UZAKTAN ALGILAMA Uydu Görüntülerinin Sınıflandırılması

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "UZAKTAN ALGILAMA Uydu Görüntülerinin Sınıflandırılması"

Transkript

1 UZAKTAN ALGILAMA Uydu Görüntülerinin Sınıflandırılması GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF439 UZAKTAN ALGILAMA DERSİ NOTLARI /marangoz.htm

2 İÇERİK Giriş Sınıflandırma Kavramı ve Sınıflandırıcılar Bulanık Sınıflandırma Sistemleri Klasik Piksel-Tabanlı Sınıflandırma Yaklaşımı Nesne-Tabanlı Sınıflandırma Yaklaşımı Görüntü Yorumlamada Temel Bileşenler Segmentasyon Nesne-Tabanlı Görüntü Analizi Altında Bulanık Sınıflandırma Uygulama 2

3 GİRİŞ Zengin bilgi içeriği piksel-tabanlı sınıflandırma yaklaşımlarında tam olarak yansıtılamamaktadır. Bu yaklaşımların temelinin tekil piksellerin gri değerlerine dayanmakta ve böylelikle sınıflandırma için sadece spektral bilgi kullanılmış olmaktadır. QuickBird ve IKONOS da tutarsız sonuçlar Nesne-tabanlı sınıflandırma yaklaşımında, segmentlerin daha uygun hale getirilmesi için, spektral bilginin yanında yapısal veya dokusal ek bilgilerle daha pozitif sınıflandırma sonuçları sunar. Bu yöntemle, sadece tekil pikseller sınıflandırılmakla kalmaz, segmentasyon basamağı sırasında homojen görüntü nesneleri de ortaya çıkar. 3

4 Sınıflandırıcılar Genellikle sınıflandırma, belirli bir sayıdaki nesneyi, sınıf tanımlamalarına göre belirli bir sınıfa dahil etmek anlamına gelir. O sebeple bir sınıf tanımlaması, istenilen sınıfın sahip olduğu tipik özelliklerin ve durumların tanımlamasıdır. Ardından nesneler bu özellikleri veya durumları karşılayıp, karşılamadıklarına göre sınıfa dahil edilirler. Sonuç olarak her nesne bir kesin sınıfa dahildir veya hiçbir sınıfa dahil değildir. Uzaktan algılama uygulamalarında klasik sınıflandırıcılar, bu suretle nesnelere 1 veya 0 olarak üyeliği atarlar. Bu tip sınıflandırıcılar, geçişsiz sınıflandırıcılar olarak adlandırılırlar. Bunun tersine, geçişli sınıflandırıcılar (temelde bulanık sistemler) bir nesnenin, bir sınıfa üyeliğini tarif etmek için bir üyelik derecesi veya olasılık kullanırlar. Üyelik değeri genellikle 1.0 ve 0.0 arasında yer alır. 1.0 bir sınıfa tam anlamıyla üye olmayı/olasılık ifade eder (tamamen dahil olmak) ve 0.0 bir sınıfa tam anlamıyla üye olmamayı/olasılık olmamasını ifade eder. 4

5 Sınıflandırıcılar Geçişli metodun avantajı, sınıf tanımlamalarındaki belirsizliklerin ifade edilmesidir. Aynı zamanda, her bir nesnenin birden fazla sınıfa üyeliğinin tanımlanmasını veya diğer sınıflara ait olma olasılıklarını farklı düzeylerdeki üyelik veya olasılık şartıyla mümkün kılar. Görüntü anlamaya bağlı olarak, geçişli sınıflandırma sonuçları dünya hakkındaki belirsiz insan bilgisini ifade etmekte daha başarılıdır. Bu da insan diline, düşüncesine ve aklına daha yakın sınıflandırma sonuçları vermesini sağlar. Başka bir deyişle, geçişli sınıflandırıcılar, geçişsiz sınıflandırıcılara karşı daha gerçekçi sonuçlar verir. 5

6 Kontrollü ve Kontrolsüz Sınıflandırma Kontrollü yöntemde istenilen sınıflar kullanıcıya bağımlı olup, kontrolsüz yöntem hemen hemen kullanıcıdan bağımsızdır. Kontrolsüz yöntem hemen hemen otomatik çalışırken, kontrollü yöntem kullanıcı tarafından ya örnekler seçerek ya da sınıf özelliklerini tanımlayarak düzenlenmelidir. Kontrollü yöntemde bir sınıfın tanımlanması, genellikle sadece istenilen sınıf özelliklerinin bir tahmini olabilir. Özellikleri tahmin etmek aynı zamanda sınıf tanımlamaları hakkında az çok bilinen bir belirsizliği kabullenmek veya özelliklerin ölçülmüş değerleri hakkındaki bilinen bir belirsizlik anlamına gelir. Bu belirsizlikleri formülize edebilmek ancak geçişli sınıflandırıcılar kullanarak olur. 6

7 Kontrollü ve Kontrolsüz Sınıflandırma Kontrolsüz yöntemler, daha hızlıdır, fakat sınıflandırma algoritmalarının özel bir dalı oldukları sürece, sonuçların kullanıcılar tarafından yorumlanması gerekir. Kontrolsüz sınıflandırmanın diğer bir avantajı, nesnelerin istatistiklerini tamamen ve sistematik olarak analiz edebilme kabiliyetidir. Böylece, kontrolsüz bir sınıflandırmanın sonuçları, algılanabilecek sınıflar hakkında kullanışlı bilgiler verebilir. 7

8 Bulanık Sınıflandırma Sistemleri En güçlü geçişli sınıflandırıcılar, bulanık sistem üzerine kurulu olan sınıflandırıcılardır. Bulanık mantık, belirsiz ifadeleri ölçülendirmek için matematiksel bir yaklaşımdır. Temel düşünce, iki kati mantıksal ifade olan evet ve hayır durumlarını, devam eden [0...1] aralığıyla değiştirmektir. Bu sistemlerde 0 kesinlikle hayır ve 1 kesinlikle evet anlamına gelir. 0 ve 1 arasındaki her değer, evet ve hayır ın daha az veya çok belirgin durumunu ifade eder. Böylece, bulanık mantık insan düşüncesinin yerini alabilir ve hesapta yer alabilir. Bulanık sınıflandırma sistemleri, uzaktan algılama bilgilerinin çıkarılmasındaki çoğu belirsizliği dikkate almaya iyi uyan bir yapıdadır. Parametre ve model belirsizlikleri, üyelik fonksiyonlarıyla tanımlanan bulanık ayarlamalarla dikkate alınırlar. İkili doğru veya yanlış yerine, çoklu değerlendirmeli bulanık mantık, doğru ve yanlış arasındaki geçişlere izin verir. 8

9 Piksel-Tabanlı Sınıflandırma Tekniği Klasik piksel-tabanlı sınıflandırma yaklaşımlarının amacı, arazi örtü sınıfları ve özeliklerine göre bir görüntüdeki tüm pikselleri otomatik olarak bir araya getirmektir. Bu yaklaşımlarda genelde kullanılan kontrollü sınıflandırma yöntemleri; Maksimum Benzerlik Sınıflandırma Yöntemi, Minimum Uzaklık Sınıflandırma Yöntemi, Paralelyüz Sınıflandırma Yöntemi dir. Maksimum Benzerlik Sınıflandırma Yöntemi, uzaktan algılamada görüntü sınıflandırması için en çok kullanılan ve bilinen kontrollü sınıflandırma yöntemidir. Bu yöntem, sınıflar için eş olasılık eğrilerinin tanımlanmasına ve sınıflandırılacak piksellerin üyelik olasılığı en yüksek olan sınıfa atanması ilkesine dayanır. 9

10 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Maksimum Benzerlik Sınıflandırma Yöntemi) 10

11 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Maksimum Benzerlik Sınıflandırma Yöntemi) 11

12 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Maksimum Benzerlik Sınıflandırma Yöntemi) Yöntemin etkinliği, her spektral sınıf için ortalama vektör ile kovaryans matrisin doğru biçimde tahmin edilmesine bağlı olmaktadır. Bu koşul ise, sınıfların her biri için yeterli miktarda örnekleme verisinin (piksel) bulunabilmesine bağlıdır. Örnekleme bölgesine ait yeterli miktarda veri bulunmadığı zaman arzulanan sınıflandırma doğruluklarına ulaşılamaz. Böyle bir durumda kovaryans bilgilerini kullanmayan başka sınıflandırma yöntemlerine başvurmak gerekir. 12

13 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Minimum Uzaklık Sınıflandırma Yöntemi) Örnekleme bölgelerine ait örnekleme verileri sınırlı olduğu zaman, kovaryans bilgilerini kullanmayan yalnızca spektral sınıfların ortalama vektörlerinin kullanılmasına dayanan sınıflandırma yöntemlerine başvurmak gerekir. Böyle bir durumda kısıtlı örnekten ortalama değerler kovaryanslara göre daha doğru tahmin edilebilir. Örnekleme verilerinden sınıf ortalamaları belirlenir, sınıflandırmada bir piksel en yakın ortalamaya sahip sınıfa atanır. 13

14 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Minimum Uzaklık Sınıflandırma Yöntemi) 14

