SavedAdd your journal

Journals / Veri Bilimi / 2019 / Cilt: 2 - Sayı: 1

Uydu görüntülerinden zincir kod ve en uzun ortak alt küme yöntemleri ile yarı otomatik yol bulma

Muhammed TEKİN
Müfit ÇETİN
Pages
61–72
Publication Date
2019-07-13
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu sonuçlar önerilen sistemin düşük hata oranı ile kullanılabilir bir önişlem yöntemi olduğunu göstermiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada uydu resimlerindeki yolların tespitinde yeni bir yarı otomatik önişlem yöntemi geliştirilmeye çalışılmıştır.
📊
Key Findings & Data:Önerilen yöntem kullanılarak üç adet örnek uydu görüntüsünde denemeler yapıldığında sırarsıyla duyarlılık (sensitivity) %60’lar civarında, belirginlik (specifity) değeri %90 üzeri, doğruluk (accuracy) ise %80 civarı olduğu görülmüştür.
💡
Conclusion & Impact:Bu sonuçlar önerilen sistemin düşük hata oranı ile kullanılabilir bir önişlem yöntemi olduğunu göstermiştir.
🔬Design:Experimental Field Trial
📍Scope:Comprehensive Sample
⚙️Variables:Uydu görüntüleri · yol tespiti · zincir kod

Özet

Bu çalışmada uydu resimlerindeki yolların tespitinde yeni bir yarı otomatik önişlem yöntemi geliştirilmeye çalışılmıştır. Sistem dört ana aşamadan oluşmaktadır. İlk aşama, uydu görüntüsündeki kenarlıkların ortaya çıkarılma işlemidir. İkinci aşama, zincir kod yönteminin (chaincode) kenar nesnelerine uygulanarak her bir kenar nesnesine ait zincir kodun elde edilmesidir. Üçüncü aşama, en uzun ortak alt küme (longest common subsequence) yöntemi ile zincir kod benzerlikleri karşılaştırılarak birbirine benzer kenarların otomatik tespit edilmesidir. Son aşama ise, belirlenen yol kriterlerine ve istatiksel parametrelerden faydalanılarak hatalı piksellerin elimine edilmesidir. Önerilen yöntem kullanılarak üç adet örnek uydu görüntüsünde denemeler yapıldığında sırarsıyla duyarlılık (sensitivity) %60’lar civarında, belirginlik (specifity) değeri %90 üzeri, doğruluk (accuracy) ise %80 civarı olduğu görülmüştür. Bu sonuçlar önerilen sistemin düşük hata oranı ile kullanılabilir bir önişlem yöntemi olduğunu göstermiştir.

🔖

Cite This Article

TEKİN, M., ÇETİN, M. (2019). Uydu görüntülerinden zincir kod ve en uzun ortak alt küme yöntemleri ile yarı otomatik yol bulma. Veri Bilimi, Cilt: 2 - Sayı: 1, 61–72. https://ajindex.com/articles/821883

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (3)

  1. Wolodtschenko A, Forner T Prehistoric and early historic maps in Europe: Conception of Cd-Atlas Spring 2007 e-Perimetron Vol.2 No.2 pp 114-6[2] Bajcsy R and Tavakoli M Computer recognition of roads from satellite pictures 1976 IEEE Transactions on Systems Man and Cybernetics vol. 6 pp 623–37[3] Lim J S Two Dimensional Signal and Image Processing 1990 (New Jersey: Prentice Hall)[4] Gaetano R, Zerubia J, Scarpa G and Poggi G Morphological road segmentation in urban areas from high resolution satellite images 2011 17th International Conference on Digital Signal Processing (DSP), Corfu, 2011, pp. 1-8[5] Ünsalan C, Boyer K L Introduction. In: Multispectral Satellite Image Understanding. Advances in Computer Vision and Pattern Recognition (London: Springe)[6] Ameri F, Mobaraki M, Valadan Z and Javad M Semi-automatic extraction of different-shaped road centerlines from MS and pan-sharpened IKONOS images 2008
  2. Int. Archives of Photogrammetry, Remote Sensing and Spatial Info. Sciences p 37[7] Sirmacek B and Unsalan C Road Network Extraction Using Edge Detection and Spatial Voting 2010 20th Int. Conf. on Pattern Recognition Istanbul pp 3113-16[8] Ali H M, Boshir A and Ariful I M Automatic extractions of road intersections from satellite imagery in urban areas 2010 Int. Conf. on Elect. & Comp. Eng. Dhaka pp 686-689[9] Revathi M and Sharmila M Automatic road extraction using high resolution satellite images based on level set and mean shift methods 2013 4th Int. Conf. on Comp., Comm. and Networking Tech. Tiruchengode pp 1-7[10] Kirthika A and Mookambiga A Automated road network extraction using artificial neural network 2011 Int. Conf. on Recent Trends in Info. Tech. Chennai Tamil Nadu pp 1061-65[11] Arafat S Y, Butt A Y and Liaqat N Automatic road detection using MCSC 2011 IEEE 14th Int. Multitopic Conference, Karachi pp 126-131[12] Abraham L and Sasikumar M A fuzzy based road network extraction from degraded satellite images 2013
  3. Int. Conf. on Advances in Computing, Comm. and Info. Mysore pp 2032-36.[13] Alshehhi R and Marpu P R Hierarchical graph-based segmentation for extracting road networks from high-resolution satellite images 2017 ISPRS Journal of Photogrammetry and Remote Sensing Vol.126 pp 245-60[14] Maboudi M, Amini J, Malihi S and Hahn M Integrating fuzzy object based image analysis and ant colony optimization for road extraction from remotely sensed images 2018 ISPRS Journal of Photogrammetry and Remote Sensing Vol.138 pp 151-63[15] Liu R, Song J, Miao