Object-based urban land cover extraction using the synergy of lidar data and very high resolution multispectral imagery
Lidar verisi ve çok yüksek çözünürlüklü çok bantlı görüntü sinerjisini kullanarak nesne-tabanlı kentsel arazı örtüsü çıkarımı
- Tez No: 799104
- Danışmanlar: PROF. DR. MUSTAFA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 106
Özet
Güncel kentsel arazi örtüsü bilgileri, kentsel planlama ve yönetim için kritik bir rol oynar. Bu çalışmada, çok yüksek çözünürlüklü (VHR) multispektral hava görüntüleri ve havadan LiDAR verilerinin entegrasyonu kullanılarak kentsel arazi örtüsü tiplerinin sınıflandırılması için bir yaklaşım sunulmuştur. Havadan görüntülerin ve LiDAR verilerinin entegrasyonu, nesne yönelimli sınıflandırma sırasında gerçekleştirildi. Nesne yönelimli sınıflandırma öncesinde görüntü segmentasyonu, verimlilik ve yüksek doğruluk avantajlarını sergileyen son teknoloji bir görüntü segmentasyon algoritması olan Simple Non-Iterative Clustering (SNIC) algoritması kullanılarak gerçekleştirildi. Sınıflandırmada, havadan görüntülerin optik bantları, NDVI indeksi, bir normalleştirilmiş dijital yüzey modeli (nDSM), LiDAR verilerinden türetilen bir yoğunluk bandı ve bu bantlardan hesaplanan yedi gri düzey birlikte oluşum matrisi (GLCM) doku metrikleri (kontrast, benzemezlik, homojenlik, ikinci moment, entropi, varyans, korelasyon) kullanılmıştır. Sınıflandırıcı olarak bir makine öğrenme algoritması olan Adaptive Boosting (AdaBoost) seçilmiştir. AdaBoost'un özyinelemeli özellik eleme (RFE) yöntemi uygulanarak özellik seçimine (FS) duyarlılığı da incelenmiştir. Yöntemler, Çek Cumhuriyeti'nin Hradec Kralove şehrinin birleştirilmiş VHR hava görüntüleri ve LiDAR verilerine uygulandı. Çalışma alanı olarak üç alt alan seçilmiştir. Sonuçlar, hava görüntüleri ile LiDAR'dan türetilen nDSM ve yoğunluk görüntü özelliklerinin birleştirilmesinin, sonuçları (genel doğruluk) %24,7'ye kadar önemli ölçüde iyileştirdiğini gösterdi. En yüksek sınıflandırma doğruluğuna (D = %85,5) 56 girdi özelliğinden seçilen en iyi özelliklerden (21 özellik) ulaşılmıştır. En yüksek ikinci sınıflandırma doğruluğu (D = %84,8), hava görüntüleri ve LiDAR'dan türetilmiş nDSM ve yoğunluk görüntüsünün oluşturduğu veri kümesinden elde edilmiştir. Hava görüntülerinden ve LiDAR'dan türetilmiş özelliklerden entegre edilen veri seti, kentsel arazi örtüsü sınıflandırmasında etkili olduğunu kanıtladı. Ancak nesne tabanlı GLCM doku ölçümlerini AdaBoost sınıflandırıcısında birleştirmek, sınıflandırma doğruluğunu azalttı.
Özet (Çeviri)
Up-to-date urban land cover information plays a critical role for urban planning and management. In this study, an approach was presented for classifying urban land cover types using the integration of very high resolution (VHR) multispectral aerial imagery and airborne discrete return LiDAR (Light Detection and Ranging) data. The integration of aerial imagery and LiDAR data was conducted during object-oriented (OO) classification. Image segmentation prior to OO classification was performed using the Simple Non-Iterative Clustering (SNIC) algorithm, which is a state-of-the-art image segmentation algorithm that exhibits the advantages of efficiency and high accuracy. The features used in the classification consist of the optical bands of aerial imagery, an NDVI index and seven grey-level co-occurrence matrix (GLCM) texture metrics (contrast, dissimilarity, homogeneity, second moment, entropy, variance, correlation) calculated from the optical bands, one normalized digital surface model (nDSM) and one intensity band derived from LiDAR data. Adaptive Boosting (AdaBoost), a machine learning algorithm, was selected as the classifier. The sensitivitiy of AdaBoost to feature selection (FS), by applying recursive feature elimination (RFE) method, was also investigated. The methods were applied to fused VHR aerial imagery and LiDAR data of the city of Hradec Kralove, Czech Republic. Three sub-areas were chosen as the study areas. The results demonstrated that the fusion of aerial imagery and the LiDAR derived nDSM and intensity image features significatly improved the results (overall accuracy-OA) up to 24.7%. The highest classification accuracy achieved (OA = 85.5%) was based on the selected best features (21 features) from 56 input features. The second highest classification accuracy (OA = 84.8%) obtained was based on the fused dataset of aerial imagery and the LiDAR derived nDSM and intensity image features. The integrated dataset of aerial imagery and the LiDAR derived features proved to be effective in urban land cover classification. However, combining object-based GLCM texture measures in the AdaBoost classifier reduced the classification accuracy.
Benzer Tezler
- Deep learning-based building segmentation using high-resolution aerial images
Yüksek çözünürlüklü hava görüntüleri kullanarak derin öğrenme temelli bina bölütlemesi
BATUHAN SARITÜRK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- İstanbul'da kentsel büyümenin senaryo tabanlı modellenmesi ve ekolojik açıdan değerlendirilmesi
Scenario-based modeling and evaluation of urban growth in Istanbul
ALİYE GONCA BOZKAYA KARİP
Doktora
Türkçe
2024
Şehircilik ve Bölge PlanlamaMimar Sinan Güzel Sanatlar ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATMA ÜNSAL
- Land cover and land use classification of multi-modal high-resolution satellite images using multi-task deep learning approach
Çok görevli derin öğrenme tekniği ile çok kipli yüksek çözünürlüklü uydu görüntülerinin arazi örtüsü ve arazi kullanımı sınıflandırılması
BURAK EKİM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Yüksek çözünürlüklü uydu verileri kullanılarak şehir alanlarının incelenmesi
Investigation of city areas using high-resolution satellite data
RAZİYE HALE TOPALOĞLU
Doktora
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- The relationships between land surface temperature and land use/cover changes from 2003-2010; Selangor, Malaysia
2003-2010 yılları arasında arazi yüzey sıcaklığı ile arazi kullanımı/örtüsü değişimleri arasındaki ilişkiler; Selangor, Malezya
MAYA TEHRANY
Yüksek Lisans
İngilizce
2013
CoğrafyaUniversiti Putra Malaysia UPMİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. BISWAJEET PRADHAN