Obje Tabanlı Sınıflandırma Yöntemi ile Tokat İli Uydu Görüntüleri Üzerinde Yapısal Gelişimin İzlenmesi

Transkript

1 Obje Tabalı Sııfladırma Yötemi ile Tokat İli Uydu Görütüleri Üzeride Yapısal Gelişimi İzlemesi İlker GÜNAY 1 Ahmet DELEN 2 Mahmut HEKİM 3 1 Gaziosmapaşa Üiversitesi, Mühedislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühedisliği 2 Gaziosmapaşa Üiversitesi, Mühedislik ve Doğa Bilimleri Fakültesi, Harita Mühedisliği 3 Gaziosmapaşa Üiversitesi, Mühedislik ve Doğa Bilimleri Fakültesi, Elektrik-Elektroik Mühedisliği 1 ilker.guay@gop.edu.tr 2 ahmet.dele@gop.edu.tr 3 mahmut.hekim@gop.edu.tr Özet Hızla gelişe bilgi ve iletişim tekolojileri, veriye erişimde uyduları ve hava araçlarıı kullaımıyla gülük yaşatımızla iç içe olmaya başlamıştır. Uydu ve hava araçlarıı erişilebilirliği ve çözüürlüklerideki artış miktarı, elde edile ham görütüleri otomatik veya yarı otomatik yötemlerle detay çıkarma işlemi ile ortaya çıkarıla yararlı bilgileri gittikçe öemii arttırmaya başlamıştır. Bu tür bilgileri oluşturulması uzmalık gerektirmekte ve el yordamı ile çıkartılması hem zahmetli hem de zama almaktadır. Bu çalışmada Tokat ilii bir bölümüe ait 3 batlı uydu ve ortomozaik görütüleri üzeride 2005 yılı ve 2011 yıllarıa ait yerleşim merkezlerii ve bu merkezler içideki kala biaları yıllar içideki artış miktarı iceleecektir. So yıllarda yüksek koumsal çözüürlüklü uydu ve ortomozaik görütülerii sııfladırılmasıda geleeksel piksel tabalı sııfladırma yaklaşımı yerie obje tabalı yaklaşımı kullaımı öem kazamıştır yılıa ait IKONOS uydu görütüsü ve 2011 yılıda üretilmiş ortomozaik görütülerde faydalaılmıştır. Görütüler üzeride çoklu çözüürlüklü segmetasyou öziteliklerie göre K e yakı komşu (k- NN) temelli sııfladırıcı kullaılarak yapı bulma işlemi tamamlamıştır. Alıa veriler üzeride kıyaslama işlemi ve icelemeler yapılmakta ve souçlar üretilmektedir. arasıda klasik piksel tabalı sııfladırma yaklaşımları ihtiyaçları bazı durumlarda karşılamadığıda çağdaş yaklaşım ola obje tabalı yaklaşımlara gereksiim duyulduğu görülmüştür [1, 2]. Obje tabalı sııfladırma işlemi gerçekleştirilirke üç aşamada yararlaılır. i. Segmetasyo ii. Sııfladırma iii. Doğruluk aalizi Yüksek çözüürlüklü görütülere uygulaa bir segmetasyou kalitesi sııfladırmayı ve doğruluk aalizii doğruda etkilemektedir [3]. Segmetasyou yapıla görütüleri obje tabalı sııfladırma yötemleride yaygı olarak kullaıla k-nn algoritması uygulaır. Görütüler üzeride kullaılacak sııflar belirledikte sora bu sııflara ait örekler seçilerek ortalama değerler hesaplaır ve tüm görütü üzeride karşılaştırma yapılarak aralarıdaki bezerliğe göre sııfladırma işlemii soladırır. [4]. Bu çalışmada, Tokat ilii 2005 yılıa ait IKONOS uydu görütüsü ve 2011 yılıda üretilmiş ortomozaik görütüsüde obje tabalı sııfladırma aşamaları her iki görütü içi de uygulamıştır. Deeysel çalışmalar k-nn temelli sııflayıcıı yüksek sııfladırma başarı oralarıa ulaştığıı göstermiştir. 