Nesne-tabanlı sınıflandırmada doğal arazi örtüsü sınırlarını esas alan bölge tabanlı bölütleme (segmentasyon) algoritmasının optimizasyonu

Abstract

Yüksek mekânsal çözünürlüklü uzaktan algılanmış görüntülerin artankullanılabilirliğine bağlı olarak söz konusu görüntülerden elde edilen verilerin dahaetkili ve verimli bir şekilde analiz edilmesine duyulan ihtiyaç yeni yaklaşım veyöntemlerin geliştirilme sürecini hızlandırmıştır. Söz konusu gelişmeler ışığında,Nesne Tabanlı Görüntü Analizi (NTGA) veya Coğrafi Nesne Tabanlı Görüntü Analizi(CNTGA) olarak da adlandırılan yeni bir yaklaşım yüksek mekânsal çözünürlüklügörüntüleri analiz etmenin etkili bir yolu olarak ortaya çıkmıştır. NTGA'nın esasçalışma prensibi, piksel yerine piksel kümelenmelerinden oluşan görüntü bölütlerikullanımı ve analizini esas alan bölütleme (segmentasyon) işlemine dayanmaktadır.Bölütleme analizi, NTGA'nın ilk ve en temel adımı olmakla birlikte daha sonrakiaşamada gerçekleştirilecek özellik çıkarımı ve sınıflandırma işlemlerinin doğruluğuesas olarak görüntü bölütlemenin kalitesine bağlıdır. Bununla birlikte yüksekçözünürlüklü görüntülerdeki nesnelerin genellikle farklı spektral özelliklere sahipheterojen piksellerden oluşması sebebiyle bölütleme işlemi karmaşık bir halalmaktadır. Bu sebeple yüksek çözünürlüklü görüntülerin bölütleme aşamasında yenive etkili analiz yöntemlerine ihtiyaç duyulmaktadır. Bu tez çalışmasının temel amacı,yüksek ve orta mekânsal çözünürlükte uydu görüntüleri kullanılarak görüntübölütleme kalitesinin değerlendirilmesi, bölütleme aşamasında kullanıcıya bağlıparametre seçiminin optimize edilmesi ve bölütlemenin sınıflandırma doğruluğuüzerine etkisinin araştırılmasıdır. Bu amaç doğrultusunda çeşitli görüntü bölütlemeyaklaşımları ve bölütleme değerlendirme işlemleri çok yönlü olarak ele alınarakayrıntılı olarak analiz edilmiş ve optimum bölütleme yaklaşımları ortaya konulmuştur.Çalışma sonucu elde edilen bulgular kullanıcıya bağlı bölütleme parametre seçimininoptimize edilmesi ve bölütleme kalitesinin değerlendirilmesinin yüksek doğruluklusınıflandırma doğruluğu ve tematik harita üretimi için oldukça önemli ve etkiliolduğunu göstermiştir. Ayrıca, gerçekleştirilecek çalışmalarda parametreoptimizasyonu ve bölütleme kalite değerlendirme analizleri NTGA'nın genel iş akışıiçinde öncelikli ve ilk tercih olarak dikkate alınmalıdır.

Due to the increased availability of high spatial resolution remotely sensedimages, the need to analyze the data obtained from these images more effectively andefficiently has advanced the development of new approaches and methods. In light ofthese developments, a new approach, Object-Based Image Analysis (OBIA) or alsocalled Geographic Object-Based Image Analysis (GEOBIA), has emerged as aneffective way to analyze high spatial resolution images. The main working principleof OBIA is based on the segmentation process, which is based on the use and analysisof image segments consisting of pixel clusters instead of pixels. Segmentation analysisis the first and most basic step of OBIA, as well as the accuracy of the featureextraction and classification processes to be performed in the later stage mainlydepends on the image segment quality. However, the segmentation process becomescomplicated because objects in high-resolution images generally consist ofheterogeneous pixels with different spectral properties. For this reason, new andeffective analysis methods are needed in the segmentation process of high-resolutionimages. The main purpose of this thesis is to evaluate the image segmentation quality,optimize the user-dependent parameter selection at the segmentation process, andinvestigate the quality of segmentation on classification accuracy by using high-resolution and medium spatial resolution satellite images. For this purpose, variousimage segmentation approaches and segmentation evaluation processes wereevaluated in detail and optimum segmentation approaches were presented. The resultsobtained from this study showed that optimizing user-dependent segmentationparameter selection and evaluating segmentation quality are crucial and effective forhigh-accuracy classification accuracy and thematic map production. In addition,parameter optimization and segmentation quality evaluation analyses should beconsidered as a priority and first choice in the general workflow of OBIA.