15 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Minimum Uzaklık Sınıflandırma Yöntemi) En küçük uzaklık yöntemi, en büyük benzerlik yönteminden daha hızlı olduğu için ilgi çekicidir. Ancak kovaryans bilgilerini kullanmadığından en büyük benzerlik yöntemi kadar esnek değildir. Yöntemde kovaryans verilerinin kullanılmaması nedeniyle sınıf modelleri spektral anlamda simetriktir. Bu nedenle bazı sınıflar iyi modellenmeyebilir. Ancak örnekleme verileri sınırlı olduğu zaman en küçük uzaklık yöntemi, en büyük benzerlik yönteminden daha doğru sonuçlar verir. 15

16 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Minimum Uzaklık Sınıflandırma Yöntemi) 16

17 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Paralelyüz Sınıflandırma Yöntemi) Uygulaması hızlı ve kolay olmasına rağmen; her bir örnekleme seti için özelliklerin yalnızca minimum ve maksimum değerleri kullanılması nedeniyle, gerçek spektral sınıfların iyi temsil edilememesine yol açmaktadır. Bu yöntem, kontrol (örnekleme) verilerinin spektral bileşenlerinin histogramlarının incelenmesine dayalı çok basit bir kontrollü sınıflandırmadır. Aynı zamanda bu sınıflandırma analist için de en az bilgiyi gerektiren yöntemdir. Tanımlanan her sınıf için, kullanılan her bandın minimum ve maksimum piksel değerleri kullanılmaktadır. Uygulanan karar kuralı, her bilinmeyen piksel, özellik değeri ile ilgili olduğu paralelyüz içine atanır. 17

18 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Paralelyüz Sınıflandırma Yöntemi) 18

19 Piksel-Tabanlı Sınıflandırma Tekniği Kontrollü Sınıflandırma (Paralelyüz Sınıflandırma Yöntemi) 19

20 Piksel-Tabanlı Sınıflandırma Tekniği Kontrolsüz Sınıflandırma Yöntemi 20

21 Piksel-Tabanlı Sınıflandırma Tekniği a) Kontrolsüz (ISODATA) sınıflandırma sonucu, Kontrollü sınıflandırma sonuçları: b) Paralelyüz (Parallelpiped), c) Minimum uzaklık (Minimum Distance), d) Maksimum Benzerlik (Maximum Likelihood) 21

22 Piksel ve Nesne Tabanlı Sınıflandırma Tekniği Pan-sharp Landsat 7 ETM+ görüntüsünün nesne-tabanlı sınıflandırma sonucu (Ölçek Parametresi=5) 22

23 Nesne-Tabanlı Sınıflandırma Tekniği Nesne-tabanlı sınıflandırma yaklaşımının temel işlem birimi, görüntü segmentleri veya nesneleridir. Burada sınıflandırma işlemi görüntü nesneleri üzerinden yapılır. Nesne-tabanlı yaklaşıma bir sebep, çoğu görüntü analizi uygulamasından beklenen sonucun, gerçek dünya nesnelerinin, gerçek sınıflandırma ve gerçek şekillerinde olmasıdır. Bu beklenti alışılagelmiş piksel tabanlı yaklaşımlarla sağlanamamaktadır. Her sınıflandırma işlemi kesin bir ölçeğe bağlıdır. Bu nedenle, görüntü nesnelerinin ortalama çözünürlüğünün istenilen ölçeğe uygunluğu çok önemlidir. Görüntü bilgisi, görüntü nesnelerinin ortalama büyüklüğüne bağlı olarak farklı ölçeklerde sunulabilir. Aynı görüntü daha küçük veya daha büyük objeler olarak segmentlere ayrılabilir ki bu görüntü nesnelerinden türetilecek tüm bilgileri pratik olarak büyük ölçüde etkiler. Bu nedenle her ölçekte farklı bilgiler çıkarılabilir. 23

24 Nesne-Tabanlı Sınıflandırma Tekniği Nesne-tabanlı görüntü analizinde çok sayıda ek bilgi, görüntü nesnelerinden çıkartılabilmektedir. Bunun nedeni, şekil, doku, komşuluk ve diğer obje tabakalarından gelen bilgilerdir. Bu bilgiler kullanılarak sınıflandırma, daha iyi semantik ayırım ve daha doğru sınıflandırma sonuçlarına ulaşır. Kavramsal bakış açısıyla, mümkün olan özellikler şu şekilde gruplara ayrılabilir: Temel Özellikler: Objelerin fiziksel özellikleri, ki gerçek dünyanın resmedilmesiyle ve görüntüleme durumuyla belirlenir (basit olarak sensör ve aydınlatma), bu özellikler rengi, dokuyu ve nesnelerin yapısını ifade eder. Topolojik Özellikler: Nesneler veya bütün çerçevenin geometrik komşuluğunu ifade eden özelliktir. Örneğin solda, sağda olma veya belirli bir nesneye belirli bir mesafede olma veya görüntü içindeki belirli bir alanda olma. Çevresel Özellikler: Nesnelerin semantik komşuluk ilişkilerini tanımlayan özelliklerdir. Örneğin bir park %100 şehir alanıyla çevrili olmalıdır. 24

25 Nesne-Tabanlı Sınıflandırma Tekniği Nesne tabanlı sınıflandırmada bilgi çıkarımı, sadece görüntü nesnelerinin şekil ve boyutlarıyla ilgilenmekle kalmaz, onların semantik bilgilerini de işlem içerisine katar. Bu işlemle, görüntü alanındaki piksellerin sadece uzaysal kümeleşmesi gerçekleştirilmez, aynı zamanda görüntünün bilgi içeriğinin uzaysal ve semantik yapısına yaklaşılır ki, bu noktada asıl önemli olan da gerçek dünya nesnelerine yaklaşmaktır. Sonuç olarak, sınıflandırılmış görüntü nesnelerinin ilişkilendirilmesi, uzaysal veya semantik ağ olarak görülebilir. Bu noktadaki en önemli husus, bu şekilde bir ağ yapısının kurulmasıyla birlikte, ek bilgilerin bu ağ üzerinden çıkarımının, düzgün yapıdaki analizler yardımıyla oldukça basit bir şekilde yapılabilmesidir. Nesne-tabanlı yaklaşım, sonuçları birbirlerini etkilese de, pratikte birbirinden bağımsız olarak uygulanan, özel segmentasyon ve sınıflandırma teknikleridir. Örneğin, sınıflandırmaya esas olan yapı, segmentasyon sonucunda oluşan nesnelerdir, ancak iki aşama kesinlikle yapılırken birbirlerine bağlı değillerdir. 25

26 Nesne-Tabanlı Sınıflandırma Tekniği Ölçek, görüntüyü anlamanın önemli adımlarından biridir ve belirli bir olgunun tanımlanabildiği çıkarım büyüklüğünü veya seviyesini tanımlar. Bu nedenle bir görüntüyle farklı çözünürlükler yerine farklı ölçeklerde çalışmak analizi kolaylaştırır. Bir şehrin yüksek çözünürlüklü görüntüsüne bakıldığını varsayalım. Çok yakından bakıldığında tekil evler, binalar, yollar ve diğer kentsel nesneler ayrıntılı biçimde görülecektir. Eğer bakış mesafesi büyütülürse, bu kez tekil binalar görülmez, fakat oldukça farklı konut bölgeleri veya mahalleler ayırt edilebilir. Farklı dokular, farklı boyut ve şekilleriyle de seçilebilirler. Mahalle dokusu daha büyük bir ölçekte onun alt nesne ve yapılarını içerir (örn. Evler, yollar, bahçeler) ve bunlar özellikle renk tonu, şekil ve ayrıca topolojik ilişkileriyle tanımlanır. Ortaya çıkartılan farklı olgularda ve gerçek dünya nesnelerinin yapılarında bir çeşit hiyerarşi vardır. Bu hiyerarşi açıkça ölçekle belirlenir. Örneğin evleri, binaları, yolları çıkartırsak bunların birleştirilmesiyle yerleşim alanlarını, mahalleleri çıkartmış oluruz. Bunun gibi birçok yerleşim bölgesinin birleşimiyle kasaba veya şehir yapısına ulaşırız. 26

27 Nesne-Tabanlı Sınıflandırma Tekniği Çok yüksek çözünürlüklü bir görüntüde parkları ayırt etmek için sınıflandırma işlemini hayal edelim. Bir park her zaman geniş ve birbirini takip eden yeşil alanlardan oluşur. Bu farklı ölçek, parkı bahçeden ayırır. Ek olarak, parklar da örneğin parkların kentsel alanda yerleşmesiyle çayırlardan ayrılır. Tekil komşu evler parkları tanımlamak için yeterli bir şart değildir. Yine de, tekil binalara komşuluğu bahçeleri, çayırdan ayırmak için uygun bir ölçüttür. Bu basit örnek zaten ne kadar çok, birbiriyle ilişkili olan yapıların ölçeklerine bağlı kontekst bilginin mevcut olduğunu gösterir. Bu şaşırtıcı gerçek, anlamlı kontekst ilişkilerinin piksel tabanlı yaklaşımları kullanarak tanımlamanın ne kadar zor veya hatta imkansız olduğunu açıklar. 27

