Nesne Tabanlı Sınıflandırma Yaklaşımı Kullanılarak Yolların Tespiti

Öz

Teknolojinin gelişmesiyle birlikte gelişen veri toplama yöntemleri yer yüzeyine dair daha fazla bilgi elde etme imkânı sunar. Elde edilen verilerdeki yoğunluk, bu veriler içindeki anlamlı olanlarının çıkarımını mecbur kılmıştır. Daha önceleri istenilen detayların çıkarımı operatörler tarafından manuel bir şekilde gerçekleşmekteydi. Bu durum zaman ve maliyet açısından olumsuz yansımaktaydı. Gelişen detay çıkarımı yöntemleri sayesinde ihtiyaç duyulan nesnelerin otomatik bir şekilde tespiti daha hızlı ve kolay hale gelmiştir. Yüksek çözünürlüklü uydu görüntüleri ve İnsansız Hava Aracı (İHA) ile edinimi gerçekleştirilen görüntülerden bilgi elde etmek için, bir nesnenin ve çevresinin mekânsal ve bağlamsal bilgisini kullanmamız gerekir. Bu gibi uzaktan algılanan verilerden bilgi elde etmek için piksel tabanlı yaklaşımlar uygulanırsa, yalnızca spektral bilgiler kullanılır. Bu nedenle, Piksel tabanlı yaklaşımlar yüksek çözünürlüklü uydu görüntü sınıflandırmasını karşılayamaz ve bilgi çıkarma sadece gri seviye eşikleme yöntemlerine dayanır, böylece bu büyük veri fazlalığı elde edilir. Bu durumu aşmak için nesne yönelimli bir yaklaşım uygulanmaktadır. Bu makalede, eCognition yazılımı kullanılarak nesne yönelimli bilgi kavramı ortaya konmuş; mekânsal, spektral ve bağlamsal bilgiler gibi farklı nesne özelliklerine dayalı olarak uzaktan algılanan verilerin sınıflandırılmasının mümkün olduğu gösterilmiştir. Böylece nesne tabanlı yaklaşımla bilgiler, piksellerin ayrı ayrı gri değerlerinden ziyade anlamlı görüntü nesneleri temelinden çıkarılır. Ayrıca çalışmada, İHA ile toplanan verilerin fotogrametrik tekniklerle değerlendirilmesi ve obje tabanlı sınıflandırma yaklaşımı ile yolların tespiti yapılmıştır. Sonuç olarak nesne tabanlı yöntem ile otomatik bir şekilde tespiti yapılan yollar ile jeodezik yöntemlerle çizilmiş vektör verinin karşılaştırılması yapılmıştır. 

Anahtar Kelimeler

• Nesne tabanlı sınıflandırma,Detay çıkarımı,Segmentasyon,Yol tespiti

Kaynakça

1. Baatz M., Schape A., 2000, Multi resolution segmentation: an optimization approach for high quality multi scale image segmentation. Proceedings of Twelfth Angewandte Geographische Informations verarbeitung’in İçinde, (J. Strobl, T. Blaschke, G. Griesebner Ed.), Wichmann-Verlag, Heidelberg, ss.12−23.
2. Benz U.C., Hofmann P., Willhauck G., Lingenfelder I., Heynen M., (2004), Multi-resolution object-oriented fuzzy analysis of remote sensing data for GIS- ready information, ISPRS Journal of Photogramemetry and Remote Sensing, 58 (3-4), 239-258
3. Blaschke, T., Geoffrey, J. H., 2011. Qihao Weng ve Bernd Resch, Collective Sensing: Integrating Geospatial Technologies to Understand Urban Systems-An Overview, Remote Sensing, 2011, 3, 1743-1776.
4. Boyacı, D., 2012. Cbs-Uzaktan Algılama entegrasyonu ve örnek uygulama: uydu görüntülerinden detay ve otomatik öznitelik tespiti, Doktora Tezi, Selçuk Üniversitesi Harita Mühendisliği Anabilim Dalı, Konya.
5. Carleer, A. P. ve Wolff, E., 2006. Region-Based classification potential for landcover classification with very high spatial resolution satellite data, in Proceedings of 1st International Conference on Obgect-based ImageAnalysis, Austria, Vol. XXXVI, ISSN 1682-1777, 4-5.
6. Cömert R., Avdan U., ve Şenkal E. (2012). İnsansız Hava Araçlarının Kullanım Alanları Ve Gelecekteki Beklentiler. IV. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu (UZAL-CBS 2012), 16-19.
7. Definiens 2012, Definiens Developer XD 2.0.4. Reference Book, Definiens AG, München, Germany, https://www.imperial.ac.uk/media/imperialcollege/ medicine/facilities/film/Definiens-Developer- Reference-Book-XD-2.0.4.pdf , (03.04.2019).
8. Eisenbeiss, H. (2009). UAV Photogrammetry. ETH Zurich for the degree of Doctor of Science, ISNN 0252-9335 . ISBN: 978-3-906467-86-3.

9. Hofmann, P., 2001. Detecting Buildings and Roads from Ikonos Data Using Additional Elevation Information, GIS Geo-Information-System.
10. Kalkan, K., Maktav, D., Nesne Tabanlı ve Piksel Tabanlı Sınıflandırma Yöntemlerinin Karşılaştırılması (IKONOS Örneği). III. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu Ocak 2010.
11. Neha Gupta and H.S Bhadauria, “ Object Based Information Extraction from High Resolution Satellite Imagery using eCognition”, International Journal of Computer sciences Issues, Vol. 11, Issue 3, No. 2, pp. 139-144, May 2014.
12. Wenxia WEI, Xiuwan Chen and Ainai Ma, “Object-Oriented Information Extraction and Application in High-Resolution Remote Sensing Image”, IEEE International Geoscience & Remote Sensing, Vol. 6, pp. 3803-3806, 2005.
13. Yılmaz, H.M., Mutluoğlu, Ö., Ulvi, A., Yaman, A., Bilgilioğlu, S.S., 2018, İnsansız Hava Aracı İle Ortofoto Üretimi Ve Aksaray Üniversitesi Kampüsü Örneği. Geomatik Dergisi 2018; 3(2);103-110