Herkese merhaba, Günümüzde kentleşme çok hızlı bir şekilde artmaktadır. Bu nedenle kaçak yapılaşmanın önlenmesi, kent yapısının korunması gibi konuların günümüzdeki önemi artmaktadır. İHA fotogrametrisinin en büyük avantajı yüksek çözünürlüklü fotoğrafları bize sağlamasıdır. Bu çalışmada, sayısal İHA fotoğrafları verileri ile otomatik bina çıkarımı için örnek proje yapılmıştır. Bu amaçla nesne-tabanlı sınıflandırma yöntemi kullanılmıştır. Daha önceki yazılarımda bahsettiğim gibi Catalyst ile obje tabanlı kontrollü sınıflandırmanın 5 temel adımı bulunmakta:
- Segmentasyon
- Öznitelik hesaplama
- Eğitim sınıfı toplama
- Kontrollü (supervised) sınıflandırma / Kontrolsüz sınıflandırma
- Sınıflandırma sonrası düzenleme / doğruluk analizi
Kontrollü (supervised) sınıflandırma / Kontrolsüz sınıflandırma farkı nedir? Görüntü sınıflandırma tekniklerinin iki ana kategorisi diyebiliriz.
Kontrollü sınıflandırma (Supervised Classification), bir kullanıcının bir görüntüdeki belirli sınıfları temsil eden örnek pikselleri seçebileceği ve ardından görüntü işleme yazılımını görüntüdeki diğer tüm piksellerin sınıflandırılması için referans olarak bu eğitim sitelerini kullanmaya yönlendirebileceği fikrine dayanır. Eğitim sınıfı kullanıcı tarafından oluşturulur. Kullanıcı ayrıca, onları bir arada gruplamak için diğer piksellerin ne kadar benzer olması gerektiğine ilişkin sınırları da belirler. Bu sınırlar genellikle eğitim alanının spektral özelliklerine, artı veya eksi belirli bir artışa (genellikle belirli spektral bantlardaki “parlaklığa” veya yansıma gücüne dayalı olarak) göre belirlenir. Kullanıcı ayrıca görüntünün sınıflandırıldığı sınıfların sayısını da belirler.
Kontrolsüz sınıflandırma (Unsupervised Classification), sonuçların (ortak özelliklere sahip piksel gruplamaları), kullanıcı örnek sınıflar sağlamadan bir görüntünün yazılım analizine dayandığı yerdir. Bilgisayar, hangi piksellerin ilişkili olduğunu belirlemek için çeşitli teknikleri kullanır ve bunları sınıflar halinde gruplandırır. Kullanıcı, yazılımın hangi algoritmayı kullanacağını ve istenen çıktı sınıfı sayısını belirleyebilir. Ancak, bilgisayar tarafından üretilen ortak özelliklere sahip piksel gruplarının yerdeki gerçek özelliklerle (su alanları, şehir alanları, iğne yapraklı ormanlar vb.) ilişkilendirilmesi gerektiğinde, kullanıcının sınıflandırılan alan hakkında bilgi sahibi olması gerekir ki oluşturulan her alanın ismini programa girebilsin.
Bu çalışmamızda, obje tabanlı sınıflandırma ve kontrollü sınıflandırma kullanarak İHA Fotoğrafı ile Otomatik Bina ve Araç Çıkarımını yaptım. Aşağıda bina ve araç sayımına ait ekran görüntülerimizi bulabilirsiniz.
Catalyst Professional ürününü satın almak için buraya tıklayın.