28 Nesne-Tabanlı Sınıflandırma Tekniği Segmentasyon, görüntünün birbirinden farklı alt bölümlere ayrılmasıdır. Bu işlemde görüntü üzerinde bulunan her bir piksel görüntü üzerinde bir nesneye hiyerarşik olarak bağlıdır. Bu hiyerarşi, segmentasyon için hazırlanmış olan algoritmada bazı değişkenlere bağlı olarak kurulur. Burada önemli olan uygun homojenliği sağlayarak pikselden nesneye doğru, uygun yapıyı kurmaktır. Segmentasyon aşamasında bunun için kullanılan değişkenler; ölçek, renk, biçim, yumuşaklık ve bütünlük değişkenleridir. Bu değişkenlerin dahil olduğu bir fonksiyon yardımıyla pikselden segmente ve buradan da daha büyük segmentlere doğru bir zincir yapı kurulur. Segmentasyon yöntemleri iki ana gruba ayrılır; Bilgi çıkarım yöntemleri (yukarıdan-aşağıya): Burada kullanıcı zaten görüntüden ne çıkarmak istediğini bilir, fakat çıkarımı nasıl yapacağını bilmez. İstenilen nesne modeli formülize edilerek, sistem onları çıkarmak için en iyi görüntü işleme metodunu bulmaya çalışır. Veri çıkarım yöntemleri (aşağıdan-yukarıya): Burada ise, segmentler bir dizi istatistik yöntem ve parametreyle tüm görüntüyü işlemeye bağlı olarak üretilir. Bu yöntemle bütün görüntünün segmentasyonunu gerçekleştirilir. 28

29 Nesne-Tabanlı Sınıflandırma Tekniği - Segmentasyon Kesilmiş pan-sharp QuickBird görüntüsü Level 5 Level 2 29

30 Nesne-Tabanlı Sınıflandırma Tekniği Segmentasyon Parametreleri 30

31 Nesne-Tabanlı Sınıflandırma Tekniği Aynı segmentasyon parametreleriyle oluşturulmuş vektörlü ve vektörsüz segmentasyon (A=Vektör Yapılı, B=Vektör yapısız) 31

32 Nesne-Tabanlı Sınıflandırma Tekniğinde Bulanık Mantık 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. Seçilen fonksiyon nesnenin o özelliği için karşılık gelecek üyelik değerini belirlemede direk rol oynar. Örneğin sinüs eğrisine benzer yapıda bir eğri kullanmak daha yumuşak geçişli sonuçlar verirken, dikdörtgensel fonksiyonlar kullanmak daha sert ve geçişe izin vermeyen sonuçlar verir. Bundan sonra yapılması gereken sınıf atamalarının yapılabilmesi için, o sınıf içine dahil edilmesi gereken nesneler için uygun öznitelikleri belirlemektir. Bu öznitelikler bazı üyelik fonksiyonlarıyla birlikte uygun sınıf içinde tanımlanır. 32

33 Uygulama 1 Safranbolu Örneği Safranbolu ya ait yüksek çözünürlüklü IKONOS görüntüsü kullanılarak bölgedeki tarihi binaların, klasik piksel-tabanlı ve nesne-tabanlı sınıflandırma tekniklerinin performansları karşılaştırılmıştır. Test alanı, Safranbolu nun tarihi yapılarını (Cinci Kervansarayı, Cinci Hamamı, Saat Kulesi, Eski Hükümet Binası Eski Cezaevi, Köprülü Mehmet Paşa Camii ve İzzet Paşa Camii) kapsayan bölgedir. Safranbolu nun tarihi yapıları Pan-sharp IKONOS görüntüsü 33

34 Uygulama 1 Safranbolu Örneği Çalışmayı zenginleştirmek için iki adet vektör veri ve mevcut hava fotoğrafları kullanılmıştır. Bu iki vektör verileri, eski tarihli 1:1000 ölçekli harita ve IKONOS görüntüsü kullanılarak ekran üzerinden sayısallaştırma yöntemi yardımıyla üretilen sayısallaştırılmış bina vektör verileridir. 34

35 Uygulama 1 Safranbolu Örneği Piksel-tabanlı sınıflandırma - PCI Geomatica v9.1.6 yazılımı 35

36 Uygulama 1 Safranbolu Örneği Nesne-tabanlı sınıflandırma ecognition v4.0.6 yazılımı Görüntü ecognition yazılımı altında çoklu segmentasyon aşamasıyla 9 farklı segmentlere ayrılmış ve oluşan katmanlardan arasından en uygun olan 7. katman seçilmiştir. Segmentasyon aşamasında görüntünün altına 1:1000 ölçekli haritadan sayısallaştırılan vektör katmanı koyularak en uygun segmentasyon sonucuna ulaşılması sağlanmıştır. Sınıflandırma aşamasına geçilmeden önce, tarihi bina sınıfı oluşturulmuş ve uygun üyelik fonksiyonları seçilerek segmentler bu sınıfa dahil edilmiştir. 36

37 Uygulama 1 Safranbolu Örneği Test alanında oluşturulan sınıf hiyerarşisinden elde edilen sınıflandırma sonuçlarına göre, Safranbolu daki bir çok tarihi bina çıkarılmıştır. Sınıflandırma kalitesi, önemli ve ilk adım olan segmentasyon aşamasının kalitesine bağlıdır. Bu amaçla bu aşamada, segmentasyonun kalitesinin geliştirilmesi için vektör veri kullanılmış ve böylelikle gerçeğe uygun ve düzgün şekilli segmentler oluşturulmuştur. 37

38 Uygulama 1 Safranbolu Örneği Uzaktan algılamada sınıflandırma doğruluğu, seçilen referans bilgiler ve sınıflandırılmış veri arasındaki uyuşmanın belirlenmesi anlamına gelmektedir. PCI yazılımında, çalışmada rastgele 150 piksel seçilmiş ve yer gerçeği verileriyle uyuşumu analiz edilmiştir. ecognition yazılımında doğruluk değerlendirmesini yapmak üzere rastgele örnek nesneler seçilmiştir. Her iki yazılımda da hata matrisleri oluşturulmuş ve sunulmuştur. 38

39 Uygulama 1 Safranbolu Örneği Piksel-tabanlı sınıflandırma yaklaşımla çıkarılan tarihi yapıların kullanıcı doğruluğunun normal değerde, fakat üretici doğruluğunun düşük değerde olduğu görülmektedir. Toplam doğruluklara göre nesne-tabanlı sınıflandırma yaklaşımı daha doğru sonuçlar üretmiştir. Bunun nedeni, bu yaklaşımda oluşturulan segmentlerin bütünlüğüdür. Böylece, toplam doğruluğu piksel-tabanlı yaklaşıma nazaran daha iyidir. 39

40 Uygulama 1 Safranbolu Örneği 40

41 Uygulama 1 Safranbolu Örneği - Sonuçlar Nesne-tabanlı sınıflandırma yaklaşımıyla çalışan ecognition yazılımında ilk olarak segmentasyon aşaması başlatılmış ve bulanık mantıkla çalışan sınıflandırma gerçekleştirilmiştir. Nesne-tabanlı görüntü analizi yaklaşımı yüksek çözünürlüklü uydu görüntüleri kullanılarak nesne çıkarımında tatmin edici sonuçlar göstermiştir. Detaylı doğruluk sonuçları hata matrisleri olarak elde edilmiş ve bunlar, doğru nesne sınıflandırması açısından nesne-tabanlı yaklaşımın, klasik piksel-tabanlı yaklaşıma göre çok ileride bir yöntem olduğunu göstermiştir. Sınıflandırma aşamasında ecognition yazılımındaki bulanık mantık sınıflandırması büyük yarar sağlamış, piksel-tabanlı sınıflandırma sonuçlarına nazaran gerçeğe yakın ve daha doğru sonuçlar vermiştir. Yazılımın bir diğer avantajı da, vektör dosyaların oluşturulmasının, yazılımının bir adımı olmasıdır. Böylece sınıflandırma sonuçları kolayca çıkarılabilmekte, herhangi bir Coğrafi Bilgi Sistemine aktarılabilmekte ve tablo verisi olarak kullanılabilmektedir. 41

42 Uygulama 2 Zonguldak Örneği Uygulamanın İçeriği Test Alanına Ait Nesne-Tabanlı Sınıflandırma ve Sonuç Ürünleri Test Alanına Ait Diğer Mevcut ve Üretilen Vektör Ürünleri CBS Ortamında Karşılaştırmalı Analizler Referans Vektör Harita ve Elle Vektörleştirme Sonuçlarının Karşılaştırılması Referans Vektör Harita ve Nesne-tabanlı Sonuçların Karşılaştırılması Sonuçlar 42

43 Uygulama 2 Zonguldak Örneği Test alanının pan-sharp QuickBird görüntüsünün üretilmesi, Bölgedeki kültürel detaylar olan binalar ve yolların, nesne-tabanlı görüntü analizi yazılımı olan ecognition yazılımı kullanılarak çıkarılması, Elde edilen sonuçların vektör ürün haline getirilmesi ve bir bilgi sistemi ortamına aktarımı, Bu vektör ürünün, test alanının mevcut 1/5000 ölçekli referans vektör haritası ile coğrafi tabanlı yazılımda karşılaştırılması ve nesne-tabanlı sonuçların diğer bir yöntem olan elle vektörleştirme ile elde edilen vektör ürünlerine karşı başarısının analizinin yapılması. 43

44 Uygulama 2 Zonguldak Örneği Test alanı Pan-sharp QuickBird görüntüsü, 0.6m YÖA (~1 km x 1 km) 44

45 Uygulama 2 Zonguldak Örneği Pan-Sharp İşlemi QuickBird multispektral görüntüsü, 2.4m YÖA QuickBird pankromatik görüntüsü, 0.60m YÖA 45

