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: 120
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
- Yüksek çözünürlüklü uydu görüntüleri kullanılarak imar barışına aykırı yapıların tespit edilmesi
Identification of structures contrary to zoning peace law using high resolution satellite images
MUSTAFA ERKAN ŞAHİN
Yüksek Lisans
Türkçe
2019
Bilim ve TeknolojiEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR AVDAN
- Analysis of safe roads and production of risk maps within the scope of integrated disaster management with geographical information systems
Coğrafi bilgi sistemleri ile bütünleşik afet yönetimi kapsamında güvenli yolların analizi ve risk haritalarının üretilmesi
OBAIDURRAHMAN SAFI
Yüksek Lisans
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiCoğrafi Bilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED ENES ATİK
- Yüksek çözünürlüklü fotogrametrik verilerle kaçak yapıların tespiti
Detection of illegal structures with high resolution photogrammetric data
SERHAT GÜNEŞ
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriMersin ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. İSMAİL ŞANLIOĞLU
- Çok yüksek çözünürlüklü hava fotoğraflarından derin ögrenme yöntemi ile bina bölütlemesi
Building segmentation from very high resolution aerial imagery using deep learning
NURAN ASLANTAŞ
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- Spatial temporal dimensions of accessibility in İstanbul, Turkey
İstanbul Türkiye'de erişilebilirliğin zamansal-mekansal boyutu
WASIM SHOMAN
Doktora
İngilizce
2020
Coğrafyaİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL