JDF821 UZAKTAN ALGILAMA GÖRÜNTÜLERİNDEN DETAY ÇIKARIMI Sunu2
|
|
- Erol Köksal
- 7 yıl önce
- İzleme sayısı:
Transkript
1 JDF821 UZAKTAN ALGILAMA GÖRÜNTÜLERİNDEN DETAY ÇIKARIMI Sunu2 Yrd. Doç. Dr. Aycan M. MARANGOZ FOTOGRAMETRİ ANABİLİM DALI SUNULARI Öğretim Yılı Bahar Dönemi
2 GİRİŞ Amaç ve Kapsam İÇERİK UYDU GÖRÜNTÜLERİNİN BİLGİ İÇERİĞİ Normal ve Etkin Yer Örnekleme Aralığı (YÖA) Değeri Örnek Uydu Görüntüleri UYDU GÖRÜNTÜLERİNİN KULLANIMA HAZIR HALE GETİRİLMESİ Geometrik Düzeltilme Radyometrik Geliştirme (Görüntü Zenginleştirme) UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI Sınıflandırma Kavramı ve Sistemler Piksel-Tabanlı ve Nesne-Tabanlı Yaklaşımlar UYGULAMA SONUÇ VE ÖNERİLER
3 GİRİŞ Doğru ve güncel bilgi gereksinimi Zaman, maliyet, doğruluk Haritacılık uygulamaları Arazi içerikli uygulamalarda, arazi kullanımı ve konum bilgisi ile ilgili doğru, gerçek ve güncel bilgi Mekana bağlı metrik ve semantik bilgi elde etmede Uzaktan Algılama tekniği kullanımı Uydu görüntülerinin varlığı, zengin bilgi içeriğine sahip olmaları, işlenebilmesi Büyük alanların incelenebilmesi, doğru, güvenilir ve kapsamlı güncel bilgilerin en hızlı şekilde üretilmesi Kentsel alanlardaki mevcut durum, gelişimler ve gelişim stratejileri
4 GİRİŞ Büyük ve orta ölçekte harita üretimi ve revizyonu, planlama, afet ve risk yönetimi uygulamaları Uydu görüntülerinin Yer Örnekleme Aralığı (YÖA -GSD) değerlerinin küçülmesine ve bilgi-işlem teknolojilerindeki gelişmeler Maliyet - İlgili alanın boyutu, gereksinimin niteliği ve kullanılacak görüntünün YÖA değerleri İhtiyaca uygun görüntülerin kullanımı ve ulaşılacak bilgiler Görüntülerin kullanıma hazır hale getirilmesi, gerekli yazılım ve donanım, kullanılacak yöntem Detay çıkarımı için bilgi içeriklerinin belirlenmesi ve görüntüdeki kentsel ayrıntıların tanıma ve çıkarma yaklaşımlarının değerlendirilmesi
5 AMAÇ Zengin bilgi içeriğine sahip yüksek çözünürlüklü uydu görüntüleri, görsel olarak çok fazla bilgi sunmasına rağmen uygulamalara altlık oluşturabilmesi için görüntülerdeki tüm detayların bilgilerinin çıkarılması gerekmektedir. Bu gereksinim mevcut bilgi işlem teknolojilerine bağlı olarak gelişmiş görüntü analiz ve sınıflandırma yaklaşımlarını da beraberinde getirmiştir. Bu çalışmada, son yıllarda sıkça kullanılan nesnetabanlı görüntü analizi ve sınıflandırma yaklaşımının; detay çıkarımı, arazi değişiminin belirlenmesi, harita bilgilerinin çıkarımı ve revizyonunun yapılması konularındaki başarısının test edilmesi amaçlanmıştır.
6 KAPSAM Bilgi içeriği kavramının tanımlanması, Geometrik düzeltme ve görüntü zenginleştirme işlemlerinin irdelenmesi, Klasik piksel-tabanlı ve yeni nesne-tabanlı sınıflandırma yaklaşımlarının tanımlanması, Görüntülerin belirlenmesi, elle vektörleştirme sonucu ürünlerin elde edilmesi ve mevcut referans vektör haritaların belirtilmesi, Nesne-tabanlı sınıflandırma yaklaşımının uygulanması, elde edilen detayların derlenmesi, Farklı detay çıkarım yaklaşımlarının başarısının incelenmesi, karşılaştırmalı analiz ve sonuçlarının verilmesi, Uydu görüntülerinden harita bilgilerinin çıkarımı ve revizyonu konularında sonuç ve önerilerinin yapılması.
7 BİLGİ İÇERİĞİ KAVRAMI Konum Doğruluğu ve Bilgi İçeriği (Topoğrafik Haritalarda) Konum Doğruluğu Yatayda: ± ( mm) x ölçek paydası Düşeyde: Arazinin eğimine bağlı (Genellikle eş yükseklik eğrileri aralığının 1/3 ü Bilgi İçeriği Sivil Uygulamalarda: Ölçeğe bağlı olarak haritada gösterilen ayrıntı Harita Ölçeği YÖA İlişkisi YÖA=( mm) x ölçek (1/10000 için gerekli YÖA: 50cm-1.0m) (Görüntü detayı ve içeriğindeki değişikliklere göre) Askeri Uygulamalarda: STANAG 3769 kuralları geçerlidir
8 BİLGİ İÇERİĞİ KAVRAMI YÖA değeri, komşu piksellerin merkezlerinin yeryüzündeki fiziksel karşılıkları olarak tanımlanabilir. Görüntüleme Sistemi Normal YÖA Etkin YÖA E/N % ASTER VNIR 15.0 m 15.0 m %0 (TK 350) 10.0 m 13.0 m %30 IRS-1C pan (6 bit) 5.8 m 6.9 m %19 SPOT 5 pan 5.0 m 5.0 m %0 (KVR 1000) 1.6 m 2.2 m %40 IKONOS pan 1.0 m 1.0 m %0 QuickBird pan 0.6 m 0.6 m %0
9 BİLGİ İÇERİĞİ KAVRAMI Landsat 7 30m YÖA Landsat 7 30m YÖA ASTER 15m YÖA Farklı YÖA, yaklaşık aynı bilgi içeriği; ana yollar, yerleşim ve ormanlık alan ayrımı Pan ın MSS ye üstünlüğü yok Sınıflandırma için uygunluk (MSS) 1: ölçekli harita üretimine izin verebilmektedir Yüksek kontrast (özellikle ormanlık alanların ayrımı) Geniş yollar, yerleşim, yeşil alanlar vs.
10 BİLGİ İÇERİĞİ KAVRAMI TK350 10m (13m) YÖA Kompsat-1 6.6m YÖA IRS-1C 5.7m (6.9m) YÖA Doğrudan topografik harita üretimine uygun değil, Stereo görüntü ile SYM üretimine uygun Düşük kontrast (13m etkin, 10m normal) Topoğrafik harita yapımı için uygun veri Ana yol ağları 1:50000 ölçekli harita 6bit, düşük kontrast 1:50000 ölçekli harita
11 BİLGİ İÇERİĞİ KAVRAMI IKONOS pan 1.0m YÖA IKONOS MSS 4.0m YÖA IKONOS pan-sharp 1.0m YÖA Pan ve MSS görüntüleriyle oldukça iyi bir detay zenginliğine sahip Pan ile binalar, yollar ve diğer nesneler gerçek boyutlarıyla algılanır Pan-sharp görüntüleri, sahip oldukları yüksek çözünürlük ve içerdikleri renk bilgileri nedeniyle nesneler arasındaki renk farklılıklarını ortaya koyar, nesne ayrımı ortaya çıkar 1:10000 ölçekli bir haritanın bilgi içeriğine sahiptir.
12 BİLGİ İÇERİĞİ KAVRAMI QuickBird pan 0.6m YÖA QuickBird MSS 2.4m YÖA QuickBird pan-sharp 0.6m YÖA Pan ve MSS görüntüleriyle çok iyi bir detay zenginliğine sahip 60 cm GSD li pan ile binalar, yollar ve diğer nesneler gerçek boyutlarıyla algılanır Pan-sharp görüntüleri, sahip oldukları yüksek çözünürlük ve içerdikleri renk bilgileri nedeniyle nesneler arasındaki renk farklılıklarını ortaya koyar, nesne ayrımı ortaya çıkar 1:5000 ölçekli bir haritanın bilgi içeriğine sahiptir.
