ÖZ
Yeryüzü özelliklerinin çeşitliliği ve konumsal olarak dağılımı ile ilgili güvenilir ve doğru bilgilerin elde edilmesi birçok uygulama için esastır. Yeryüzünün çeşitli konumsal ve spektral çözünürlüklerde görüntülenmesinde etkili bir araç olan uzaktan algılama teknolojileri, yeryüzü ile ilgili değerli bilgilerin elde edilmesinde uzun yıllardır kullanılmaktadır. Söz konusu teknolojiler özellikle geniş alanların görüntülenmesi ve analizinde etkin ve ekonomik çözümler sunmaktadır. Uzaktan algılama uyduları ve algılayıcı tasarımında yaşanan teknolojik gelişmeler, çevresel görüntüleme ve doğal kaynak yönetimini de içerisine alan birçok konuda yeni araştırma olanakları ortaya çıkarmıştır. Yeni nesil algılayıcı sistemler aracılığıyla elde edilen görüntüler, yeryüzü nesnelerinin niteliği, özellikleri ve dağılımları hakkında çok daha detaylı bilgiler sağlamaktadır. Orta çözünürlüklü uydu görüntülerinin aksine, yüksek çözünürlüklü uydu görüntüleri üzerinden ağaçlar ve binalar gibi tekil yüzey nesnelerinin görsel olarak yorumlanması kolaylaşarak, nesnelerin birbirlerinden ayırt edilebilmesi mümkün hale gelmiştir. Kullanıcılara sağladığı önemli avantajlar nedeniyle son yıllarda yüksek çözünürlüklü uydu görüntülerine olan ilgi artış göstermiş ve dijital görüntü işleme teknikleriyle görüntüler üzerinden benzer spektral özelliklere sahip türlerin ayırt edilmesi ve tekil yeryüzü nesnelerinin sınıflandırılması uzaktan algılama alanında önemli bir araştırma konusu olarak ortaya çıkmıştır.
Uydu görüntülerinin üzerinden yeryüzü nesnelerine ilişkin bilgi çıkarımında en çok tercih edilen ve en etkili yöntem görüntü sınıflandırmadır. Sınıflandırma işleminin sonucunda yeryüzünün farklı özelliklerini gösteren tematik haritalar üretilmektedir. Elde edilen haritaların doğruluğu ve güvenilirliği uygulamaların başarısı açısından büyük önem taşımaktadır. Yüksek çözünürlüklü uydu görüntüleri kullanımı, dijital görüntü verilerinin yorumlanması ve analizinde önemli problemler ortaya çıkarmıştır. Yüksek konumsal çözünürlüklü verilerde komşu pikseller arasındaki spektral benzerlik nedeniyle karışık piksellerin oranının artması bunlardan en önemlisidir. Bununla birlikte, arazi örtüsü tiplerini temsil eden sınıfların kendi içerisinde ve birbirleri arasındaki yüksek spektral benzerlik nedeniyle görüntü üzerinden bilgi çıkarımı veya sınıflandırma işlemi karmaşık bir hal almaktadır. Söz konusu problemler nedeniyle yüksek çözünürlüklü uydu görüntüleriyle doğruluğu yüksek tematik harita üretiminde geleneksel sınıflandırma tekniklerinin yetersiz kaldığı ifade edilmektedir. Bu nedenle yüksek çözünürlüklü görüntülerin işlenmesi ve bilgi çıkarımında yeni ve etkili analiz tekniklerine ihtiyaç duyulmaktadır.
Bu tez çalışmasının temel amacı yüksek çözünürlüklü WorldView-2 (WV-2) uydu görüntüsü kullanılarak benzer spektral özelliklere sahip doğal nesnelerin sınıflandırılmasına yönelik bir metodoloji geliştirmektedir. Bu amaca yönelik olarak ön işleme, sınıflandırma ve tematik harita üretimini içeren görüntü sınıflandırma aşamaları kapsamlı bir biçimde ele alınmış, geleneksel tekniklerinin yanında ileri sınıflandırma yaklaşımları ve güncel sınıflandırma algoritmaları değerlendirmeye alınmıştır.
