Yönetim Bilişim Sistemleri Dergisi

2630-550X 2630-550X

Dokuz Eylul University

GÖRÜNTÜ İŞLEME TABANLI İHA VE UYDU SİSTEMLERİ HİBRİT YAPAY ZEKÂ MODELİYLE KAÇAK YAPILARIN TESPİTİ

Batuhan

Namlı

Ersin

12 20 2017

3 2 114 129 11 20 2017 11 27 2017

2015

Günümüzde imara kapalı olan bölgelerde yasakolmasına rağmen yetkili personel ve denetim eksikliğinden dolayı kaçak konutinşasının mümkün ve yaygın olduğu görülmektedir. Bu durumun tespit edilmesi veyetkili kişilere iletilmesi oldukça zordur ve yüksek maliyetlidir, buna ekolarak bir o kadar da süre kaybına yol açmaktadır.Bu çalışmada görüntü işleme, veri madenciliği,makine öğrenme ve yapay zeka teknikleri ile analiz edilmek üzere uydu görüntülerindeimara kapalı bölgelerden belirli alanlar alınıp tanımlandırılarak kendiaralarında sınıflandırılmıştır.Yapılan çalışmadaamaçlanan, fotoğrafları görüntü tarama ve yapay zeka algoritmalarıyla analizederek kaçak bölgelere inşa edilmiş konutları tespit edilmesi ve bu şekildetespit edilen bölgeyi, konumu ve zamanı sorumlu kişilere aktararak kaçakyapılaşmanın önüne geçebilmektir. Ayrıca yapılan sınıflandırma sayesinde boşaraziler, ekili araziler, orman alanları da tespit edilebilmektedir. Tespit edilenbu araziler ise daha verimli kullanılabilmek adına ilgili kişiler tarafındandeğerlendirilmesi için tespit edilen konumları hakkında bilgi verilebilir.   Yapılan bu çalışma sonucunda doğrusınıflandırma oranı oldukça yüksek çıkmış ve kaçak konutların tespiti adınabaşarılı bir sonuç elde edilmiştir

Görüntü İşleme Yapay Zeka Veri Madenciliği Makine Öğrenme

1. Chapelle, O., & Vapnik, V. (2000). Model selection for support vector machines. In Advances in neural information processing systems (pp. 230-236).

2. Chatzichristofis, S. A., & Boutalis, Y. S. (2008, May). Fcth: Fuzzy color and texture histogram-a low level feature for accurate image retrieval. In Image Analysis for Multimedia Interactive Services, 2008. WIAMIS'08. Ninth International Workshop on (pp. 191-196). IEEE.

3. Chien, C.F.,Chen, L.F., “Data Mining to Improve Personnel Selection and Enhance Human Capital: A Case Study in High-Technology Industry”, Expert Systems with Applications, 34(1): 280-290 (2008).

4. Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine learning, 20(3), 273-297.

5. DİLLY, R., 1995, Data Mining, An İntroduction Student Notes.

6. Ertunç, H.M., Hoşöz, M., “Comparative analysis of an evaporative condenser using artificial neural network and adaptive neuro-fuzzy inference system”, International Journal of Refrigeration, 31(8): 1426-1436 (2008).

7. FAYYAD, U., M., WİERSE, A., & GRİNSTEİN, G. G., 2002, Information visualization in data mining and knowledge discovery, Morgan Kaufmann, USA, 1-55860-689-0.

8. FERNANDEZ, G., 2010, Statistical data mining using SAS applications, CRC Press.

9. Foody, G. M., & Mathur, A. (2004). A relative evaluation of multiclass image classification by support vector machines. IEEE Transactions on geoscience and remote sensing, 42(6), 1335-1343

10. Gabor, D. (1946). Theory of communication. Part 1: The analysis of information. Journal of the Institution of Electrical Engineers-Part III: Radio and Communication Engineering, 93(26), 429-441.

11. http://blog.udentify.co/04/2017/goruntu-isleme-nedir/

12. https://sehirharitasi.ibb.gov.tr/

13. Kavzoglu, T., & Colkesen, I. (2009). A kernel functions analysis for support vector machines for land cover classification. International Journal of Applied Earth Observation and Geoinformation, 11(5), 352-359.

14. KAYNAR, O., TAŞTAN, S., & DEMİRKOPARAN, F., 2011, Yapay Sinir Ağları İle Doğalgaz Tüketim Tahmini, Atatürk Üniversitesi İktisadi Ve İdari Bilimler Dergisi, 25.

15. Koca, H.K., “Kontrast tutucu maddeli meme MR'ı örneğinde yapay sinir ağları ile görüntü segmentasyonu”, Yükek Lisans Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2007.

16. Marĉelja, S. (1980). Mathematical description of the responses of simple cortical cells. JOSA, 70(11), 1297-1300.

17. Melgani, F., & Bruzzone, L. (2004). Classification of hyperspectral remote sensing images with support vector machines. IEEE Transactions on geoscience and remote sensing, 42(8), 1778-1790

18. Mitra, S., & Pal, S. K. (2005). Fuzzy sets in pattern recognition and machine intelligence. Fuzzy Sets and systems, 156(3), 381-386

19. Shim, S. O., & Choi, T. S. (2002, June). Edge color histogram for image retrieval. In Image Processing. 2002. Proceedings. 2002 International Conference on (Vol. 3, pp. 957-960). IEEE.

20. Super, B. J., & Bovik, A. C. (1991, November). Three-dimensional orientation from texture using Gabor wavelets. In Visual Communications,'91, Boston, MA (pp. 574-586). International Society for Optics and Photonics.