Dr. Öğt. Üyesi Saygın ABDİKAN Öğretim Yılı Bahar Dönemi

Transkript

1 Dijital Görüntü İşleme (GEO/JDF338) Dr. Öğt. Üyesi Saygın ABDİKAN Öğretim Yılı Bahar Dönemi 1

2 Dersin Kaynakları 1. Rafael C. Gonzales, Richard E. Woods, Digital image processing, New Jersey: Prentice Hall, Kenneth R. Castleman, Digital image processing, New Jersey : Prentice-Hall, Rafael C. Gonzales, Richard E. Woods, Digital image processing using MATLAB, Yayın Bilgisi: New Jersey : Pearson Prentice Hall, Prof.Dr.Filiz Sunar, Doç.Dr.Coşkun Özkan, Dr.Batuhan Osmanoğlu, Uzaktan Algılama, Anadolu Üni. Yayınları , Doç.Dr.Füsun Balık Şanlı Görüntü analizi ders notları, YTU Harita Müh. Böl. 6.Prof.Dr.Bülent Bayram Sayısal görüntü işleme ders notları, YTU Harita Müh. Böl. 7. Doç.Dr. Fevzi Karslı 2013 Dijital görüntü işleme teknikleri ders notları, KTU Harita Müh. Böl. 8. Gao J., Digital Analysis of Remotely Sensed Imagery The McGraw-Hill ISBN: Lillesand T., Kiefer R.W., Chipman J., Remote Sensing and Image Interpretation, ISBN : , Wiley

3 Dersin İçeriği Dijital görüntü işlemede temel kavramlar Dijital görüntünün temelleri, görüntü geometrisi Görüntü sayısallaştırma, örnekleme Dijital görüntü özellikleri, görsel algılama elemanları Görüntü işlemede sıkıştırma algoritmaları/veri yapıları Görüntü ön işleme, piksel parlaklık dönüşümleri, geometrik dönüşüm Kontrast iyileştirme, doğrusal kontrast iyileştirme, görüntü eşikleme Histogram, Gri-düzey histogram, doğrusal olmayan iyileştirme (Histogram eşitleme) Uzaysal iyileştirme, uzaysal filtreleme, gürültü giderme Frekans uzayında görüntü iyileştirme, alçak geçişli filtreler, yüksek geçişli filtreler Morfolojik görüntü işleme algoritmaları, görüntü segmentasyonu Görüntü sınıflandırma, nesne görüntüleme ve tanıma 3

4 Dijital görüntü işlemede temel kavramlar Sayısal Görüntü İşleme; bilgisayar yardımı ile raster verilerin (uydu görüntüleri) işlenmesiyle özelliklerinin ve görüntüsünün değiştirilmesi sonucu yeni bir görüntü oluşturulmasıdır Yorumlanarak anlamlı bilgiler elde edilir. Bilgisayarda algoritmalarla 3B gerçek dünyaya ilişkin detayların tanımlanması? 4

5 Görüntü uygulamaları Bilgisayarla görme (Computer vision) Görüntülerin işlenmesi, analizi ve anlaşılmasına yönelik metotlar Gerçek dünyaya ait sayısal, simgesel bilgilerin üretilmesi, Karar verme İnsan işlevini azaltma, Görsel bilginin gösterimi, erişim Yapay zeka; bilgisayarların anlama ve öğrenme Otomatize etme 5

6 Bilgisayarla görme Sosyal medya Güvenlik, izleme Digital art Yerbilimleri Sağlık 6

7 Bilgisayarla görme çalışma alanları Tıp, Güvenlik, Endüstri, Robot Sosyal medya Uzaktan algılama/fotogrametri Çevre Tarım Orman Şehir Doğal afet Askeri 7

8 Geomatik Müh. Yersel lazer tarama Uydu görüntüleri Fotogrametri CBS 8

9 3B modelleme 9

10 10

11 Dolmabahce Sarayı Prof.Dr.Naci Yastıklı 2007, J.Cultural Heritage,8,

12 Geomatik mühendisliğinde? Sayısal harita üretimi

13 Dijital görüntünün temelleri İnsan görme sistemi Işığın çok kanallı ve pankromatik dalga boyları her biri birer algılama sistemi olan gözlerimiz yardımı ile algılanır. Göz fotoğraf makinası gibi düşünülürse beynin görme bölümü de sayısal görüntü işleme sistemidir. Analog sistem 13