13 BİLGİ İÇERİĞİ KAVRAMI GYA: pan-sharp 41 GA: Güneş yükseklik açısının (GYA) yanında, güneş azimutu (GA) değerinin de önemi büyüktür İkinci görüntüde bina gölgelerinden dolayı yolların tanınması güç Yol ve ev bahçeleri birbirlerinden ayırt edilememektedir. Üçüncü görüntüde yolların vektörleştirilmesi daha kolay Pan-sharp görüntüsü ile binaların tanınması kolay
14 BİLGİ İÇERİĞİ KAVRAMI Nesne Yapıları Yeterli Görülen YÖA Değeri (m) Kentsel binalar 2 Patika 1-2 Ara yollar 5 Demir yolları 5 Su yapıları 5 Ana yollar 10 Blok halindeki binalar 10 Pankromatik görüntülerden nesne tanımına ilişkin yeterli görülen YÖA değerleri
15 GEOMETRİK DÜZELTME Görüntülerden konumsal bilgi elde etme, vektör bilgisi üretilmesi ve görüntülerin altlık olarak kullanılması Sistematik ve sistematik olmayan hataların varlığı, geometrik olarak düzeltme Sistematik hatalar - kalibrasyon ve yörünge bilgileri ile düzeltilmesi veya arındırılmış halde satılması Sistematik olmayan hatalar - YKN ve SYM verileri ile Parametrik Olmayan Matematiksel Modeller Algılayıcı sisteme ait parametreler mevcut değildir ve çözümde sistemin görüntüleme geometrisi dikkate alınmaz. Parametrik Matematiksel Modeller SOM (Uydu Yörünge Modellemesi) - Doğrusal dizi sistemler için Görüntü alım geometrisini dikkate alır Görüntü koordinat sisteminde koordinatları ölçülen ve yer koordinat sisteminde koordinatları bilinen YKN verileri
16 GÖRÜNTÜ ZENGİNLEŞTİRME Görüntü zenginleştirme algoritmaları, görüntülere uygulanan görsel ve işlevsel amaçlı iyileştirme yöntemleridir. Yüksek çözünürlüklü renkli görüntünün bilgi içeriği ve sağlayacağı avantaj dolayısıyla, bir görüntü birleştirme tekniği olan pan-sharpening algoritması kullanılır. HIS, PCA, GS, Wavelet ve UNB Sharpening Algoritmaları UNB Sharpening Algoritması - University of Brunswick - Dr. Yun Zhang Renk dönüşümü mükemmeldir. Renkler orijinal çoklu banttakine çok yakın sonuçlar vermektedir. Görüntü birleşimindeki renk distorsiyonu ve operatör bağımlılığı gibi iki ana sorunu çözmektedir.
17 GÖRÜNTÜ ZENGİNLEŞTİRME Renkli, 2.44m YÖA Pan, 0.6m YÖA Pan-sharp QuickBird görüntüsü, 0.6m YÖA
18 SINIFLANDIRMA KAVRAMI Sınıflandırma, belirli bir sayıdaki nesneyi, sınıf tanımlamalarına göre belirli bir sınıfa dahil etmek anlamına gelir. Veri tabanı dilindeki terimiyle, özellikle uzayı, nesneler ve sınıflar arasında çoktan-teke ilişki kurmaya olanak sağlayan bağımsız bölgelere ayrılır. Klasik sınıflandırıcılar veya 0.0 üyelik derecesi. Bir nesne, ya bir sınıfa dahildir veya değildir. Bulanık sınıflandırıcılar ve 0.0 arasında değişebilen üyelik derecesi. 1.0, bir sınıfa tam üyelik/olasılık ve 0.0 tam anlamıyla üye olmamayı/olasılık olmamasını ifade eder. Avantajlar: Sınıf tanımlamalarındaki belirsizlikler ifade edilir, İnsan bilgisini ifade etmekte daha başarılıdır, daha gerçekçi sonuçlar vermektedir.
19 PİKSEL-TABANLI SINIFLANDIRMA Arazi örtü sınıfları ve özeliklerine göre bir görüntüdeki tüm pikselleri bir araya getirilir. Maksimum Benzerlik Minimum Uzaklık Paralelyüz Tekil piksellerin gri değerlerine göre işlem yapılır ve sınıflandırma için sadece spektral bilgi kullanılır. QuickBird ve IKONOS uydu görüntülerinde, tutarsız sınıflandırma sonuçları
20 NESNE-TABANLI SINIFLANDIRMA Temel işlem birimi, görüntü segmentleri veya nesneleridir. Her sınıflandırma kesin bir ölçeğe bağlıdır. Görüntü bilgisi, görüntü nesnelerinin ortalama büyüklüğüne bağlı olarak farklı ölçeklerde sunulabilir. Aynı görüntü daha küçük veya daha büyük objeler olarak segmentlere ayrılabilir. Şekil, doku, komşuluk ve diğer obje tabakalarından gelen bilgiler ile çok sayıda ek bilgi, görüntü nesnelerinden çıkartılabilmektedir. Daha iyi semantik ayırım ve daha doğru sınıflandırma. Temel özellikler, Topolojik özellikler, Çevresel özellikler.
21 NESNE-TABANLI SINIFLANDIRMA Ölçek, görüntüyü anlamayı sağlar. Belirli bir olgunun tanımlanabildiği çıkarım büyüklüğünü veya seviyesini tanımlar. Bir görüntüyle farklı çözünürlükler yerine farklı ölçeklerde çalışmak analizi kolaylaştırır. Segmentasyon: Görüntüyü birbirinden farklı alt bölümlere ayırma - Aşağıdan-yukarıya, bir piksellik nesnelerle başlayan, alan birleştirme tekniği. Uygun homojenlik sağlanarak pikselden nesneye doğru, uygun yapıyı kurulur. Ölçek, renk, biçim, yumuşaklık ve bütünlük değişkenleri
22 NESNE-TABANLI SINIFLANDIRMA Bulanık sınıflandırma, belirli bir sınıfa olan üyelik değerini işaret etmek için, temel olarak rasgele seçilmiş özellik değerleri aralığını, 0 ve 1 arasında bulanık değerlere dönüştüren basit bir tekniktir. Sınıf tanımlamaları altında belirtilen özellikler için kullanılan eşitlikler değişik fonksiyonlarla ifade edilebilir. Sınıf atamalarının yapılması için, o sınıf içine dahil edilmesi gereken nesneler için uygun öznitelikleri belirlenir.
23 Test Alanı Zonguldak UYGULAMA Madencilik, demir-çelik ve orman Engebeli, değişken topoğrafya Yer yer 800m yükseklik Sahil kesimi ve sık ormanlarla kaplı dağlar Merkezi bölge Çok değişken topoğrafya Ortalama 250m yükseklik Sahil ve iç kesimler Yapılaşma çok yoğun Yol ve bina yapıları mevcut 2008 yılı pan-sharp IKONOS görüntüsü
24 UYGULAMA Kullanılan Yazılımlar Geometrik düzeltme işlemleri için; PCI Geomatica yazılımı - OrthoEngine modülü Görüntü zenginleştirme (görüntülerin pan-sharp haline getirilmesi) işlemleri için; PCI Geomatica yazılımı Pan-sharp modülü Görüntülerden vektör ürünlerin üretilmesi ve derlenmesi, mevcut ürünlerin derlenmesi işlemleri için; NetCAD yazılımı Görüntülerin Piksel-tabanlı sınıflandırma işlemleri için; PCI Geomatica yazılımı Focus modülü Görüntülerin Nesne-tabanlı sınıflandırma işlemleri için; Ecognition yazılımı Mevcut ve Sonuç ürünlerin karşılaştırılmalı analiz işlemleri için; NetCAD ve MapInfo Professional yazılımları
25 Mevcut Veriler UYGULAMA 2002 yılı IKONOS görüntüsü 2008 yılı IKONOS görüntüsü 2004 yılı QuickBird görüntüsü ÖZELLİKLER 2002 YILI IKONOS 2008 YILI IKONOS 2008 YILI QuickBird Gün, Zaman 02/10/ :59 06/03/ :44 23/05/ :39 Nominal azimut (derece) Nominal yükseklik açısı (derece) Güneş azimutu (derece) Güneş yükseklik açısı (derece) Nadir açısı (derece) Görüntü boyutu (piksel: satır - sütun) 11,004 x 11, x x Referans yüksekliği (m)
26 UYGULAMA Geometrik Düzeltme İşlemi (QuickBird Örneği) Uydu Yörünge Modellemesi (SOM) Toutin Modeli 33 farklı YKN Orto hale getirme işlemi SYM verisi Yer kontrol noktalarının dağılımı YKN na bağlı olarak elde edilen doğruluk değeri Görüntüler her hangi bir altlık ihtiyacını karşılayabilecek düzeye gelmiştir.
27 UYGULAMA Pan-sharp işlemi (QuickBird Örneği) Dr. Jun Zhang tarafından geliştirilen algoritma + Renkli, 2.4m YÖA Pan, 0.6m YÖA Pan-sharp, 0.6m YÖA Yüksek çözünürlükte ve renkli bir görüntü elde edilir.
