Uzaktan algılanmış görüntülerden faydalanılarak obje-tabanlı sınıflandırma yöntemi ile kent merkezlerindeki detayların çıkarımı
| dc.contributor.advisor | Reis, Selçuk | |
| dc.contributor.author | Bilgilioğlu, Burhan Baha | |
| dc.date.accessioned | 2019-06-28T07:52:28Z | |
| dc.date.available | 2019-06-28T07:52:28Z | |
| dc.date.issued | 2015 | |
| dc.date.submitted | 2015 | |
| dc.department | Sosyal Bilimler Enstitüsü | |
| dc.description.abstract | Günümüzde, kentlerin, kaçak, çarpık ve hızlı yapılaşmasının önüne geçmek, planlama ve karar verme süreçlerini hızlandırmak gibi nedenlerle gerekli referans haritalarının sürekli güncellenmesi gerekmektedir. Bu nedenle, son yıllarda, sınıflandırma yöntemlerinde ve uydu görüntülerinde bu hızlı ve doğru veri üretimi ihtiyacına yönelik önemli gelişmeler olmuştur. Santimetre hassasiyetinde konumsal doğruluk veren görüntüler ve bu görüntülerin sınıflandırılmasında yüksek doğruluk veren yeni görüntü sınıflandırma teknikleri geliştirilmiştir. Yüksek çözünürlüklü bu görüntülerden yüksek doğrulukta ve hızlı bir şekilde çıkarım yapabilen yöntemlerden biri obje tabanlı sınıflandırma yöntemidir. Bu tez çalışmasında aynı çözünürlüklere sahip ortofoto ve WorldView-3 çok yüksek çözünürlüklü uydu görüntüsü kullanılarak kentsel alanlara ait detayların (bina, yol, yeşil alan) obje tabanlı sınıflandırma yöntemi ile doğru ve hızlı bir şekilde üretilmesi amaçlanmıştır. Ayrıca her iki görüntüden elde edilen sonuçların Coğrafi Bilgi Sistemleri (CBS) ortamında büyük ölçekli uygulamalarda vektör formatında kullanılabilirliği bina detay sınıfı dikkate alınarak irdelenmiştir. Bu amaçla obje tabanlı sınıflandırma sonuçlarına genelleştirme işlemi uygulanan bina detayları, mevcut halihazır harita ve uydu görüntüsü üzerinden elle sayısallaştırmadan üretilenlerle, istatistiki olarak karşılaştırılmıştır. Çalışma sonucunda, WorldView-3 uydu görüntüsü sınıflandırma sonuçlarının ortofoto sınıflandırmasına göre üretici doğruluğunda %6, kullanıcı doğruluğunda %5, genel doğrulukta %6 ve kappa değerinde %7 daha doğru sonuç verdiği görülmüştür. Bununla birlikte, Worldview-3 görüntüsünden seçilen 20 adet binanın halihazır harita ve elle sayısallaştırma sonucu elde edilen binalara ait koordinat değerleri istatiksel analizi sonucunda belirlenen güven aralığı içerisinde tespit edilmiştir. Bu durum obje tabanlı sınıflandırma yönteminin görüntülerdeki spektral yansıma değeri ile konumsal çözünürlüğün yükselmesi durumunda bina detaylarının otomatik olarak belirlenmesine oldukça pozitif katkı verebileceği sonucunu ortaya koymaktadır. | |
| dc.description.abstract | Nowadays, reference maps should be updated constantly for the reasons of preventing on the illegal, unplanned cities and improve the decision-making process. For this reason, in recent years, there has been a significant improvement in classification methods and satellite images for extraction data quickly and accurately. Due to the generation of centimeter-spatial accurate images, new image classification methods have been developed that give high accuracy results for these new high accuracy images. One of those image classification techniques is object based classification methods that extract data with high accuracy from high resolution satellite images. In this thesis accurate and quickly extraction of details (building, roads, vegetation etc.) from urban areas with object based classification methods is aimed by using ortophotos and World View-3 high resolution satellite image and both have same resolution. In addition that, vector data extraction from both images is examined considering building details for the availability in Geographical Information Systems (GIS) based high scale studies. Therefore, generalization of building details in vector format which are extracted with object based classification method are compared statistically with current base map and digitized data from high resolution satellite images. Result of this study, object based classification results of WorldView-3 satellite image have been give more accuracy than classification results of orthophoto in producer accuracy %6, in user accuracy %5, in overall accuracy %6 and in kappa value %7.Besides, 20 buildings randomly selected from WorldView-3 classification results and their corner coordinates are compared with coordinates from digitized data and base map statistically. Results show that all values are in confidence interval. It reveals that Automatically Extraction of building details providing positive contribution in case of higher spatial resolution and higher value of spectral reflectance in satellite images. | |
| dc.description.tableofcontents | ÖNSÖZ i -- DOĞRULUK BEYANI, ii -- TEŞEKKÜR, iii -- İÇİNDEKİLER, iv -- ÖZET, vi -- ABSTRACT, vii -- ŞEKİLLER DİZİNİ, viii -- KISALTMALAR DİZİNİ, xi -- SİMGELER DİZİNİ, xii -- 1. GİRİŞ, 1 -- 2.UZAKTAN ALGILAMA TEMEL KAVRAMLAR, 3 -- 2.1 Uzaktan Algılamada Kullanılan Görüntü Tipleri, 4 -- 2.1.1 Hava fotoğrafları, 4 -- 2.1.2 Uydu görüntüleri ve algılayıcı sistemleri, 5 -- 2.1.2.1 QuickBird uydu sistem, 5 -- 2.1.2.2 Geoeye uydu sistemi, 5 -- 2.1.2.3 WorldView uydu sistemi, 6 -- 2.2 Uzaktan Algılamanın Kullanım Alanları, 8 -- 2.3 Uzaktan Algılamada Görüntü İşleme Teknikleri, 9 -- 2.3.1 Uydu görüntülerinde ön işlem süreci, 9 -- 2.3.2 Görüntü zenginleştirme, 10 -- 2.3.3 Sınıflandırma, 11 -- 3. OBJE TABANLI SINIFLANDIRMA, 14 -- 3.1 Segmentasyon İşlemi, 14 -- 3.2 Uzaktan Algılamada Kullanılan Segmentasyon Teknikleri,15 -- 3.2.1 Uygulama şekline göre segmentasyon algoritma tipleri,15 -- 3.2.1.1 Kümeleme algoritması, 15 -- 3.2.1.2 Kenar bazlı algoritma, 15 -- 3.2.1.3 Bölge büyüme metodu, 16 -- 3.2.1.4 Bölge bölme algoritmaları, 16 -- 3.2.1.5 Grafik tabanlı algoritmalar, 17 -- 3.2.2 Görüntü analiz yaklaşımına göre segmentasyon algoritma tipleri, 17 -- 3.2.2.1 Obje arka plan modeli, 17 -- 3.2.2.2 Markov rastgele alan modeli, 18 -- 3.2.2.3 Bulanık model, 18 -- 3.2.2.4 Sinir ağları modeli, 18 -- 3.2.2.5 Çok çözünürlüklü model, 18 -- 3.2.2.6 Havza model, 19 -- 3.2.3 eCognition yazılımında kullanılan segmentasyon algoritmaları, 19 -- 3.2.3.1 Satranç tahtası segmentasyonu, 19-- -- 3.2.3.2 Dörtlü ağaç segmentasyonu, 20 -- 3.2.3.3 Kontrast bölme segmentasyonu, 20 -- 3.2.3.4 Çok çözünürlüklü segmentasyon, 21 -- 3.2.3.5 Kontrast filtreleme segmentasyonu, 24 -- 3.3 Obje Tabanlı Sınıflandırma ve Doğruluk Analizi, 24 -- 3.4 Obje Tabanlı Sınıflandırma Sonuçlarının CBS Ortamında Kullanılabilirliği, 25 -- 4. UYGULAMA, 28 -- 4.1 Çalışma Alanı, 28 -- 4.2 Kullanılan Veri ve Yazılımlar, 28 -- 4.3 Görüntü Zenginleştirilmesi, 30 -- 4.4 Sınıfların Belirlenmesi ve Örneklerin Toplanması, 30 -- 4.5 Segmentasyon İşlemi, 31 -- 4.5.1 ESP yöntemi ile segmentasyon belirleme işlemi, 31 -- 4.5.2 Deneme-yanılma yöntemi ile segmentasyon belirleme işlemi, 33 -- 4.6 Segmentlerin Sınıflandırılma Aşaması, 36 -- 4.6.1 Ortofoto görüntüsü ile oluşturulan segmentlerin sınıflandırılması, 36 -- 4.6.2 Çok yüksek çözünürlük uydu görüntüsünün sınıflandırılması, 38 -- 4.6.3 Sınıflandırma sonuçları ve CBS ortamında doğruluk analizleri, 46 -- 4.7 Bina Verisinin Büyük Ölçekli Uygulamalarda Kullanılabilirliğinin İstatistiksel Olarak İrdelenmesi, 50 -- 5. SONUÇ VE ÖNERİLER, 56 -- KAYNAKLAR, 60 -- ÖZGEÇMİŞ, 66-- | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12451/1560 | |
| dc.language.iso | tr | |
| dc.publisher | Aksaray Üniversitesi Fen Bilimleri Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Segmentasyon | |
| dc.subject | Obje Tabanlı Sınıflandırma | |
| dc.subject | Uzaktan Algılama | |
| dc.subject | Ortofoto Görüntü | |
| dc.subject | Worldview-3 | |
| dc.subject | Aksaray | |
| dc.subject | Segmentation | |
| dc.subject | Object-Based Classification | |
| dc.subject | Remote Sensing | |
| dc.subject | Orthophoto Images | |
| dc.subject | Worldview-3 | |
| dc.title | Uzaktan algılanmış görüntülerden faydalanılarak obje-tabanlı sınıflandırma yöntemi ile kent merkezlerindeki detayların çıkarımı | |
| dc.title.alternative | Extracti?on of detai?ls i?n the ci?ty center benefi?ti?ng from remote sensi?ng i?mages usi?ng by object-based classi?fi?cati?on method | |
| dc.type | Master Thesis |