14 14

15 geformationen.pdf 15

16 Diyafram Objektifden geçen ışığın şiddetini ayarlar omopticsen.pdf 16

17 Netlik derinliği, odak derinliği (Depth of field DOF) 17

18 A- Enerji Kaynağı / Aydınlatma B- Işıma ve atmosfer C- Hedef nesneyle etkileşim D- Nesneden yansıyan / yayılan enerjinin kaydedilmesi E- Enerjijnin yer istasyonuna iletimi F- Yorumlama ve analiz G- Uygulama 18

19 Isaac Newton 19

20 Elektromanyetik spektrum Fiziksel etkileşimin olmadığı uzaktan algılamada bilgi aktarımı elektromanyetik ışıma (EMR) ile gerçekleştirilir. Görülebilen spektrum insan gözünün görebileceği elektro manyetik dalga boyu aralığını tanımlar. 20

21 Sayısal/Dijital fotoğraf Doğrudan sayısal kameralarla elde edilir Analog fotograf taranarak (ışık yoğunluğu ölçülerek) elde edilir Gri değer Orijinal fotoğrafda sürekli değer Sayısal fotoğrafda kesikli değer piksel boyutu büyüdükçe kesiklilik artar 21

22 22

23 23

24 Görüntü Nitelikleri Renk Her bir piksele ilişkin bir renk söz konusudur. En sık kullanılan renk uzaylarından biri RGB dir. RGB renk uzayı, Kırmızı (Red), Yesil (Green) ve Mavi (Blue) ana renklerinin belirli oranlarda karısımı ile elde edilen yaklaşık 17 milyon rengi içerir. Sekil: RGB uzayına göre renklerin olusturulması

25 Renkli görüntüler 25

26 Renk algısı brightness 26

27 Renk algısı Renk: rengin baskın dalga uzunluğunu belirler, örneğin sarı, mavi, yeşil. Açısal bir değerdir Parlaklık: Rengin aydınlığı (içindeki beyaz oranını belirler) Doygunluk: Rengin canlılığı (doygunluk çoksa canlı renkler) 27

28 DİJİTAL UYDU GÖRÜNTÜSÜ Görüntü türleri 1. Binari görüntü (binary) En basit görüntü çeşidi olup sadece 0 veya 1 olmak üzere 2 değer (siyah ve beyaz) alırlar 1-bit color (2 1 = 2 colors) 2. Gri renk seviyeli görüntü Monokrom veya tek renkli görüntülerdir. Renk bilgisi içermeyip sadece parlaklık bilgisi içerirler 3. Renkli görüntü renk, cisimlerin farklı dalga boyuna sahip elektromanyetik dalgaları farklı şekilde yansıtma özellikleri (parlaklık değeri) ile ilişkilidir. Doğal renkli görüntü, elektromanyetik spektrumun kırmızı, yeşil ve mavi bölgelerinden alınmış dijital görüntülerin bilgisayar ekranında RGB katmanlarında görüntülenmesi ile elde edilir

29 4. Çok spektrumlu görüntü görünür spektrumun dışındaki bölgelerden alınan ve yanlış renkli /yapay renkli görüntü olarak da adlandırılan görüntülerdir. Örneğin morötesi, kızıl ötesi dalga boyları gibi. Bu tür verilerin kaynağı, uydu sistemleri, su altı algılama sistemleri, değişik tipteki uçak radarları, kızıl ötesi görüntüleme sistemleri ve tıbbi tanı görüntüleme sistemleridir 29

30 DİJİTAL UYDU GÖRÜNTÜSÜ Görüntü türleri

31 Piksel / dpi Piksel en küçük anlamlı birim dpi = dot per inch/ 1 inch teki nokta sayısı 1 inch =25.4 mm =25400

32 Piksel/dpi Örnek Bir harita yada fotoğraf 400 dpi ile taranmış ise piksel boyutu nedir? dpi=dot per inch 1 inch =25.4 mm = / 400 = 63

33 33

34 ÇÖZÜNÜRLÜK Birçok uzaktan algılama algılayıcısı, verileri uzaktan algılamada geçerli olan temel prensiplere bağlı olarak algılamış olsa da, sonuç görüntüsünün formatı ve kalitesi çok farklılık gösterebilir. Bu farklılıklar dört farklı uydu çözünürlüğü ile ilişkilidir. Mekansal/Konumsal/Geometrik (Spatial resolution) Radyometrik Spektral Zamansal

35 35

36 Yüksek ve düşük mekânsal çözünürlüğe sahip dijital görüntülerdeki temel avantaj ve dezavantajlar

37 Piksel/dpi Örnek Bir Landsat görüntüsünde 450 hektar alan kaç piksel ile örtülür? Landsat 30mx 30m 450x10000= m 2 30x30=900m /900= 5000piksel ~71x71

