Geri Dön

An approach for the automatic detection of agricultural field sub-boundaries from high resolution satellite images

Yüksek çözünürlüklü uydu görüntülerinden tarımsal arazi alt-sınırların otomatik tespiti için bir yaklaşım

PDF İndir

  1. Tez No: 379648
  2. Yazar: SAMAN GHAFFARİAN
  3. Danışmanlar: PROF. DR. MUSTAFA TÜRKER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Tarımsal ürün haritalama, bölgesel ve ulusal ölçekte mahsul verim tahmini için oldukça önemlidir. Uzaktan algılama görüntüleri tarım alanlarında arazi örtüsü türlerini belirlemek ve sınıflandırmak için popüler verilerdiler. Tarım alanları için son görüntü sınıflandırma teknikleri, her tarım parseli için bir sınıf etiketi atama yoluyla parsel bazlı yaklaşımları içerirler. Parsel bazlı sınıflandırma yaklaşımında, sınıflandırma bir coğrafi bilgi sisteminde (CBS) depolanan tarım parsellerinin kalıcı sınırları içinde gerçekleştirilir. Ancak, parsellerin içinde ürün değişimi çözülmesi gereken önemli bir sorundur. Bu sorunu çözmek için, görüntü bölütleme alanları daimi sınırları içinde kalan alt sınırları çıkarmak için gereklidir. Elde edilen alt sınırlar parsel bazlı sınıflandırma işlemlerinde yüksek sınıflandırma doğruluğu elde etmek için gereklidir. Bu çalışmada, tarımsal parseller içindeki alt sınırları yüksek konumsal çözünürlüklü uydu görüntülerinden çıkarmak için bir parsel-tabanlı bölütleme yaklaşımı önerilmektedir. Parsel içi alt sınır çıkarma işlemi her parsel ayrı işlenmek suretiyle, parsel parsel gerçekleştirilir. Başlangıçta, alt parsellerin kenarları Canny Edge Detection algoritması kullanılarak tespit edilir ve görüntü bir otomatik Fuzzy C-Means (FCM) kümeleme algoritması ile kümelenir. FCM kümeleme işlemini otomatikleştirmek için, algoritma iteratif bir şekilde, her parselin maximum altı alt-parsel içerdiği varsayımı ile ki altı kümeye karşılık gelir, uygulanır. Ilk iterasyondan sonra, küme merkezleri arasındaki Öklid mesafeleri hesaplanır. En az bir mesafe belirli bir eşik değerinin altında kalırsa, alt-alanların sayısı bir azaltılır ve kümelenme işlemi azaltılmış küme sayısı ile tekrarlanır. FCM kümeleme algoritmasının bu iteratif işlemi küme merkezleri arasındaki tüm mesafeler eşik değerinin üzerinde kalinciya kadar gerçekleştirilir. Sonra belirlenen kenarlara ve kümelere göre Gradient Vector Flow (GVF) Snake için dış güçler hesaplanır. Doğru sınırlarına doğru konturları yönlendirmek amacıyla, gradient vektörleri hesaplamak ve inşa etmek için, her küme içinde pikseller arasındaki mesafeler hesaplanır. Dış güçleri hesapladıktan sonra, parsel için düşen her küme için bir elips inşa ederek GVF Snake başlatmak için yeni bir küme-tabanlı yöntem kullanılır. Bundan sonra, parsel içi alt sınırları tespit etmek için GVF Snake çalıştırılır. Son adım olarak, tespit edilen alt sınırlar bir çizgi basitleştirme algoritması ile basitleştirilir ve böylece nihai uygun alt-sınırlar tespit edilir. Geliştirilen yaklaşım, Türkiye'nin kuzey-batısında bulunan Bursa ili, Karacabey ilçesinde bir tarım alanı üzerinde uygulanmıştır. Kullanılan yüksek çözünürlüklü uydu görüntüleri Quickbird çok bantlı (XS) ve keskinleştirilmiş (PS) görüntüler ve 15 Temmuz 2004 tarihli 13 Ağustos 2004 tarihli İkonos çok bantlı (XS) görüntüsüdür. Elde edilen test sonuçları oldukça umut vericidir. Önerilen yaklaşım ile, otomatik olarak çıkartılan alt sınırların genel doğrulukları, Ikonos (XS), Quickbird (XS) ve Quickbird (PS) görüntüler için sırasıyla 93.61%, 84.96%, ve 88.78% olarak hesaplanmıştır.