28 Üretilen Vektör Ürünleri UYGULAMA 2002 yılı IKONOS görüntüsü üzerine bindirilmiş elle vektörleştirme sonuçları NetCAD yazılımı Operatör özelliği Vektörleştirme süresi: 5-24 saat
29 Üretilen Vektör Ürünleri UYGULAMA 2002 yılı IKONOS görüntüsünden elle vektörleştirme sonucu elde edilen ürün
30 UYGULAMA Üretilen Vektör Ürünleri (bina yapıları için) a b c a: 2002 yılı IKONOS görüntüsünden elle vektörleştirme sonucu elde edilen ürün b: 2008 yılı IKONOS görüntüsünden elle vektörleştirme sonucu elde edilen ürün c: 2004 yılı QuickBird görüntüsünden elle vektörleştirme sonucu elde edilen ürün
31 UYGULAMA Üretilen Vektör Ürünleri (yol yapıları için) a b c a: 2002 yılı IKONOS görüntüsünden elle vektörleştirme sonucu elde edilen ürün b: 2008 yılı IKONOS görüntüsünden elle vektörleştirme sonucu elde edilen ürün c: 2004 yılı QuickBird görüntüsünden elle vektörleştirme sonucu elde edilen ürün
32 UYGULAMA Piksel-tabanlı sınıflandırma sonuçları (Maks. Benzerlik) 2002 yılı IKONOS sonucu 2008 yılı IKONOS sonucu Doğruluk Değerlendirmesi Toplam Doğruluk (%) QuickBird 2002 yılına ait IKONOS 2008 yılına ait IKONOS Kappa yılı QuickBird sonucu
33 UYGULAMA Nesne-tabanlı sınıflandırma (QuickBird Örneği) Segmentasyon 4 5 Katman Ölçek par Renk Spektral Biçim Farklılık Yumuşaklık Bütünlük
34 UYGULAMA Nesne-tabanlı sınıflandırma (QuickBird Örneği) Sınıflar oluşturulur ve içerilerine üyelik fonksiyonları tanımlanır. Sınıf atamaları için kullanılan özellikler ve bunlara ait fonksiyonlar (bina sınıfları için)
35 UYGULAMA Nesne-tabanlı sınıflandırma sonuçları Sınıf Bina Yol Toplam Bina Yol Sınıflandırılmamış Toplam Doğruluk Üretici Kullanıcı yılı QuickBird sonucu Toplam Doğruluk 0.78 Kappa 0.59
36 UYGULAMA Nesne-tabanlı sınıflandırma sonuçları Sınıf Bina Yol Toplam Bina Yol Sınıflandırılmamış Toplam Doğruluk Üretici Kullanıcı yılı IKONOS sonucu Toplam Doğruluk 0.73 Kappa 0.52
37 UYGULAMA Nesne-tabanlı sınıflandırma sonuçları Sınıf Bina Yol Toplam Bina Yol Sınıflandırılmamış Toplam Doğruluk Üretici Kullanıcı yılı IKONOS sonucu Toplam Doğruluk 0.75 Kappa 0.55
38 UYGULAMA Nesne-tabanlı sınıflandırma sonuçlarının vektör haline getirilmesi 2004 yılı QuickBird (bina ve yol yapıları) 2002 yılı IKONOS (bina ve yol yapıları) 2008 yılı IKONOS (bina ve yol yapıları)
39 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği) (Referans Vektör Harita ve Elle Vektörleştirme Sonuçlarının Karşılaştırılması Bina yapısı) Görüntü üzerine bindirilmiş referans vektör harita Kırmızı: Referans Vektör, Mavi: Elle vektörleştirme
40 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği) (Referans Vektör Harita ve Elle Vektörleştirme Sonuçlarının Karşılaştırılması Bina yapısı) Kırmızı: Referans vektör haritada mevcut olup; elle vektörleştirme ile çıkarılamayan bina yapıları; Mavi: Referans vektörde mevcut olmayan fakat elle vektörleştirme ile çıkarılan bina yapıları
41 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği) (Referans Vektör Harita ve Elle Vektörleştirme Sonuçlarının Karşılaştırılması Yol yapısı) Görüntü üzerine bindirilmiş referans vektör harita Kırmızı: Referans Vektör, Mavi: Elle vektörleştirme
42 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği) (Referans Vektör Harita ve Elle Vektörleştirme Sonuçlarının Karşılaştırılması Yol yapısı) Kırmızı: Referans vektör haritada mevcut olup; elle vektörleştirme ile çıkarılamayan yol yapıları; Mavi: Referans vektörde mevcut olmayan fakat elle vektörleştirme ile çıkarılan yol yapıları
43 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği) (Referans Vektör Harita ve Nesne-Tabanlı Sın. Sonuçlarının Karşılaştırılması Bina yapısı) Görüntü üzerine bindirilmiş referans vektör harita Kırmızı: Referans Vektör, Mavi: Nesne-tabanlı sonuçlar
44 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği) (Referans Vektör Harita ve Nesne-Tabanlı Sın. Sonuçlarının Karşılaştırılması Bina yapısı) Görüntü üzerine bindirilmiş; Kırmızı: Referans Vektör, Mavi: nesne-tabanlı sınıflandırma sonuçları
45 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği) (Referans Vektör Harita ve Nesne-Tabanlı Sın. Sonuçlarının Karşılaştırılması Yol yapısı) Görüntü üzerine bindirilmiş referans vektör harita Kırmızı: Referans Vektör, Mavi: Nesne-tabanlı sonuçlar
46 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği) (Referans Vektör Harita ve Nesne-Tabanlı Sın. Sonuçlarının Karşılaştırılması Yol yapısı) Görüntü üzerine bindirilmiş; Kırmızı: Referans Vektör, Mavi: nesne-tabanlı sınıflandırma sonuçları
47 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (Genel) Veri Detay Bina Yapısı (adet) Bina Yapısı (alan m 2 ) Yol Yapısı (uzunluk - m) Yol Yapısı (alan m 2 ) 1/5000 Ölçekli Referans Vektör Harita 596 (%100) (%100) (%100) (%100) 2004 yılına ait pan-sharp QuickBird Elle Vektör 422 (%71) Nesne- Tabanlı 520 (%87) (%79) (%91) (%91) (%114) 2002 yılına ait pan-sharp IKONOS Elle Vektör 404 (%68) Nesne- Tabanlı 530 (%89) (%68) (%55) (%86) (%133) 2008 yılına ait pan-sharp IKONOS Elle Vektör 431 (%72) Nesne- Tabanlı 451 (%76) (%79) (%69) (%97) (%147) Test alanındaki yol ve bina yapılarının, referans vektör haritadaki ve görüntülerden değişik yöntemlerle elde edilen vektör ürünlerindeki alan ve uzunluk bilgileri
48 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (Genel) Referans vektörün üretim ve uydu görüntülerinin alım tarihleri göz önüne alındığında, 2004 yılına ait QuickBird görüntüsü en uygun karşılaştırma örneği kabul edilmiştir. Görüntüden üretilen vektör haritadaki bina ve yol yapılarının 1/5000 ölçekli haritadaki mevcut bina yapılarına benzer şekilde çıkarıldığı görülmüştür. 1/5000 ölçekli ortofoto ve bundan üretilen vektör harita QuickBird görüntüsü ve bundan üretilen vektör harita
49 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (QuickBird Örneği)
50 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (Genel) 60cm YÖA 1.0m YÖA 1.0m YÖA Görüntüden çıkarılacak bilgi içeriğini etkileyen unsurlar: Görüntünün sahip olduğu etkin YÖA değeri, görüntünün alım zamanındaki atmosferik durum, görüntünün güneş yükseklik ve azimut açıları, görüntüleme sisteminin bakış açısı ve görüntüdeki ayrıntıların durumu ile aralarındaki kontrast.
51 UYGULAMA CBS ortamında Karşılaştırmalı Analizler (Genel) Bulunma Elle Vektörleştirme Nesne- Tabanlı Grup Tipi Olarak Tanınması Elle Vektörleştirme Nesne- Tabanlı Detay Görüntü Bina Yapısı Yol Yapısı 2004 yılı QuickBird 2002 yılı IKONOS 2008 yılı IKONOS 2004 yılı QuickBird 2002 yılı IKONOS 2008 yılı IKONOS Bina ve yol yapılarının, görüntülerden değişik yöntemlerle bulunma ve grup olarak tanınma değerlendirmeleri
52 SONUÇ ve ÖNERİLER Düşük çözünürlüklü uydu görüntüleri ile 1/50000 ve 1/ ölçekli harita yapımı imkanı IKONOS, QuickBird, Orbview ve Worldview gibi yüksek çözünürlüklü uydu görüntüleri ile 1m ve altı YÖA değeri 50cm ve altında YÖA değerine sahip görüntüler ile 1/10000 ölçekli bir haritanın bilgi içeriğini çıkaracak ayrıntı zenginliği Bilgi çıkarım ve revizyon çalışmalarında görüntülerin hazır hale getirilmesi, işlenmesi ve yorumlanması için yazılım-donanım gereksinimi Bilgileri tanıma ve çıkarma yaklaşımları Bu yaklaşımların başarısı, harita bilgisi ve revizyon çalışmalarında kullanılabilmelerinin araştırılması
53 SONUÇ ve ÖNERİLER Zengin bilgi içeriğine sahip olan QuickBird ve IKONOS görüntüleri harita revizyonu için uygun bir veri olmasına rağmen, 1/5000 ölçekli haritadaki bilgi içeriğine erişememektedir. Ek bilgi ve ön düzeltme işlemlerinin yapılması, bu işlemde uygun YKN ve kaliteli SYM verilerinin kullanılması, görüntü zenginleştirme olanaklarının araştırılması gerekmektedir. Ekran üzerinden elle vektörleştirme işleminde; Kullanılacak yazılım-donanım ve operatör gereksinimi, işlemin fazla zaman alması sorunu mevcuttur. Yapılan uygulama sonucunda, en uygun verinin 2004 yılı QuickBird verisi olduğu ve bina yapılarında %71, yol yapılarında ise %91 oran ile 1/5000 lik referans vektör haritayı karşıladığı görülmüştür. Görüntülerdeki en önemli sorun, gölge etkisidir.