38 Sayısallaştırma-Örnekleme

39 Analog bir görüntünün dijital görüntüye dönüştürülmesi ya da Dijitalleştirme Örnekleme (sampling) ve nicemleme (quantization- genliğin ayrıklaştırılması) adımları Örnekleme: Koordinat değerlerini sayısallaştırma Kuantalama: f(x,y) genlik değerlerini sayısallaştırma Örnekleme mekansal çözünürlüğün bir parametresidir 39

40 256 Gri değer 2 Gri değer 40

41 UYDU SİSTEMLERİ Görüntülerin Özellikleri Spektral Ayırma Gücü Nesnelerin ve arazi türlerinin uzaktan algılama yolu ile ayırt edilebilmelerinin en önemli nedeni spektral özelliklerinin değişiklik göstermesidir. Algılayıcılar bu değişimleri fark edecek şekilde tasarlanır Her spektral aralık elektromanyetik spektrumun bir bölgesine duyarlıdır Spektral dalga boyu genişliği: Bir algılayıcının, elektromanyetik spektrumda kaydedebildiği spesifik dalga boyu aralığıdır. Algılama yapılan bant sayısı: Bant sayısı arttıkça spektral çözünürlük de artmaktadır.

42

43 43

44 Zamansal çözünürlük-şehirleşme IKONOS

45 Dijital /Sayısal Görüntü İşleme Görsel yorumlama Ön işleme Görüntü zenginleştirme Radyometrik Düzeltme Geometrik Düzeltme Oran görüntüleri Filtreleme Ana Bileşen Dönüşümü

46 Dijital /Sayısal Görüntü İşleme Sayısal görüntülerden amaca uygun bilgilerin çıkartılmasında genel olarak iki farklı yöntem kullanılır: Görsel analiz Görüntüler bu konuda tecrübe sahibi kişiler tarafından görsel/optik olarak yorumlanırlar. Kantitatif analiz Görüntüler bilgisayar ortamında oldukça karmaşık olabilen matematik istatistik algoritmalarla işlenirler.

47 Sayısal Görüntü İşleme Görsel Analiz Görsel Yorumlama da dikkate alına temel özellikler

48 DİJİTAL UYDU GÖRÜNTÜSÜ Kontrast Kontrast, bir cismi (veya görüntüdeki temsilini) diğer cisimlerden ve arka plandan ayırt etmeye yarayan görsel özelliklerdeki farklılıktır. Görsel algılamada kontrast, bir cismin aynı görüş alanında bulunan diğer cisimlerle olan renk ve parlaklığındaki farklılıklar ile belirlenir. En basit ifade ile kontrast, görüntüdeki en parlak bölüm ile en karanlık bölüm arasındaki fark olarak tanımlanabilir. Görüntüde yeterli kontrast olup olmadığı görüntü histogramına bağlı olarak analiz edilir.

49 Biçim Büyüklük Ton Bağlamsal ilişki 49

50 Dijital /Sayısal Görüntü İşleme Sayısal görüntünün bilgisayar ortamında değişik algoritmalarla analizinde göz önüne alınan genel işleme adımları aşağıda verilmektedir: Ön işleme Görüntü zenginleştirme Spektral dönüşüm Mekânsal dönüşüm Görüntü Sınıfandırma

51 Sayısal Görüntü İşleme Ön İşleme-Radyometrik Düzeltme Herhangi bir algılayıcı sistem tarafından ölçülen ışınırlık (yansıtılan enerji), aydınlanma geometrisindeki, atmosferik koşullardaki, bakış geometrisindeki ve algılayıcı karakteristiklerindeki değişimlerden etkilenir Genellikle bu etkilerin düzeltilmesi algılayıcı sisteme ve uygulama çeşidine bağlı olarak farklılık gösterir. Örneğin bakış geometrisi gibi etkiler uçak-bazlı sistemlerde uydu sistemlerine göre çok daha önemli bir etkiye sahiptir.

