Geri Dön

Uygun bulanık (fuzzy) sınıflama yöntemleri ile Aladağ örneğinde arazi örtüsünün sınıflandırılması

Land cover classification using apropriate fuzzy image classification tecniques: Aladağ case study

  1. Tez No: 183723
  2. Yazar: ONUR ŞATIR
  3. Danışmanlar: DOÇ. DR. SÜHA BERBEROĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Peyzaj Mimarlığı, Landscape Architecture
  6. Anahtar Kelimeler: Bulanık mantık, görüntü sınıflaması, doğrusal karışım modeli, yapaysinir ağları, uzaktan algılama.I, Fuzzy logic, image classification, linear mixture modeling, artificial neuralnetworks, remote sensing.II
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Peyzaj Mimarlığı Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 91

Özet

ÖZYÜKSEK LİSANS TEZİUYGUN BULANIK (FUZZY) SINIFLAMA YÖNTEMLERİ İLEALADAĞ ÖRNEĞİNDE ARAZİ ÖRTÜSÜNÜNSINIFLANDIRILMASIOnur ŞATIRÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLER ENSTİTÜSÜPEYZAJ MİMARLIĞI ANABİLİM DALIDanışman: Doç.Dr. Süha BERBEROĞLUYıl: 2006 Sayfa: 79Jüri: Prof.Dr. M. Faruk ALTUNKASADoç.Dr. A. Oğuz DİNÇDoç.Dr. Süha BERBEROĞLUAraştırmada, bulanık sınıflama tekniklerinden doğrusal karışım modeli ve yapaysinir ağları yöntemleri kullanılarak, Yukarı Seyhan Havzası içerisindeki Aladağlar veçevresinde yer alan arazinin, Ağustos 2003 tarihli Envisat MERIS ve Landsat ETM uydugörüntüleri yardımıyla sınıflanması amaçlanmıştır. Yapay sinir ağları ve doğrusal karışımmodeli bulanık sınıflama yöntemiyle görüntüler sınıflanmıştır. Ayrıca bulanık sınıflamanın,belirgin sınıflamalara göre daha yüksek doğrulukla sonuç verdiği karşılaştırmalı olarakortaya konmuştur. Landsat ETM verisi maksimum olabilirlik algoritmasıyla sınıflanıp, 300m ölçeğine getirilerek test verisi olarak kullanılmıştır. Belirgin sonuçlar ise YSA yöntemiyleüretilmiş ve sınıfların dağılımına göre belirlenen 500 tesadüfi nokta ile test edilmiştir.Bu sınıflamada 8 temel arazi örtüsü (tarım, açık alan, kızılçam, karaçam, sedir,göknar, ardıç, su yüzeyleri) sınıflanmıştır. Alandaki her bir sınıfa ait yeterli sayıda eğitimpikseli bulunamadığı için, sınıflama sonucunda istenen doğruluk oranlarına ulaşılamamıştır.Bu nedenle, daha genel bir sınıflama yaklaşımı izlenerek yöntemlerin kullanılabilirliğisorgulanmıştır.Genel sınıflamalar sonrasında ortaya çıkan doğruluk oranları DKM %82, YSA %81ve belirgin YSA %57 olarak belirlenmiştir. Bulanık görüntü sınıflaması belirginsınıflamalardan daha yüksek doğrulukla sonuç vermiştir. Karışımın yüksek olduğupiksellerde YSA'nın DKM'den daha etkin olduğu ve doğru sonuç ürettiği görülmüştür.

Özet (Çeviri)

ABSTRACTMsc THESISLAND COVER CLASSIFICATION USING APROPRIATE FUZZYIMAGE CLASSIFICATION TECNIQUES: ALADAG CASE STUDYOnur ŞATIRDEPARTMENT OF LANDSCAPE ARCHITECTURE INSTITUTE OF NATURELAND APPLIED SCIENCES UNIVERSITY OF CUKUROVASupervisor: Assoc.Prof. Süha BERBEROĞLUYear: 2006 Page: 79Jury: Prof.Dr. M. Faruk ALTUNKASAAssoc.Prof. A. Oğuz DİNÇAssoc.Prof. Süha BERBEROĞLUThe aim of this study was to classify Envisat MERIS and Landsat ETM satellite imageryrecorded in August 2003 over the Aladağ in the upper basin of Seyhan River basin, usingfuzzy classification techniques such as, linear mixture modelling and artificial neuralnetworks. The images were classified successfully using these two fuzzy techniques. Fuzzyclassification techniques produced more accurate results than hard classification. LandsatETM imagery was classified using maximum likelihood classifier and the output wasresampled to 300 m to produce test data. Hard classification result was produced usingartificial neural network classifier and tested using 500 random points.Eight major land cover classes (including agriculture, bare ground, Pinus brutia, Pinusnigra, Cedrus libani, Abies sp., Juniperus sp., water) were classified within thisclassification. The classification accuracy of some land cover classes were below acceptablelevel as there was insufficient number of training pixels available. For this reason, overallaccuracy approach was applied to compare applicability potential of the techniques. Overallresults of soft classification from linear mixture modeling and artificial neural network andhard classification from artificial neural network were 82%, 81% and 57% respectively.It can be concluded that soft classifiers resulted more accurate classifications than hardclassifiers. Additionally, there is no significant difference between soft classification outputsfrom linear mixture modeling and artificial neural networks, however artificial neuralnetworks tackled pixels with high degree of mixing more accurately than linear mixturemodeling.

Benzer Tezler

  1. Risk analizinde bulanık mantığın kullanılmasına yönelik bir uygulama çalışması

    An application study for using fuzzy logic in risk analysis

    ZEYNEP KAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ÇAĞDAŞ HAKAN ALADAĞ

  2. Farklı çok kriterli karar verme yöntemleri ile Büyük Menderes nehri havzası'nın tarımsal alan kullanım uygunluğunun değerlendirilmesi

    Assessment of agricultural land use suitability of the Büyük Menderes river basin with different multi-criteria decision-making methods

    ŞEYMA YİĞİT UZUNALİ

    Doktora

    Türkçe

    Türkçe

    2023

    Peyzaj MimarlığıÇukurova Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    PROF. DR. SÜHA BERBEROĞLU

  3. Görüntü işleme ve kümeleme yöntemleri kullanılarak zeytin tanelerinin sınıflandırılması

    Classification of olive grains using image processing and clustering methods

    SENEM GÖNENÇ

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. YÜKSEL ÖNER

  4. Edebiyat eserlerinin Web verilerine dayanarak sınıflandırılması

    Literature work classification on Web based data

    ERCAN CANHASI

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ARSLAN

  5. Multivariate and fuzzy clustering approaches to dynamic classification of traffic flow states

    Çok değişkenli ve bulanık yaklaşımlarla trafik akımının dinamik sınıflandırılması

    MEHMET ALİ SİLGU

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Trafikİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. HİLMİ BERK ÇELİKOĞLU