Tarımsal Haritalamada Orta Çözünürlüklü Uydu Verileri İle Proses-tabanlı Görüntü Analizi

Abstract

Günümüzde teknoloji pek çok alanda insanoğlunun günlük hayatta kullandığı işleri daha sistematik, doğruluklu, hızlı ve minimum insan etkileşimi ile otomatikleştirmek üzere gelişmektedir. Bilgi teknolojilerinin birçok alanında olduğu gibi geo-enformasyon alanında da daha hızlı ve hassas bilgiye ihtiyaç artmaktadır. Bugün, uzaktan algılama alanındaki görüntü analizlerinde proses tabanlı sistemler hala uzman etkileşimi gerektirmesine rağmen, gelecekte çok daha fazla işlem adımının tam otomatik olarak gerçekleştirilebileceği akıllı sistemler yer alacaktır. Bu tezin hazırlanmasındaki ana motivasyon uzaktan algılama uygulamalarındaki otomasyon olup, görüntü analizi için proses-bazlı bir prosedür tasarlanmıştır. Tez kapsamında, tarımsal faaliyetlerin periyodik nükseden yapısı nedeni ile proses bazlı tasarım için uygun olduğu düşünülerek, tarımsal haritalama amaçlı görüntü işleme prosesi hazırlanmıştır. Hazırlanan proses çok-zamanlı görüntü setini girdi olarak kullanmakta ve otomatik aşamalı sistem ile sınıflandırılmış görüntü çıktısı sağlamaktadır. Optik ve radar olmak üzere iki ayrı veriseti için iki ayrı proses yazılmıştır. Uydu veri setleri olarak 2007 yılına ait 5 adet SPOT 4 ve 1997 yılına ait 6 adet JERS görüntüsü kullanılmıştır. Çalışma alanı olarak Türkgeldi Tarım İşletmesi seçilmiştir. Çalışmada Türkgeldi Tarım İşletmesi’nden alınan ürün haritaları yardımcı veri olarak kullanılmıştır. Proseste görüntü analizi yöntemi olarak nesne-tabanlı sınıflandırma yöntemi seçilmiştir. Bu yöntemde sınıfların hem spektral özellikler hem de şekil, doku, komşuluk gibi diğer özellikler ile tanımlanması avantajı sağlanmaktadır. Çok-zamanlı verisetleri üzerinde ilk adım olarak segmentasyon işlemi yapılmıştır. Sınıf tanımları yapılarak her parametre için sınıf aidiyet kriteri ve sınıflar için dağılım fonksiyonları belirlenmiştir. Gerektiğinde sınıf tanımlayıcı parametreler mantık operatörleri ile birleştirilmiştir. İkinci adım olarak oluşturulan görüntü nesnelerine fuzzy teorisine dayalı olarak yapılan sınıflandırma işlemi ile üyelik değerleri atanmıştır. Sınıflandırma gerektiği kadar seviyede gerçekleştirilmiştir. Sınıflar hiyerarşik bir ağ yapısı altında birbirleri ile alt-üst sınıf ilişkisi içerisindedirler. Uygulamada proses çalıştırılarak aşamalı olarak sınıflandırma işlemlerini tamamlamakta ve sonuç çıktıya ulaşmaktadır. Çalışmanın değerlendirilmesi amacı ile nesne-tabanlı görüntü sınıflandırma işleminin doğruluk analizi yapılmıştır. Her iki veriseti için ayrı ayrı olmak üzere segmentasyon ve sınıflandırma işlemlerinde karşılaşılan sorunlar ve çözüm yaklaşımları değerlendirilerek otomasyon açısından hazırlanan prosesin başarısı değerlendirilmiştir.

Technology, today, is in progress to automate various kinds of work conducted by people to get more accurate products in more systematic and faster ways with less effort. As in many fields of information technologies, the need for timely and accurate geo-spatial information is steadily increasing. Although expert interaction and feedback is needed today, in the future, more of the steps will be done automatically by intelligent systems. The main motivation of this thesis was the automation in remote sensing applications, and a design of a process-based image analyzing procedure was performed. In context of this thesis, a process tree was developed for agricultural mapping based on the thought that the agricultural activities are suitable for process based systems since they recur on a periodic cycle. The process tree written is using multi-temporal image dataset as an input, and then giving the classified output image by using an incremental automated system. Two different procedures were developed and executed for optical and radar image datasets separately. The datasets are composed of 5 images of SPOT 4 data acquired on 2007 and 6 images of JERS data acquired on 1997. The study area was selected as Turkgeldi State Production Farm. The crop maps taken from Türkgeldi State Production Farm were used as ancillary data. Object-based image analysis was used through the process. This method provides the advantage of using class descriptions maintained by considering object properties such as shape, texture and neighborhood relations as well as spectral properties. As a first step, segmentation was applied on multi-temporal data. After the determination of the criteria for each parameter and the expression of related distribution functions, classes were defined. Logical terms were used to combine class descriptions where needed. As the second step, membership values were assigned to the image objects for each possible class based on fuzzy theory. Classification was executed on multi-levels. The hierarchical structure enables a parent-child relation between classes. The final classification output was produced by taking the advantage of a hierarchical structure. The results were interpreted in perspectives of evaluating both the process-based remote sensing applications and the efficiency of object-based image analysis. As the process runs, the classification process is realized incrementally and outputs the final result. To evaluate the success of the application, the accuracy assessment of the object-based image classification was performed. The problems of segmentation and classification operations, and the solution approaches were evaluated for both process trees of optical and radar datasets to assess the success of the process in scope of automation.