52 Sayısal Görüntü İşleme Ön İşleme-Radyometrik Düzeltme

53 Sayısal Görüntü İşleme Ön İşleme-Radyometrik Düzeltme Spektrumun görünür ve kızıl ötesi bölgelerinde kullanılan pasif algılama sistemlerinde belirgin radyometrik düzeltme aşamaları dört adımda incelenebilir; algılayıcı kalibrasyonu, atmosferik düzeltme, topoğrafik düzeltme ve Güneş in açısal yüksekliği ve yeryüzüne olan uzaklığına bağlı düzeltme olarak

54 RADYOMETRİK DÜZELTME (1) Algılayıcı kaynaklı radyometrik hata (2) Bulut etkisi (3) Sis etkisi görülmektedir.

55 Ön İşleme-Radyometrik Düzeltme Atmosferik Düzeltme Uydu algılayıcısı, atmosfer ve hedef arasındaki ilişkiyi ve etkileşimleri modelleyen fiziksel metotlar Atmosferik düzeltmeler, yansıtımı bilinen doğal veya yapay yeryüzü hedeflerine dayalı olarak yapılır. koyu piksel çıkartımı yöntemi 55

56 Ön İşleme-Radyometrik Düzeltme Topoğrafik düzeltme Topoğrafik düzeltme adımında, topoğrafik değişimlere bağlı olarak oluşan sinyal farklılıkları normalize edilir. Bu amaçla en yaygın kullanılan yöntem bant oranlaması dır. Örneğin, Landsat TM için 5. bandın 4. banda oranı gibi. Yansıtım, topoğrafyaya bağlı olarak aynı cisim için farklılık gösterse de iki bandın birbirine olan oranı aynı olacaktır. Oldukça basit olan bu yöntem topoğrafik etkiyi kısmen gidermektedir.

57 GÖRÜNTÜ KARAKTERİSTİKLERİ Histogram Diğer bir ifade ile histogramın sol tarafı koyu renk tonuna, orta bölgeler orta gri renk tonuna ve sağ tarafı ise açık renk tonuna sahip pikselleri göstermektedir. Görüntü histogramına bakılarak öncelikle görüntüdeki tonal dağılım hakkında bir fikir edinilir ve görüntünün görsel kalitesinin arttırılması için gerekli görüntü işleme adımları belirlenir

58 Spektral Dönüşümler Kontrast Artırımı Görüntünün kontrastını geliştirmek için kullanılan en yaygın teknikler; Doğrusal/Lineer kontrast artırımı ve Doğrusal olmayan Histogram eşitleme Normal (Gauss) yayma metodu da kontrast zenginleştirmesinde tercih edilen diğer yöntemlerden biridir.

59 59

60 Görüntü Zenginleştirme Spektral Dönüşümler Spektral dönüşümler Kontrast zenginleştirme Doğrusal/Lineer kontrast artırımı Doğrusal olmayan (Histogram eşitleme, Gauss) Aritmetik bant işlemleri Ana bileşen dönüşümü 60

61 Spektral Dönüşümler Ana Bileşen Dönüşümü Çok spektrumlu görüntülemede ölçülen toplam spektral bilgi, bantlar arasında paylaştırılmıştır. Genellikle toplam spektral bilginin bir kısmı değişik oranlarda bantlar arasında tekrarlanır. Matematiksel ifadeyle, bantlar birbirleriyle korelasyonludur ve bundan dolayı benzer bilgiler içerirler. Şekil de, bir görüntünün mavi ve kırmızı bantları arasındaki saçılım diyagramı ve aralarındaki lineer ilişki verilmiştir. Bantlar arasındaki korelasyon katsayısı 0.96 olarak hesaplanmıştır. Bu değer, saçılım grafiğiyle tutarlı bir şekilde pozitif oldukça güçlü bir doğrusal ilişkiyi göstermektedir 61

62 Ana bileşenler dönüşümü ile verinin boyutu azaltılır ve orijinal görüntüdeki bantlar daha az sayıda banda sıkıştırılır. Bu istatistiksel işlemler sonucunda oluşan yeni bantlara ana bileşenler denir. Bu işlemde az sayıda bileşenle daha fazla bilgi elde edilir. Ana bileşenler dönüşümü ile 7 bantlık görüntü, 3 bantlı bileşene dönüştürülüp boyutsallık indirgenir ve bilgi oranı arttırılır. Mevcut bilgi korunarak, bant sayısı azaltılmaktadır 62

63 63

64 Geometrik Dönüşüm-Rektifikasyon Dijital görüntüler, değişik sebeplerden kaynaklanan geometrik distorsiyonlardan dolayı doğrudan harita gibi kullanılamazlar. görüntüyü oluşturan piksellerin temsil ettikleri coğrafi alanların arasındaki uzaklıklar, görüntüde uniform olmayan bir şekilde hatalı olarak gösterilir. Uydu görüntü verilerinin bu distorsiyonlar için düzeltilerek bir harita projeksiyon sistemiyle tutarlı hale getirilmesi işlemine rektifikasyon adı verilir. 64

