nesne-tabanlı görüntü analizi ve ıkonos pan-sharpened ...

Nesne-Tabanlı Görüntü Analizi ve Ikonos Pan-Sharpened Görüntüsünü Kullanarak Yol ve Binaların ÇıkarımıŞekil 2: Görüntünün hiyerarşik yapısı (URL, 1)eCognition yazılımı sınıflandırma sonuçlarına bağlı olarak kullanıcıları için istatistiksel bilgiler üretmektedir.İstatistiksel bilgilerin bulunduğu tablo önemlidir çünkü farklı doğruluk değerlerine ek olarak hata matrisini degösterir.4. SINIFLANDIRMA İŞLEMİSınıflandırmaya işlemi öncesinde segmentasyon aşaması için iki farklı yaklaşım kullanılmıştır. Bunlardan biri,Ikonos uydu görüntüsünün bütün bantlarının ek herhangi bir başka veri kullanılmadan segmentasyon işlemine tabitutulması; diğeri ise, Zonguldak’ın 1997 yılında fotogrametrik yöntemle üretilmiş vektör haritalarının, bu uydugörüntüsünün bantları altında yardımcı veri olarak kullanılarak segmentasyon işlemine tabi tutulması yaklaşımıdır.Her iki yaklaşımda da aynı ölçek parametreleri kullanılmış ve bu segmentasyon parametreleri Tablo 2’de verilmiştir.Katman A B C D EÖlçek par. 10 20 30 35 60Renk 0.5 0.7 0.3 0.5 0.5Biçim 0.5 0.3 0.7 0.5 0.5Yumuşaklık 0.5 0.5 0.5 0.5 0.5Bütünlük 0.5 0.5 0.5 0.5 0.5Seg. modu Normal Normal Normal NormalTablo 2: Çalışmada kullanılan segmentasyon parametreleriVektör harita kullanılmayan yaklaşımda kullanılan bu parametreler sonucu oluşan örnek segmentasyon görüntüsüŞekil 3’de gösterilmiştir.Şekil 3: Vektör harita kullanmadan oluşturulan segmentasyon görüntüsü(ölçek parametresi : D = 35)Vektör haritasız segmentasyon aşamasında uygulanan farklı segmentasyon parametreleri sonucunda nesnekenarlarında düzensiz şekiller görülmektedir. Özellikle binaların yakınlığı söz konusu olduğunda, bu durum,segmentasyon aşamasında binaların içiçe girmesine neden olmuştur. Görüntü üzerindeki yol yapılarının otomatikolarak çıkarılamadığı gözlenmiştir. Bu da sınıflandırma sonucunda detay kaybına neden olmakta olup, genel amaçlıcoğrafi bilgi sistemi uygulamalarında kullanılabilmekte, fakat büyük ölçekli harita yapımına ve editlenmesineyönelik çalışmalarda yeterli olamamaktadır.D

Marangoz, Karakış, Oruç ve BüyüksalihSegmentasyon aşamasının vektör harita kullanılarak oluşan segmentasyon görüntüleri ise Şekil 4’de gösterilmiştir.Bu aşamada yine Tablo 2’deki segmentasyon parametreleri kullanılmıştır.ABCDEŞekil 4: Vektör harita kullanarak oluşturulan segmentasyonu görüntüleri(ölçek parametresi : A = 10, B= 20, C = 30, D = 35 ve E = 60)Segmentasyon aşamasında vektör haritaların kullanılmasıyla, gölgeleme gibi sorun yaratan, görüntünün istenmeyenözellikleri giderilerek, kenarlaşma problemi olmayan nesneler elde edilmiştir. Şekilden de görülebileceği gibi,segmentasyon sonucunda geometrik olarak daha düzgün şekilli nesneler oluşmaktadır. Bina yapılarınınsegmentasyon sonucu vektör haritaya uygun şekillerde çıkarıldığı ve bu yapılardan birbirine yakın olanların ayırtedilebildiği görülmüştür. Yol yapılarının ise, Ikonos görüntüsünün gölge problemi bulunmayan yerlerindeçıkarılabildiği gözlenmiştir. Görüntünün gölge problemleri sınıflandırma sonucunda detay kaybına neden olmakta,fakat manuel olarak editlenmesiyle coğrafi bilgi sistemi uygulamalarında kullanılabilmektedir.Segmentasyon aşamasından sonra sınıflandırma işlemine geçilmiştir. Bu adımda sınıflar oluşturulmuş ve bu sınıflarıniçine dahil olacak segmentler için uygun fonksiyonlar belirlenmiştir. Belirlenen fonksiyonlar vektörlü veya vektörsüzsegmentasyon aşamaları için hemen hemen aynı sonucu vermektedir. Bu nedenle bu çalışmada vektörlüsegmentasyon için yapılan sınıflandırma ve bu sınıflandırma sonuçlarından bahsedilecektir. Sınıflandırma işlemininsonuçları Şekil 5’de gösterilmiştir.

