Uydu Görüntülerinin Piksel Ve Nesne Tabanlı Sınıflandırma Sonuçlarının Karşılaştırılması (doğu Trakya Bölgesi Örneği)

Abstract

Bu çalışmada çeşitli uydu görüntülerinin farklı yöntemlerle sınıflandırılmasıyla oluşturulan arazi örtüsü ve arazi kullanımı haritalarının sonuçları incelenmiştir. Yaygın olarak kullanılan piksel tabanlı sınıflandırma yöntemlerinden en yüksek olabilirlik sınıflandırıcısı, yüksek ve orta çözünürlüklü uydu görüntülerine uygulanmıştır. Yüksek çözünürlüklü uydu görüntülerinden olan Ikonos ve SPOT 5’de piksel boyutunun küçülmesiyle sınıflar arası spektral ayırt edilebilirlik düşmüş ve bu da sınıflandırma sonuçlarına yansıyan birtakım sorunların oluşmasına neden olmuştur. Buna karşın orta çözünürlüklü Landsat görüntüsünde ise aynı yöntem %7’lik bir farkla daha başarılı sonuç vermiştir. Diğer taraftan nesne tabanlı sınıflandırma, piksel tabanlı olana göre Ikonos görüntüsü için %62’ye karşın %79’la, SPOT 5 görüntüsü için ise %67.5’e karşın %86’lık bir doğrulukla daha iyi sonuç vermiştir. Nesne tabanlı sınıflandırmanın anahtar adımı olan segmentasyonda en uygun ölçek parametresini seçebilmek için piksel tabanlı sınıflandırmada sınıf ayırt edilebilirlik indeksi olarak bilinen öklit uzaklığı (Eucliedan Distance: ED) yardımıyla yeni bir yöntem geliştirilmiştir. Piksel ve daha büyük ölçek seviyelerindeki ED değerleri arasındaki bu karşılaştırma, segmente edilen nesneleri en iyi sınıflandırma doğruluğuna ulaştıran bir potansiyel olan en uygun ölçeğin belirlenmesine yardımcı olmuştur. Landsat TM (30m), SPOT 5 (2.5m pan-sharpaned) ve Ikonos (4m multispektral) görüntüleri için ilgili çalışma alanlarında piksel ve nesne tabanlı olmak üzere toplam altı adet sınıflandırma ve doğruluk analizi yapılarak sonuçlar irdelenmiş ve arazi örtüsü haritalanması konusunda bazı önerilerde bulunulmuştur.

In this study, results of the land-cover and land-use maps obtained by classifying the several satellite images have examined in different methods. Maximum likelihood classifier which is one of the most popular pixel-based classification method have applied to the middle and high spatial resolution images. Smaller pixel size and poor spectral seperability affect the classification results badly for the high resolution Ikonos and SPOT 5 images. In contrast to this the required success have achieved for the middle spatial resolution Landsat images with 81% accuracy. On the other hand in accordance with the pixel-based one object-based classification has resulted with the 17% extra accuracy for the Ikonos images and 19% extra accuracy for the SPOT 5 images. Specifically for object segmentation, which is the key step in object-based classification, a new method has been developed to choose the optimal scale parameter with the aid of Euclidean distance (ED), a well known index of class seperability in traditional pixel-based classification. A comparison of ED values at the pixel level and the series of larger scales assisted us to determine an optimal scale at which the segmented objects have the potential to achieve the best classification accuracy. In total six classifications and accuracy assessments have completed in study areas by using pixel and object based classification included with the Landsat TM (30m), SPOT 5 (2,5m pan-sharpaned) and Ikonos (4m multispektral) images. Some suggestions have been proposed by analysing the results.