65 Geometrik Dönüşüm-Rektifikasyon Rektifikasyon işlemi sonrasında piksellerin geometrik konumlarının yanı sıra radyometrik (parlaklık) değerleri de değişmektedir. Geometrik distorsiyonlar genel olarak aşağıda belirtilen faktörlerden kaynaklanmaktadır: Bazı algılayıcıların geniş bakış alanı Görüntü elde edilirken Dünya nın dönüşü Yeryüzü eğriselliği (geniş alanlar) Uydu platformunun konum, durum ve hızındaki değişimler Görüntüleme geometrisiyle ilişkili panoramik etkiler Topoğrafik rölyef etkisi 65

66 Geometrik Dönüşüm-Rektifikasyon Geometrik distorsiyonların görüntünün bütününde aynı anda giderilmesinde kullanılan genel olarak iki yaklaşım söz konusudur: 1. yaklaşım: Görüntünün piksel piksel topoğrafik distorsiyonları düzeltilerek, harita gibi ortografik izdüşüm özelliğine sahip bir duruma getirilmesi işlemin olan ortorektifikasyon dur sistematik bir yaklaşım distorsiyon düzeltmeleri distorsiyonun türü ve büyüklüğünün modellenmesiyle hesaplanır. Bu yaklaşım distorsiyonun tipi (örn. uydu konumu, durumu, tarama açısı, Dünya nın dönüşü,bakış oranı, panoramik etki, vb.) iyi karakterize edilebildiğinden çok etkili olmaktadır. Topoğrafik rölyefe bağlı geometrik distorsiyonların düzeltilmesi için yeryüzünün Dijital Yükseklik Modeli gereklidir. 66

67 Geometrik Dönüşüm-Rektifikasyon 2. yaklaşım: İkinci yaklaşımda distorsiyonlu görüntüdeki piksellerin koordinatları ile bunların karşılık geldiği arazideki koordinatları arasında (harita yardımıyla) matematiksel bağlantı kurulur. distorsiyonun tipi ve kaynağı hakkında herhangi bir bilgiye gerek olmaksızın görüntü geometrisi düzeltilir. platformdan bağımsız ve ilk etapta en çok tercih edilen bir yaklaşımdır. Bu matematiksel ilişkilendirme yaklaşımı distorsiyonların fiziksel modellendiği birinci yaklaşımla birlikte hibrit (melez) olarak da kullanılabilir. Birinci yaklaşımla algılayıcı, uydu platformu ve yeryüzü kaynaklı distorsiyonlar düzeltildikten sonra geriye kalan artık distorsiyonlar ikinci yaklaşımla düzeltilebilir. 67

68 68

69 Eğer bilinmeyen (model parametresi) sayısından daha fazla sayıda ölçü (YKN) varsa En Küçük Kareler yöntemi kullanılarak bilinmeyenlerin en olasılıklı değerleri hesaplanmalıdır. Dönüşümün doğruluğu; YKN sayısına, YKN dağılımına, Dönüştürülecek noktaların ağırlık merkezine olan uzaklıklarına bağlıdır. 69

70 70

71 71

72 Geometrik Dönüşüm-Rektifikasyon Yeniden Örnekleme Dönüşümün YKN ler aracılığıyla belirlenmesinden sonra, geometrik hataları düzeltilmiş distorsiyonsuz gridi oluşturan piksellere ait parlaklık değerlerinin belirlenmesi gerekir. Bu durumda orijinal distorsiyonlu görüntüden hangi parlaklık değerlerinin alınacağına karar verilmesi işlemi, diğer bir ifade ile parlaklık enterpolasyonu adımı uygulanır. 72

73 Geometrik Dönüşüm-Rektifikasyon Yeniden Örnekleme Genel olarak 3 farklı yaklaşım kullanılmaktadır: tam piksel konum değerleriyle çakışmazlar. 1. En Yakın Komşuluk Örneklemesi Basit bir yöntem olup dönüşüm koordinatlarının en yakın olduğu pikselin parlaklık değeri distorsiyonsuz grid pikseline atanır. 73

74 2. Bilineer Enterpolasyon Bu yöntem, pikseli çevreleyen 4 komşu pikselin kullanıldığı iki boyutlu lineer bir enterpolasyondur. Şekil de görüldüğü gibi siyah dolgulu hedef gride atanacak parlaklık değeri, orijinal distorsiyonlu görüntüdeki (mavi çizgili) en yakın 4 pikselin iki boyutlu lineer enterpolasyonuyla belirlenir. 74

