Coğrafi bilgi sistemleri ve yüksek çözünürlüklü uydu görüntüleri kullanılarak kentsel alanlarda bina değişimi tespiti
Building change detection in urban areas using geographic information system and high resolution satellite image
- Tez No: 444602
- Danışmanlar: PROF. DR. MUSTAFA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Güncel bina bilgisi kentsel planlama, çevresel kontrol, acil durum ve belediye çalışmaları gibi bir çok uygulama için önem arz etmektedir. Bunun için, kentsel alanlarda uydu görüntülerinden otomatik bina değişim tespiti ve coğrafi bilgi sistemleri (CBS) veri tabanlarının bina bilgisiyle otomatik güncellenmesinden yararlanarak CBS ve uzaktan algılama teknolojilerinin entegrasyonuna ihtiyaç vardır. Yüksek çözünürlüklü uydu görüntülerinden otomatik bina tespiti ve değişimi günümüzde yaygın bir şekilde kullanılmaktadır. Bu çalışmada, CBS ve yüksek çözünürlüklü uydu görüntüleri kullanılarak kentsel alanda bina değişimi tespiti yapılmıştır. Çalışma alanı olarak Ankara ili Altındağ ilçesi'nde bina değişimlerinin yoğun olduğu bir alan seçilmiştir. Yüksek çözünürlüklü uydu görüntüsü olarak, 2010 ve 2011 yıllarına ait WorldView-2 uydusu görüntüleri kullanılmıştır. Binaların uydu görüntülerinden belirlenmesi için nesne tabanlı sınıflandırma yöntemi kullanılmıştır. İlk adım olarak, bina ve diğer kentsel nesnelerin, eCognition 8.9 yazılımı kullanılarak, çoklu-çözünürlüklü segmentasyon algoritması ile, nesnelere ait ölçek, renk ve kompaktlık özellikleri de işleme katılarak, segmentasyonu yapılmıştır. İkinci adımda, yine eCognition yazılımı ile, en yakın komşu ve nesne tabanlı sınıflandırma yöntemleri kullanılarak binalar hiyerarşi ağacı (hierarchy tree) şeklinde çıkartılmıştır. Sonraki adımda, elde edilen sonuçların iyileştirmesi için kural tabanlı sınıflandırma gerçekleştirilmiştir. Çalışma alanında yer alan binaların özellikleri dikkate alınarak, binalar için dikdörtgen, yoğunluk ve özellikle gölge sınır özellikleri kullanılmıştır. Sınıflandırılmış binalar ve manuel olarak çizilmiş referans bina verisinin ArcGIS 10.2 yazılımı ortamında karşılaştırılmak suretiyle doğruluk analizleri yapılmıştır. Doğruluk analizlerinde doğru olumlu (true positive-TP), doğru olumsuz (true negative-TN), yanlış olumlu (false positive-FP) ve yanlış olumsuz (false negative-FN) parametreleri ile duyarlık (precision), anma (recall) ve F_β ölçümleri piksel tabanlı yöntem kullanılarak hesaplanmıştır. Ayrıca, örneğe dayalı hata matrisi de hesaplanmıştır. Her iki yıla ait binaların tespit edilmesinden sonra, sınıflandırıma sonrası karşılaştırma (Post Classification Comparison) yöntemi kullanılarak binalardaki zamansal değişimler tespit edilmiştir. Diğer taraftan, binaların zamansal değişim tespiti yapıldıktan sonra doğruluk analizleri yapılmıştır. Bunun için, sınıflandırma doğruluğunda olduğu gibi, doğru olumlu (TP), doğru olumsuz (TN), yanlış olumlu (FP) ve yanlış olumsuz (FN) için hesaplanan değerler kullanılmıştır. Hesaplamalarda TP piksel sayısı 17969, FP piksel sayısı 1100 ve FN piksel sayısı 2695 olarak bulunmuştur. Doğruluk değerleri ise, Anma için 86.96%, Duyarlık için 94.23% ve F_β için 90.45% olarak hesaplanmıştır.
