Yapay arı koloni algoritmasının tarım alanlarının sınıflandırılmasında kullanılabilirliğinin irdelenmesi
Yükleniyor...
Tarih
2015
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Aksaray Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Türkiye tarım alanları bakımından zengin bir ülke konumundadır. Bu nedenle tarım alanlarının kullanımı hakkında bilgi edinilmesi önem arz etmektedir. Uzaktan algılama ile görüntü sınıflandırma işlemleri uydu görüntülerinden bilgi çıkarımı konusunda büyük bir öneme sahiptir. Tarım alanlarının uydu görüntüleri üzerinden sınıflandırılması, bu alanlar hakkında bilgi edinme açısından çeşitli kolaylıklar sunmaktadır. Uydu görüntüleri üzerinden tarımsal nitelikteki alanları belirlemek ve ürün çeşitlerinin alansal dağılımı hakkında bilgi çıkarımı yapmak mümkündür. Bu amaçla uzaktan algılama görüntü sınıflandırma işlemlerinde birçok yöntem kullanılmaktadır. Bu yöntemler başlıca, en yakın mesafe, maksimum benzerlik, paralelkenar yöntemi vb. olarak sıralanabilir. Bu yöntemlere ek olarak son zamanlarda ortaya çıkan yapay zeka optimizasyon algoritmaları, klasik yöntemlere alternatif olma özelliği göstermektedir. Bu tez çalışmasında çok yüksek çözünürlüklü uydu görüntüleri yapay arı koloni algoritması (YAKA) kullanılarak sınıflandırılmıştır. Böylece YAKA'nın sınıflandırma doğruluklarının araştırılmasına yönelik irdelemeler gerçekleştirilmiştir. Araziden ve hava fotoğraflarından yararlanılarak gerekli olan yer kontrol noktaları ve eğitim verileri toplanmıştır. Çalışma alanı olarak, bitki örtüsü, arazi topoğrafyası ve tarım alanları göz önüne alınarak, Rize ili pilot bölge olarak seçilmiştir. Uygulama sonucunda Yapay Arı Koloni Algoritması ile elde edilen doğruluk değerleri yapay sinir ağları ve en çok benzerlik algoritması ile karşılaştırılarak değerlendirilmiş ve YAKA ile elde edilen doğruluk diğer sınıflandırma algoritmalarına nazaran daha iyi sonuçlar verdiği gözlemlenmiştir.
Turkey is a rich country when it comes to agricultural areas. Therefore it is substantial to gain information about the usage of these areas. Image classification processes with remote sensing has a large share in the extraction of information from satellite images. Classification of agricultural areas from satellite images provides various conveniences in terms of gain information about these areas. It is possible to detect agricultural areas and extract information about which products are grown in which areas through the satellite images. Various methods are used in remote sensing for image classification process. These methods can be sorted as minimum distance, maximum likelihood and parallelepiped method etc. AI optimization algorithms that recently emerged shows the feature of being an alternative to conventional methods. In this thesis, very high resolution satellite images classified using artificial bee colony algorithm. Thus, performed explorations about investigations of classification accuracies of ABC. Necessary control points and training data were collected by using land and aerial images. Rize was chosen for the pilot region as a study area by taking into consideration the vegetation, land topography and agricultural areas. At the end of the application accuracy values that obtained by using the artificial bee colony algorithm were compared with the artificial neural network and maximum likelihood algorithm. It has shown that artificial bee colony algorithm give better accuracy rates than other methods.
Turkey is a rich country when it comes to agricultural areas. Therefore it is substantial to gain information about the usage of these areas. Image classification processes with remote sensing has a large share in the extraction of information from satellite images. Classification of agricultural areas from satellite images provides various conveniences in terms of gain information about these areas. It is possible to detect agricultural areas and extract information about which products are grown in which areas through the satellite images. Various methods are used in remote sensing for image classification process. These methods can be sorted as minimum distance, maximum likelihood and parallelepiped method etc. AI optimization algorithms that recently emerged shows the feature of being an alternative to conventional methods. In this thesis, very high resolution satellite images classified using artificial bee colony algorithm. Thus, performed explorations about investigations of classification accuracies of ABC. Necessary control points and training data were collected by using land and aerial images. Rize was chosen for the pilot region as a study area by taking into consideration the vegetation, land topography and agricultural areas. At the end of the application accuracy values that obtained by using the artificial bee colony algorithm were compared with the artificial neural network and maximum likelihood algorithm. It has shown that artificial bee colony algorithm give better accuracy rates than other methods.
Açıklama
Anahtar Kelimeler
Yapay Arı Koloni Algoritması, Yapay Sinir Ağları, Görüntü Sınıflandırma, Uzaktan Algılama, En Çok Benzerlik, Quickbird, Worldview-2, Artificial Bee Colony Algorithm, Artificial Neural Network, Image Classification, Remote Sensing, Maximum Likelihood