1. Giriş Arazi üzeride yapıla çalışmalar her daim zama ve iş gücü açısıda soru teşkil etmiştir. Yakı zamaa kadar uzma kişiler tarafıda fiziksel olarak araziler gözlemleir, burada ölçümler yapılır ve kayıt altıa alıırdı. Şu aki tekolojiler içeriside, uydu ve hava araçlarıyla çekile yüksek çözüürlüklü görütüler sayeside yeryüzüde bulua birçok esei tespiti ve otomatik sııfladırılması öemli derecede artmıştır. Görütülere uygulaa yötemler 2. Çalışma Alaı ve Kullaım Yeri IKONOS uyduları Eylül 1999 yılıda sağladığı görütülerle yüksek çözüürlükte görütü vere 2. uydu koumua geçmiştir. 1m ye kadar pakromatik ve 4m kadar çoklu spektral çok kaliteli yüksek çözüürlüklü görütü sağlamaktadır. IKONOS uydu görütüleri yerleşim yeri bulma, doğal afetleri ilerleyişi gibi birçok öemli bilgiyi elde etmede sıklıkla kullaılmaktadır. 391

2 Bu çalışmada, Tokat ilii bir bölümüe ait 1m çözüürlüğe sahip IKONOS uydu görütüsü ve 2011 yılı tarihli ve 0.5m çözüürlüklü ortomozaik görütü kullaılmıştır. Şekil 1 de ortomozaik görütü öreği gösterilmektedir. heterojelik çeşitliliği yai doku, ala ve uzuluk gibi özellikleri ortaya çıkmasıı sağlamaktadır [6]. Segmetasyoda bölge büyütme tekiğii temel ala çoklu çözüürlük algoritması yaygı olarak kullaılmaktadır [6, 7]. Çoklu çözüürlük segmetasyou parametreleri ölçek, şekil, bütülük ve bat ağırlıklarıdır. Bu çalışmada kullaıcıya bırakıla parametreler ile ese çıkarımları içi e uygu parametreler seçilmiş ve Şekil 3 de doğru aaliz edile uydu görütüleri kaliteli bir segmetasyo ile sııfladırmaı başarısı üzeride belirleyici bir etki yaratabildiği gösterilmektedir [8]. Şekil 3. Çoklu çözüürlüklü segmetasyo. Şekil 1. Çalışma alaıı IKONOS görütüsü ve 2011 yıllarıa ait 3 batlı görütüleri icelediğide bölgesel yapılamada farklılığı e fazla gözlediği bölge seçilmiştir. Otomatik olarak Bia tespiti hedeflediğide, yol, yeşil ala ve toprak gruplarıı tek bir sııf olarak belirlemiştir. 3. Materyal ve Yötem 3 batlı IKONOS uydu görütüleride ve ortomozaiklerde uygulama içi seçile test bölgesi ecogitio yazılımı ile obje tabalı sııfladırma işlemie tabi tutulmuştur. Şekil 2 obje tabalı sııfladırma yaklaşımıı blok diyagramıı göstermektedir. Görütü Çoklu Çözüürlüklü Segmetasyo K-e yakı komşu (k-nn) temelli sııflayıcı Şekil 2. Obje Tabalı Sııfladırma 3.1. Çoklu Çözüürlüklü Segmetasyo Segmetasyo, görütüleri sııfladırırke yapılacak ilk aşamalarda biridir. Var ola bir görütüyü her biri kedi içeriside farklı özellikleri tutulduğu alamlı sııflara ayırmak olarak taımlaabilir. Obje tabalı görütü sııfladırma işlemide ise bezer yasıtım özelliklerie göre pikselleri grupladırılması ve daha az piksel içere yai ayı ortak özelliklere sahip görütü objelerii oluşturulması işlemleri görütü segmetasyou olarak taımlamaktadır [4, 5]. Bu, spektral homojelik ve 3.2. K-e yakı komşu (k-nn) temelli sııflayıcı Sııfladırma işlemi e basit taım ile bir kümeye dahil etme işlemidir. Kullaıcı görütü aalizie başlamada öce algoritmayı eğitmek içi bilie örek sııflar oluşturur ve oluşturula sııflara göre görütüü tamamı bir kümeye dahil etme işlemie tabi tutulur. E yaygı olarak kullaıla k-nn algoritması 2005 ve 2011 yıllarıa ait bir veri seti içi kullaılmaktadır. Eğitim setide bulua verilere dayalı olarak algoritmaı çalışması gerçekleştirilir. Karşılaşıla her bir örek içi eğitim setideki veriler ile karşılaştırma yapılarak aralarıdaki