Özet (Çeviri)
Up to date building information plays a significant role for many applications, such as urban planning, environmental control, emergency and municipal activities. Therefore, the integration of geographic information systems (GIS) and remote sensing technologies is needed by means of utilizing the automatically extracted buildings from satellite images and the GIS databases that are updated with building information. Nowadays, an automatic building change detection and extraction from high resolution imagery is extensively used. In this study, the changes of buildings are detected using GIS and high resolution satellite images in urban areas. The study area selected is located in the Altındağ district of the city of Ankara, where the building changes are extensive. The images for the years 2010 and 2011, which belong to World View-2 satellite, have been used as the high resolution satellite images. An object-based classification method is used in order to detect buildings from satellite images. In the first step, the segmentations of the buildings and other geographic objects was carried out using the multi-scale segmentation algorihtm of the eCognition v.8.9 software by also considering the scale, color and the compactness properties of the objects. In the second step, the buildings were extracted in a hierarchical tree form using the Nearest Neighbour and Object-based Classification methods of the eCognition software. In the next step, a rule-based classification was carried out in order to improve the obtained results. Considering the characteristics of the buildings in the study area, the features like rectangularity, density, and especially shadow boundaries were used for the buildings. Accuracy analysis was carried out by means of comparing the classified buildings with the manually drawn reference buildings in ArcGIS 10.2 software environment. In accuracy analysis, the parameters true positive (TP), true negative (TN), false positive (FP), false negative (FN) and the measures precision, recall, and F_β were calculated using the pixel-based method. Moreover, the sample based error matrix was also calculated. After detecting the buildings that belong to both years, the temporal changes of the buildings were detected using the Post Classification Comparison method. On the other hand, accuracy assessments were carried out after detecting the temporal changes of the buildings. To do that, similar to classification accuracy analysis, the values for TP, TN, FP and FN were calculated. In the calculations, the number of pixels for TP, FP and FN were found as 17969, 1100, and 2695, respectively. The accuracy values were computed to be 86.96%, 94.23% and 90.45% for Recall, Precision and F_β, respectively.
Benzer Tezler
- Çok zamanlı uydu görüntü verileriyle kentsel gelişim analizi Bursa Osmangazi Belediyesi
The urban development analysis with multiferrasol satallite images Bursa, Osmangazi municipality
HASAN TOLGA AKSOY
Yüksek Lisans
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ.DR. FİLİZ SUNAR ERBEK
- Detection of environmental and urban change using remote sensing and gIs
Kentsel ve çevresel değişimin uzaktan algılama ve coğrafi bilgi sistemleri ile saptanması
ÇİĞDEM TARHAN
Doktora
İngilizce
2007
Şehircilik ve Bölge Planlamaİzmir Yüksek Teknoloji EnstitüsüŞehir Planlama Ana Bilim Dalı
DOÇ.DR. H. MURAT ÇELİK
PROF.DR. CEMAL ARKON
YRD. DOÇ. DR. ŞEVKET GÜMÜŞTEKİN
- Markov random field based road network extraction from high resolution satellite images
Yüksek çözünürlüklü uydu görüntülerinden Markov rastgele alan bazlı yol ağı çıkarımı
MAHİR ÖZTÜRK
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR HALICI
- Uzaktan algılanmış görüntülerden faydalanılarak obje-tabanlı sınıflandırma yöntemi ile kent merkezlerindeki detayların çıkarımı
Extracti̇on of detai̇ls i̇n the ci̇ty center benefi̇ti̇ng from remote sensi̇ng i̇mages usi̇ng by object-based classi̇fi̇cati̇on method
BURHAN BAHA BİLGİLİOĞLU
Yüksek Lisans
Türkçe
2015
Jeodezi ve FotogrametriAksaray ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELÇUK REİS
- Coğrafi bilgi sistemleri ve uzaktan algılama yöntemleri ile arazi örtüsü/alan kullanım değişimlerinin belirlenmesi: Bingöl kent merkezi örneği
Determination of land cover/ land use changes with geographic information systems and remote sensing methods: Bingol city center example
SÜLEM ŞENYİĞİT DOĞAN
Yüksek Lisans
Türkçe
2019
Peyzaj MimarlığıAtatürk ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. SEVGİ YILMAZ