Fonksiyonel Ağaçlar ile Obje-Tabanlı Sınıflandırma: WorldView-2 Uydu Görüntüsü Örneği

Abstract

Son yıllarda, metre altı mekânsal çözünürlük sağlayan yüksek çözünürlüklü uydu görüntülerinin varlığı ile birlikte sınıflandırma işlemi geleneksel pikseltabanlı görüntü analizinden obje-tabanlı görüntü analizine yönelmiştir. Herhangi bir sınıflandırma probleminde olduğu gibi, uygun bir sınıflandırma algoritmasının seçilmesi obje-tabanlı tematik harita üretimi işleminin başarısı içinde oldukça önemlidir. Karar ağaçları (KA) ve özellikle KA türevleri (örneğin rastgele orman ve rotasyon orman) hem piksel hem de obje tabanlı sınıflandırmada başarılı bir şekilde kullanılmaktadır. Bu bağlamda, çoklu lojistik regresyon ve KA algoritmalarının birleşimine dayalı fonksiyonel ağaçlar (FA) birçok örüntü tanıma probleminde etkili bir şekilde kullanılan ancak uzaktan algılanmış görüntülerin sınıflandırılması için oldukça yeni bir sınıflandırma algoritmasıdır. Bu çalışmada, yüksek çözünürlüklü WorldView-2 uydu görüntüsünün objetabanlı yaklaşımla sınıflandırılması probleminde FA algoritmasının sınıflandırma performansı incelenmiştir. Algoritmanın performansı geleneksel KA ve KA'nı temel sınıflandırıcı olarak kullanan hızlandırma algoritmasının karşılaştırılmıştır. algoritmasının segmente edilmiş görüntü objelerinin sınıf etiketlerinin tahmin edilmesinde geleneksel KA algoritmasından daha başarılı olduğunu ve hesaplanan sınıflandırma doğruluğundaki iyileşmenin yaklaşık %3 olduğunu gösterirken, algoritmanın karar ağaçlarını esas alan hızlandırma algoritması ile aynı performansı sergilediğini algoritmasında temel sınıflandırıcı olarak FA kullanılması durumunda, sınıflandırma doğrululukları arasındaki farkların KA ve KA'nı esas alan hızlandırma algoritması için %4 ve %2 olarak hesaplandığı görülmüştür. Wilcoxon işaretli sıralar testi sonuçlarına göre algoritmaların sınıflandırma performansındaki bu artışların istatistiksel olarak anlamlı olduğu ortaya koyulmuştur