Özet (Çeviri)

Agricultural crop mapping is quite important for crop yield estimation in regional and national scale. Remote sensing images are popular data to identify and classify land cover types in the agricultural areas. The recent image classification techniques for agricultural areas use approaches which work on field-by-field basis by means of assigning a crop label for each agricultural field individually. In field-based classification approaches, the classification is performed within the permanent agricultural field boundaries that are stored in a geographical information system (GIS) as vector polygons. However, crop variation within the fields is an important problem to be solved. To solve this problem, image segmentation is needed to be executed to extract the sub-boundaries within the permanent boundaries of the fields and subsequently to achieve higher accuracy in field-based classification operations. In this study, a field-based segmentation approach is proposed to extract within-field sub-boundaries from high resolution remotely sensed images. The within-field sub-boundary extraction operation is carried out one field at a time by means of processing each field separately. First, the within-field edges are detected using the Canny edge detection algorithm and the image is clustered using an automatic Fuzzy C-means (FCM) clustering algorithm. To automate the FCM clustering algorithm, the algorithm is executed iteratively starting with the assumption that the fields contain maximum six sub-fields that correspond to six clusters. After the first iteration, the Euclidean distances between the cluster centers are computed. If at least one distance stays below a defined threshold value, the number of sub-fields is decreased by one and the clustering operation is repeated with the reduced number of clusters. This iterative execution of the FCM clustering algorithm is carried out until all the distances between the cluster centers stay above the threshold value. Next, the external forces for the Gradient Vector Flow (GVF) Snake are calculated based on the detected edges and the clusters. To calculate and construct the gradient vectors, the distances between the pixels are computed within each cluster so as to steer the contours toward the correct boundaries. After computing the external forces, a novel cluster-based method is used to seed the GVF Snake by means of constructing an ellipse for each cluster that fall within the field. After that, the GVF Snake is executed for detecting the within-field sub-boundaries. As the final step, the detected sub-boundaries are simplified through a line simplification algorithm and thus the final appropriate sub-boundaries are extracted. The developed approach was implemented in an agricultural area in Karacabey, Bursa plain located in north-west of Turkey. The high resolution satellite images used include the Ikonos multispectral (XS) image acquired in 15 July 2004 and the Quickbird multispectral (XS) and pansharpened (PS) images acquired in 13 August 2004.The results achieved are quite promising. The overall sub-boundary extraction accuracies through the proposed automatic approach were computed to be 93.61%, 84.96% and 88.78% for the Ikonos (XS), Quickbird (XS) and Quickbird (PS) images, respectively.

Benzer Tezler

  1. Tez No

    415253

    An approach for the automatic segmentation of high resolution satellite images into agricultural fields

    Yüksek çözünürlüklü uydu görüntülerinin tarımsal parsellere otomatik segmentasyonu için bir yaklaşım

    ALIREZA RAHIMZADEGANASL

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA TÜRKER

  2. Tez No

    455400

    Süne ve kımıl zararlılarının ses işleme yöntemleri ile sınıflandırılması ve bir gömülü sistem gerçeklemesi

    Classification of sunn pests using sound processing methods and an embedded system realization

    BİLGİ GÖRKEM YAZGAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜRVET KIRCI

  3. Tez No

    800388

    Robotik sistemler için görüntü işleme yöntemleri kullanılarak zeytin meyvesinin konumunun belirlenmesi

    Determining the position of olive fruit using image processing methods for robotic systems

    DEMET OFLAZOGLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik Mühendisliğiİskenderun Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERSİN ÖZDEMİR

  4. Tez No

    608994

    Implementation and performance evaluation of classifiers SVM, CNN and ANN in vineyard estimation

    Üzüm salkımı meyvelerinin tanınması amacıyla DVM, ESA ve YSA sınıflayıcılarının gerçekleştirilmesi ve başarılarının belirlenmesi

    BASHAR SAAD FALIH AL-SAFFAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SAMİ ARICA

  5. Tez No

    167302

    Devoloping an integrated system for semi-automated segmentation of remotely sensed imagery

    Uzaktan algılanmış görüntülerin kesimlenmesi için yarı otomatik bir sistem geliştirimi

    EMRE HAMİT KÖK

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Jeodezi ve FotogrametriOrta Doğu Teknik Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ.DR. MUSTAFA TÜRKER

Geri Dön