75 Geometrik Dönüşüm-Rektifikasyon Yeniden Örnekleme 3. Kübik Enterpolasyon:İki boyutlu 3. dereceden polinom enterpolasyonu olup pikseli çevreleyen 16 piksel (4x4 piksel komşuluk) kullanılır. Şekilde görüldüğü gibi siyah dolgulu hedef gride atanacak parlaklık değeri, orijinal distorsiyonlu görüntüdeki (mavi çizgili) en yakın 16 pikselin iki boyutlu kübik enterpolasyonuyla belirlenir. 75

76 Görüntü Zenginleştirme Mekânsal Dönüşümler Filtreleme görüntü üzerinde bir filtre varmış gibi düşünüp her piksel değerinin yeniden hesaplanmasıdır. Filtreleme işleminin amaçları: netleştirme nokta yada çizgisel bozuklukları giderme belirli ayrıntıları ortaya çıkarma görüntüyü yumuşatma kenar keskinleştirme veya kenar bulma gibi işlemler gerçekleştirilir.

77 Görüntü Zenginleştirme Mekânsal Dönüşümler Her bir piksel için gezdirilen bu pencerenin ağırlık değerleriyle eşleştirildiği lokal görüntü parlaklık değerleri karşılıklı çarpılır ve bu çarpımlar toplanır. Elde edilen sonuç pencere merkezindeki piksele yeni değer olarak atanır. Daha sonra bu pencere satır veya sütün yönünde 1 piksel ötelenir. Bu öteleme ve aritmetik işlemlerin bütününe konvolüsyon denir.

78 Filtre boyutları 3x3,5x5,7x7,9x9,11x11 şeklinde olabilir. Filtre matrisi tanımlandığı amaca yönelik olarak işleme alınır Yukarıdaki verilen filtre matrisi ile görüntüyü filtrelemek istediğimizde bu matrisi tüm görüntü üzerinde 3x3 lük pikseller üzerinden uygularız. 78

79 En yaygın kullanılan mekânsal filtreleme yöntemi, belirli bir genişliğe sahip hareketli pencere (kernel) kullanımıdır. örneğin 3 x 3, 5 x 5, 7 x 7,..., vb. 79

80 Alçak geçirgenli filtreler (Low Pass Filter) görüntüyü yumuşatırken (ortalamda bilgi muhafaza edilir), Alçak geçirgenli filtreler büyük homojen alanlarda benzer tonları vurgulamak ve Küçük detayları gidermek için (yüksek frekanslı gri değerleri düzleştirir) Sonuç görüntü pürüzsüz, keskin olmayan bir görüntüdür Yüksek geçirgenli (High Pass Filter) filtreler görüntünün ortalama bilgisini zayıflatan bir etkiye sahiptir. HPF belli bir frekanstan büyük frekansa ait bilgileri serbest bırakarak diğerlerini durduran filtredir 80

81 Görüntü Zenginleştirme Mekânsal Dönüşümler Bu filtrelerden başka Istatistiksel (ortalama, medyan, mod) Morfolojik (genişleme, aşınma, açılım, kapanım)

82 Kenar Çıkartma Filtreleri Kenarlar, piksellerin parlaklık fonksiyonlarının aniden değiştiği yerlerdir. En yaygın kullanılan kenar belirleme algoritmaları: Roberts Prewitt Sobel Canny

83 Görüntü Sınıflandırma Sınıflandırma nedir Sınıflandırma türleri Kontrolsüz/Kontrollü (Denetimli, Eğitimli) Sınıflandırma doğruluğu Hata matrisi 83

84 SINIFLANDIRMA Yer yüzeyindeki cisimlerin elektromanyetik spektrumun değişik bölgelerinde yansıttıkları veya yaydıkları ışınım farklılık göstermektedir. Bu farklılıklardan yararlanarak yer yüzeyindeki cisimler sınıflandırılabilmektedir. Sınıflandırma, piksellerin yansıtma değerleri dikkate alınarak gruplandırılmaları işlemidir. Amaç uydu görüntüsündeki her bir pikseli spektral özelliklerine göre farklı gruplara ayırmak ve pikseli yansıtma değerine göre yer yüzünde karşılık geldiği kümeye atmaktır. 84