46 Uygulama 2 Zonguldak Örneği Pan-Sharp İşlemi 2.4m YÖA 0.6m YÖA Pan-sharp QuickBird görüntüsü, 0.6m YÖA 46

47 Uygulama 2 Zonguldak Örneği Segmentasyon işlemi, Nesne-tabanlı sınıflandırma ecognition V4.0.6 Pan-sharp QuickBird görüntüsü Nesne-tabanlı sınıflandırma sonucu 47

48 Uygulama 2 Zonguldak Örneği Bina yapılarının sınıflandırma sonucu Yol yapılarının sınıflandırma sonucu 48

49 Uygulama 2 Zonguldak Örneği Bina için 100 adet ve yol yapıları için 50 adet örnek nesne seçilmiştir. Bina ve yol sınıfları için istatistiki veri, örnek nesnelere göre oluşturulan hata matrisi türü seçilerek oluşturulmuştur. Toplam doğruluğun yaklaşık %78 olduğu görülmüştür. Üretici doğruluklarında, bina yapılarının %81 ve yol yapılarının %72, kullanıcı doğruluklarında ise bina yapılarının %100 ve yol yapılarının %82 gibi değerleri ön plana çıkmaktadır. Bu istatistiksel verilerden, görüntüdeki bina yapılarının ilgili sınıfa dahil etmede başarılı olduğu ve bina sınıflandırmasının daha tatmin sonuçlar verdiği, yol yapılarının ise ilgili sınıfa dahil edilmesinde daha az başarılı olduğunu ve bazı yanlış sınıflandırmaların oluştuğu söylenebilmektedir. 49

50 Uygulama 2 Zonguldak Örneği Nesne-tabanlı sınıflandırma sonuçları, vektör ürün haline kolaylıkla çevrilebildiği için CBS uygulamalarına altlık oluşturma açısından oldukça fazla kolaylıklar sağlamaktadır. Yol ve bina yapılarının sınıflandırma sonuçları, sonraki karşılaştırma, sorgulama ve analiz aşamalarında kullanılmak amacıyla vektör ürün haline getirilmiştir. Bina yapılarının vektör ürünü Yol sınıflarının vektör ürünü 50

51 Uygulama 2 Zonguldak Örneği Elde edilen nesne-tabanlı sonuçlar vektör ürün haline getirildikten sonra bir bilgi sistemi ortamına aktarılıp, test alanına ait diğer mevcut ve üretilmiş ürünlerle karşılaştırılarak analiz ve sorgulamalar yapılması amaçlanmıştır. 1/5000 ölçekli vektör haritadaki bina ve yol yapıları 51

52 Uygulama 2 Zonguldak Örneği Görüntüden elle vektörleştirme sonucu elde edilen bina ve yol yapıları 52

53 Uygulama 2 Zonguldak Örneği (Referans Vektör Harita ve Elle Vektörleştirme Sonuçlarının Karşılaştırılması Bina yapısı) Görüntü üzerine bindirilmiş referans vektör harita Kırmızı: Referans Vektör, Mavi: Elle vektörleştirme (%90 başarı) 53

54 Uygulama 2 Zonguldak 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 54

55 Uygulama 2 Zonguldak Örneği (Referans Vektör Harita ve Elle Vektörleştirme Sonuçlarının Karşılaştırılması Yol yapısı) Görüntü üzerine bindirilmiş referans vektör harita Kırmızı: Referans Vektör, Mavi: Elle vektörleştirme (%85 başarı) 55

56 Uygulama 2 Zonguldak 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 56

57 Uygulama 2 Zonguldak Örneği (Referans Vektör Harita ve Nesne-Tabanlı Sonuçların Karşılaştırılması Bina yapısı) Görüntü üzerine bindirilmiş referans vektör harita Kırmızı: Referans Vektör, Mavi: Nesne-tabanlı sonuçlar (%85 başarı) 57

58 Uygulama 2 Zonguldak Örneği (Referans Vektör Harita ve Nesne-Tabanlı Sonuçların Karşılaştırılması Bina yapısı) Kırmızı: Referans Vektör, Mavi: Görüntü üzerine bindirilmiş nesne-tabanlı sınıflandırma sonuçları 58

59 Uygulama 2 Zonguldak Örneği (Referans Vektör Harita ve Nesne-Tabanlı Sonuçların Karşılaştırılması Yol yapısı) Görüntü üzerine bindirilmiş referans vektör harita Kırmızı: Referans Vektör, Mavi: Nesne-tabanlı sonuçlar (%70 başarı) 59

60 Uygulama 2 Zonguldak Örneği (Referans Vektör Harita ve Nesne-Tabanlı Sonuçların Karşılaştırılması Yol yapısı) Kırmızı: Referans Vektör, Mavi: Görüntü üzerine bindirilmiş nesne-tabanlı sınıflandırma sonuçları 60

61 Uygulama 2 Zonguldak Örneği - Sonuçlar Nesne-tabanlı görüntü analizi günümüzde özellikle detay çıkarımı, arazi değişiminin belirlenmesi ve harita bilgilerinin revizyonunun yapılması için gerekli hale gelmiştir. Yüksek çözünürlüklü uydu görüntülerinden detay çıkarımı uygulamalarında görüntünün ekran üzerinden elle vektörleştirme işlemi oldukça fazla zaman almaktadır. Bu yaklaşımla üretilen vektör haritanın başarısı, bina ve yol yapılarında, 1/5000 ölçekli referans vektör haritayı büyük oranda karşılamaktadır. Detay çıkarım yöntemlerinden biri olan nesne-tabanlı yaklaşım ise çıkarım işleminin en kısa sürede ve yarı-otomatik gerçekleştirilmesine olanak tanımaktadır. Bu yaklaşımla üretilen vektör haritanın başarısı, bina yapılarında 1/5000 ölçekli referans vektör haritadaki aynı yapıları %85 oranında karşılamaktadır. Bu değerin elle vektörleştirme sonuçlarına yakın olması, nesnetabanlı yaklaşımların kullanılabilirliğini arttırmaktadır. 61

62 Uygulama 2 Zonguldak Örneği - Sonuçlar Nesne-tabanlı yarı-otomatik yol çıkarımlarında ise, analiz ve karşılaştırmalar sonucunda, referans vektör haritayı yaklaşık %70 oranında karşıladığı görülmüştür. Bu düşük değerin sebebi, kullanılan görüntüdeki detayların durumu (planlı ve plansız yapılaşma, büyük binalar, ara yollar vb.), aralarındaki kontrast değerleri, mevcut gölge sorunu ve test alanın topoğrafyası olarak gösterilebilir. Görüntüdeki bazı yol detaylarının, beton çatılı bina yapıları ile aynı spektral yansımayı vermesinden dolayı segmentasyon ve sınıflandırma aşaması olumsuz yönde etkilenmiş, böylece sonuç ürün referans vektörü tam anlamıyla karşılayamamıştır. 62

63 Uygulama 2 Zonguldak Örneği - Sonuçlar Elle vektörleştirmede operatör bilgisi kullanılabilirken, aynı durum nesne-tabanlı yaklaşımda geçerli olmamaktadır. Örneğin devam eden bir yolun ağaç altında kalması veya tünelle devam etmesi durumunda elle vektörleştirme yapan bir operatör, bilgisi dahilinde bu yol yapısını devam ettirebilirken, nesne-tabanlı yaklaşımın operatör bağımsız olması bu duruma izin vermemektedir. Buna karşın, nesne-tabanlı detay çıkarım yaklaşımda uygulanan bulanık üyelik fonksiyonları, yukarıdaki sorunun bir miktar giderilmesinde yardımcı olmakta ve spektral analizin dışında da imkanlar sağlamaktadır. 63

64 Uygulama 2 Zonguldak Örneği - Sonuçlar Nesne-tabanlı detay çıkarım sonuçları, vektör yapıya çevrilebildiği için CBS uygulamalarına altlık oluşturma açısından oldukça fazla kolaylıklar sağlamaktadır. Sonuç ürünlerin bir CBS yazılımı altında toplanmasıyla, test alanına ait diğer grafik ve öznitelik bilgileriyle birlikte analiz ve sorgulamaları yapılabilmektedir. Bu bağlamda, test alanı için mevcut raster ve vektör verilerle birlikte CBS tabanlı analiz ve karşılaştırmalarının yapılması, güncel durumun ortaya konması açısından önem taşımaktadır. Böylece kentsel oluşum sürecinde analizler yapılarak ileriye yönelik projeler için bir sayısal altlık oluşturulması sağlanabilmektedir. 64

65 Uygulama 3 Zonguldak Örneği Zonguldak ili bölgesine ait orta çözünürlüklü Landsat 7 ETM+ ASTER görüntüleri kullanılarak, bölgedeki farklı yapıdaki detayların nesne-tabanlı sınıflandırma tekniklerinin performansları karşılaştırılmıştır. 65

66 Uygulama 3 Zonguldak Örneği Landsat 7 ETM+ ve ASTER Görüntülerinin Spektral Bandları ve YÖA Değerleri 66

67 Uygulama 3 Zonguldak Örneği Landsat 7 ETM+ ve ASTER Görüntülerinin Nesne-Tabanı Sınıflandırma Sonuçları ve Oluşan Arazi Sınıfları (TÜM GÖRÜNTÜ) 67

