Mekânsal çözünürlüğün ve görüntü homojenleştirmesinin sınıflandırma doğruluğuna etkisi

Basit Öğe Kaydı
dc.contributor.authorErener, Arzu
dc.contributor.authorSarp, Gülcan
dc.date.accessioned2020-03-26T18:22:47Z
dc.date.available2020-03-26T18:22:47Z
dc.date.issued2012
dc.departmentSelçuk Üniversitesi, Mühendislik Fakültesi, Harita Mühendisliği Bölümüen_US
dc.description.abstractBu çalışma, yüksek çözünürlüklü uydu görüntüleriyle arazi kullanımı/örtüsü sınıflandırmasında, mekansal çözünürlüğün ve görüntü homojenleştirmesinin, sınıflandırma doğruluğuna etkisini araştırılmayı amaçlanmıştır. Çalışma Ankara’nın Çankaya ilçesindeki küçük bir test alanına uygulanmıştır. Bu uygulamada yüksek çözünürlüğe sahip QuickBird uydu görüntüsünün 2.4 m çözünürlüğe sahip MSS bantları ve 0.64 m çözünürlüğe sahip pankromatik bandı kullanılmıştır. Çalışmanın ilk adımı, QuickBird görüntüsünün En Büyük Olasılık Yöntemi (EOY) sınıflandırma metoduyla sınıflandırılmasını ve sınıflandırma doğruluğunun gerçek yer verileriyle test edilmesini içermektedir. Buna göre MSS bantları ile elde edilen sınıflandırma doğruluğu yaklaşık % 73, kappa istatistiği ise % 64 olarak hesaplanmıştır. İkinci adımda mekansal çözünürlüğün sınıflandırma doğruluğuna olan etkisi araştırılmıştır. Bu nedenle görüntü, keskinleştirme işlemi yapıldıktan sonra EOY ile sınıflandırılmış, ve doğruluğu test edilmiştir. Keskinleştirilmiş görüntü sınıflandırması sonucu doğruluğun % 73, kappa istatistiğinin ise % 65’ olduğu görülmüştür. Son adımda ise sınıflandırma obje tabanlı segmentasyon metodu ile desteklenmiştir. Diğer sınıflandırma sonuçlarına kıyasla, segmentasyon sonrası yapılan sınıflandırma sonucunun, sınıflandırma doğruluğunu artırdığı gözlemlenmiştir. Buna göre, MSS bantları kullanılarak segmentasyon sonrası yapılan sınıflandırma sonucunda tüm doğruluğun yaklaşık %.77’ ye kappa istatistiğinin ise % 69’a, keskinleştirilmiş bantlar kullanılarak yapılan segmentaston sonrası sınıflandırmada ise tüm doğruluğun %79’a ve kappa istatistiğinin ise % 73’e kadar arttığı görülmüştür. Sonuçlar, sınıflandırma doğruluğunun görüntü homojenleştirilmesi ile arttığını göstermiştir ki, bu da yüksek çözünürlüklü uydu görüntülerinden arazi kulanımı sonucu elde edilen objelerin, başarılı şekilde elde edilmesini sağlamıştır.en_US
dc.description.abstractIn this study, it is aimed to investigate the effect of spatial resolution and image segmentation to land use/cover classification accuracy in high-resolution satellite images. The study is applied to a test region at Çankaya district of Ankara. In this study, the multispectral QuickBird with 2.4 m and pan image with 0.64 m resolutions are used. The first step of the study involves, classification of QuickBird image with Maximum Likelihood Classification (MLC) method and then analyzing the accuracy with the ground truth data. According to classification of MSS bands, the overall and kappa accuracy is % 73, and %64 respectively. Then in the second step, the effect of spatial resolution on the accuracy of the classification is analyzed. Hence, the image is Pansharpened and then classified with MLC. According to result of this classification the overall and kappa classification accuracy is improved to % 73 and % 65 respectively. In the last step the classification method is supported with the object based segmentation technique. The accuracy of the results is improved much more by the application of an object based segmentation compared to the previous classification results. According to results of classification after object based segmentation of MSS bands the overall and kappa classification accuracy is improved to % 77 and % 69 respectively. On the other hand, classification after object based segmentation of Pansharpened bands the overall and kappa classification accuracy is improved to % 79 and % 73 respectively. The results show that the classification accuracy increased by the image segmentation and this provide detecting and delineating the land use features from high resolution satellite images with much more satisfaction. Key words: Land Use Classification, Maximum Likelihood Classification (MCL), Segmentation Method, Image Pan sharpening, Classification Accuracy.en_US
dc.identifier.citationErener, A., Sarp, G. (2012). Mekânsal Çözünürlüğün ve Görüntü Homojenleştirmesinin Sınıflandırma Doğruluğuna Etkisi. Harita Dergisi, 78(148), 17-24.
dc.identifier.endpage24en_US
dc.identifier.issn1300-5790en_US
dc.identifier.issn2667-4084en_US
dc.identifier.issue148en_US
dc.identifier.startpage17en_US
dc.identifier.urihttp://www.trdizin.gov.tr/publication/paper/detail/TVRNMk9EYzBOQT09
dc.identifier.urihttps://hdl.handle.net/20.500.12395/27468
dc.identifier.volume78en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.institutionauthorErener, Arzu
dc.language.isotren_US
dc.relation.ispartofHarita Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.selcuk20240510_oaigen_US
dc.subjectArazi Sınıflandırmasıen_US
dc.subjectEn büyük Olasılık Yöntemi (EOY)
dc.subjectSegmentasyon
dc.titleMekânsal çözünürlüğün ve görüntü homojenleştirmesinin sınıflandırma doğruluğuna etkisien_US
dc.title.alternativeThe effects of spatial resolution and image homogenisation on classification accuracyen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Arzu ERENER.pdf
Boyut:
636.1 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Full Text Access
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu
Harita Mühendisliği Bölümü/Makale Koleksiyonu