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
- 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.
- 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
- 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.
- 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.
- 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.
- 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.
- 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).
- Eisenbeiss, H. (2009). UAV Photogrammetry. ETH Zurich for the degree of Doctor of Science, ISNN 0252-9335 . ISBN: 978-3-906467-86-3.
- Hofmann, P., 2001. Detecting Buildings and Roads from Ikonos Data Using Additional Elevation Information, GIS Geo-Information-System.
- Kalkan, K., Maktav, D., Nesne Tabanlı ve Piksel Tabanlı Sınıflandırma Yöntemlerinin Karşılaştırılması (IKONOS Örneği). III. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu Ocak 2010.
- 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.
- 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.
- 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
Öz
Kaynakça
- 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.
- 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
- 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.
- 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.
- 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.
- 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.
- 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).
- Eisenbeiss, H. (2009). UAV Photogrammetry. ETH Zurich for the degree of Doctor of Science, ISNN 0252-9335 . ISBN: 978-3-906467-86-3.
- Hofmann, P., 2001. Detecting Buildings and Roads from Ikonos Data Using Additional Elevation Information, GIS Geo-Information-System.
- Kalkan, K., Maktav, D., Nesne Tabanlı ve Piksel Tabanlı Sınıflandırma Yöntemlerinin Karşılaştırılması (IKONOS Örneği). III. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu Ocak 2010.
- 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.
- 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.
- 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
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Bölüm | Araştırma Makaleleri |
| Yazarlar | |
| Yayımlanma Tarihi | 1 Aralık 2019 |
| Gönderilme Tarihi | 9 Ekim 2019 |
| Yayımlandığı Sayı | Yıl 2019 Cilt: 1 Sayı: 1 |