice Hall, (2004).
2. Richards, J.A., & Jia, Xiuping, J., "Remote Sensing Digital Image Analysis: An Introduction", 4th edition, Springer (2005).
3. Lillesand, T., Kiefer, R.W., & Chipman, J., "Remote Sensing and Image Interpretation", 6th edition, Wiley, (2007).
|
|---|
| Öğretim Yöntemleri |
- Anlatım
- Soru-Cevap
- Sorun/Problem Çözme
- Eğitim-Uygulama
- Proje
- Rapor Hazırlama
- Sunum
|
|---|
| Değerlendirme |
|
Sayısı |
Toplam Katkısı (%) |
| Ara Sınav |
1 |
30 |
| Ödev |
1 |
15 |
| Proje |
1 |
15 |
| Toplam(%) |
|
60 |
| Yıl İçinin Başarıya Oranı(%) |
|
60 |
| Finalin Başarıya Oranı(%) |
|
40 |
| Toplam(%) |
|
100 |
|
| AKTS İş Yükü |
| Aktivite |
Sayı |
Süre (Saat) |
İş Yükü |
| Ara Sınav |
1 |
2 |
2 |
| Kısa Sınavlara hazırlık |
|
|
|
| Sınıf Dışı Ders Çalışma Süresi |
14 |
11 |
154 |
| Final Sınavına Hazırlık |
1 |
69 |
69 |
| Ders Saati |
14 |
3 |
42 |
| Ara Sınava Hazırlık |
1 |
44 |
44 |
| Laboratuvar |
|
|
|
| Final Sınavı |
1 |
2 |
2 |
| Ödevler |
|
|
|
| Toplam İş Yükü | 313 |
| Toplam İş Yükü / 30 | 10.43 |
| Dersin AKTS Kredisi | 10 |
|
| Dil | Türkçe |
|---|
| Staj / Uygulama | Yok |
|---|
