Derinlemesine Öğrenilmiş Öznitelik Profilleri ile Uzaktan Algılanmış Görüntülerin Sınıflandırılması

Abstract

Uzaktan alg?lama, maden işleme, afet yönetimi, ulusal güvenlik, tarım ve ormancılık ile çevresel gözetimin de aralarında bulunduğu birçok uygulama alanına sahiptir. Uzaktan algılamanın en önde gelen görevlerinden biri olan piksel sınıflandırma bu projenin ana konusudur. Bu işlem sonucunda ortaya çıkan sınıflandırma haritaları bazen nihai hedef, genelde ise daha kapsamlı bir hedefe giden önemli bir adım niteliğindedir, dolayısıyla da haritaların isabet düzeyleri, genel başarım açısından yüksek önem arz etmektedir. Ancak uydu algılayıcılarının sürekli artan uzamsal ve izgesel çözünürlükleri neticesinde, sınıflandırma görevi gittikçe zorlaşmaktadır. Zira, görüntülerin hem bant sayısı, hem de içeriklerinin uzamsal karmaşıklığı ve çeşitliliği artmaktadır. Bu görüntülerde yer alan piksellerin hem izgesel hem de uzamsal özelliklerini başarıyla betimleyebilen en önemli yaklaşımlardan biri Öznitelik Profilleri (ÖP)?dir. ÖP'ler, bir görüntünün sıradüzensel gösteriminden hesaplanan, çoklu-ölçekli, doğrusal olmayan araçlardır. ÖP'ler görüntülerdeki bağlantılı bileşenleri keyfi olarak seçilmiş geometrik ve istatistiksel (örneğin standart sapma, vb) özellikler aracılığı ile betimlerler. Görüntülerin ağaç tabanlı gösterimlerinden görece düşük karmaşıklık ile hesaplanabilirler. Yukarıda belirtilen gelişmelere koşut olarak, derin öğrenmenin birçok bilgisayarla görü uygulamasında sarsıcı derecede yüksek başarımlar sergilemesi, örüntü tanıma alanında son yıllarda bir paradigma kayması yaşatmaktadır. Gözetimsiz bir şekilde alçak düzeydeki özniteliklerden bir yüksek düzey öznitelikler sıradüzeni öğrenme yetkinliği, onun hızla tüm bilgisayarla görü alanlarında ve tabii ki uzaktan algılamada da kullanılmasına yol açmıştır. Ancak uzaktan algılama bağlamındaki çoğu ilgili çalışmalarda, farklı şekillerde olsa da, derin ağlara girdi olarak daima görüntülerdeki piksellerin uzamsal bilgiden yoksun izgesel değerlerini ve komşulukları sunulmuştur. Bu durum bizi ÖP ile derin öğrenmeyi birlikte kullanmaya itmiş ve tarafımızca yürütülen ilk yapılabilirlik deneyi söz konusu iki yaklaşımın birlikte güçlü bir sinerji oluşturduklarını işaret etmiştir. Elde edilen bu sonuçlara müteakip, projenin amacı bu sinerjiyi kapsamlı bir şekilde araştırmaktır. Projenin hedefi: ?Derin sinir ağlarının, uzaktan algılanmış multi ve hiperspektral görüntülerin piksellerini sınıflandırmak amacıyla, öznitelik profilleri ile özgün şekilde eğitilmeleridir?. Ayrıca, geliştirilecek olan çözüm Kızılırmak Deltası'nda yer alan Balık Gölü'nün, multispektral görüntülerini kullanarak, uydu tabanlı su kalitesi izlenmesine uygulanacaktır. Projenin başlıca çıktıları iki adettir. Birincisi, uzaktan algılanmış multispektral ve hiperspektral görüntülerin betimlenmesi ve sınıflandırılması ile ilgili literatüre güçlü bir katkı sağlanmasıdır. Hem öznitelik profillerinin alternatif öznitelikler ile hem de çok-bantlı verilere uyarlanmış omega ağaç yapısı ile hesaplanmaları ve özellikle de iki farklı derin sinir ağı türüne, üç farklı şekilde sunulmaları ile bu iddiamızı desteklemekteyiz. Ayrıca, ÖP'ler üzerine sahip olduğumuz çalışmalarımız ve mevcut birikimimiz ile derin öğrenme hakkında bitki tanıma yarışmalarında edindiğimiz tecrübeleri buluşturarak, bu anlamda sınıflandırma başarımlarını azamileştirme iddiasındayız. İkincisi, Samsun Üniversitesi'nin desteğiyle, endemik bitkiler ve canlı türleri bakımından zengin biyoçeşitliliğe ve uluslararası öneme sahip, ve özel koruma statüsü içerisinde bulunan Kızılırmak Deltası?nın en büyük gölü olan Balık Gölü'nün su kalitesi haritaları üretilecektir. Laboratuvarda haftalar süren su kalitesinin kesikli olarak izlenmesi ve zaman alan meşakkatli analizler yerine, ayda birkaç kez Sentinel 2A-2B verileri ile otomatik güncellenen uydu tabanlı su kalitesi izleme sistemi kurulacak ve çevrimiçi olarak kamu erişimine açık şekilde tahsis edilecektir.