Feature extraction from acoustics and hyperspectral data by 2D local discriminant bases search

Abstract

Bu tezde, akustik ve hyperspektral veriden 2B Yerel Ayırtaç Tabanları (YAT)araştırmasına dayalı bir öznitelik çıkarımı algoritması geliştirilmiştir. Geliştirilenalgoritma gereksiz özniteliklerin atılması ve/veya tek başlarına fazladanbilgi taşımayanların birleştirilmesi sureti ile gerekli öznitelikleri çıkarır. Çarpmaakustik verisi kullanılarak çatlak kabuklu fındıklar sağlam kabuklu olanlardanyüksek bir sınıflandırma oranı ile ayıklanmıştır. Kavrulmuş iç fındıkarın (SRT)sınıflandırılmasında hyperspektral görüntüler kullanılmış ve algoritma bu sınıflandırma içinspektral ve uzamsal-frekans özniteliklerini çıkarmıştır. Tespit edilen bozulmuş fındıkların ayıklanmasıile SRT fındıklarındaki aflatoksin yoğunluğuotomatik olarak 608 ppb den 0.7 ppb'ye düşürülmüştür.

In this thesis, a feature extraction algorithm based on 2D Local DiscriminantBases (LDB) search is developed for acoustic and hyperspectral data. The developedalgorithm extracts the relevant features by both eliminating the irrelevantones and/or by merging the ones that do not provide extra information on theirown. It is implemented on real world data to separate aflatoxin contaminated orhigh risk hazelnuts from the sound ones by using impact acoustic and hyperspectraldata. Impact acoustics data is used to sort cracked and intact shell hazelnutswith high classification accuracy. Hypespectral images of the shelled and roasted(SRT) hazelnuts are used for classification and the algorithm extracted the spectraland spatial-frequency features for that classification. Afatoxin concentrationof the SRT category hazelnuts is automatically decreased to 0.7 ppb from 608ppb by eliminating the detected contaminated ones.