Uydu görüntülerinden nesne yönelimli yöntemlerle özellik çıkarımı
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Uzaktan algılama verileri Coğrafi Bilgi Sistemleri (CBS) ve görüntü istihbaratı için çok önemli bir veri kaynağıdır. Uzaktan algılamada, özellikle istihbarat amaçlı uygulamalarda veri elde etme platformları genellikle uydulardır. İlkgörüntüleme uydularının mekansal çözünürlükleri çok düşük iken, artık yüksek mekansal çözünürlüklü uydular görüntü elde etmektedirler. Görüntüleme uydularında son dönemde önemli gelişmeler olmuştur. GeoEye uydusunun mekansal çözünürlüğü 41cm?dir. Worldview-2 uydusu 45 cm mekansal çözünürlüklü ve 8 spektral bantlıdır. 34 cm çözünürlüklü bir ticari uydununda 2013 yılı içerisinde uzaya gönderilmesi planlanmaktadır. Milli uydumuz olan 2.5 m çözünürlüklü Göktürk-2 uzaya gönderilmiş birkaç yıl içerisinde Göktürk-1 uydusunun uzaya gönderilmesi planlanmaktadır. Göktürk-1 ve 2 uyduları yanında yapay açıklıklı radar (Synthetic Aperture Radar - SAR) algılayıcısı taşıyan Göktürk-3 uydusu için planlamalara başlanmıştır. Bu gelişmeler dikkate alındığında CBS için gerekli olan bilgilerin büyük çoğunluğu, askeri amaçlı görüntü istihbaratı elde etmek için gerekli olan bilgilerin hemen hemen tamamının uydu görüntülerinden sağlanabileceği değerlendirilmektedir. NATO standartlarına göre askeri amaçlar için gerekli olan nesnelerin tanınması için mevcut uydu görüntülerinin çözünürlükleri yeterlidir.Bunların yanında, uydu görüntüleri çoğaldıkça, görüntülerden bilgi elde etme işlemi bir sorun haline gelecektir. Görüntü sınıflandırma operatörler tarafından klasik olarak veya bilgisayarlar aracılığı ile otomatik olarak gerçekleştirilmektedir. Görüntülerin otomatik olarak sınıflandırılmasında klasik yöntemler olarak adlandırılan piksel tabanlı, kontrollü ve kontrolsüz sınıflandırma yöntemleri kullanılmaktadır. Piksel tabanlı sınıflandırmanın başarısı sınırlıdır. Klasik sınıflandırmanın problemlerini çözebilmek amacıyla, sınıflandırma işlemine uzmanın tecrübelerini katmasını sağlayan Nesne Yönelimli Sınıflandırma (NYS) literatüre girmiştir.Bu tez çalışmasında hem CBS hem de görüntü istihbaratı alanında anlamlı olan köprü nesnesi nesne yönelimli ve hibrit yöntem ile nesne yönelimli olarak uydu görüntülerinden çıkarılmaya çalışılmıştır. Yapılan çalışma sonuçları hakkında istatistiki sonuçlar elde edilmiştir. Ayrıca çıkarılan köprü nesnesi çalışmanın yapıldığı alandan başka bir bölgede, farklı bir platformdan alınmış, spektral ve mekansal çözünürlükleri farklı görüntülerde test edilmiştir. Remote Sensing occupies an important place to obtain information for Geographic Information Systems (GIS) and imagery intelligence. At remote sensing, especially in intelligence applications satellites are generally data acquiring platforms. While first imaging satellites? spatial resolution is very low, now satellites which have high spatial resolution are used. Recently, important developments are conducted in the field of imaging satellites. One of the satellites recently sent to space GeoEye has 41 cm spatial resolution and the other Worldview-2 has a 45 cm spatial resolution and 8 spectral bands. Another commercial satellite has 34 cm spatial resolution is planned to send to space in 2013. Turkey?s national satellite 2.5 m spatial resolution Göktürk-2was sent space and Göktürk-1 is planned to send to space in the next years. Another national satellite containing Synthetic Aperture Radar (SAR) sensor Göktürk-3?s construction is being planned. When these developments considered, the most part of the information needed for GIS and almost all information for military purposes and imagery intelligence can be acquired from satellite images. According to the NATO standards, detection of the objects for the military purposes current satellite images? resolutions are enough. Besides these developments, while satellite images are increased, to obtain information from these images going to be a problem.Image classification is performed manually by operators or automatically by computers. To classify images automatically, conventional pixel based supervised and unsupervised methods has been used. Success of pixel based classification is limited. To complete pixel based technique?s gap, Object Oriented Classification which enables experts experiments put into classification has entered to literature. In this study in the area of both GIS and imagery intelligence meaningful object bridges have been tried to extract from satellite images by object oriented and object oriented hybrid classification methods. Statistics have been tried to determine about study. Furthermore developed rules to extract objects have been tested in different test area and imagery which are collected with different platform and have different spectral and geospatial resolution.
Collections