Nesne-tabanlı sınıflandırmada doğal arazi örtüsü sınırlarını esas alan bölge tabanlı bölütleme (segmentasyon) algoritmasının optimizasyonu

Abstract

Yüksek mekânsal çözünürlüklü uzaktan algılanmış görüntülerin artan kullanılabilirliğine bağlı olarak söz konusu görüntülerden elde edilen verilerin daha etkili ve verimli bir şekilde analiz edilmesine duyulan ihtiyaç yeni yaklaşım ve yöntemlerin geliştirilme sürecini hızlandırmıştır. Söz konusu gelişmeler ışığında, Nesne Tabanlı Görüntü Analizi (NTGA) veya Coğrafi Nesne Tabanlı Görüntü Analizi (CNTGA) olarak da adlandırılan yeni bir yaklaşım yüksek mekânsal çözünürlüklü görüntüleri analiz etmenin etkili bir yolu olarak ortaya çıkmıştır. NTGA'nın esas çalışma prensibi, piksel yerine piksel kümelenmelerinden oluşan görüntü bölütleri kullanımı ve analizini esas alan bölütleme (segmentasyon) işlemine dayanmaktadır. Bölütleme analizi, NTGA'nın ilk ve en temel adımı olmakla birlikte daha sonraki aşamada gerçekleştirilecek özellik çıkarımı ve sınıflandırma işlemlerinin doğruluğu esas olarak görüntü bölütlemenin kalitesine bağlıdır. Bununla birlikte yüksek çözünürlüklü görüntülerdeki nesnelerin genellikle farklı spektral özelliklere sahip heterojen piksellerden oluşması sebebiyle bölütleme işlemi karmaşık bir hal almaktadır. Bu sebeple yüksek çözünürlüklü görüntülerin bölütleme aşamasında yeni ve etkili analiz yöntemlerine ihtiyaç duyulmaktadır. Bu tez çalışmasının temel amacı, yüksek ve orta mekânsal çözünürlükte uydu görüntüleri kullanılarak görüntü bölütleme kalitesinin değerlendirilmesi, bölütleme aşamasında kullanıcıya bağlı parametre seçiminin optimize edilmesi ve bölütlemenin sınıflandırma doğruluğu üzerine etkisinin araştırılmasıdır. Bu amaç doğrultusunda çeşitli görüntü bölütleme yaklaşımları ve bölütleme değerlendirme işlemleri çok yönlü olarak ele alınarak ayrıntılı olarak analiz edilmiş ve optimum bölütleme yaklaşımları ortaya konulmuştur. Çalışma sonucu elde edilen bulgular kullanıcıya bağlı bölütleme parametre seçiminin optimize edilmesi ve bölütleme kalitesinin değerlendirilmesinin yüksek doğruluklu sınıflandırma doğruluğu ve tematik harita üretimi için oldukça önemli ve etkili olduğunu göstermiştir. Ayrıca, gerçekleştirilecek çalışmalarda parametre optimizasyonu ve bölütleme kalite değerlendirme analizleri NTGA'nın genel iş akışı içinde öncelikli ve ilk tercih olarak dikkate alınmalıdır.Due to the increased availability of high spatial resolution remotely sensed images, the need to analyze the data obtained from these images more effectively and efficiently has advanced the development of new approaches and methods. In light of these developments, a new approach, Object-Based Image Analysis (OBIA) or also called Geographic Object-Based Image Analysis (GEOBIA), has emerged as an effective way to analyze high spatial resolution images. The main working principle of OBIA is based on the segmentation process, which is based on the use and analysis of image segments consisting of pixel clusters instead of pixels. Segmentation analysis is the first and most basic step of OBIA, as well as the accuracy of the feature extraction and classification processes to be performed in the later stage mainly depends on the image segment quality. However, the segmentation process becomes complicated because objects in high-resolution images generally consist of heterogeneous pixels with different spectral properties. For this reason, new and effective analysis methods are needed in the segmentation process of high-resolution images. The main purpose of this thesis is to evaluate the image segmentation quality, optimize the user-dependent parameter selection at the segmentation process, and investigate the quality of segmentation on classification accuracy by using high-resolution and medium spatial resolution satellite images. For this purpose, various image segmentation approaches and segmentation evaluation processes were evaluated in detail and optimum segmentation approaches were presented. The results obtained from this study showed that optimizing user-dependent segmentation parameter selection and evaluating segmentation quality are crucial and effective for high-accuracy classification accuracy and thematic map production. In addition, parameter optimization and segmentation quality evaluation analyses should be considered as a priority and first choice in the general workflow of OBIA.