Görüntü Keskinleştirme Yöntemlerinin Nesne-Yönelimli Sınıflandırma Açısından Değerlendirilmesi

(Evaluation of Image Pan-Sharpening Methods In Terms of Object-Oriented Classification)

Özet

Mevcut uzaktan algılama uyduları genellikle, daha düşük mekânsal çözünürlüklü multispektral ve daha yüksek mekânsal çözünürlüklü pankromatik görüntü alabilen algılayıcılara sahiptir. Düşük ve yüksek çözünürlüklü görüntüler arasındaki bu oran genellikle 4 olmasına rağmen, Landsat, Göktürk-2 gibi bazı uydularda ikidir. Uydu görüntülerinin keskinleştirilmesi ile daha yüksek mekânsal çözünürlüklü multispektral görüntüler elde edilebilmektedir. Bu durumda daha ayrıntılı arazi kullanımı ve arazi örtüsü bu görüntülerden elde edilebilmektedir. Görüntülerin keskinleştirilmesi için çeşitli yöntemler geliştirilmiştir. Bu yöntemler farklı görüntülere uygulanmış ve sonuçlar değerlendirilmiştir. Görüntülerin spektral ve mekânsal çözünürlükleri arazi kullanımı ve örtüsünün çıkarılmasını etkilerken, diğer taraftan görüntüleme uydularının çoğalmasıyla birlikte görüntülerden otomatik veya yarı otomatik yöntemlerle yeterli doğrulukta bilgilerin çıkarılması gerekmektedir. Görüntülerden yeryüzüne ait bilgilerin çıkarılmasının otomatize edilmesi görüntü sınıflandırma yöntemleri ile sağlanmaktadır. Son yıllarda yapılan araştırmalar kullanılan sınıflandırma yöntemlerinden nesneyönelimli sınıflandırmanın, piksel tabanlı yöntemleri domine ettiğini göstermiştir. Görüntü keskinleştirme yöntemleri istatistiksel olarak ve piksel tabanlı sınıflandırma kullanılarak değerlendirilmiş başarıları karşılaştırılmıştır. Bu çalışmada en başarılı olarak değerlendirilen keskinleştirme yöntemleri nesneyönelimli sınıflandırma açısından kıymetlendirilmiştir. Spektral ve mekânsal anlamda zenginleştirilmiş görüntülerin, en başarılı sınıflandırma yöntemi olan nesne-yönelimli keskinleştirmenin sonuçları sınıflandırma doğrulukları açısından incelenmiştir. sınıflandırma ile görüntü.

Abstract

Current remote sensing satellites generally have multispectral bands have lesser spatial resolution and panchromatic band has higher spatial resolution. Between panchromatic and multispectral bands resolution ratio is generally 4. But this ratio for Landsat and Gokturk-2 is 2. Pansharpening these images (panchromatic and multispectral bands) imagery has higher spatial reolution can be obtained. So more detailed land use and land classification (LULC) can be produced with pan-sharpened images. In order top ansharpen images different methods have been