85 85

86 SINIFLANDIRMA Kontrollü Sınıflandırma Sınıflandırmayı yapan kişinin çalışma alanı arazi örtüsü ile ilgili bilgi sahibi olması gereklidir. Çalışma ve karar verme şeklinde iki aşamaya ayrılır: Çalışma aşamasında, sınıflandırmayı yapan kişi, görüntü üzerinde her bir sınıf için piksel sayısal aralıklarını poligonlar oluşturarak tanıtır. kullanıcıya poligonlar çizdirme (draw poligon), artan bölge (region growing) önceden belirlenen poligon (existing poligon) yöntemlerinden bir tanesi seçilerek yapılır. 24

87 SINIFLANDIRMA Kontrollü Sınıflandırma Bu işlemi karar verme aşaması izler ve bilgisayar piksellerin benzer özelliklerde olup olmadıklarını saptayarak görüntüdeki bütün pikselleri sınıflara atama işlemini gerçekleştirir Kontrollü sınıflandırma yöntemleri, aşağıdaki aşamaları içerir; Yeryüzünü kaplayan sınıfların sayısı ve bunların hangi görüntüde sınıflandırılacağına karar verilmesi. Çalışma alanındaki daha önceki bilgiler kullanılarak, belirlenmiş sınıflardan örnek piksel seçilmesi. Belirlenen her bir eğitim (training) örneği en az 30 piksel içermelidir. 29

88 88

89 89

90 SINIFLANDIRMA DOĞRULUK DEĞERLENDİRMESİ Farklı tarihli uydu görüntülerinin sınıflandırılmasından elde edilen sonuç görüntüler üzerinde hangi sınıfın ne kadar güvenilirlikle değerlendirilebileceğini belirlemek amacıyla sınıflandırma doğruluğu analizi gerçekleştirilir. Sınıflandırılmış görüntü üzerinden seçilen rastgele piksellerle referans verilerin karşılaştırılması sonucu, sınıflandırılmış piksellerin ait olduğu sınıflara atanma doğrulukları, sınıflandırma hata matrisinden elde edilir. 90

91 SINIFLANDIRMA DOĞRULUK DEĞERLENDİRMESİ I: Piksellerin yer alması gerekenden farklı bir sınıfa atanması (error of comission) II: Piksellerin uygun bir sınıfa atanamamasıdır (error of omission) 1-I: Üretici doğruluğu (Producer accuracy) 2-II: Kullanıcı doğruluğu (User accuracy) 91

92 SINIFLANDIRMA DOĞRULUK DEĞERLENDİRMESİ HATA MATRİSİ (ERROR MATRIX) Hata matrislerinden çeşitli sınıflandırma doğruluk kriterleri türetilebilir. Toplam doğruluk (overall accuracy) Üretici doğruluğu (producer s accuracy) Kullanıcı doğruluğu (user s accuracy) 92

93 SINIFLANDIRMA DOĞRULUK DEĞERLENDİRMESİ HATA MATRİSİ (ERROR MATRIX) Toplam doğruluk (overall accuracy): doğru olarak sınıflandırılmış piksellerin toplam sayısının (köşegen toplamı) referans piksellerin toplam sayısına bölünmesiyle elde edilir. Matrisin köşegeni üzerinde bulunmayan elemanları ihmal hatası nı (omission error) temsil eder. 93

94 SINIFLANDIRMA DOĞRULUK DEĞERLENDİRMESİ HATA MATRİSİ (ERROR MATRIX) Üretici doğruluğu (producer s accuracy): Her sınıf içinde doğru olarak sınıflandırılmış piksellerin sayısını, bu sınıf için kullanılan örnekleme veri seti pikselleri sayısına bölerek bulunur Verilen bir arazi örtü türünün örnekleme seti piksellerinin ne kadar iyi sınıflandırılabildiğini gösterir. 94

95 SINIFLANDIRMA DOĞRULUK DEĞERLENDİRMESİ HATA MATRİSİ (ERROR MATRIX) Kullanıcı doğruluğu (user s accuracy): her sınıf içinde doğru sınıflandırılmış piksel sayısını, bu kategori içinde sınıflandırılan piksellerin toplam sayısına bölünmesiyle bulunur ve dahil etme hatasını gösteren bir ölçüdür. Bu doğruluk değeri, herhangi bir sınıfa atanan bir pikselin bu sınıfı gerçekte temsil etme olasılığını gösterir. 95