Çalışma sonucunda tez kapsamında ele alınan sınıflandırma probleminin çözümüne yönelik önemli bulgulara ulaşılmıştır. Bunlardan ilki, elde edilen sonuçlar geleneksel sınıflandırma yaklaşımlarının, doğal nesneler arasındaki spektral ayrımın gerçekleştirilmesi noktasında yetersiz kaldığını ve yüksek çözünürlüklü uydu görüntülerinin sınıflandırılması için uygun olmadığını göstermektedir. Geleneksel piksel tabanlı yaklaşımla karşılaştırıldığında, obje tabanlı sınıflandırma yaklaşımı kullanımıyla tematik harita doğruluğunda %8’e varan artışlar olduğu belirlenmiştir. İkinci olarak, sınıflandırma sonuçları, ileri sınıflandırma algoritmaları olarak adlandırılan destek vektör makineleri ve rotasyon orman algoritmalarının hem piksel hem de obje tabanlı yaklaşımda klasik en yakın komşuluk sınıflandırıcısı ve diğer öğrenme algoritmalarından daha üstün bir sınıflandırma performansı sergilediğini açık bir şekilde ortaya koymaktadır. Bu nedenle obje tabanlı sınıflandırma işleminin gerçekleştirilmesinde söz konusu sınıflandırma algoritmalarının tercih edilmesi önerilmiştir. Üçüncü olarak, tez kapsamında değerlendirmeye alınan ağaç türlerinin spektral karakteristiklerinin analizleri neticesinde, iğne ve geniş yapraklı ağaç türlerinin özellikle kızılötesi bölgede birbirinden farklı spektral yansımalara sahip olduğu görülmüştür. Arazide gerçekleştirilen spektral ölçüler ve uydu görüntüsünün ilişkilendirilmesi sonucunda, WV-2 görüntüsünün kırmızı kenar, yakın kızılötesi-1 ve yakın kızılötesi-2 bantlarının iğne ve geniş yapraklı ağaçların birbirinden ayırt edilmesi noktasında önemli spektral bilgiler sağladığı belirlenmiştir. Buna karşın, iğne ve geniş yapraklı ağaçları temsil eden sınıflar içerisindeki ağaç türleri arasındaki yüksek spektral benzerlik nedeniyle, WV-2 görüntüsü spektral olarak benzer ağaç türlerinin (örneğin sedir ve servi) ayırt edilmesi noktasında sınırlı seviyede bilgi sağladığı tespit edilmiştir. Bu nedenle, tematik harita doğruluğunun arttırılması için sadece WV-2 görüntüsünün multispektral bantlarının kullanılması yerine, vejetasyon indeksleri, doku özellikleri ve temel bileşenler gibi yardımcı veri setlerinin değerlendirilmeye alınması gerekmektedir. Sınıflandırma sonuçları analiz edildiğine, yardımcı veri setleri kullanımıyla sınıflandırma doğruluğunda %8’lere varan seviyelerde artış olduğu görülmüştür. Dördüncü olarak, tez kapsamında değerlendirmeye alınan tüm sınıflandırma algoritmalarının boyutsallık veya Hughes fenomeninden etkilendiği tespit edilmiştir. Bu açıdan ele alındığında optimum özellik seti boyutunun tespit edilmesi sınıflandırma işleminin başarısı açısından kritik bir öneme sahiptir. Çalışma sonuçları yüksek boyutlu veri setini temsil eden daha az sayıda ve seçilen özellikleri içeren veri setleri kullanılması durumunda sınıflandırma doğruluğunun önemli derecede arttığını göstermektedir. Bu nedenle, yüksek boyutlu veri seti kullanımında ön yinelemeli özellik seçimi esasına dayalı destek vektör makineleri gibi uygun bir özellik seçimi algoritması dikkate alınmalıdır.
0 yorum:
Yorum Gönder