Banliyö alanlarda çok yüksek çözünürlüklü gerçek ortofotolardan nesne-tabanlı makine öğrenmesi sınıflandırması ile arazi örtüsü haritalama
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Geomatik Mühendisliği A.B.D., Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: RAZİYE BÜYÜKDEMİR ÇETİNKAYA
Danışman: Mustafa Türker
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Banliyö alanlarda arazi örtüsünün kullanım amacının kentsel araziye
dönüşme sürecinin sürdürülebilir kalkınma çerçevesinde planlı bir şekilde
gerçekleştirilmesi için takip edilmesi gerekmektedir. Banliyö alanlarda, devam
eden inşa faaliyetleri ve heterojen mimari yapılar, bu alanlarda arazi örtüsü
sınıflarının tespitini zorlaştırmaktadır. Arazi örtüsünün tespitinde çok yüksek
çözünürlüklü uydu ve hava görüntülerinde nesne tabanlı sınıflandırmanın
kullanılması, zengin bilgi edinilmesini sağlayarak, etkin sonuçlara
ulaşılmasına imkân verir. Bu tez çalışmasında banliyö alanlarda yüksek
çözünürlüklü gerçek ortofoto görüntüleri kullanılarak nesne tabanlı makine
öğrenmesi sınıflandırma yöntemi ile arazi örtüsü tespiti yapılmıştır. İlk
aşamada sayısal yüzey modelinden sayısal arazi modeli üretilerek normalize
edilmiş sayısal yüzey modeli (nSYM) hesaplanmıştır. Ortofotonun yakın kızıl
ötesi (YKÖ) ve kırmızı (K) bantları kullanılarak normalize edilmiş fark bitki
indeksi (NEFBİ) elde edilmiştir. Nesne tabanlı sınıflandırmanın ilk aşamasını
oluşturan segmentasyon sürecinde, basit doğrusal iteratif kümeleme (BDİK)
algoritması uygulanarak görüntü segmentasyonu gerçekleştirilmiş ve segmentler
üretilmiştir. Gerçek
ortofotonun ana bantları (K, Yeşil-Y, Mavi-M ve YKÖ), nSYM ve NEFBİ bantları,
piksellerin ortalama değerlerini içerecek şekilde segment tabanlı
hesaplanmıştır. Ortofotonun dört ana bandından, her segment için gri
seviyeli eş oluşum matrisi (Gray Level Co-occurrence Matrix) homojenlik, kontrast, korelasyon, ortalama ve
entropi doku metrikleri hesaplanarak 20 bant oluşturulmuştur. İkinci aşamada,
Rastgele Orman (RO) algoritması ile segment tabanlı sınıflandırma işlemi
gerçekleştirilmiştir. Segment tabanlı gerçek ortofotonun ana bantlarına (K, Y, M
ve YKÖ) ek olarak, segment tabanlı nSYM, NEFBİ ve 20 adet doku bandı
sınıflandırma işleminde ek bant olarak kullanılmıştır. Segment tabanlı toplanan
eğitim verisi seti ve 26 bant kullanılarak RO algoritması ile gerçekleştirilen
sınıflandırma, Ankara ilinde bulunan iki farklı banliyö çalışma alanına
uygulanmıştır. Birinci alanda %92,4 genel doğruluk ve 0.901 kappa indeksine,
ikinci alanda ise %90,0 genel doğruluk ve 0.879 kappa indeksine ulaşılarak
yüksek başarı sağlanmıştır. Bu çalışmada kullanılan bantların farklı
kombinasyonlarının sınıflandırma işlemine etkisi değerlendirildiğinde, her iki
alanda NEFBİ bandı sırasıyla %0,2-6,5 oranlarında sınıflandırma doğruluğunu
azaltmıştır. Diğer ek bantlar arasında sınıflandırma doğruluğunu en fazla nSYM
bandının eklenmesi artırmıştır ve sırasıyla %3,6-11,7 oranlarında artış
sağlamıştır. Doku metrikleri sınıflandırma doğruluğunu sırasıyla %3,8-6,6
oranlarında artırmıştır. En yüksek sınıflandırma doğruluğu, 26 bandın
kullanıldığı bant kombinasyonu ile elde edilmiştir. Segment tabanlı üretilen,
K, Y, M ve YKÖ ana bantlar ile nSYM, NEFBİ ve doku metrikleri bantlarının
kullanıldığı nesne tabanlı sınıflandırma yöntemi, banliyö alanların karmaşık
yapıya sahip olmasına rağmen arazi örtüsünün başarılı şekilde tespit edilmesinde
yüksek potansiyeli olduğunu göstermiştir.