68 Uygulama 3 Zonguldak Örneği Landsat 7 ETM+ ASTER Landsat 7 ETM+ ve ASTER Görüntülerinin Nesne-Tabanı Sınıflandırma Sonuçları ve Oluşan Arazi Sınıfları (ZONGULDAK ŞEHİR MERKEZİ) 68

69 Uygulama 3 Zonguldak Örneği Landsat 7 ETM+ Spot Landsat 7 ETM+ ve Spot Görüntüleri (ZONGULDAK ve ÇEVRESİ) 69

70 Uygulama 3 Zonguldak Örneği Landsat 7 ETM+ Spot Landsat 7 ETM+ ve Spot Görüntülerinin Nesne-Tabanlı Sınıflandırma Sonuçları ve Oluşan Arazi Sınıfları (ZONGULDAK ve ÇEVRESİ) 70

71 Uygulama 4 Bartın Örneği Ikonos Görüntüsü (Solda) ve Görüntünün Nesne-Tabanlı Sınıflandırma Sonucu (Sağda) (Bartın Merkez) 71

72 KAYNAKLAR, Yrd. Doç. Dr. Aycan Murat MARANGOZ, Bülent Ecevit Üniversitesi Müh. Fak. Jeodezi ve Fot. Müh. Bölümü, Fotogrametri ABD Sunuları, 2012 Uydu Görüntülerinden Kentsel Ayrıntıların Nesne-Tabanlı Sınıflandırma Yöntemiyle Belirlenmesi ve CBS Ortamında Bütünleştirilmesi, Yrd. Doç. Dr. Aycan M. MARANGOZ, Danışman: Prof. Dr. Zübeyde ALKIŞ, Doktora Tezi, YTÜ Fen Bilimleri Enstitüsü, Jeodezi ve Fotogrametri Müh. ABD, Uzaktan Algılama ve CBS Programı, Ekim 2009 Yüksek Çözünürlüklü Uydu Görüntülerinden Kentsel Ayrıntıların Nesne-Tabanlı Sınıflandırma Tekniğiyle Otomatik Olarak Belirlenmesi ve Coğrafi Bilgi Sistemi (CBS) Ortamında Bütünleştirilmesine Yönelik Araştırma, Yrd. Doç. Dr. Serkan KARAKIIŞ, ZKÜ Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, 2005 Zonguldak Bölgesindeki Doğal Olmayan Çevresel Değişimlerin Uydu Görüntü Verileri ile Analizi, Uzman Murat ORUÇ, Yüksek Lisans Tezi, ZKÜ Fen Bilimleri Enstitüsü, 2003 Tübitak Raporu (2006), Batı Karadeniz Bölgesinin Uzay Görüntülerinin Harita Yapım Amaçlı Geometrik ve Semantik Analizi ve Veritabanı Oluşturulması, Çevre, Atmosfer, Yer ve Deniz Bilimleri Araştırma Grubu, Tübitak Projesi No: 104Y050, Haziran 2006, Zonguldak Baatz, M., Benz, U., Dehghani, S., Heynen, M., Höltje, A., Hofmann, P., Lingenfelder, I., Mimler, M., Sohlbach, M., Weber, M. and Willhauck, G., ecognition Professional: User Guide 5, Munich: Definiens-Imaging. Darwish A, Leukert K. and Reinhart, W., Image Segmentation for The Purpose of Object-Based Classification. Proceedings of IGARSS 2003 IEEE, Toulouse. Hofmann, P, 2001a. Detecting Buildings and Roads from Ikonos Data Using Additional Elevation Information, GIS Geo-Information-System, 6/2001. Hofmann, P, 2001b. Detecting Informal Settlements from Ikonos Image Data Using Methods Of Object Oriented Image Analysis - An Example From Cape Town,In: Remote Sensing of Urban Areas, edited by Jürgens, Carsten (Regensburg). Hofmann, P, 2001c. Detecting Urban Features from Ikonos Data Using an Object-Oriented Approach, RSPS 2001, Geomatics, Earth Observation and the Information Society. Karakış, S., Marangoz, A. M., Büyüksalih, G., (2005), Quickbird Pan-Sharpened Görüntüsü Üzerinden Otomatik Detay Çıkarımı ve Coğrafi Bilgi Sistemlerine Uygunluğunun Analizi, 10.Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara Marangoz, A. M., Oruç, M., Karakış, S., ve Şahin, H., Comparison of Pixel-Based and Object-Oriented Classification Using Ikonos Imagery for Automatic Building Extraction Safranbolu Testfield, Fifth International Symposium "Turkish-German Joint Geodetic Days", Berlin Technical University, Germany, March 2006 Marangoz, A. M., Karakış, S., Oruç, M. ve Büyüksalih, G., (2005), Nesne-Tabanlı Görüntü Analizi ve Ikonos Pan-Sharpened Görüntüsünü Kullanarak Yol ve Binaların Çıkarımı, 10.Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara Oruç, M., Marangoz, A. M. ve Büyüksalih, G., (2004), Comparison of Pixel-based and Object-oriented Classification Approaches Using LANDSAT-7 ETM Spectral Bands, ISRPS 2004 Annual Conference, July 2004, Istanbul, Turkey. 72

JDF821 UZAKTAN ALGILAMA GÖRÜNTÜLERİNDEN DETAY ÇIKARIMI Sunu2

JDF821 UZAKTAN ALGILAMA GÖRÜNTÜLERİNDEN DETAY ÇIKARIMI Sunu2 JDF821 UZAKTAN ALGILAMA GÖRÜNTÜLERİNDEN DETAY ÇIKARIMI Sunu2 Yrd. Doç. Dr. Aycan M. MARANGOZ FOTOGRAMETRİ ANABİLİM DALI SUNULARI http://jeodezi.beun.edu.tr/marangoz 2012-2013 Öğretim Yılı Bahar Dönemi

Detaylı

NESNE-TABANLI OTOMATİK DETAY ÇIKARIMLARINDAN ELDE EDİLEN VEKTÖR ÜRÜNÜN CBS ORTAMINA AKTARILMASI VE MEVCUT DİĞER VERİLERLE BÜTÜNLEŞTİRİLMESİ

NESNE-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

Detaylı

PAN-SHARP LANDSAT 7 ETM+ GÖRÜNTÜSÜ KULLANILARAK PİKSEL-TABANLI VE NESNE-TABANLI SINIFLANDIRMA YAKLAŞIMLARININ KARŞILAŞTIRILMASI

PAN-SHARP LANDSAT 7 ETM+ GÖRÜNTÜSÜ KULLANILARAK PİKSEL-TABANLI VE NESNE-TABANLI SINIFLANDIRMA YAKLAŞIMLARININ KARŞILAŞTIRILMASI TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı 2-6 Nisan 2007, Ankara PAN-SHARP LANDSAT 7 ETM+ GÖRÜNTÜSÜ KULLANILARAK PİKSEL-TABANLI VE NESNE-TABANLI SINIFLANDIRMA

Detaylı

UZAKTAN 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 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

Detaylı

KENTSEL 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 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

Detaylı

Anahtar Sözcükler Uzaktan Algılama, Yer Yüzey Sıcaklığı (YYS), Yüksek çözünürlüklü uydu görüntüleri, Bölgesel iklim değişikliği

Anahtar 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

Detaylı

NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE IKONOS PAN-SHARPENED GÖRÜNTÜSÜNÜ KULLANARAK YOL VE BİNALARIN ÇIKARIMI

NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE IKONOS PAN-SHARPENED GÖRÜNTÜSÜNÜ KULLANARAK YOL VE BİNALARIN ÇIKARIMI TMMOB Harita ve Kadastro Mühendisleri Odası 10. Türkiye Harita Bilimsel ve Teknik Kurultayı 28 Mart - 1 Nisan 2005, Ankara NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE IKONOS PAN-SHARPENED GÖRÜNTÜSÜNÜ KULLANARAK YOL

Detaylı

QUICKBIRD PAN-SHARPENED GÖRÜNTÜSÜ ÜZERİNDEN OTOMATİK DETAY ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE UYGUNLUĞUNUN ANALİZİ

QUICKBIRD PAN-SHARPENED GÖRÜNTÜSÜ ÜZERİNDEN OTOMATİK DETAY ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE UYGUNLUĞUNUN ANALİZİ TMMOB Harita ve Kadastro Mühendisleri Odası 10. Türkiye Harita Bilimsel ve Teknik Kurultayı Mart 2005, Ankara QUICKBIRD PAN-SHARPENED GÖRÜNTÜSÜ ÜZERİNDEN OTOMATİK DETAY ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE

Detaylı

NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE IKONOS PAN-SHARPENED GÖRÜNTÜSÜNÜ KULLANARAK YOL VE BİNALARIN ÇIKARIMI

NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE IKONOS PAN-SHARPENED GÖRÜNTÜSÜNÜ KULLANARAK YOL VE BİNALARIN ÇIKARIMI TMMOB Harita ve Kadastro Mühendisleri Odası 10. Türkiye Harita Bilimsel ve Teknik Kurultayı 28 Mart - 1 Nisan 2005, Ankara NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE IKONOS PAN-SHARPENED GÖRÜNTÜSÜNÜ KULLANARAK YOL

Detaylı

UZAKTAN ALGILAMA Uydu Görüntülerinin Sağladığı Bilgi İçeriği Kavramı

UZAKTAN 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/

Detaylı

TMMOB Harita ve Kadastro Mühendisleri Odası, 16. Türkiye Harita Bilimsel ve Teknik Kurultayı, 3-6 Mayıs 2017, Ankara.

