Per field image classification for agricultural cands in the integration of remote sensing and GIS
Uzaktan algılama ve CBS entegrasyonunda tarımsal alanlar için parsel bazlı görüntü sınıflandırması
- Tez No: 93207
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Uzaktan Algılama, Piksel bazlı sınıflandırma, Parsel bazlı analiz, Homojenlik testi, Veri tabam güncellenmesi vı, Coğrafi bilgi sistemleri, Parselleme, Tarım alanları, Veri tabanı, Remote Sensing, Per pixel classification, Field based analyses, Homogeneity analyses, Database update IV, Geographical information systems, Parceling, Agricultural lands, Database
- Yıl: 2000
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
oz UZAKTAN ALGILAMA VE CBS ENTEGRASYONUNDA TARIMSAL ALANLAR İÇİN PARSEL BAZLI GÖRÜNTÜ SINIFLANDIRMASI Özen, Hilal Yüksek Lisans, Jeodezi ve Coğrafi Bilgi Teknolojileri Bölümü Tez Yöneticisi: Yrd. Doç. Dr. Mustafa Türker Aralık 2000, 82 sayfa Sınıflandırma, uydu görüntülerinden arazi örtüsü ve arazi kullanımı hakkında bilgi edinmek için en yaygın tekniklerden biridir. Geleneksel piksel bazlı sınıflandırma teknikleri düşük güvenirliktedir. Uydu görüntülerinden elde edilen bilginin güvenirliği piksellerin birbiriyle olan ilişkisinin görüntü analizlerinde kullanılması ile artırılabilir. Bu çalışmada parsel bazlı görüntü sınıflandırması ve analizleri Harran, Şanlıurfa ve Kulu, Konya' daki tarımsal alanları kapsayan Landsat Thematic Mapper (TM) ve İRS 1-C LISS UJ görüntülerine uygulanmıştır. Uydu görüntüsü ve coğrafi veriler birlikte analiz edilmiştir. Poligon olarak coğrafi bilgi sisteminde (CBS) tutulan vektör formdaki tarla sınırları görüntü sınıflandırmasında kullanılmıştır. Sınıflandırma parsel bazlı olarak yapılmıştır. Parsel bazlı sınıflandırmada piksellerin konumsal bağlantılarının TEG YÛKSffiÖĞRETtM KÜ1Öİİkullanımı piksel bazlı en büyük olasılık sınıflandırma metodundan daha etkin ve iyi sonuçlar üretmiştir. CBS' de tutulan tarlaların geometrik yapışım tanımlayan tarla şuurları karışık sımr piksellerinin analizden çıkarılmasını sağlamıştır. Bundan başka, CBS veri tabam, analiz sonuçlarının veri tabanına direk girişi ile otomatik olarak güncellenmiştir.
Özet (Çeviri)
ABSTRACT PER FIELD IMAGE CLASSIFICATION FOR AGRICULTURAL LANDS IN THE INTEGRATION OF REMOTE SENSING AND GIS Özen, Hilal M. Sc., Department of Geodetic And Geographic Information Technologies Supervisor: Assist. Prof. Dr. Mustafa Türker December 2000, 82 pages Image classification is a widely used technique to derive land cover and land use information from remotely sensed data. Traditional per pixel classification techniques often yield results with limited reliability. The reliability of information extraction from remotely sensed data can be improved using a priori knowledge about the contextual relationships of the pixels. In this study, per field image classifications and analyses were applied to Landsat Thematic Mapper (TM) and IRS 1-C LISS in images for the agricultural areas in Harran, Şanlıurfa and Kulu, Konya respectively. The remotely sensed and geographic data were analysed in an integrated manner. mThe agricultural field boundaries that were stored as vector polygons in a GIS were utilised in the classification process. The classification was performed in a field based manner. Including the spatial context of the pixels in the classification process proved to be effective and produced better results than per pixel maximum likelihood classification (MLC). In addition, the geometry of agricultural field boundaries stored in a GIS enabled the mixed boundary pixels to be excluded from the classification. Furthermore, the GIS database was automatically updated by directly entering the analysis results into the database.
Benzer Tezler
- A multi-temporal masking classification method for field based agricultural crop mapping
Parsel bazlı tarımsal ürün belirlenmesi için çok zamanlı maskelemeli sınıflandırma metodu
MAHMUT ARIKAN
Yüksek Lisans
İngilizce
2003
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
Y.DOÇ.DR. MUSTAFA TÜRKER
- Devoloping an integrated system for semi-automated segmentation of remotely sensed imagery
Uzaktan algılanmış görüntülerin kesimlenmesi için yarı otomatik bir sistem geliştirimi
EMRE HAMİT KÖK
Yüksek Lisans
İngilizce
2005
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ.DR. MUSTAFA TÜRKER
- Comparison of different spatial resolution images for polygon-based crop mapping
Parsel tabanlı ürün haritalaması için farklı çözünürlük uydu görüntülerinin karşılaştırılması
ASLI ÖZDARICI
Yüksek Lisans
İngilizce
2005
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. MUSTAFA TÜRKER
- Patates görüntüleri kullanarak çoklu dış hastalıklarının sınıflandırılması
Classification of multiple skin diseases using potato images
SEDA KIZIL
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Gıda ve Tarım ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAFER ARICAN
- Domateste yaygın görülen hastalıkların derin öğrenme yöntemi ile sınıflandırılması
Classification of common diseases in tomatoes using deep learning methods
ADNAN MOHAMMAD ANWER SHAKARJI
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADEM GÖLCÜK