bezerliğe göre hagi sııfa ait olduğu tespit edilmektedir [9,10]. k-nn algoritması aşağıdaki adımlarda oluşmaktadır: Adım 1. Komşu sayısı (k) değerii seçilmesi Adım 2. Uzaklık hesaplamasıa geçilmesi (her bir örek uzaklığı) Adım 3. Sıralama işlemii yapılması (mi-max) Adım 4. Sııf değerlerii hesaplaması Adım 5. Ağırlıklı ola sııfı seçilmesi k-nn algoritmasıı performası içi etkili ve öemli ola kritik oktalar komşu sayısı (k) ve uzaklık ölçütü olmaktadır. Bu süreçte k değeri içi 1 atadığıda sadece e yakı komşuu buluduğu sııfa ataırke, K değerii örek sayısıa (N) yaklaştıkça veri setide yer ala tüm veriler etkilemekte ve oylamaya göre seçim yapılmaktadır [10]. Şekil 4 te k=3 içi k-nn algoritması görülmektedir. 392

3 Şekil 4. k=3 içi k-nn algoritması. Şekil 5. Çoklu Çözüürlüklü Segmetasyo (IKONOS 2005) Uzaklık ölçütü ise örekler arası ölçülecek yakılığı hesaplama yötemidir. Uzaklık ölçütleri olarak Öklid, Mikowski ve Mahatta uzaklığı kullaılmaktadır. [11]. Tablo 1 k-nn algoritmasıda kullaıla uzaklık ölçütlerii göstermektedir. Öklid uzaklığı Tablo 1. k-nn algoritması uzaklık ölçütleri Mikowski uzaklığı Mahatta uzaklığı i1 i1 i1 4. Uygulama Çalışması ve Tartışma ( x i y i ) x i y i 2 1/ p p x i y i 2005 yılı tarihli IKONOS uydu görütüsüde ve 2011 tarihli ortomozaik görütü üzeride eğitim alaları tespit edilmiş ve çalışma alaıda bulua bia çatılarıda örekler eğitim alaı olarak taımlamıştır. Hedef obje bia çatısı olduğuda görütü 2 sııfa (Bia ve Diğer) ayrılmıştır. Bia tespiti amacı ile her iki görütüde sııfladırma işlemi başlamada segmetasyo aşaması yapılmıştır. Segmetasyo aşamasıda çoklu çözüürlük algoritmasıda faydalaılmıştır. Yapıla deemeler ve gözlemler soucuda biçim faktörü (shape factor) ve yoğuluk (compactess) değerleri uygu şekilde belirlemiştir. Uygu parametre değerleri buluup, segmetler oluşturulmuştur. Şekil 5 ve 6 de yapıla segmetasyolar sırasıyla gösterilmektedir. Segmetasyo aşaması esasıda birbiri ile ilişkili bezer yasıtım özelliklerie sahip pikseller grupladırılır ve böylece milyolarca piksel ile çalışmak yerie bu ortak özelliklere sahip pikseller birleştirilerek segmetler oluşturulur ve bu aşamada segmetleri kedileri arasıdaki heterojelik e düşük seviyeye idirilmiş olur [4]. Şekil 6. Çoklu Çözüürlüklü Segmetasyo (Ortomozaik 2011) Segmetasyo aşaması tamamladıkta sora her iki görütü içi de sııfladırma işlemie geçilmiştir. Daha öce oluşturduğumuz segmetler üzeride taımlaa örekler ile k-nn sııfladırma algoritması kullaılarak sııfladırma yapılmıştır. Sııfladırmada birim olarak pikseller yerie segmetleri kullaılması algoritmada işlemleri daha hızlı biçimde ilerlemesii sağlar [14]. Şekil 7 de 2005 yılıa ait IKONOS uydu görütüsüde segmetler oluşturulmuş şekli gösterilmektedir. Şekil 8 de ayı görütüü sııfladırılmış tematik görütüsü gösterilmektedir. Şekil 9-10 da ise ayı bölgei 2011 tarihli görütüü segmetleri ve sııfladırılmış gösterimi bulumaktadır. 393

