Nesneye yönelik kural tabanlı sınıflandırma ve derin öğrenme yöntemleri ile otomatik yol çıkarımı olanaklarının araştırılması
Investigation of automatic road extraction possibilities with object oriented rule-based classification and deep learning methods
- Tez No: 682066
- Danışmanlar: DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 84
Özet
Uzaktan algılama ve görüntü işleme teknolojilerinin son yıllarda ivme kazanmasıyla Dünya yüzeyi ve çevre hakkında bilgi elde edilmesi daha kolay bir işlem haline gelmiştir. Teknolojinin ilerlemesiyle beraber akıllı şehirler, bilgi sistemleri gibi kavramlar hayatımıza yoğun bir şekilde girmeye başlamıştır. Özellikle, kentsel gelişmelerin takip edilmesi, afet yönetimi, trafik kontrolü vb. durumlar açısından hızlı, güncel, doğru, anlamlı, ekonomik veri elde edinimi ve analizi önem arz etmektedir. Kentler için oluşturulan bilgi sistemlerinin en önemli parçalarından biri ulaşım altyapısı ve ulaşım altyapısının en temel öğesi ise yollardır. Yolların güncel olarak haritalanması ulaşım problemlerinin çözümünde önemli bir etkendir. Bu sebeple yolların çıkarımı, yol çizgilerinin tespiti, kaldırım, bariyer gibi yol elemanlarının fotogrametri ve uzaktan algılama çalışma alanı içerisinde çözümlenmesi otomatik, hızlı ve güvenilir veri üretimine olanak sağlamaktadır. Zaman ve maliyet açısından dezavantajlı klasik yöntemler günümüze kadar tercih edilmekteyken, son yıllarda uzaktan algılama alanında kural tabanlı otomatik nesne çıkarımı ve insan varlığını ve etkilerini indirgeyen, büyük miktardaki verinin analizine imkân sağlayan derin öğrenme analizleri uzaktan algılama alanında tercih edilmeye başlanmıştır. Çalışma kapsamında Yıldız Teknik Üniversitesi Davutpaşa Kampüsü'nde bulunan yol güzergahının analizi amacıyla İnsansız Hava Aracı ile üretilen yüksek çözünürlüklü görüntüler veri seti olarak kullanılmıştır. İHA ile üretilen verilerden yolların analizinde kullanılmak üzere Ortofoto, Sayısal Arazi ve Yüzey Modelleri üretilmiştir. Çalışmanın ikinci adımında ise nesne tabanlı sınıflandırma yöntemi ve görüntü işleme teknikleri kullanılmıştır. Segmentasyon ve sınıf analizleri gerçekleştirilerek uygun parametreler tespit edilmiş ve otomatik yol çıkarımı için kural setleri geliştirilmiştir. Ayrıca, geliştirilen kural seti ile yol ağının önemli parçaları olan kaldırımlar, bisiklet yolları ve yol çizgileri vb. hedef sınıflar da oluşturulmuştur. Çalışmanın ilk bölümünün sonucunda geliştirilen kural seti kullanılarak önerilen yöntem ile otomatik yol çıkarımı işlemi tamamlanmıştır. Ayrıca, çalışmanın ikinci bölümünde ise aynı veri seti kullanılarak diğer bir yöntem olan derin öğrenme yöntemi test edilmiştir. Çalışmada kullanılmak üzere hedef sınıfların etiketlemesi yapılmıştır. Unet derin öğrenme mimarisi kullanılarak hedef sınıfların segmentasyonu sağlanmıştır. Çalışmanın sonucunda oluşan sonuç ürünler üzerinden iki yöntemin avantaj ve dezavantajları tespit edilmiştir. Yol ve yol ağına ait nesneler kural tabanlı sınıflandırma yöntemi ile %83 Kappa, %89 genel doğruluk, derin öğrenme yöntemi ile %84 Dice benzerlik katsayısı ile elde edilmiştir. Böylece önerilen yöntemlerin yol ve yol ağına ait nesnelerin otomatik olarak belirlenmesine olanak sağladığı görülmüştür.
Özet (Çeviri)
With the acceleration of remote sensing and image processing technologies in recent years, it has become easier to obtain information about the Earth's surface and the environment. With the advancement of technology, concepts such as smart cities and information systems have come into people's lives. It is a matter of importance to produce and analyse fast, up-to-date, accurate, meaningful data especially in terms of following urban developments, disaster management and traffic control. One of the most important parts of information systems created for cities is the transportation infrastructure and the roads constitute the most basic element of the transportation infrastructure. Therefore, the extraction of roads, the detection of road lines, the analysis of road elements such as sidewalks and barriers in the field of photogrammetry and remote sensing system enable automatic, fast, and reliable data production. For this purpose, the classical method, which is a disadvantage in terms of time and cost, has been preferred until today. In recent years, ruled-based automatic object extraction and deep learning analyses that reduce human presence and effects, enable the analysis of large amounts of data have taken place in the field of remote sensing. Within the scope of the study, high-resolution images produced by Unmanned Aerial Vehicles (UAV) were used as a dataset for the analysis of the road route in Yıldız Technical University Davutpasa Campus. Orthophoto, Digital Terrain and Surface Models were produced to be used in the analysis of roads from the data produced by the UAV. In the second step of the study, object-oriented classification methods and image processing techniques were used. segmentation and class analysis were performed, and appropriate parameters were detected, and rule sets were improved for automatic road extraction. Furthermore, with the developed rule set the important parts of the road network, such as sidewalks, cycle routes and road lines target classes were established. The automatic road extraction process was completed with the proposed method using the rule set developed as a result of the study. Afterwards, another method, deep learning, was tested using the same dataset. The target classes were labelled to be used in the study. Segmentation of target classes is provided by using Unet deep learning architecture. A comparison of the two methods was made over the resulting products as a result of the study. Objects belonging to the road and road network were obtained by rule-based classification method with 83% Kappa and 89% overall accuracy: by deep learning method with a Dice similarity coefficient of 84%. Thus, it was seen that the proposed methods allow the automatic determination of road and road network objects.
Benzer Tezler
- Otomatik bina çıkarımı uygulamalarında çoklu algılama sistemi verilerinin kullanım olanaklarının analizi
The analysis of possible use of multi sensor system data for automatic building extraction
MELİS UZAR DİNLEMEK
Doktora
Türkçe
2012
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ YASTIKLI
- Türkçe metinlerde duygu analizi
Sentiment analysis in Turkish texts
CUMALİ TÜRKMENOĞLU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Data modeling and querying for video databases
Video veri tabanları için veri modelleme ve sorgulama
MEHMET EMİN DÖNDERLER
Doktora
İngilizce
2002
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR ULUSOY
YRD. DOÇ. DR. UĞUR GÜDÜKBAY
- Object oriented analysis and source code validation using natural language processing
Doğal dil işleme kullanımı ile nesne tabanlı analiz ve kaynak kod değerlendirmesi
FATMA BOZYİĞİT
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM AKTAŞ
DOÇ. DR. DENİZ KILINÇ
- A Multi-media information management system
Çok-ortamlı bir bilgi yönetim sistemi
MEHMET EROL ŞANLITÜRK
Doktora
İngilizce
1995
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiPROF.DR. A. ÜNAL YARIMAĞAN