TMMOB 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

Detaylı

ZONGULDAK 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 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

Detaylı

SAFRANBOLU DAKİ TARİHİ VE KÜLTÜREL MİRASIN YÜKSEK ÇÖZÜNÜRLÜKLÜ IKONOS GÖRÜNTÜSÜ KULLANILARAK NESNE-TABANLI OTOMATİK ÇIKARIMI

SAFRANBOLU DAKİ TARİHİ VE KÜLTÜREL MİRASIN YÜKSEK ÇÖZÜNÜRLÜKLÜ IKONOS GÖRÜNTÜSÜ KULLANILARAK NESNE-TABANLI OTOMATİK ÇIKARIMI TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı 2-6 Nisan 2007, Ankara SAFRANBOLU DAKİ TARİHİ VE KÜLTÜREL MİRASIN YÜKSEK ÇÖZÜNÜRLÜKLÜ IKONOS GÖRÜNTÜSÜ KULLANILARAK

Detaylı

Aycan Murat MARANGOZ 1, Zübeyde ALKIŞ 2

Aycan 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

Detaylı

UYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA

UYDU 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

Detaylı

Uzaktan Algılama Uygulamaları

Uzaktan 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

Detaylı

TMMOB 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 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

Detaylı

TÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun.

TÜRKİYE 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

Detaylı

SAKARYA NIN KARASU İLÇESİNDEKİ KIYI ŞERİDİNİN LANDSAT GÖRÜNTÜLERİNİN NESNE TABANLI SINIFLANDIRMA TEKNİKLERİ KULLANILARAK ZAMANSAL ANALİZİ

SAKARYA NIN KARASU İLÇESİNDEKİ KIYI ŞERİDİNİN LANDSAT GÖRÜNTÜLERİNİN NESNE TABANLI SINIFLANDIRMA TEKNİKLERİ KULLANILARAK ZAMANSAL ANALİZİ TMMOB Harita ve Kadastro Mühendisleri Odası, 14. Türkiye Harita Bilimsel ve Teknik Kurultayı, 14-17 Mayıs 2013, Ankara. SAKARYA NIN KARASU İLÇESİNDEKİ KIYI ŞERİDİNİN LANDSAT GÖRÜNTÜLERİNİN NESNE TABANLI

Detaylı

Uydu Görüntüleri ve Kullanım Alanları

Uydu 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

Detaylı

Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF435 UZAKTAN ALGILAMA DERSİ NOTLARI

Yrd. 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

Detaylı

ArcGIS ile Tarımsal Uygulamalar Eğitimi

ArcGIS 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

Detaylı

UZAKTAN ALGILAMA ARACILIĞIYLA TARIMSAL PEYZAJ KARAKTERİZASYONU

UZAKTAN ALGILAMA ARACILIĞIYLA TARIMSAL PEYZAJ KARAKTERİZASYONU UZAKTAN ALGILAMA ARACILIĞIYLA TARIMSAL PEYZAJ KARAKTERİZASYONU Serhat CENGİZ 1, Sevgi GÖRMÜŞ 2, Ayhan ATEŞOĞLU 3 1 Yük. Peyzaj Mimarı, Bartın Üniversitesi, Peyzaj Mimarlığı Bölümü, 74100, Bartın, srhtcengiz@gmail.com

Detaylı

UZAKTAN ALGILAMA- UYGULAMA ALANLARI

UZAKTAN 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

Detaylı

3.2. Raster Veriler. Satırlar. Sütunlar. Piksel/hücre büyüklüğü

3.2. 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,

Detaylı

İNSANSIZ HAVA ARACI VERİLERİNDEN NESNE TABANLI BİNA ÇIKARIMI

İNSANSIZ HAVA ARACI VERİLERİNDEN NESNE TABANLI BİNA ÇIKARIMI 319 [1054] İNSANSIZ HAVA ARACI VERİLERİNDEN NESNE TABANLI BİNA ÇIKARIMI Resul Çömert 1, Uğur Avdan 2, Z. Damla Uça Avcı 3 1 Araş. Gör., Anadolu Üniversitesi, Yer ve Uzay Bilimleri Enstitüsü, 26555,Eskişehir,

Detaylı

Fethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti

Fethiye 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

Detaylı

Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi

Yrd. 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)

Detaylı

ZONGULDAK 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 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

Detaylı

Haritacılık Bilim Tarihi

Haritacılık 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

Detaylı

ORM 7420 USING SATELLITE IMAGES IN FOREST RESOURCE PLANNING

ORM 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,

Detaylı

YOĞUN 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 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,

Detaylı

PAN-SHARP QUICKBIRD GÖRÜNTÜSÜ KULLANILARAK NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE EKRAN ÜZERİNDEN ELLE SAYISALLAŞTIRMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI

PAN-SHARP QUICKBIRD GÖRÜNTÜSÜ KULLANILARAK NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE EKRAN ÜZERİNDEN ELLE SAYISALLAŞTIRMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı 2-6 Nisan 2007, Ankara PAN-SHARP QUICKBIRD GÖRÜNTÜSÜ KULLANILARAK NESNE-TABANLI GÖRÜNTÜ ANALİZİ VE EKRAN ÜZERİNDEN

Detaylı

Görüntü Sınıflandırma

Görüntü Sınıflandırma Görüntü Sınıflandırma Chapter 12 https://www.google.com.tr/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0 CBwQFjAA&url=http%3A%2F%2Ffaculty.une.edu%2Fcas%2Fszeeman%2Frs%2Flect%2FCh%2 52012%2520Image%2520Classification.ppt&ei=0IA7Vd36GYX4Uu2UhNgP&usg=AFQjCNE2wG

Detaylı

TEMEL GÖRÜNTÜ BİLGİSİ

TEMEL 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/

Detaylı

NESNE TABANLI VE PİKSEL TABANLI SINIFLANDIRMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI ( IKONOS ÖRNEĞİ )

NESNE TABANLI VE PİKSEL TABANLI SINIFLANDIRMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI ( IKONOS ÖRNEĞİ ) NESNE TABANLI VE PİKSEL TABANLI SINIFLANDIRMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI ( IKONOS ÖRNEĞİ ) K. Kalkan 1, D. Maktav 2 1 İstanbul Teknik Üniversitesi, Geomatik Mühendisliği Bölümü, 34469, Maslak, İstanbul.

Detaylı

Araştırma Görevlisi İSMAİL ÇÖLKESEN

Araştırma Görevlisi İSMAİL ÇÖLKESEN Araştırma Görevlisi İSMAİL ÇÖLKESEN ÖZGEÇMİŞ Adı Soyadı : İSMAİL ÇÖLKESEN Doğum Tarihi : 1981 Ünvanı : Dr. Öğrenim Durumu : Derece Alan Üniversite Lisans Yüksek Lisans Doktora Jeodezi ve Fotogrametri Müh.

Detaylı

Uzaktan Algılama Teknolojileri

Uzaktan 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

Detaylı

YÜKSEK ÇÖZEBİLİRLİKLİ UYDU GÖRÜNTÜLERİNİN BİLGİ İÇERİKLERİNİN KARŞILAŞTIRILMASI

YÜKSEK 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

Detaylı

Uydu görüntülerinin bilgi içeriğinin topografik harita yapımı açısından incelenmesi

Uydu 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

Detaylı

YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ VE HAVA FOTOĞRAFLARINDAN OTOMATİK BİNA YAKALAMA

YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ VE HAVA FOTOĞRAFLARINDAN OTOMATİK BİNA YAKALAMA ÖZET TMMOB Harita ve Kadastro Mühendisleri Odası 13. Türkiye Harita Bilimsel ve Teknik Kurultayı 18 22 Nisan 2011, Ankara YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ VE HAVA FOTOĞRAFLARINDAN OTOMATİK BİNA YAKALAMA

Detaylı

Sevim Yasemin ÇİÇEKLİ 1, Coşkun ÖZKAN 2

Sevim Yasemin ÇİÇEKLİ 1, Coşkun ÖZKAN 2 1078 [1025] LANDSAT 8'İN ADANA SEYHAN BARAJ GÖLÜ KIYI ÇİZGİSİNİN AYLIK DEĞİŞİMİNİN BELİRLENMESİNDE KULLANILMASI Sevim Yasemin ÇİÇEKLİ 1, Coşkun ÖZKAN 2 1 Arş. Gör., Erciyes Üniversitesi, Harita Mühendisliği

Detaylı

Yıldız Teknik Üniversitesi Bilgi Sistemi AutoCAD Map İle Gerçekleştirilen Bir Uygulama

Yıldız Teknik Üniversitesi Bilgi Sistemi AutoCAD Map İle Gerçekleştirilen Bir Uygulama Yıldız Teknik Üniversitesi Bilgi Sistemi AutoCAD Map İle Gerçekleştirilen Bir Uygulama Arzu Çöltekin Yıldız Teknik Üniversitesi Jeodezi ve Fotogrametri Yük. Müh. Araştırma Görevlisi 1/5 Özet Günümüzde

Detaylı

CORINE 1990 ve 2006 Uydu Görüntüsü Yorumlama Projesi. Kurum adı : T.C. Orman ve Su İşleri Bakanlığı. Proje durumu : Tamamlandı.

