Uydu görüntülerinden kıyı çizgisi tespitinde makine öğrenmesi algoritmalarının performanslarının deneysel olarak karşılaştırılması
An empirical performance comparision of machine learning algorithms for detecting coastline from satellite images
- Tez No: 734026
- Danışmanlar: PROF. DR. CEM GAZİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Deniz Bilimleri, Marine Science
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Deniz Bilimleri ve İşletmeciliği Enstitüsü
- Ana Bilim Dalı: Denizel Çevre Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
İnsanlar ve diğer canlı türleri için değerli kaynakları barındıran kıyı alanları bir çok tehlikeye karşı risk altında olan, izlenmesi ve korunması gerekli alanlardır. Kıyıların korunması ve izlenmesinde en önemli ve gerekli aşamalardan biri kıyı çizgisi çıkartma işlemidir. Bu işlem için geleneksel metotların zorlukları ve yüksek maliyetlerine karşın, gelişen uzaktan algılama teknikleri ve bilgisayar bilimleri bu işlem için araştırmacıları, Makine Öğrenmesi Sınıflandırıcılarına yönlendirmiştir. Bu konuda literatürde birçok çalışma yer almasına karşın kıyı çizgisi çıkartmada önemli etkisi olduğu bilinen kıyı tipleri özelinde yeterli inceleme bulunmamaktadır. Bu çalışma kapsamında, uydu görüntülerinden kıyı çizgisi çıkartma işlemi için başarılı bulunan Makine Öğrenmesi sınıflandırıcılarının farklı kıyı tipleri üzerinden isabetlilikleri detaylı olarak incelenmeye çalışılmıştır. İncelenen kıyı tipleri gölge alan içeren ve içermeyen falezler, killi-siltli ve kumlu çakıllı sahiller ve yapay kıyılardır. Destek Vektör Makineleri, Çok Katmanlı Algılayıcılar ve Kolektif Öğrenme Sınıflandırıcılarına ait farklı fonksiyon ve algoritmalardan oluşan 12 sınıflandırıcı bu kıyı tipleri üzerinde incelemeye tabi tutulmuştur. Çalışma sonucunda, Kolektif Öğrenme sınıflandırıcıları diğer sınıflandırıcıların genel olarak gerisinde kalmıştır. Yapay Sinir Ağlarının ve Destek Vektör Makineleri'nin birçok farklı kıyı tipinde isabetliliği gözlenirken, bilinenin aksine Sigmoid çekirdek fonksiyonun tüm kıyı tiplerinde daha başarısız olduğu kanısına varılmıştır.
Özet (Çeviri)
Coastal areas, which contain valuable resources for humans and other species, need to be monitored and protected against many dangers. One of the most important and necessary steps in the protection and monitoring of the coasts is the coastline extraction process. Despite the difficulties and high costs of traditional methods for this process, developing remote sensing techniques and computer science directed the researchers to study the Machine Learning Classifiers. Although there are many studies on this subject in the literature, there are not enough study depending on the coastal types which known to have an important effect on coastline extraction. In this study, it was tried to study the accuracy of machine learning classifiers on different coast types in detail, which were found successful for coastline extraction from satellite images. The coastal types studied include cliffs with and without shaded areas, clayey-silty and sandy gravel beaches and artificial coasts. 12 classifiers consisting of different functions and algorithms belonging to Support Vector Machines, Multi-layer Perceptron's and Ensemble Learning classifiers were examined on these coast types. As a result of the study, Ensemble Learning classifiers achieved lower accuracy in all studied coast types compared to other classifiers. While Artificial Neural Networks and Support Vector Machines achieved high accuracy in many different coast types, it was found that the Support Vector Machines using the Sigmoid kernel function achieved the lowest accuracy in all coast types.
Benzer Tezler
- Deprem sonrasında uydu verileri ve yersel veri entegrasyonu ile arazi örtüsü/arazi kullanımı analizi
Land cover/land use analysis after an earthquake through integration of satellite and ground data
CİHANGİR AYDÖNER
Doktora
Türkçe
2005
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF.DR. DERYA MAKTAV
- Evaluation of land use land cover change around istanbul airport between years of 2011-2021
2011 – 2021 yılları arasında istanbul havalimanı çevresi arazi ortusu arazi kullanımı degişiminin degerlendirilmesi
KANER LEVENT
Yüksek Lisans
İngilizce
2021
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ÇİĞDEM GÖKSEL
- Landsat-8 uydu görüntülerinden derin öğrenme algoritmaları kullanarak kıyı çizgisi çıkarımı
Shoreline extraction from landsat-8 satellite imagery by using deep learning algorithms
FIRAT ERDEM
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- Yapay sinir ağları ve rastgele orman yöntemleri ile LANDSAT 8 görüntülerinden otomatik kıyı çizgisi çıkartılması
Automatic shoreline extraction from LANDSAT 8 imageries with artificial neural networks and random forest methods
ABDULKADİR İNCE
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- İzmit Körfezi kıyı değişiminin coğrafi bilgi sistemleri ve uzaktan algılama yöntemleriyle otomatik belirlenmesi
Automatic determination of the coastal change in the gulf of İzmit by geographical information systems and remote sensing methods
DİLARA CIRITCI
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriSivas Cumhuriyet ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TARIK TÜRK