Kentsel gelişimin izlenmesi amacıyla optik insansız hava aracı görüntülerinin makine öğrenme algoritmalarıyla sınıflandırılması üzerine araştırma
Research on the classification of optical unmanned aerial vehicle images using machine learning algorithms for monitoring urban development
- Tez No: 897071
- Danışmanlar: DOÇ. DR. HAKAN AKÇIN
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: İnsansız Hava Aracı, Makine Öğrenmesi, Sınıflandırma, Unnamed Air Vehicle, Machine Learning, Classification
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 143
Özet
Bu çalışmada İHA kullanılarak oluşturulan yüksek boyutlu ve kapasiteli (883 çerçeve görüntü 3,19 GB) optik görüntülerin makine öğrenme algoritmaları yardımı ile sınıflandırma performans analizleri gerçekleştirilmiştir. İHA yardımı ile aynı gün içerisinde farklı topoğrafik yapılardaki üç ayrı bölgeden yapılan uçuşlar sonrası 883 adet dijital görüntüler elde edilmiştir. Uçuş öncesi görüntülerin fotogrametrik değerlendirilmesi ve hava nirengi işleri için 9 adet yer kontrol noktası tesis edilmiştir. Uçuş sonrasında elde edilen verilerin doğruluğunu artırmak amacıyla GNSS cihazı kullanılarak yer kontrol noktalarının yer konum koordinatları belirlenmiştir. Elde edilen görüntülerin işlenmesinde Agisoft Metashape yazılımı kullanılmıştır. Bu yazılım yardımı ile uçulan alanın 1,249 cm doğrulukla ortofotomozaiği oluşturulmuştur. Elde edilen görüntülerin sınıflandırma çalışmalarında yapılaşmış alanlar için 8 adet sınıf belirlenmiştir. Sınıflar, Kırmızı Çatı, Beyaz Çatı, Kara Yolu, Parke Yol, Deniz, Yeşil Alan, Açık Spor Tesisleri ve Atık Alanları değerlendirmeye alınmıştır. Uygulamanın donanımsal kapasitesi yüksek boyutlu görüntüleri analiz etmede yetersiz kalacağı için, ortofotomozaik boyutu GDAL en yakın komşu yöntemi ile 2 kez yarı yarıya küçültülmüştür. Uygulamada Ubuntu işletim sistemi kullanılmıştır. Bu sistem üzerinde Python dilinde herbir algoritma için betikler yazılmıştır. Betiklerin çalışma performansları test edildikten sonra Uygulamaya geçilmiştir. Sınıflandırmada makine öğrenme algoritmaları olarak Rastgele Orman, CART, k-NN yöntemleri ele alınmıştır. Toplam örneklerin %80' i eğitim seti, %20' si test seti olarak belirlenmiştir. Rastgele Orman uygulamasında 500 adet ağaç yardımı ile sınıflandırma işlemi gerçekleştirilmiş, %82,557 doğruluk ve 0,782 Kappa doğruluğu elde edilmiştir. Aynı ortofotomozaik, CART algoritması kullanılarak analiz edildiğinde %81,981 doğruluk ve 0,775 Kappa doğruluğu bulunmuştur. Son uygulamada k-NN algoritması için performans değerleri %75,401 doğruluk ve 0,692 Kappa doğruluğu şeklinde elde edilmiştir. Uygulamalar sonucunda en düşük maliyet ve yüksek performans açısından Rastgele Orman ve Optik kamera görüntüleri ile İHA fotogrametrisinin kentsel yapılaşmış alanların incelenmesinde ve sürekli takibinde kullanılabilecek bir yaklaşım modeli ortaya konulmuştur.
Özet (Çeviri)
In this study, performance analyses of classification were conducted using machine learning algorithms on high-dimensional and high-capacity (883 frame images, 3,19 GB) optical images created by UAVs. A total of 883 digital images were obtained after flights conducted from three different regions with various topographic structures on the same day using UAVs. Before the flights, 9 ground control points were established for photogrammetric evaluation of the images and aerial triangulation tasks. To increase the accuracy of the data obtained after the flights, the coordinates of the ground control points were determined using a GNSS device. Agisoft Metashape software was used to process the obtained images. With the help of this software, an orthophotomosaique of the flown area with an accuracy of 1.249 cm was created. Eight classes were determined for the classification studies of the obtained images in built-up areas. The classes considered were Red Roof, White Roof, Road, Paved Road, Sea, Green Area, Open Sports Facilities, and Waste Areas. Because the hardware capacity of the application was insufficient to analyze high-dimensional images, the orthophotomosaique size was halved twice using the GDAL nearest neighbor method. The Ubuntu operating system was used in the application. Scripts were written in Python for each algorithm on this system. After testing the performance of the scripts, the application phase was started. Machine learning algorithms Random Forest, CART, and k-NN were considered for classification. Eighty percent of the total samples were set as the training set, and 20% as the test set. In the Random Forest application, classification was performed using 500 trees, achieving 82.557% accuracy and 0.782 Kappa accuracy. The same orthophotomosaique, when analyzed using the CART algorithm, yielded 81.981% accuracy and 0.775 Kappa accuracy. In the last application, performance values for the k-NN algorithm were obtained as 75.401% accuracy and 0.692 Kappa accuracy. As a result of the applications, a model approach was proposed that can be used for the examination and continuous monitoring of urban built-up areas with Random Forest and optical camera images and UAV photogrammetry, considering the lowest cost and highest performance.
Benzer Tezler
- İstanbul kentsel büyüme sürecinin belirlenmesi, izlenmesi ve modellenmesi
Determining, monitoring and modelling the urban growth of İstanbul
MEHMET FATİH DÖKER
- Metropoliten alanlarda planlama - kentsel gelişimin yönetimi ilişkisi ve bir izleme değerlendirme model önerisi
Relation of planning-urban development management in metropolitan areas and a monitoring and evaluation model proposal
İREM AYRANCI
Doktora
Türkçe
2013
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. NURAN ZEREN GÜLERSOY
- Kentsel sürdürülebilirliğin ölçülmesi ve değerlendirilmesi için CBS tabanlı bir model önerisi
A GIS based model for measurement and evaluation of urban sustainability
GÖKÇER OKUMUŞ
Doktora
Türkçe
2017
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. HANDAN TÜRKOĞLU
- Green and digital transformation towards circular economy in the construction industry: Upcycling of construction and demolition wastes from diverse sources and their integration into 3D printing technology
İnşaat endüstrisinde döngüsel ekonomiye doğru yeşil ve dijital dönüşüm: Farklı kaynaklardan elde edilen inşaat yıkıntı atıklarının ileri dönüştürülmesi ve 3D baskı teknolojisine entegrasyonu
ANIL KUL
Doktora
İngilizce
2024
İnşaat MühendisliğiHacettepe Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRKAN YILDIRIM
- Kentsel turizm: İstanbul örneği
Urban tourism: the case of Istanbul
ŞEBNEM KURTULUŞ KIVANÇ
Yüksek Lisans
Türkçe
2011
Turizmİstanbul ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
PROF. DR. ŞÜKRÜ YARCAN