Nesne-Tabanlı Görüntü Analizi ve Ikonos Pan-Sharpened Görüntüsünü Kullanarak Yol ve Binaların ÇıkarımıŞekil 5: Vektör harita kullanılarak yapılan nesne-tabanlı sınıflandırmanın sonucuOluşturulan sınıf hiyerarşisinden elde edilen sonuçlar göz önüne alındığında pek çok bina ve yolların ortayaçıkarılabildiği görülmüştür. Ancak, sınıflandırmanın editlenmesi kaçınılmazdır, bina ve yol nesnelerinden yanlışsınıflandırılmış olanların bu sınıflardan elle silinmesi gerekmektedir.4. SONUÇGünümüz uzaktan algılama teknolojilerinde yüksek çözünürlüklü verinin, zengin bilgi içeriği, piksel tabanlıyaklaşımlarda tam olarak yansıtılamamaktadır. Bu yüzden, uygulanan piksel tabanlı yaklaşımların yanında, nesnetabanlı yaklaşımlar da kullanılmaya başlanmıştır. Nesne-tabanlı yaklaşımda ilk olarak mevcut uydu görüntüsüüzerinden segmentasyon işlemi yapılması gerekmektedir. Segmentasyon işleminde, bir uydu görüntüsü için stereogörüntülerinve elde bulunan uygun vektör bilgisinin altlık olarak kullanılması, otomatik nesne çıkarımınıkolaylaştırmakta ve doğruluğunu arttırmaktadır.Yüksek uzaysal çözünürlüğünden dolayı Ikonos görüntüsü, binaları ve yolları ortaya çıkartmak için uygun birveridir. Görüntünün spektral özelliklerinden yararlanmak için ana bileşenli görüntü netleştirme metodu (principalcomponent image enhancement) kullanılabilir. Bu durumda, 1m piksel boyutlu ancak 4 spektral kanalına sahipgörüntü oluşturulabilmektedir. Nesne-tabanlı görüntü analizi tekniği, bina ve yollar gibi belli başlı yer nesnelerininortaya çıkarılması için memnun edici sonuçlar verebilmektedir.Sınıflandırma kalitesi, segmentasyonun kalitesine; oluşan segmentlerin doğru nesneleri uygun geometrik şekillerleifade etmesine bağlıdır. Bu da kullanılan vektör yapıya bağlı olduğu gibi, bu vektör yapının görüntüye uyuşumu içinuygulamanın en başında yürütülen ortorektifikasyon işlemine de bağlıdır. Burada kullanılan SYM ve bunun gibi hertürlü ek parametre, sınıflandırmanın doğruluğunu çok büyük ölçekte etkilemektedir. Bu durumda, geometrik olarakkayıklık ve kullanılan SYM verisinin kalitesi göz önünde tutulmalıdır, daha güvenilir sonuçlar için uygun vektörkatmanının kullanılması gerekmektedir (Marangoz, 2004).TEŞEKKÜRGösterilen sonuçların bazı bölümleri TÜBİTAK–Türkiye ve Julich Araştırma Merkezi – Almanya tarafındandesteklenmiştir. Bu çalışma sırasındaki yardımlarından dolayı ZKÜ Öğretim Üyelerinden Arş. Gör. Selin MarangozÇIPLAK’a teşekkürlerimi sunarım.KAYNAKLARBenz, U. C., Hofmann, P., Willhauck, G., Lingenfelder, I. ve Heynen, M., 2003. Multi-Resolution, Object-Oriented Fuzzy Analysis of Remote Sensing Data for Gis-Ready Information, ISPRS Journal of Photogrammetry &Remote Sensing, p.239-258

Marangoz, Karakış, Oruç ve BüyüksalihBüyüksalih, G., Koçak, G., Oruç, M., Akçın, H. ve Jacopsen, K., 2003. Handling of Ikonos Images fromOrientation Up To DEM Generation, Proceeding of the Workshop on Mapping from Space 2003, Hannover, (CD-ROM)eCognition User Guide 3., 2003. Definiens Imaging, p.3.2-108Hofmann, P., 2001a. Detecting Buildings and Roads from Ikonos Data Using Additional Elevation Information, In:GIS Geo-Information-System, 6/2001.Hofmann, P., 2001b. Detecting Informal Settlements from Ikonos Image Data Using Methods of Object OrientedImage Analysis - An Example From Cape Town (South Africa), Jürgens, Carsten (Editor): Remote Sensing of UrbanAreas/ Fernerkundung in urbanen Räumen. (=Regensburger Geographische Schriften, Heft 35), Regensburg.Hofmann, P., 2001c. Detecting Urban Features From Ikonos Data Using an Object-Oriented Approach, In: RSPS2001, Geomatics, Earth Observation and the Information Society, 2001Marangoz, A. M., Oruç, M. ve Büyüksalih, G., 2004. Object-Oriented İmage Analysis and Semantic Network forExtracting The Roads and Buildings from Ikonos Pan-Sharpened İmages, Proceedings of the XX th Congress ofInternational Society for Photogrammetry and Remote Sensing, 12-23 July, İstanbul, Turkey.URL 1., eCognition Yazılımı İnternet Sitesi, Yayınlar-Haziran 2004, http://www.definiensimaging.com/documents/reference.htm, 1 Mart 2005.