54 SONUÇ ve ÖNERİLER Nesne-tabanlı yaklaşımda; Kullanılacak yazılım-donanım ve kullanıcı gereksinimi mevcut olup, bilgi çıkarım işlemi en kısa sürede ve otomatik olarak yapılmaktadır. Bu yaklaşımla üretilen vektör haritanın başarısı, alan olarak bina yapılarında %79-97, yol yapılarında ise % oran ile 1/5000 lik referans vektör haritayı karşıladığı görülmüştür. Bu değerlerin elle vektörleştirme sonuçlarına yakın olması, nesne-tabanlı yaklaşımların kullanılabilirliğini göstermektedir. Yanlış çıkarımların sebebi, kullanılan görüntüdeki plansız yapılaşma ve dar yol yapıları gibi benzeri ayrıntıların varlığı, aralarındaki kontrast değerleri, mevcut gölge sorunu ve test alanının değişken topoğrafyası olarak gösterilebilir. Alan Büyütme Region Growing Algoritmasının bina yapıları gibi alansal nesnelerin çıkarımında daha başarılı olduğu, yol yapıları gibi çizgisel detayların çıkarımında sorunlar yaşadığı görülmüştür.
55 SONUÇ ve ÖNERİLER Genel sonuçlara dayanarak denilebilir ki; Elle vektörleştirmede operatör bilgisi kullanılabilirken, aynı durum nesne-tabanlı yaklaşımda geçerli olmamaktadır. Buna karşın, nesne-tabanlı detay çıkarım yaklaşımda uygulanan bulanık üyelik fonksiyonları, bu sorunun bir miktar giderilmesinde yardımcı olmakta ve spektral analizin dışında da imkanlar sağlamaktadır yılı IKONOS uydu görüntüsünün değerlendirilmesiyle, geçen üç sene içerisinde bina ve yol yapılarında değişiklikler saptanmıştır. Elde edilen bu çıkarım sonuçlarından, özellikle yürütme işlemi uzun sürmeyen nesne-tabanlı yaklaşım ile güncelleme çalışmalarının yapılabileceği söylenebilmektedir. Bina ve ağaç gölgesinde kalmayan, açık alanlardaki ana yolların ve düzgün yerleşim gösteren şehirleşme bölgelerindeki tali yolların nesne-tabanlı yaklaşım ile başarılı bir şekilde çıkarılabileceği görülmüştür.
56 SONUÇ ve ÖNERİLER Bazı yol yapılarının spektral yansıma değerlerinin çıplak arazilerinkilerle aynı olması ve özellikle kullandığı algoritması nedeniyle bu yaklaşımın, yol yapılarının çıkarımında başarısız olduğu belirlenmiştir. Başarılı sınıflandırma sonuçları için, uygulama yapılacak bölgenin 1m den daha az YÖA değerine sahip uydu görüntüsünün kullanılması önerilmektedir. Nesne-tabanlı vektör sonuçlarının bir CBS yazılımı altında toplanmasıyla, test alanına ait diğer grafik ve öznitelik bilgileriyle birlikte analiz ve sorgulamaları yapılabilmektedir. Bu işlemler, güncel durumun ortaya koyması açısından önem taşımaktadır. Böylece kentsel oluşum sürecinde analizler yapılarak ileriye yönelik projeler için sayısal bir altlık oluşturulması sağlanmaktadır.
UZAKTAN ALGILAMA Görüntü Verisinin Düzeltilmesi ve Geliştirilmesi
UZAKTAN ALGILAMA Görüntü Verisinin Düzeltilmesi ve Geliştirilmesi Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF439 UZAKTAN ALGILAMA DERSİ NOTLARI http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz
DetaylıUZAKTAN ALGILAMA Uydu Görüntülerinin Sağladığı Bilgi İçeriği Kavramı
UZAKTAN ALGILAMA Uydu Görüntülerinin Sağladığı Bilgi İçeriği Kavramı GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF439 UZAKTAN ALGILAMA DERSİ NOTLARI http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz http://geomatik.beun.edu.tr/marangoz/
DetaylıUZAKTAN ALGILAMA Uydu Görüntülerinin Sınıflandırılması
UZAKTAN ALGILAMA Uydu Görüntülerinin Sınıflandırılması GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF439 UZAKTAN ALGILAMA DERSİ NOTLARI http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz http://geomatik.beun.edu.tr/marangoz/
DetaylıFOTOGRAMETRİ DAİRESİ BAŞKANLIĞI FAALIYETLERI
FOTOGRAMETRİ DAİRESİ BAŞKANLIĞI FAALIYETLERI Fotg.D.Bşk.lığı, yurt içi ve yurt dışı harita üretimi için uydu görüntüsü ve hava fotoğraflarından fotogrametrik yöntemlerle topoğrafya ve insan yapısı detayları
DetaylıYOĞUN GÖRÜNTÜ EŞLEME ALGORİTMALARI İLE ÜRETİLEN YÜKSEK ÇÖZÜNÜRLÜKLÜ SAYISAL YÜZEY MODELİ ÜRETİMİNDE KALİTE DEĞERLENDİRME VE DOĞRULUK ANALİZİ
YOĞUN GÖRÜNTÜ EŞLEME ALGORİTMALARI İLE ÜRETİLEN YÜKSEK ÇÖZÜNÜRLÜKLÜ SAYISAL YÜZEY MODELİ ÜRETİMİNDE KALİTE DEĞERLENDİRME VE DOĞRULUK ANALİZİ Naci YASTIKLI a, Hüseyin BAYRAKTAR b a Yıldız Teknik Üniversitesi,
DetaylıUYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA
UYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında ucuz ve hızlı sonuç alınabilen uzaktan algılama tekniğinin, yenilenebilir
DetaylıTÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun.