96 SINIFLANDIRMA DOĞRULUK DEĞERLENDİRMESİ HATA MATRİSİ (ERROR MATRIX) Üretici ihmal hatası (Omission Er) Toplam doğruluk (overall accuracy):doğru olarak sınıflandırılmış piksellerin toplam sayısının (köşegen toplamı) referans piksellerin toplam sayısına bölünmesiyle elde edilir. Üretici doğruluğu:her sınıf içinde doğru olarak sınıflandırılmış piksellerin sayısını, bu sınıf için kullanılan örnekleme veri seti pikselleri sayısına bölerek bulunur Kullanıcı doğruluğu:her sınıf içinde doğru sınıflandırılmış piksel sayısını, bu kategori içinde sınıflandırılan piksellerin toplam 96 sayısına bölünmesiyle bulunur

97 Nesne/Obje tabanlı sınıflandırma Temel işlem birimi piksel yerine görüntü segmentleri/nesneler (Sadece piksel / spektral değerler) Görüntü analiz uygulamalarından beklenen gerçek dünya nesnelerinin elde edilememesi Bir piksel değeri pekçok sınıfa ait olabilir 97

98 Düşük çözünürlüklü görüntüler sadece piksel tabanlı sınıflandırılırken Yüksek çözünürlüklü görüntüler nesne tabanlı sınıflandırma yapmak mümkündür Temel Özellikler: Objelerin fiziksel özelliklerinin belirlenmesi (algılayıcı ve aydınlatma). Bunlar nesnenin rengini ve dokusunu ifade eder. 98

99 Segmentasyon / bölütleme Segmentasyon görüntünün birbirinden farklı alt bölümlere ayrılmasıdır Çoklu segmentasyon aşağıdan-yukarıya, bir piksellik nesnelerle başlayan, alan birleştirme tekniğidir Çok sayıda alt adımda, küçük görüntü nesneleri, büyük olan nesneler ile birleştirilir 99

100 Bir görüntünün bölgelere ayrılması Tüm görüntü bölgelerden oluşur (mekansal olarak devamlı, ayrıntılı segmentasyon) Bölgeler kesişmez, kendi içinde homojen Komşu bölgenin homojenlik kriteri farklılık gösterebilir Homojenlik kriterleri: gri değer, renk, doku, şekil vb. 100

101 Segmentasyon işlemi; yukarıdan-aşağıya (topdown) Satranç tahtası segmentasyon (chessboard segmentation), dörtlü ağaç tabanlı segmentasyon (quadtree-based seg.) kontrast bölümlemesi segmentasyon (contrast split seg.) Aşağıdan-yukarıya (bottom-up) Çoklu Çözünürlüklü Segmentasyon (Multiresolution 101

102 Ölçek parametresi J. Appl. Remote Sens. 8(1), (Jan 29, 2014). doi: /1.jrs

103 Segmentasyonda çeşitli parametreler göz önüne alınır: Renk: her bantın ortalama, std sapma, bant oranları Boyut: alan, uzunluk/genişlik oranı, Biçim: asimetri, dikdörtgen uyumu, yuvarlaklık Doku: pürüzsüzlük, lokal homojenlik Sınıf seviyesi: komşuluk ilişksi, alt ve üst komşuluk 103

104 104

105 Sayısal örnekler Aşağıda siyah beyaz bir sayısal hava fotoğrafına ait bir parça verilmiştir

106 Sayısal örnekler 1. Figürü yorumlayınız ve nasıl elde edilmiş olabileceğini yorumlayınız nolu kolona ait sayısal değerlerinin hepsinin sıfır olmasının sebebi ne olabilir? 3. Hatalı piksel kolonunu düzeltebilir misiniz? ,547 nolu piksele ait gri değer bir gürültü gibi gözüküyor, bu pikseli nasıl elimine edebiliriz? 5. Bu görüntü parçasında bulunan kenarı nasıl çıkartabiliriz? ZERO CROSSING operatörü ile kenarı çıkartınız L= çizgili alanda verilen 12 pikseli kullanarak ZERO CROSSING çizgisini gösteriniz.

107 1. Figür piksel gri değerlerini göstermektedir. Bu değerler analog bir hava olabilir 2. Tarayıcıdan kaynaklana bir hata olabilir. CCD ler den bir çalışmamış olabilir (Mulfunctioning Error). 3. Basitçe komşu piksellerin ortalaması alınarak. Kolon piksellerinin yeni değerleri: 149,146,134,124,104,72,46,42 4. Komşu sekiz pikselin ortalamasını alarak veya medyan filtre kullanarak : sırasıyla 140 veya 142 değerlerini alır 5. Sayısal görüntü analizinde büyük ve sürekli değişimin olduğu yerler kenar olarak adlandırılır L=