Arazi kullanım haritalarının üretilmesi amacıyla ortofotoların derin öğrenme yöntemleri kullanılarak sınıflandırılması
Classification of orthophotos using deep learning methods for the production of land use maps
- Tez No: 935462
- Danışmanlar: DOÇ. DR. ALPER ŞEN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 66
Özet
Arazi kullanımının doğru ve verimli şekilde belirlenmesi, sürdürülebilir kalkınma ve planlama süreçleri için kritik bir öneme sahiptir. Özellikle, tarım, yerleşim, sanayi ve ulaşım gibi alanlarda yapılan planlamalar, doğal kaynakların etkin kullanımı ve çevresel sürdürülebilirlik açısından büyük bir rol oynamaktadır. Ortofoto, hava veya uzaktan algılama yöntemleriyle elde edilen görüntülerin coğrafi olarak düzeltilmiş ve coğrafi bilgi sistemlerine uygun hale getirilmiş versiyonudur. Bu görüntüler, arazi kullanımını analiz etme ve değerlendirme süreçlerinde kritik bir araç olarak kullanılmaktadır. Derin öğrenme, makine öğrenmesinin alt dalı olarak, yapay sinir ağlarını kullanarak daha karmaşık ve soyut temsil seviyelerine ulaşmayı hedefler. Karmaşık veri setleri üzerinde etkili ve doğru sınıflandırma yapar. Ancak çok sayıda etiketli veri gereksinimi ve yüksek hesaplama maliyeti dikkate alınmalıdır. Bu çalışmada, Kırklareli'nin Kaynarca ilçesinde insansız hava aracı kullanılarak yapılan uçuş ile elde edilen hava fotoğrafları Pix4D yazılımı ile değerlendirilerek üretilen ortofoto veri seti kullanılmıştır. Görüntüler, veri ön işleme sürecinde alt görüntülere ayrılmıştır. Bu veriler, bina, yol, bitki örtüsü ve arka plan olmak üzere dört ana sınıfa ayrılarak etiketlenmiş ve sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma işlemi için DeepLabv3+, UNet++, SegFormer-MixVTB3 ve Attention UNet algoritmaları kullanılmıştır. Bu algoritmalar belirli bir sınıflandırma amacı için tasarlanmış olup, çeşitli veri setlerinde farklı performans seviyeleri göstermektedir. Eğitilen model, eğitim setinde olmayan Afyonkarahisar'ın Davulga ilçesi ortofotosu üzerinde test edilmiştir. Ortofoto görüntülerin arazi kullanımı amacıyla sınıflandırılmasında DeepLabv3+ ve SegFormer-MixVTB3 algoritmalarının performansı, diğer yöntemlere göre daha iyi sonuçlar elde etmiştir. Böylece, arazi örtüsü sınıflarının derin öğrenme yöntemleri kullanılarak oluşturulması ile arazi kullanım haritalarına altlık sağlanmıştır. Bu bulgular, derin öğrenme yöntemlerinin arazi örtüsü sınıflandırmasına etkin bir şekilde uygulanabileceğini ve gelecekteki araştırmalarda daha geniş veri setleri ile daha iyi sonuçlar elde edilebileceğini göstermektedir.
Özet (Çeviri)
Determining land use accurately and efficiently is critical for sustainable development and planning processes. In particular, planning in areas such as agriculture, settlement, industry and transportation plays a major role in the effective use of natural resources and environmental sustainability. Orthophoto is a geographically corrected version of the images obtained by aerial or remote sensing methods and made suitable for geographic information systems. These images are used as a critical tool in land use analysis and assessment processes. Deep learning, as a sub-branch of machine learning, aims to reach more complex and abstract levels of representation using artificial neural networks. It performs effective and accurate classification on complex data sets. However, a large number of labeled data and high computational cost should be considered. In this study, the orthophoto dataset produced by evaluating the aerial photographs obtained through an unmanned aerial vehicle flight in Kaynarca district of Kırklareli with Pix4D software was used. The images were divided into sub-images in the data pre-processing process. These data were labeled and classified into four main classes: building, road, vegetation and background. DeepLabv3+, UNet++, SegFormer-MixVTB3 and Attention UNet algorithms were used for classification. These algorithms are designed for a specific classification purpose and show different performance levels on various data sets. The trained model was tested on the orthophoto of Davulga district of Afyonkarahisar, which was not included in the training set. The performance of DeepLabv3+ and SegFormer-MixVTB3 algorithms outperformed the other methods in classifying orthophoto images for land use. Thus, by producing land cover classes using deep learning methods, a basis for land use maps was provided. These findings show that deep learning methods can be effectively applied to land cover classification and better results can be obtained with larger data sets in future research.
Benzer Tezler
- Digital fotogrametrik ortofoto üretimine yönelik bir sym bilgisayar programı ve uygulamaları
Developing a dtm software for fotogrammetric digital orthophoto production and applications
BASHAR BASHİR
- Balıkesir ovası arazilerinin güncel arazi kullanım durumu ve sürdürülebilir yönetimi
Present land use situation and sustainable management of balikesir plain lands
ERHAN DOĞRAMA
Yüksek Lisans
Türkçe
2020
ZiraatBursa Uludağ ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. ERTUĞRUL AKSOY
- İstatistiksel yöntemler kullanılarak heyelan duyarlılık haritalarının üretilmesi ve konumsal hassasiyetlerinin incelenmesi
Production of landslide susceptibility maps by statistical methods and investigation of spatial susceptibility
ASLAN CİHAT BAŞARA
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriOndokuz Mayıs ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. YASEMİN ŞİŞMAN
- Şehir Atlası projesi pilot uygulaması: Gaziantep ili örneği
A case study for Urban Atlas project: Gaziantep city
SEMİH SAMİ AKAY
Yüksek Lisans
Türkçe
2014
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. 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