CORINE 1990 ve 2006 Uydu Görüntüsü Yorumlama Projesi. Kurum adı : T.C. Orman ve Su İşleri Bakanlığı. Proje durumu : Tamamlandı. CORINE 1990 ve 2006 Uydu Görüntüsü Yorumlama Projesi Kurum adı : T.C. Orman ve Su İşleri Bakanlığı Proje durumu : Tamamlandı. Uygulama adresleri: http://aris.cob.gov.tr/crn/ http://aris.cob.gov.tr/csa/

Detaylı

İçerik. Giriş 1/23/13. Giriş Problem Tanımı Tez Çalışmasının Amacı Metodoloji Zaman Çizelgesi. Doktora Tez Önerisi

İçerik. 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

Detaylı

Su Üzerindeki Köpr ülerin Nesne Yönelimli Yöntemlerle Far klı Gör üntüler Kullanılarak Çıkarılması

Su Üzerindeki Köpr ülerin Nesne Yönelimli Yöntemlerle Far klı Gör üntüler Kullanılarak Çıkarılması TMMOB Harita ve Kadastro Mühendisleri Odası, 15. Türkiye Harita Bilimsel ve Teknik Kurultayı, 25 28 Mart 2015, Ankara. Özet Su Üzerindeki Köpr ülerin Nesne Yönelimli Yöntemlerle Far klı Gör üntüler Kullanılarak

Detaylı

UZAKTAN ALGILAMA TEKNOLOJİLERİ ile ARAZİ ÖRTÜSÜ ve ARAZİ KULLANIMININ BELİRLENMESİ

UZAKTAN 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

Detaylı

YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ KULLANILARAK ORMAN ÖRTÜSÜNÜN SEGMENT-TABANLI SINIFLANDIRILMASI ÖZET

YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ KULLANILARAK ORMAN ÖRTÜSÜNÜN SEGMENT-TABANLI SINIFLANDIRILMASI ÖZET III. Ulusal Karadeniz Ormancılık Kongresi 20-22 Mayıs 2010 Cilt: II Sayfa: 471-476 YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ KULLANILARAK ORMAN ÖRTÜSÜNÜN SEGMENT-TABANLI SINIFLANDIRILMASI Muhittin İNAN 1, Hakan

Detaylı

Aslı SABUNCU 1, Zehra Damla UÇA AVCI 2, Filiz SUNAR 3

Aslı SABUNCU 1, Zehra Damla UÇA AVCI 2, Filiz SUNAR 3 430 [1315] YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİSİ İLE NESNE TABANLI SINIFLANDIRMA UYGULAMASINDA MEVSİMSEL KOŞULLARIN ETKİSİ Aslı SABUNCU 1, Zehra Damla UÇA AVCI 2, Filiz SUNAR 3 1 Araş.Gör., Boğaziçi Üniversitesi,

Detaylı

KADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ

KADASTRO 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

Detaylı

2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir.

2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir. ÇELĐK YÜZEYLERĐN SINIFLANDIRILMASI * Cem ÜNSALAN ** Aytül ERÇĐL * Ayşın ERTÜZÜN *Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü unsalan@boun.edu.tr **Boğaziçi Üniversitesi, Endüstri Mühendisliği

Detaylı

Proje kapsamında Arazi İzleme Sisteminin bir bütün olarak sunulması için bir portal yapısı hazırlanmıştır. Arazi İzleme Sistemi;

Proje kapsamında Arazi İzleme Sisteminin bir bütün olarak sunulması için bir portal yapısı hazırlanmıştır. Arazi İzleme Sistemi; Arazi İzleme CORINE WEB Portal Projesi Kurum adı : T.C. Orman ve Su İşleri Bakanlığı Proje durumu : Tamamlandı. Uygulama adresleri: http://aris.cob.gov.tr http://aris.cob.gov.tr/csa/ http://aris.cob.gov.tr/csa/

Detaylı

Dijital (Sayısal) Fotogrametri

Dijital (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

Detaylı

Uzaktan Algılama Teknolojileri

Uzaktan 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

Detaylı

Trafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi

Trafik 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,

Detaylı

Avlanmaya Açık ve Kapalı Alanlara İlişkin Coğrafi Bilgi Sistemi Projesi

Avlanmaya Açık ve Kapalı Alanlara İlişkin Coğrafi Bilgi Sistemi Projesi Avlanmaya Açık ve Kapalı Alanlara İlişkin Coğrafi Bilgi Sistemi Projesi Kurum adı : T.C. Orman ve Su İşleri Bakanlığı, Bilgi İşlem Dairesi Başkanlığı, Doğa Koruma ve Milli Parklar Genel Müdürlüğü Av ve

Detaylı

TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi

TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi Kurum Adı : İstanbul Teknik Üniversitesi Bilimsel Araştırma Projeleri Birimi Proje Durumu : Tamamlandı. Projenin

Detaylı

Uydu Görüntüleri ve Kullanım Alanları

Uydu 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

Detaylı

Kültür Varlıklarının Web Otomasyonu

Kültür Varlıklarının Web Otomasyonu Kültür Varlıklarının Web Otomasyonu SUNUM İÇERİĞİ PROJE GEREKLİLİĞİ PROJE İHTİYAÇLARI SİSTEM TASARIMINA GÖRE TEKNOLOJİK ALT YAPI DÜZENLENEN SİSTEMİN GETİRDİĞİ AVANTAJLAR PROJE GEREKLİLİĞİ Taşınmaz kültür

Detaylı

YÜKSEK VE DÜŞÜK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN YOLLARIN TAYİNİ

YÜKSEK VE DÜŞÜK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN YOLLARIN TAYİNİ TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon YÜKSEK VE DÜŞÜK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN YOLLARIN TAYİNİ R. Geçen 1, G.

Detaylı

Yrd. Doç. Dr. Aycan M. MARANGOZ BEÜ ZONGULDAK MYO MİMARLIK VE ŞEHİR PL. BÖL. HARİTA VE KADASTRO PROGRAMI ZHK 117 TEMEL HUKUK DERSİ NOTLARI

Yrd. 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/

Detaylı

FOTOGRAMETRİ DAİRESİ BAŞKANLIĞI FAALIYETLERI

FOTOGRAMETRİ 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

Detaylı

Emrah Kurtoğlu Gamze Dinçar Liva Gizem Göze Ali Kadir Ulu

Emrah 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

Detaylı

ORM 7420 ORMAN KAYNAKLARININ PLANLANMASINDA UYGU GÖRÜNTÜLERİNİN KULLANILMASI

ORM 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

Detaylı

UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI DOĞRULUK DEĞERLENDİRMESİ

UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI DOĞRULUK DEĞERLENDİRMESİ ZKÜ MÜHENDİSLİK FAKÜLTESİ JEODEZİ VE FOTOGRAMETRİ MÜHENDİSLİĞİ BÖLÜMÜ UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI VE DOĞRULUK DEĞERLENDİRMESİ UZM. MURAT ORUÇ 1 UZAKTAN ALGILAMANIN FİZİKSEL F ESASLARI Günümüzde

Detaylı

Uydu Görüntüleri ve Kullanım Alanları

Uydu Görüntüleri ve Kullanım Alanları Uydu Görüntüleri ve Kullanım Alanları Sanal Küreler ve Uygulamaları Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ FOTOGRAMETRİ ANABİLİM DALI SUNULARI JDF 904 Uydu Görüntüleri ve Kullanım

Detaylı

Uzaktan 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 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.

Detaylı

MAPINFO PROFESSIONAL TEMEL VE İLERİ SEVİYE KURS İÇERİĞİ

MAPINFO PROFESSIONAL TEMEL VE İLERİ SEVİYE KURS İÇERİĞİ MAPINFO PROFESSIONAL TEMEL VE İLERİ SEVİYE KURS İÇERİĞİ Başar Bilgisayar Sistemleri Ve İletişim Teknolojileri San. Ve Tic. Ltd. Şti. Web site: http://www.basarsoft.com.tr Kontak mail: basar@basarsoft.com.tr

Detaylı

MAPINFO PRO TEMEL VE İLERİ SEVİYE EĞİTİM İÇERİĞİ

MAPINFO PRO TEMEL VE İLERİ SEVİYE EĞİTİM İÇERİĞİ MAPINFO PRO TEMEL VE İLERİ SEVİYE EĞİTİM İÇERİĞİ Başarsoft Bilgi Teknolojileri A.Ş. Web site: http://www.basarsoft.com.tr Kontak mail: egitim@basarsoft.com.tr Ankara Merkez Adres Ehlibeyt Mah. Ceyhun Atıf

Detaylı

Yrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI

Yrd. 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

M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ

M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ ÖLÇME BİLGİSİ II Poligon İstikşafı ve Yerüstü Tesisleri, Poligon Ölçüsü ve Türleri Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF120 ÖLÇME BİLGİSİ II DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz

Detaylı

Görüntü Segmentasyonu (Bölütleme)

Görüntü 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

Detaylı

ÇOK 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 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

Detaylı

HAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ

HAVADAN 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

Detaylı

UA Teknikleri Kullanılarak Taşkın Alanlarının Belirlenmesi ve Bölgesel Taşkın Frekans Analizinin Batı Karadeniz Bölgesinde Uygulanması