Doç.Dr.Mehmet MISIR-2013 TÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun. Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında
DetaylıNDEN BELİRLENEBİLME LME POTANSİYELİ UYDU GÖRÜNTÜLERİNDEN
BİNALARIN YÜKSEK Y ÇÖZÜNÜRLÜKLÜRLÜKL UYDU GÖRÜNTÜLERİNDEN NTÜLER NDEN BELİRLENEBİLME LME POTANSİYELİ Dilek KOÇ SAN dkoc@metu metu.edu.tr Orta Doğu u Teknik Üniversitesi, Jeodezi ve Coğrafi Bilgi Teknolojileri
DetaylıYÜKSEK ÇÖZEBİLİRLİKLİ UYDU GÖRÜNTÜLERİNİN BİLGİ İÇERİKLERİNİN KARŞILAŞTIRILMASI
YÜKSEK ÇÖZEBİLİRLİKLİ UYDU GÖRÜNTÜLERİNİN BİLGİ İÇERİKLERİNİN KARŞILAŞTIRILMASI Ferihan ÖZFİDAN, Hüseyin TOPAN, Hakan ŞAHİN, Serkan KARAKIŞ Zonguldak Karaelmas Üniversitesi, Mühendislik Fakültesi, Jeodezi
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF435 UZAKTAN ALGILAMA DERSİ NOTLARI
UZAKTAN ALGILAMA Sayısal Görüntü ve Özellikleri GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF435 UZAKTAN ALGILAMA DERSİ NOTLARI http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz
DetaylıUZAKTAN ALGILAMA- UYGULAMA ALANLARI
UZAKTAN ALGILAMA- UYGULAMA ALANLARI Doç. Dr. Nebiye Musaoğlu nmusaoglu@ins.itu.edu.tr İTÜ İnşaat Fakültesi Jeodezi ve Fotogrametri Mühendisliği Bölümü Uzaktan Algılama Anabilim Dalı UZAKTAN ALGILAMA-TANIM
DetaylıUzaktan Algılama Uygulamaları
Aksaray Üniversitesi Uzaktan Algılama Uygulamaları Doç.Dr. Semih EKERCİN Harita Mühendisliği Bölümü sekercin@aksaray.edu.tr 2010-2011 Bahar Yarıyılı Uzaktan Algılama Uygulamaları GÖRÜNTÜ İŞLEME TEKNİKLERİ
DetaylıTMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Lazer Tarama Verilerinden Bina Detaylarının Çıkarılması ve CBS İle Entegrasyonu
DetaylıUydu görüntülerinin bilgi içeriğinin topografik harita yapımı açısından incelenmesi
Uydu görüntülerinin bilgi içeriğinin topografik harita yapımı açısından incelenmesi Hüseyin TOPAN 1,*, Derya MAKTAV 2, Gürcan BÜYÜKSALİH 1 1 Zonguldak Karaelmas Üniversitesi, Mühendislik Fakültesi, Jeodezi
DetaylıULUSAL COĞRAFİ BILGİ SISTEMLERİ KONGRESİ 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
ULUSAL COĞRAFİ BILGİ SISTEMLERİ KONGRESİ 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Uydu Verilerinin Farklı Yöntemlerle Karılması ve Sonuçların Karşılaştırılması Öğr. Gör. Bora UĞURLU Prof. Dr. Hülya YILDIRIM
DetaylıKENTSEL ALANLARDA AĞAÇLIK VE YEŞİL ALANLARIN UYDU GÖRÜNTÜLERİNDEN NESNE-TABANLI ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE ENTEGRASYONU
KENTSEL ALANLARDA AĞAÇLIK VE YEŞİL ALANLARIN UYDU GÖRÜNTÜLERİNDEN NESNE-TABANLI ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE ENTEGRASYONU Aycan Murat MARANGOZ, Serkan KARAKIŞ, Hakan AKÇIN, Murat ORUÇ Zonguldak
DetaylıFethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti
Fethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti Kurum adı: T.C. Çevre ve Orman Bakanlığı Bilgi İşlem Dairesi Başkanlığı, Özel Çevre Koruma Kurumu Başkanlığı Proje durumu: Tamamlandı. Proje
DetaylıORM 7420 USING SATELLITE IMAGES IN FOREST RESOURCE PLANNING
ORM 7420 USING SATELLITE IMAGES IN FOREST RESOURCE PLANNING Asst. Prof. Dr. Uzay KARAHALİL Week IV NEDEN UYDU GÖRÜNTÜLERİ KULLANIRIZ? Sayısaldır (Dijital), - taramaya gerek yoktur Hızlıdır Uçuş planı,
DetaylıDijital Kameralar (Airborne Digital Cameras)
Dijital Kameralar (Airborne Digital Cameras) Klasik fotogrametrik görüntü alımındaki değişim, dijital kameraların gelişimi ile sağlanmaktadır. Dijital görüntü, analog görüntü ile kıyaslandığında önemli
Detaylıİçerik Fotogrametrik Üretim 2 Fotogrametri 2 Hava Fotogrametrisi...2 Fotogrametrik Nirengi 3 Ortofoto 4 Fotogrametrik İş Akışı 5 Sayısal Hava
İçerik Fotogrametrik Üretim 2 Fotogrametri 2 Hava Fotogrametrisi...2 Fotogrametrik Nirengi 3 Ortofoto 4 Fotogrametrik İş Akışı 5 Sayısal Hava Kameralarının Sağlayacağı Faydalar.7 Pramit Oluşturma.10 Kolon
DetaylıNESNE-TABANLI OTOMATİK DETAY ÇIKARIMLARINDAN ELDE EDİLEN VEKTÖR ÜRÜNÜN CBS ORTAMINA AKTARILMASI VE MEVCUT DİĞER VERİLERLE BÜTÜNLEŞTİRİLMESİ
TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı 2-6 Nisan 2007, Ankara NESNE-TABANLI OTOMATİK DETAY ÇIKARIMLARINDAN ELDE EDİLEN VEKTÖR ÜRÜNÜN CBS ORTAMINA AKTARILMASI
DetaylıORM 7420 ORMAN KAYNAKLARININ PLANLANMASINDA UYGU GÖRÜNTÜLERİNİN KULLANILMASI
ORM 7420 ORMAN KAYNAKLARININ PLANLANMASINDA UYGU GÖRÜNTÜLERİNİN KULLANILMASI Yrd. Doç. Dr. Uzay KARAHALİL III. Hafta (Uyduların Detay Tanıtımı Sunum Akışı Doğal Kaynak İzleyen Uygular Hangileri Uyduların
Detaylı3.2. Raster Veriler. Satırlar. Sütunlar. Piksel/hücre büyüklüğü
3.2. Raster Veriler Satırlar Piksel/hücre büyüklüğü Sütunlar 1 Görüntü formatlı veriler Her piksel için gri değerleri kaydedilmiştir iki veya üç bant (RGB) çok sayıda bant Fotoğraf, uydu görüntüsü, ortofoto,
DetaylıAycan Murat MARANGOZ 1, Zübeyde ALKIŞ 2
NESNE-TABANLI GÖRÜNTÜ SINIFLANDIRMA YÖNTEMLERİNİ KULLANARAK UYDU GÖRÜNTÜLERİNDEN KENTSEL DETAYLARIN BELİRLENMESİ, HARİTALARIN GÜNCELLENMESİ VE CBS YE ENTEGRASYONU Aycan Murat MARANGOZ 1, Zübeyde ALKIŞ
DetaylıKartoğrafik. rafik Bilgi Sistemleri (TKBS)
TOPOĞRAF RAFİK K KARTOĞRAF RAFİK K BİLGB LGİ SİSTEMLERİNİN N YAŞATILMASINDA ATILMASINDA YÜKSEK ÇÖZÜNÜRL RLÜKLÜ UYDU GÖRÜNTÜ VERİLER LERİNDEN YARARLANMA Ulusal Coğrafi Bilgi Sistemleri Kongresi, Yrd.Do
DetaylıHaritacılık Bilim Tarihi
Haritacılık Bilim Tarihi Tanışma - Giriş, Tanım ve Kavramlar - 1 Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF901 Haritacılık Bilim Tarihi Sunu 1 http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz
DetaylıArazi örtüsü değişiminin etkileri
Aksaray Üniversitesi Jeodezi ve Fotogrametri Mühendisliği Bölümü Rize İlinin Arazi Örtüsündeki Zamansal Değişimin (1976 ) Uzaktan Algılama ve Coğrafi Bilgi Sistemi İle Belirlenmesi Yd Yrd. Doç. Dr. Sl
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 8 Multispektral Görüntüleme ve Uygulamaları Alp Ertürk alp.erturk@kocaeli.edu.tr Multispektral Görüntüleme Her piksel için birkaç adet spektral kanalda ölçüm değeri
DetaylıZONGULDAK ORMANLIK ALANLARINDAKİ KAÇAK YAPILAŞMANIN UYDU GÖRÜNTÜLERİNDEN OTOMATİK NESNE ÇIKARIMI YAPILARAK CBS İLE ANALİZİ
ZONGULDAK ORMANLIK ALANLARINDAKİ KAÇAK YAPILAŞMANIN UYDU GÖRÜNTÜLERİNDEN OTOMATİK NESNE ÇIKARIMI YAPILARAK CBS İLE ANALİZİ * H. Akçın, A. M. Marangoz, S. Karakış, H. Şahin *Zonguldak Karaelmas Üniversitesi
DetaylıNESNE-TABANLI SINIFLANDIRMA TEKNİKLERİ İLE ZONGULDAK İLİ MERKEZİNE AİT 125 YILLIK KIYI ŞERİDİ ANALİZİ
NESNE-TABANLI SINIFLANDIRMA TEKNİKLERİ İLE ZONGULDAK İLİ MERKEZİNE AİT 125 YILLIK KIYI ŞERİDİ ANALİZİ Aycan Murat MARANGOZ 1, Aliihsan ŞEKERTEKİN 1,2, Murat ORUÇ 1, K. Sedar GÖRMÜŞ 1 Özet Son yıllarda,
DetaylıOrmancılıkta Uzaktan Algılama. 4.Hafta (02-06 Mart 2015)
Ormancılıkta Uzaktan Algılama 4.Hafta (02-06 Mart 2015) Hava fotoğrafı; yeryüzü özelliklerinin kuşbakışı görüntüsüdür. Hava fotoğrafları, yersel fotoğraf çekim tekniğinde olduğu gibi ait oldukları objeleri
DetaylıUZAKTAN ALGILAMA TEKNOLOJİLERİ ile ARAZİ ÖRTÜSÜ ve ARAZİ KULLANIMININ BELİRLENMESİ
Köy Hizmetleri Genel Müdürlüğü Toprak ve Su Kaynakları Ulusal Bilgi Merkezi UZAKTAN ALGILAMA TEKNOLOJİLERİ ile ARAZİ ÖRTÜSÜ ve ARAZİ KULLANIMININ BELİRLENMESİ Demir DEVECİGİL Alpaslan SAVACI Doç. Dr. D.Murat
DetaylıCOĞRAFİ BİLGİ SİSTEMLERİ VE UZAKTAN ALGILAMA
Coğrafi Bilgi Sistemleri ve Uzaktan Algılama Taşınmaz Değerleme ve Geliştirme Tezsiz Yüksek Lisans Programı COĞRAFİ BİLGİ SİSTEMLERİ VE UZAKTAN ALGILAMA 1 Coğrafi Bilgi Sistemleri ve Uzaktan Algılama İçindekiler
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF329 FOTOGRAMETRİ I DERSi NOTLARI
FOTOGRAMETRİ I TANIM ve KAVRAMLAR Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF329 FOTOGRAMETRİ I DERSi NOTLARI http://geomatik.beun.edu.tr/marangoz/ DERSİN
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2015-2016 Öğretim Yılı Bahar Dönemi 1 A- Enerji Kaynağı / Aydınlatma B- Işıma ve atmosfer C- Hedef nesneyle etkileşim D- Nesneden yansıyan /
DetaylıUydu Görüntüleri ve Kullanım Alanları
Uydu Görüntüleri ve Kullanım Alanları Derse Giriş Sunusu Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF 904 Uydu Görüntüleri ve Kullanım Alanları Ders
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2015-2016 Öğretim Yılı Bahar Dönemi 1 Piksel / dpi Piksel en küçük anlamlı birim dpi = dot per inch/ 1 inch teki nokta sayısı 1 inch =25.4 mm
DetaylıEski Yunanca'dan batı dillerine giren Fotogrametri sözcüğü 3 kök sözcükten oluşur. Photos(ışık) + Grama(çizim) + Metron(ölçme)
FOTOGRAMETRİ FOTOGRAMETRİ Eski Yunanca'dan batı dillerine giren Fotogrametri sözcüğü 3 kök sözcükten oluşur. Photos(ışık) + Grama(çizim) + Metron(ölçme) Buna göre ışık yardımı ile ölçme (çizim yapabilme)
DetaylıUzaktan Alg ılamaya Giriş Ünite 6 - Görüntü O t r orektifikasyonu
Uzaktan Algılamaya Giriş Ünite 6 - Görüntü Ortorektifikasyonu Ortorektifikasyon Uydu veya uçak platformları ile elde edilen görüntü verisi günümüzde haritacılık ve CBS için temel girdi kaynağını oluşturmaktadır.
