Geri Dön

Piksel tabanlı ve nesne tabanlı görüntü sınıflandırma yöntemlerinin performanslarının incelenmesi

Investigating the performance of pixel-based and object-basedimage classification methods

PDF İndir

  1. Tez No: 911593
  2. Yazar: AHMED ISAM HUSSEIN
  3. Danışmanlar: DOÇ. DR. ESRA TUNÇ GÖRMÜŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 85

Özet

Bu araştırmada, SENTINEL-2 ve LANDSAT-9 kullanılarak büyük ölçekli uzaktan algılanan veri kümeleri beş denetimli algoritma, Support Vector Machine (SVM), Maximum Likelihood Classification (MLC), Minimum Distance Classification (MDC), Artificial Neural Net Classification ( ANN) ve eCognition - Support Vector Machine (ECO-SVM) ile sınıflandırılmış ve performansları incelenmiştir. Genel doğruluk oranları, örnek boyutları 200 ile 403 arasında değişmiştir. Çalışmada, büyük eğitim setlerinin küçük eğitim setlerine kıyasla daha yüksek doğruluk oranı verdiği görülmüştür. Hem SENTINEL-2 hem de LANDSAT-9 verilerinde, büyük eğitim setleri kullanıldığında daha yüksek doğruluk oranları elde edilmiştir. Doğruluk oranı, aynı sınıflandırıcı ve eğitim örneği miktarı kullanılsa bile farklı eğitim örnekleri ile yapılan sınıflandırmalar arasında değişiklik göstermiştir. Bu nedenle, eğitim setinin boyutuna bağlı olarak bazı algoritmalar diğerlerinden daha fazla doğruluk sunabilir. Çalışmanın sonuçlarına göre, nesne tabanlı sınıflandırmalarin sonucları, piksel tabanlı sınıflandırmadan daha yüksek doğruluk oranları sunmuştur. SVM, hem SENTINEL-2 hem de LANDSAT-9 verilerinde en yüksek doğruluk oranını sağlamıştır.

Özet (Çeviri)

In this research, large-scale remotely sensed datasets namely SENTINEL-2 and LANDSAT- 9 were classified by five supervised algorithms, Support Vector Machine (SVM), Maximum Likelihood Classification (MLC), Minimum Distance Classification (MDC), Artificial Neural Net Classification ( ANN) and eCognition - Support Vector Machine (ECO-SVM) depending on the amount of training samples. The overall accuracy ranged from 200 to 403 sample sizes. In the study, it was observed that large training sets gave higher accuracy rates compared to small training sets. For both SENTINEL-2 and LANDSAT-9 data, higher accuracy rates were obtained when using large training sets. Accuracy varied between classifications with different training samples, even when using the same classifier and training sample size.Therefore, depending on the size of the training set, some algorithms may be more accurate than others.According to the results of the study, Results of object-based classifications have provided higher accuracy rates than pixel-based classification. SVM provided the highest accuracy in both SENTINEL-2 and LANDSAT-9 data. In SENTINEL-2, the pixel-based classification algorithm ANN gave the second highest result, while in LANDSAT-9, the pixel-based SVM gave the second highest result. In general, higher accuracy rates were obtained when using larger sample sizes.

Benzer Tezler

  1. Tez No

    506577

    Sulama sonrası Harran Ovası tarımsal arazilerdeki yapılaşmanın piksel tabanlı / nesne tabanlı sınıflandırma yöntemleri ile belirlenmesi ve iki yöntemin karşılaştırılması

    Mapping of settelments at the Harran Plain after irrigation using pixel and object based classification systems and comparison of two methods

    AYDIN AYDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilim ve TeknolojiHarran Üniversitesi

    Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı

    PROF. DR. MEHMET ALİ ÇULLU

  2. Tez No

    568707

    İnsansız hava aracı ve yüksek çözünürlüklü uydu verilerinin değerlendirilmesinde piksel ve nesne tabanlı sınıflandırma yöntemlerinin karşılaştırılması

    Comparison of pixel and object-based classification methods in the evaluation of unmanned aerial vehicle and high resolution satellite data

    MESUT ÇOŞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Mühendislik BilimleriAkdeniz Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    PROF. DR. NAMIK KEMAL SÖNMEZ

  3. Tez No

    637309

    Determination and classification of impervious surfaces and their density levels with different techniques and data integrations

    Su geçirmez yüzeylerin ve bunların yoğunluk derecelerinin farklı yöntem ve veri entegrasyonları ile belirlenmesi ve sınıflandırılması

    BERİL VAROL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. MİTHAT DERYA MAKTAV

  4. Tez No

    455410

    Cloud detection and information cloning technique for multi temporal satellite images

    Çok zamanlı uydu görüntüleri için bulut belirleme ve klonlama yöntemi

    KAAN KALKAN

    Doktora

    İngilizce

    İngilizce

    2017

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. MİTHAT DERYA MAKTAV

  5. Tez No

    588113

    Hiperspektral görüntülerde yarı güdümlü öğrenme teknikleri

    Semi supervised learning techniques on hyperspectral images

    MUHAMMET SAİD AYDEMİR

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN BİLGİN

Geri Dön