Küçük, SefaBozo, Uğur Gökhan2026-03-262026-03-262025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=V-oEQd0LkkqRGCXNzJWCTRM6WSzg9F6Z9Mcq2WnvTbXRtxjNuHcMMaHFonOJeMdYhttps://hdl.handle.net/20.500.14901/4867Bu tez çalışmasında, Marmara Denizi'nde meydana gelen müsilaj oluşumlarının uzaktan algılama yoluyla tespiti amacıyla, hiperspektral uydu verileri üzerinde temsile dayalı sınıflandırma yöntemleri incelenmiştir. Bu kapsamda, İtalyan Uzay Ajansı (ASI) tarafından geliştirilen PRISMA uydusundan, İstanbul ve Bursa kıyılarında kaydedilmiş hiperspektral görüntüler kullanılmıştır. Yüksek spektral çözünürlüğe sahip bu veriler, müsilajın spektral olarak su yüzeylerinden ayırt edilmesine olanak sağlamaktadır. Sınıflandırma aşamasında, spektral, uzamsal ve spektral-uzamsal bilgileri birlikte kullanabilen temsile dayalı, işbirlikçi temsile dayalı ve altuzay tabanlı sınıflandırma yöntemleri karşılaştırmalı olarak incelenmiştir. Yöntemlerin performansları, genel doğruluk, ortalama doğruluk ve F-skoru gibi metriklerle değerlendirilmiş, ayrıca elde edilen sınıflandırma haritaları görsel olarak da analiz edilmiştir. Deneysel bulgular, özellikle NSC tabanlı ve çok ölçekli süperpiksel segmentasyonu kullanan yöntemlerin hem genel doğruluk hem de sınıflar arası denge açısından üstün performans sergilediğini göstermektedir. Gerçek uydu verileri üzerinde elde edilen bu sonuçlar, yalnızca literatürde yaygın olarak kullanılan standart veri kümelerinin ötesine geçmekle kalmamış, aynı zamanda yöntemlerin gerçek saha koşullarındaki uygulanabilirliğini de güçlü bir şekilde ortaya koymuştur.In this thesis, representation-based classification methods were investigated on hyperspectral satellite data to detect mucilage formations in the Sea of Marmara through remote sensing. For this purpose, hyperspectral images acquired by the PRISMA satellite, developed by the Italian Space Agency (ASI), from the coastal regions of Istanbul and Bursa were used. These high spectral resolution data enable spectral differentiation of mucilage from water surfaces. During the classification stage, representation-based, collaborative representation-based, and subspace-based classification methods that can use spectral, spatial, and spectral-spatial information together were analyzed comparatively. The performance of the methods was evaluated using metrics such as overall accuracy, average accuracy, and F-score, and the resulting classification maps were also analyzed visually. Experimental findings demonstrate that methods based on NSC and multi-scale super-pixel segmentation exhibit superior performance in terms of overall accuracy and class balance. The results obtained from real satellite data not only go beyond the standard data sets commonly used in the literature, but also strongly demonstrate the applicability of these methods in real-world problems.trElektrik ve Elektronik MühendisliğiElectrical and Electronics EngineeringMaster Thesis