dikili-kaynarca ve bergama-ovacık hidrotermal alterasyon zonlarının ...
dikili-kaynarca ve bergama-ovacık hidrotermal alterasyon zonlarının ...
dikili-kaynarca ve bergama-ovacık hidrotermal alterasyon zonlarının ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
48genellikle eğitim alanları (training area) olarak ifade edilir. Çünkü bunların spektralkarakteristikleri görüntünün geri kalan kısımları için sınıflandırmanıngerçekleştirilmesinde kullanılır. Her bir eğitim alanının istatistik parametresi (ortalama,standart sapma, kovaryans matrisi, korelasyon matrisi gibi) hesaplanır. Uygunsınıflandırma algoritması seçilerek araziden ilk eğitim alanları toplanır. Daha sonrasınıflar arasındaki en iyi ayırımı sağlayacak bantlar seçilir. İla<strong>ve</strong> eğitim <strong>ve</strong>risi toplanır <strong>ve</strong>sınıflandırma algoritmasına uygulanarak, sınıflandırma haritası elde edilir (Jensen,1996). Bu algoritmalardan Bayes-teoremi <strong>ve</strong> en yüksek olabilirliğin temel prensibiaşağıdaki gibidir;P(c i/x) = P(ci) p(x/ci)Σ P(ck) p(x/ck)Burada, P(c i/x) C sınıflar içinden <strong>ve</strong>rilen bir sınıfa ait spektral gözlemin (x) olasılığı;p(c i) c isınıfına ait a-öncül (a-priori) olasılığı <strong>ve</strong> p(x/c i) eğitim alanlarından hesaplanan c isınıfının a-soncul (a-posteriori) olasılığıdır. Her bir piksel olasılığı maksimum olan c isınıfına atanır (Csillag vd., 2000).Kontrollü sınıflandırmada Ortalamaya En Az Uzaklık (Minimum-Distance-to-Means)Yöntemi, Paralel Kenar (Parellelepiped) Yöntemi <strong>ve</strong> En Yüksek Olabilirlik (maximumLikelihood) Yöntemi en çok kullanılan üç yöntemdir (Richards, 1999).5.2.3.2 Kontrolsüz (Unsupervised) SınıflandırmaKontrolsüz sınıflandırmada sınıflandırma için herhangi bir deneme alanı kullanılmaz.Bunun yerine bu şekildeki bir sınıflandırma, bir görüntü içerisindeki bilinmeyenpikselleri inceleyen <strong>ve</strong> bunları görüntü değerlerinde mevcut doğal grup <strong>ve</strong> kümeleredayanarak bir dizi sınıflar içinde toparlayan algoritmalar içerir. Verilen bir sınıf çeşidiiçindeki değerlerin ölçü alanındakilere yakın olması gerekirken farklı sınıflardaki<strong>ve</strong>rilerin birbirleriden çok iyi ayrılması bu işlemdeki ana öncül bilgidir. Kontrolsüz