DetaylıTEMEL GÖRÜNTÜ BİLGİSİ GİRİŞ, TANIM ve KAVRAMLAR
TEMEL GÖRÜNTÜ BİLGİSİ GİRİŞ, TANIM ve KAVRAMLAR Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF345 TEMEL GÖRÜNTÜ BİLGİSİ DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/
DetaylıZONGULDAK İLİ KİLİMLİ İLÇESİ VE TERMİK SANTRAL BÖLGESİNİN ZAMANSAL DEĞİŞİMİNİN UZAKTAN ALGILAMA TEKNİKLERİ KULLANILARAK İNCELENMESİ
ZONGULDAK İLİ KİLİMLİ İLÇESİ VE TERMİK SANTRAL BÖLGESİNİN ZAMANSAL DEĞİŞİMİNİN UZAKTAN ALGILAMA TEKNİKLERİ KULLANILARAK İNCELENMESİ Mustafa USTAOĞLU 1, Aycan Murat MARANGOZ 2, Murat ORUÇ 2, Aliihsan ŞEKERTEKİN
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI
FOTOGRAMETRİ II GİRİŞ ve HATIRLATMA Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI http://geomatik.beun.edu.tr/marangoz/ DERSİN
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ BEÜ ZONGULDAK MYO MİMARLIK VE ŞEHİR PL. BÖL. HARİTA VE KADASTRO PROGRAMI ZHK 117 TEMEL HUKUK DERSİ NOTLARI
TEMEL HUKUK TANIŞMA TANIM ve KAVRAMLAR Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ ZONGULDAK MYO MİMARLIK VE ŞEHİR PL. BÖL. HARİTA VE KADASTRO PROGRAMI ZHK 117 TEMEL HUKUK DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/
DetaylıTEMEL GÖRÜNTÜ BİLGİSİ
TEMEL GÖRÜNTÜ BİLGİSİ ÜRÜNLER Ortofoto/görüntü, Sayısal Yüzey, Yükseklik ve Arazi Modeli Kavramları BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF345 TEMEL GÖRÜNTÜ BİLGİSİ DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/
DetaylıHRT 105 HARİTA MÜHENDİSLİĞİNE GİRİŞ
HRT 105 HARİTA MÜHENDİSLİĞİNE GİRİŞ Temel Haritacılık Kavramları_Ders#4 Yrd.Doç.Dr. H.Ebru ÇOLAK KTÜ. Mühendislik Fakültesi Harita Mühendisliği Bölümü TEMEL HARİTA BİLGİLERİ Çevre Düzeni Planı: Ülke ve
DetaylıUZAKTAN ALGILAMA TEKNİKLERİ İLE ZONGULDAK İLİ KENTSEL GELİŞİMİNİN İZLENMESİ VE ALTERNATİF YERLEŞİM ALANLARININ BELİRLENMESİ
UZAKTAN ALGILAMA TEKNİKLERİ İLE ZONGULDAK İLİ KENTSEL GELİŞİMİNİN İZLENMESİ VE ALTERNATİF YERLEŞİM ALANLARININ BELİRLENMESİ S. Yılmaz a, A. M. Marangoz b,, A. Şekertekin b,c, M. Oruç b, Ş. H. Kutoğlu b
DetaylıUZAYDAN HARİTA YAPIMI
UZAYDAN HARİTA YAPIMI G. Büyüksalih, H. Topan Zonguldak Karaelmas Üniversitesi, Jeodezi ve Fotogrametri Mühendisliği Bölümü, 67100 Zonguldak e-posta: gbuyuksalih@yahoo.com, htopan@yahoo.com ÖZET Bu çalışmada,
Detaylıİçerik. Giriş 1/23/13. Giriş Problem Tanımı Tez Çalışmasının Amacı Metodoloji Zaman Çizelgesi. Doktora Tez Önerisi
İsmail ÇÖLKESEN 501102602 Doktora Tez Önerisi Tez Danışmanı : Prof.Dr. Tahsin YOMRALIOĞLU İTÜ Geoma*k Mühendisliği İçerik Giriş Tez Çalışmasının Amacı Zaman Çizelgesi 1 of 25 Giriş Yeryüzü ile ilgili yapılan
DetaylıUydu Görüntüleri ve Kullanım Alanları
Uydu Görüntüleri ve Kullanım Alanları Tanım, Tarihçe ve Kullanım Alanları Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF 904 Uydu Görüntüleri ve Kullanım
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 Piksel / dpi Piksel en küçük anlamlı birim dpi = dot per inch/ 1 inch teki nokta sayısı 1 inch =25.4 mm
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
DetaylıGörüntü Segmentasyonu (Bölütleme)
Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 20 Aralık 2014 Cumartesi 1 Görüntü Segmentasyonu 20 Aralık 2014 Cumartesi 2 Gestalt kanunları Görüntü
DetaylıUydu Görüntüleri ve Kullanım Alanları
Uydu Görüntüleri ve Kullanım Alanları Uydu Görüntüleri ve Özellikleri GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF 904 Uydu Görüntüleri ve Kullanım Alanları Ders Notları http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz
DetaylıTEMEL GÖRÜNTÜ BİLGİSİ
TEMEL GÖRÜNTÜ BİLGİSİ FOTOGRAMETRİDE ALGILAMA SİSTEMLERİ, ÖZELLİKLERİ ve SAĞLADIKLARI VERİ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF345 TEMEL GÖRÜNTÜ BİLGİSİ DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/
DetaylıORTOFOTO BİLGİ SİSTEMİ TAPU VE KADASTRO MODERNİZASYON PROJESİ NDEKİ YERİ VE ÖNEMİ
ORTOFOTO BİLGİ SİSTEMİ TAPU VE KADASTRO MODERNİZASYON PROJESİ NDEKİ YERİ VE ÖNEMİ A. Kısa 1, S. Bakıcı 2, B. Erkek 3, L. Özmüş 4, T. Tufan 5 Tapu ve Kadastro Genel Müdürlüğü, Fotogrametri ve Geodezi Dairesi
DetaylıUzaktan Algılamanın. Doğal Ekosistemlerde Kullanımı PROF. DR. İ BRAHİM ÖZDEMİR SDÜ ORMAN FAKÜLTESI I S PARTA
Uzaktan Algılamanın Doğal Ekosistemlerde Kullanımı PROF. DR. İ BRAHİM ÖZDEMİR SDÜ ORMAN FAKÜLTESI I S PARTA 1 Uzaktan Algılama Nedir? Arada fiziksel bir temas olmaksızın cisimler hakkında bilgi toplanmasıdır.
DetaylıHAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ
Akdeniz Üniversitesi Uzay Bilimleri ve Teknolojileri Bölümü Uzaktan Algılama Anabilim Dalı HAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ Dr.Nusret
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 Görüntü Sınıflandırma Sınıflandırma nedir Sınıflandırma türleri Kontrolsüz/Kontrollü (Denetimli, Eğitimli)
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI
FOTOGRAMETRİ II FOTOGRAMETRİK ÜRÜNLER BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI http://geomatik.beun.edu.tr/marangoz/ GİRİŞ Giriş Ortofoto Ortofoto Ürün
DetaylıArcGIS ile Tarımsal Uygulamalar Eğitimi
ArcGIS ile Tarımsal Uygulamalar Eğitimi Kursun Süresi: 5 Gün 30 Saat http://facebook.com/esriturkey https://twitter.com/esriturkiye egitim@esriturkey.com.tr ArcGIS ile Tarımsal Uygulamalar Eğitimi Genel
DetaylıKameralar, sensörler ve sistemler
Dijital Fotogrametri Kameralar, sensörler ve sistemler Prof. Dr. Fevzi Karslı Harita Mühendisliği Bölümü, KTÜ fkarsli@ktu.edu.tr Analog Hava Kameraları Ana firmalar Zeiss, Wild ve Leica. Kullanılan bütün
DetaylıDoğal Kaynak Gözlem Uyduları
Doğal Kaynak Gözlem Uyduları Landsat Uyduları Yeryüzündeki doğal kaynakların incelenmesi amacı ile NASA tarafından 1972 yılında LANDSAT uyduları programı başlatılmıştır. İlk LANDSAT uydusu ERST-I (Earth
DetaylıTrafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi
Trafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi ISITES 2016 4 TH INTERNATIONAL SYMPOSIUM ON INNOVATIVE TECHNOLOGIES IN ENGINEERING AND SCIENCE Dr. G. Çiğdem Çavdaroğlu ISITES,
DetaylıUzaktan Algılama Teknolojisi. Doç. Dr. Taşkın Kavzoğlu Gebze Yüksek Teknoloji Enstitüsü Gebze, Kocaeli
Uzaktan Algılama Teknolojisi Doç. Dr. Taşkın Kavzoğlu Gebze Yüksek Teknoloji Enstitüsü Gebze, Kocaeli SPOT görüntüsü (Roma) 16-Aralık-2005 Source: earth.eas.int Uzaktan Algılama Dünya yüzeyinin gözlenmesi
DetaylıOrtofoto Bilgi Sistemi Tapu ve Kadastro Modernizasyon Projesi ndeki Yeri ve Önemi
Ortofoto Bilgi Sistemi Tapu ve Kadastro Modernizasyon Projesi ndeki Yeri ve Önemi A. KISA 1, S.BAKICI 2, B.ERKEK 3, L.ÖZMÜŞ 4, T.TUFAN 5 1 Tapu ve Kadastro Genel Müdürlüğü, Fotogrametri ve Geodezi Dairesi
DetaylıAksaray Üniversitesi Jeodezi ve Fotogrametri Mühendisliği Bölümü
Aksaray Üniversitesi Jeodezi ve Fotogrametri Mühendisliği Bölümü TÜRKİYE DE YENİ İLLERİN KENTSEL GELİŞİM SÜRECİNİN COĞRAFİ BİLGİ SİSTEMLERİ İLE BELİRLENMESİ: AKSARAYÖRNEĞİ H.M.Yılmaz, S.Reis,M.Atasoy el
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 4 Pasif - Aktif Alıcılar, Çözünürlük ve Spektral İmza Kavramları Alp Ertürk alp.erturk@kocaeli.edu.tr Pasif Aktif Alıcılar Pasif alıcılar fiziksel ortamdaki bilgileri
DetaylıGörüntü Segmentasyonu (Bölütleme) Dijital Görüntü İşleme Fevzi Karslı, KTÜ Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır.
Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 16 Ocak 2014 Perşembe 1 Görüntü Segmentasyonu 16 Ocak 2014 Perşembe 2 Görüntüden Objelere Bir objeyi
DetaylıDİJİTAL UYDU GÖRÜNTÜSÜ Raster Veri
DİJİTAL UYDU GÖRÜNTÜSÜ Raster Veri DİJİTAL UYDU GÖRÜNTÜSÜ Görüntü boyutu Dijital bir görüntü, elemanları, uzaydaki x,y konumlarına karşılık gelen noktaları n f(x,y) parlaklık değerlerini içeren bir matristir.
DetaylıTOPOĞRAFİK HARİTALAR VE KESİTLER
TOPOĞRAFİK HARİTALAR VE KESİTLER Prof.Dr. Murat UTKUCU Yrd.Doç.Dr. ŞefikRAMAZANOĞLU TOPOĞRAFİK HARİTALAR VE Haritalar KESİTLER Yeryüzü şekillerini belirli bir yöntem ve ölçek dahilinde plan konumunda gösteren
DetaylıTMMOB Harita ve Kadastro Mühendisleri Odası, 16. Türkiye Harita Bilimsel ve Teknik Kurultayı, 3-6 Mayıs 2017, Ankara.
GÖKTÜRK-2 UYDU GÖRÜNTÜSÜNÜN OTOMATİK DETAY ÇIKARIMINDA KULLANILABİLİRLİĞİNİN ARAŞTIRILMASI ESKİŞEHİR İLİ ÖRNEĞİ HAMZA BAŞAK, MÜGE AĞCA YILDIRIM Aksaray Üniversitesi, Harita Mühendisliği Bölümü 1. Giriş
DetaylıArş.Gör.Hüseyin TOPAN - http://jeodezi.karaelmas.edu.tr 1
Mikrodalga radyometre UZAKTAN ALGILAMADA GÖRÜNTÜLEME SİSTEMLERİ Hüseyin TOPAN Algılayıcı Pasif amaçlı olmayan amaçlı Manyetik algılayıcı Gravimetre Fourier spektrometresi Diğerleri Optik Film tabanlı Dijital
DetaylıYıldız Teknik Üniversitesi İnşaat Fakültesi Harita Mühendisliği Bölümü TOPOGRAFYA (HRT3351) Yrd. Doç. Dr. Ercenk ATA
Yıldız Teknik Üniversitesi İnşaat Fakültesi Harita Mühendisliği Bölümü Ders Adı Kodu Yerel Kredi ECTS Ders (saat/hafta) Uygulama (saat/hafta) Laboratuvar (saat/hafta) Topografya HRT3351 3 4 3 0 0 DERSİN
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ BEÜ ZONGULDAK MYO MİMARLIK VE ŞEHİR PL. BÖL. HARİTA VE KADASTRO PROGRAMI ZHK 209/217/239 FOTOGRAMETRİ DERSİ NOTLARI
FOTOGRAMETRİ TANIŞMA TANIM ve KAVRAMLAR Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ ZONGULDAK MYO MİMARLIK VE ŞEHİR PL. BÖL. HARİTA VE KADASTRO PROGRAMI ZHK 209/217/239 FOTOGRAMETRİ DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/
DetaylıKoordinat Referans Sistemleri
Koordinat Referans Sistemleri Harita yapımında geometrik süreç Küre Referans yüzeyin seçimi Elipsoit Ölçek küçültme Dünya/Jeoit Harita düzlemine izdüşüm Harita Fiziksel yer yüzünün belli bir şekli yok,
DetaylıKADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ
KADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ Yasemin ŞİŞMAN, Ülkü KIRICI Sunum Akış Şeması 1. GİRİŞ 2. MATERYAL VE METHOD 3. AFİN KOORDİNAT DÖNÜŞÜMÜ 4. KALİTE KONTROL 5. İRDELEME
DetaylıUydu Görüntüleri ve Kullanım Alanları
Uydu Görüntüleri ve Kullanım Alanları Giriş, Tanım ve Kavramlar 2 Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF 904 Uydu Görüntüleri ve Kullanım Alanları Ders Notları http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz
DetaylıFOTOGRAMETRİK YÖNTEMLERLE 3 BOYUTLU COĞRAFİ VERİ TABANININ GÜNCELLENMESİ
FOTOGRAMETRİK YÖNTEMLERLE 3 BOYUTLU COĞRAFİ VERİ TABANININ GÜNCELLENMESİ K.S.TAPAN a, M. BÖLME a, L.İŞCAN a, O.EKER a, A.OKUL a, a Harita Genel Komutanlığı, Fotogrametri Dairesi Başkanlığı, Cebeci, Ankara,
DetaylıMetadata Tanımı. Bilgi hakkında bilgi Bilgisayarların yorumlayabileceği ve kullanabileceği standart, yapısal bilgi BBY 220