UA Teknikleri Kullanılarak Taşkın Alanlarının Belirlenmesi ve Bölgesel Taşkın Frekans Analizinin Batı Karadeniz Bölgesinde Uygulanması UA Teknikleri Kullanılarak Taşkın Alanlarının Belirlenmesi ve Bölgesel Taşkın Frekans Analizinin Batı Karadeniz Bölgesinde Uygulanması Prof. Dr. A. Ünal Şorman Orta Doğu Teknik Üniversitesi, Đnşaat Mühendisliği

Detaylı

Harita Mühendisleri için ArcGIS Eğitimi

Harita Mühendisleri için ArcGIS Eğitimi Harita Mühendisleri için ArcGIS Eğitimi http://facebook.com/esriturkey https://twiter.com/esriturkiye egitim@esriturkey.com.tr Kursun Süresi: 4 Gün 24 Saat Harita Mühendisleri için ArcGIS Eğitimi Kursu

Detaylı

Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi

Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 2574010 1718 http://geomatik.beun.edu.tr/abdikan/ Öğrenci

Detaylı

İSTANBUL ANADOLU YAKASI 2B ALANLARININ UYDU GÖRÜNTÜLERİ İLE ANALİZİ

İSTANBUL ANADOLU YAKASI 2B ALANLARININ UYDU GÖRÜNTÜLERİ İLE ANALİZİ TMMOB Harita ve Kadastro Mühendisleri Odası 10. Türkiye Harita Bilimsel ve Teknik Kurultayı 28 Mart - 1 Nisan 2005, Ankara İSTANBUL ANADOLU YAKASI 2B ALANLARININ UYDU GÖRÜNTÜLERİ İLE ANALİZİ N. Musaoğlu,

Detaylı

Veri toplama- Yersel Yöntemler Donanım

Veri toplama- Yersel Yöntemler Donanım Veri toplama- Yersel Yöntemler Donanım Data Doç. Dr. Saffet ERDOĞAN 1 Veri toplama -Yersel Yöntemler Optik kamera ve lazer tarayıcılı ölçme robotu Kameradan gerçek zamanlı veri Doç. Dr. Saffet ERDOĞAN

Detaylı

KENTSEL GELİŞİM İÇİN POTANSİYEL ALANLARIN UZAKTAN ALGILAMA VE CBS İLE BELİRLENMESİ VE DEĞERLEMESİ

KENTSEL GELİŞİM İÇİN POTANSİYEL ALANLARIN UZAKTAN ALGILAMA VE CBS İLE BELİRLENMESİ VE DEĞERLEMESİ KENTSEL GELİŞİM İÇİN POTANSİYEL ALANLARIN UZAKTAN ALGILAMA VE CBS İLE BELİRLENMESİ VE DEĞERLEMESİ D. Maktav 1, A. Siegmund 2, C. Jürgens 3, S. Naumann 2, F. Sunar 1, H. Eşbah 4, T.B. Levent 5, İ. Akar

Detaylı

Yrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF329 FOTOGRAMETRİ I DERSi NOTLARI

Yrd. 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

Detaylı

Uzaktan Algılama Teknolojileri

Uzaktan 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

Detaylı

Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi

Yrd. 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 /

Detaylı

Fonksiyon Optimizasyonunda Genetik Algoritmalar

Fonksiyon Optimizasyonunda Genetik Algoritmalar 01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu

Detaylı

CBS Arc/Info Kavramları

CBS Arc/Info Kavramları Arc/Info Kavramları Karadeniz Teknik Üniversitesi Orman Fakültesi Arc/Info 9.3? ArcGIS Desktop o ArcView: çok kapsamlı veri kullanımı, haritalama ve analizler üzerine odaklanır. o o ArcEditor: ArcView

Detaylı

TEMEL GÖRÜNTÜ BİLGİSİ

TEMEL GÖRÜNTÜ BİLGİSİ TEMEL GÖRÜNTÜ BİLGİSİ FOTOĞRAF/GÖRÜNTÜ KAVRAMI VE ÖZELLİKLERİ BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF345 TEMEL GÖRÜNTÜ BİLGİSİ DERSİ NOTLARI http://geomatik.beun.edu.tr/marangoz/ İÇERİK

Detaylı

Görüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.

Görüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur. Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler

Detaylı

Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) Öğretim Yılı Güz Dönemi

Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) Öğretim Yılı Güz Dönemi Uzaktan Algılama (JDF439) Sayısal yükseklik modeli Görüntü sınıflandırma yöntemleri Yrd. Doç. Dr. Saygın ABDİKAN (Grup B) 2016-2017 Öğretim Yılı Güz Dönemi 1 ARAZİ MODELLERİ Yeryüzü, matematiksel olarak

Detaylı

Dijital Kameralar (Airborne Digital Cameras)

Dijital 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

Detaylı

TÜRKİYE NİN BİTKİ ÖRTÜSÜ DEĞİŞİMİNİN NOAA UYDU VERİLERİ İLE BELİRLENMESİ*

TÜRKİYE NİN BİTKİ ÖRTÜSÜ DEĞİŞİMİNİN NOAA UYDU VERİLERİ İLE BELİRLENMESİ* TÜRKİYE NİN BİTKİ ÖRTÜSÜ DEĞİŞİMİNİN NOAA UYDU VERİLERİ İLE BELİRLENMESİ* Determination the Variation of The Vegetation in Turkey by Using NOAA Satellite Data* Songül GÜNDEŞ Fizik Anabilim Dalı Vedat PEŞTEMALCI

Detaylı

Dijital Görüntü İşleme Teknikleri

Dijital Görüntü İşleme Teknikleri Teknikleri Ders Notları, 2013 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 08 Ekim 2013 Salı 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar, kaynaklar.

Detaylı

Yrd. Doç. Dr. Aycan M. MARANGOZ. BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI

Yrd. 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

Detaylı

ArcGIS Raster Veri Yönetimi

ArcGIS Raster Veri Yönetimi 18. Esri Kullanıcıları Konferansı 7-8 Ekim 2013 ODTÜ, Ankara Teknik Atölye ArcGIS Raster Veri Yönetimi Ömer ÜNSAL Sunuma Genel Bakış Mozaik verisetlerine giriş Mozaik verisetlerinin Image Analysis ve ArcToolbox

Detaylı

Esnek Hesaplamaya Giriş

Esnek Hesaplamaya Giriş Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan

Detaylı

Görüntü İşleme. K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI. Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003

Görüntü İşleme. K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI. Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003 Görüntü İşleme K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003 İçerik Görüntü İşleme Nedir? Görüntü Tanımlamaları Görüntü Operasyonları Görüntü İşleme

Detaylı

Uydu Görüntüleri ve Haritaların Düzenlenmesi Mozaik Hale Getirilmesi ve Servislerin Geliştirilmesi

Uydu Görüntüleri ve Haritaların Düzenlenmesi Mozaik Hale Getirilmesi ve Servislerin Geliştirilmesi Uydu Görüntüleri ve Haritaların Düzenlenmesi Mozaik Hale Getirilmesi ve Servislerin Geliştirilmesi Kurum adı: T.C. Çevre ve Orman Bakanlığı Bilgi İşlem Dairesi Başkanlığı Proje durumu: Tamamlandı. Proje

Detaylı

Süreklilik Göstergesi. Kavram Haritaları. Etkileşim Göstergesi. Problem/Çözüm Göstergesi Karşılaştırma Matrisi. (Anlam Çözümleme Tablosu)

Süreklilik Göstergesi. Kavram Haritaları. Etkileşim Göstergesi. Problem/Çözüm Göstergesi Karşılaştırma Matrisi. (Anlam Çözümleme Tablosu) Kavram Haritaları Hiyerarşik KH Hiyerarşik Olmayan KH ( Ağ, Örümcek Harita) Zincir KH Sınıflandırma Haritası Vee Diyagramları Neden-Sonuç Diyagramları Balık Kılçığı Döngü Göstergesi Olay Zinciri Dizileri

Detaylı

COĞRAFİ BİLGİ SİSTEMLERİNİN İNŞAAT ALANINDAKİ UYGULAMALARI

COĞRAFİ BİLGİ SİSTEMLERİNİN İNŞAAT ALANINDAKİ UYGULAMALARI COĞRAFİ BİLGİ SİSTEMLERİNİN İNŞAAT ALANINDAKİ UYGULAMALARI Ali Baran AKGÜN Egemen ÇAKIR Melike ERSOY Özlem PALABIYIK Danışman: Y. Doç. Dr. Esin ERGEN 1 İçerik CBS nedir? CBS nin inşaatta kullanım alanları

Detaylı

TEMEL GÖRÜNTÜ BİLGİSİ GİRİŞ, TANIM ve KAVRAMLAR

TEMEL 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/

Detaylı

Tuğba Palabaş, Istanbul Arel Üniversitesi, tugbapalabas@arel.edu.tr. Ceren Gülra Melek, Istanbul Arel Üniversitesi, cerenmelek@arel.edu.

Tuğba Palabaş, Istanbul Arel Üniversitesi, tugbapalabas@arel.edu.tr. Ceren Gülra Melek, Istanbul Arel Üniversitesi, cerenmelek@arel.edu. Uydu Görüntülerinden Elde Edilen Bilgilerle Yeryüzü Şekillerinin Tanımlanması ve Değişimlerinin Gözlenmesinde Coğrafi Bilgi Sistemlerinden Yararlanılması Üzerine Bir Ön Çalışma Sabri Serkan Güllüoğlu,

Detaylı