4 Şekil 7. IKONOS 2005 Şekil 10. Çalışma alaıa ait sııfladırma souçları Ayı bölgei farklı tarihlere ait görütüleri sııfladırılarak, yapısal ve çevresel gelişimi takibi, bia sayılarıı tespiti gibi bulgular sayeside yerel ve ulusal yöetim politikalarıa karar mekaizmasıda yardımcı olacak veriler elde edilebilir. Tablo 2 de ise çalışma alaıda tespit edile bia sayılarıı 6 yıl içerisideki değişimi gösterilmektedir. Tablo 2. Yıllara ait tespit edile bia sayıları 2005 Yılı Sııf Tespit Edile Obje Sayısı Bia 757 Şekil 8. Çalışma alaıa ait sııfladırma souçları 2011 Yılı Sııf Tespit Edile Obje Sayısı Bia 1507 Şekil 9. Ortomozaik Souç Yapıla çalışmada Tokat ilie ait farklı zamalarda çekilmiş uydu görütüsü ve ortomozaik görütü k-nn algoritması ile obje tabalı sııfladırma yapılmıştır. Bu çalışmada ket merkezii kuzey bölgeside so yıllarda yapılaşmaı hızla arttığı örek bir bölge seçilmiştir. Yapıla sııfladırma ile bia tespiti hedeflemiştir. Obje (Bia) sayısı tespitide bazı bölgelerde imar plalarıda belirlediği üzere bitişik izamda işa edilmesi bir takım güçlükler meydaa getirmiştir. Fakat segmetasyo aşamasıda segmet düzeltmeleri ile daha iyi souçlar elde edilmiştir. Yapısal gelişimi gözlemesi, zama içide meydaa gelebilecek farklılıkları tespiti, ket gelişimii takibi, kaçak yapıları belirlemesi gibi şehircilik alaıda verilere bu çalışmada olduğu gibi uydu görütüleri sııfladırılarak ulaşılabilir. 394

5 5. Kayaklar [1] Blaschke, T. (2010). Object based image aalysis for remote sesig. ISPRS Joural of Photogrammetry ad Remote Sesig, 65, [2] Myit, S. W., Gober, P., Brazel, A., Grossma-Clarke, S. ve Weg, Q. H. (2011). Per-pixel vs. object-based classificatio of urba lad cover extractio usig high spatial resolutio imagery. Remote Sesig of Eviromet, 115, [3] Bo, S., Ha, X., Parameter Selectio for Segmetatio i Object-Orieted Classificatio of Remotely Sesed Imagery, Iteratioal Coferece o Itelliget Computatio Techology ad Automatio, pp [4] Kalka K., Maktav, D., Nese Tabalı ve Piksel Tabalı Sııfladırma Yötemlerii Karşılaştırılması (IKONOS Öreği), III. Uzakta Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu, Ekim, Kocaeli. [5] Hall, O., Hay, G.J., Bouchard, A., Marceau, D.J., Detectig domiat ladscape objects through multiple scales: a itegratio of object-specific methods ad watershed segmetatio. Ladscape Ecology 19 (1), [6] Bez, U.C., Hofma, P., Willhauck, G., Ligefelder, I., Heye, M., Multi-resolutio, object-orieted fuzzy aalysis of remote sesig data for GIS-ready iformatio. ISPRS Joural of Photogrammetry ad Remote Sesig 58 (3 4), [7] Baatz, M., Schäpe, A., Multi-resolutio segmetatio-a optimizatio approach for high quality multi-scale image segmetatio, I: Strobl, J., Blaschke, T., Grieseber, G. (Eds.), Agewadte Geographische Iformatios Verarbeitug XII. Wichma-Verlag, Heidelberg, [8] Kim, M., Madde, M., Warer, T.A., Forest type mappig usig object-specific texture measures from multispectral IKONOS imagery: Segmetatio quality ad image classificatio issues. Photogrammetric Egieerig ad Remote Sesig, 75(7), pp [9] Duda, R.OMitchell, T., Machie Learig, McGraw Hill, New York, (1997). [10] Taşcı E., Oa A., K-E Yakı Komşu Algoritması Parametrelerii Sııfladırma Performası Üzerie Etkisii İcelemesi, XVIII. Akademik Bilişim Koferası, AB 2016 [11] Kresse, W. ad Dako, D.M., Spriger Hadbook of Geographic Iformatio, Spriger-Verlag, Berli,