Metadata Tanımı Bilgi hakkında bilgi Bilgisayarların yorumlayabileceği ve kullanabileceği standart, yapısal bilgi BBY 220 Metadata Ne Değildir? Standart numaralar (ISBN, ISSN, SICI, DOI, vd.) BBY 220 Metadata
DetaylıMOD419 Görüntü İşleme
MOD419 Görüntü İşleme Ders Kitabı: Digital Image Processing by Gonzalez and Woods Puanlama: %30 Lab. %20 Vize %10 Quizes %40 Final %60 devam mecburiyeti Görüntü İşleme ye Giriş Görüntü İşleme Nedir? Özellikle
DetaylıTarımsal Meteorolojik Simülasyon Yöntemleri ve Uzaktan Algılama ile Ürün Verim Tahminleri ve Rekolte İzleme
Tarımsal Meteorolojik Simülasyon Yöntemleri ve Uzaktan Algılama ile Ürün Verim Tahminleri ve Rekolte İzleme Twente Universitesi ITC Fakultesi, Enschede, Hollanda - 2013 Dr. Ediz ÜNAL Tarla Bitkileri Merkez
DetaylıYILDIZ TEKNİK ÜNİVERSİTESİ İNŞAAT FAKÜLTESİ HARİTA MÜHENDİSLİĞİ BÖLÜMÜ
YILDIZ TEKNİK ÜNİVERSİTESİ İNŞAAT FAKÜLTESİ HARİTA MÜHENDİSLİĞİ BÖLÜMÜ ARAZİ ÇALIŞMASI - 2 UYGULAMA PLANI İSTANBUL, 2018 Dersin Tanıtımı 1) Ders fotogrametri Kamu Ölçmeleri ve Kartografya Anabilim dalları
DetaylıEmrah Kurtoğlu Gamze Dinçar Liva Gizem Göze Ali Kadir Ulu
1302120002 1302130068 1302150039 1302150049 Emrah Kurtoğlu Gamze Dinçar Liva Gizem Göze Ali Kadir Ulu 17.10.2016 SPEKTRAL İMGELER Bir malzeme için yansıyan, yutulan veya iletilen ışınım miktarları dalga
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve
DetaylıGüneş Senkronize - Yakın Kutupsal. 2-3 gün, enleme göre değişken. 60 Km x 60 Km - 80 Km nadirde. 30 m yatay konum doğruluğu (CE90%)
TANITIM KATALOĞU TEKNİK ÖZELLİKLER Uydu üzerinde yüksek çözünürlükte algılama yapabilen iki adet HRG sensörü mevcuttur. Bu sensörler pankromatik algılama modunda 2.5 metre ile 5 metre, multispektral algılama
DetaylıTOPOĞRAFYA Takeometri
TOPOĞRAFYA Takeometri Yrd. Doç. Dr. Aycan M. MARANGOZ ÇEVRE MÜHENDİSLİĞİ BÖLÜMÜ JDF 264/270 TOPOĞRAFYA DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz/marangoz.htm
DetaylıBÜLENT ECEVİT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜ VERİLERİ KULLANARAK ORMANLIK ALANLARDA SINIFLANDIRMA UYGULAMALARI
BÜLENT ECEVİT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜ VERİLERİ KULLANARAK ORMANLIK ALANLARDA SINIFLANDIRMA UYGULAMALARI GEOMATİK MÜHENDİSLİĞİ ANABİLİM DALI YÜKSEK LİSANS TEZİ DUYGU
DetaylıElektromanyetik Radyasyon (Enerji) Nedir?
Elektromanyetik Radyasyon (Enerji) Nedir? Atomlardan çeşitli şekillerde ortaya çıkan enerji türleri ve bunların yayılma şekilleri "elektromagnetik radyasyon" olarak adlandırılır. İçinde X ve γ ışınlarının
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2016-2017 Öğretim Yılı Bahar Dönemi 1 Geçen ders Mekansal/Konumsal/Geometrik(Spatial resolution) Radyometrik Spektral Zamansal 2 Dijital /Sayısal
DetaylıFotogrametri Anabilim dalında hava fotogrametrisi ve yersel fotogrametri uygulamaları yapılmakta ve eğitimleri verilmektedir.
FOTOGRAMETRİ ANABİLİM DALI Fotogrametri eski Yunancadaki Photos+Grama+Metron (Işık+Çizim+Ölçme) kelimelerinden Eski Yunancadan bati dillerine giren Fotogrametri sözcüğü 3 kök sözcükten oluşur. Photos(ışık)
DetaylıORTOFOTO ÜRETİMİNDE TAPU VE KADASTRO VİZYONU
ORTOFOTO ÜRETİMİNDE TAPU VE KADASTRO VİZYONU İbrahim CANKURT 1, Levent ÖZMÜŞ 2, Bilal ERKEK 3, Sedat BAKICI 4 1 Tapu ve Kadastro Genel Müdürlüğü, Harita Dairesi Başkanlığı, Ankara, icankurt@tkgm.gov.tr
DetaylıAnahtar Sözcükler Uzaktan Algılama, Yer Yüzey Sıcaklığı (YYS), Yüksek çözünürlüklü uydu görüntüleri, Bölgesel iklim değişikliği
Mihraç ÖZEN, Aycan Murat MARANGOZ, Aliihsan ŞEKERTEKİN, Murat ORUÇ Uydu Görüntüleri Kullanarak Ilısu Barajı İnşaatının Zamansal Değişiminin İzlenmesi ve Rezervuar Kamulaştırma Sınırı İçerisinde Kalan Detayların
DetaylıORMAN YOLLARININ UZAKTAN ALGILAMA VE CBS İLE PLANLANMASININ DEĞERLENDİRİLMESİ
ORMAN YOLLARININ UZAKTAN ALGILAMA VE CBS İLE PLANLANMASININ DEĞERLENDİRİLMESİ Arş. Gör. Burak ARICAK Arş. Gör. Erhan ÇALIŞKAN Öğrt. Gör. Dr. Selçuk GÜMÜŞ Prof. Dr. H.Hulusi ACAR KAPSAM Giriş Orman yollarının
DetaylıUydu Görüntüleri Bilgi İçeriğinin Ormancılık Çalışmaları Açısından Değerlendirilmesi
Uydu Görüntüleri Bilgi İçeriğinin Ormancılık Çalışmaları Açısından Değerlendirilmesi Ayhan ATEŞOĞLU 1 Metin TUNAY 2 Hüseyin TOPAN 3 Murat ORUÇ 4 1 Arş. Gör., ZKÜ, Bartın Orman Fakültesi, Orman Mühendisliği
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 4 Pasif - Aktif Alıcılar, Çözünürlük ve Spektral İmza Alp Ertürk alp.erturk@kocaeli.edu.tr Pasif Aktif Alıcılar Pasif alıcılar fiziksel ortamdaki bilgileri pasif olarak
DetaylıMuğla, Türkiye mermer üretiminde önemli bir yere sahiptir. Muğla da 2008 yılı rakamlarına göre 119 ruhsatlı mermer sahası bulunmaktadır.
Muğla, Türkiye mermer üretiminde önemli bir yere sahiptir. Muğla da 2008 yılı rakamlarına göre 119 ruhsatlı mermer sahası bulunmaktadır. İldeki madencilik faaliyetlerinin yapıldığı alanların çoğu orman
DetaylıÇOK ZAMANLI UYDU GÖRÜNTÜLERİ VE CBS İLE ALİBEYKÖY BARAJI VE YAKIN ÇEVRESİNİN ARAZİ KULLANIMI ÖZELLİKLERİNİN BELİRLENMESİ
ÇOK ZAMANLI UYDU GÖRÜNTÜLERİ VE CBS İLE ALİBEYKÖY BARAJI VE YAKIN ÇEVRESİNİN ARAZİ KULLANIMI ÖZELLİKLERİNİN BELİRLENMESİ Yasemin Özdemir, İrfan Akar Marmara Üniversitesi Coğrafya Bölümü Marmara Üniversitesi
DetaylıKONUMSAL VERİNİN ELDE EDİLMESİNDE MOBİL CBS OLANAKLARI: GELENEKSEL YÖNTEMLERLE KARŞILAŞTIRMA. Fatih DÖNER
KONUMSAL VERİNİN ELDE EDİLMESİNDE MOBİL CBS OLANAKLARI: GELENEKSEL YÖNTEMLERLE KARŞILAŞTIRMA Fatih DÖNER TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri CBS'2007 Kongresi, 30
DetaylıNESNE TABANLI SINIFLANDIRMA TEKNİĞİ İLE ARAZİ ÖRTÜSÜNÜN BELİRLENMESİ: QUICKBIRD ve LANDSAT ÖRNEĞİ
NESNE TABANLI SINIFLANDIRMA TEKNİĞİ İLE ARAZİ ÖRTÜSÜNÜN BELİRLENMESİ: QUICKBIRD ve LANDSAT ÖRNEĞİ Merve YILDIZ 1, Taşkın KAVZOĞLU 2 1 Arş. Gör., Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve Fotogrametri
DetaylıYrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI
FOTOGRAMETRİ II FOTOGRAMETRİK ÜRÜNLER BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI http://geomatik.beun.edu.tr/marangoz/ GİRİŞ Giriş Ortofoto Ortofoto Ürün
Detaylı