Dergiler / Harita Teknolojileri Elektronik Dergisi / 2010 / Cilt: 2 Sayı: 1
Karar Ağaçları İle Uydu Görüntülerinin Sınıflandırılması:
- Sayfa
- 36–45
- DOI
- —
Özet
Uzaktan algılanmış uydu görüntüleri sağladığı önemli avantajlar sayesinde birçok çalışma için öncelikli veri kaynağı olmuştur. Uydu görüntülerinden yeryüzüne ait çeşitli bilgilerin elde edilmesinde en çok başvurulan yöntem görüntülerin sınıflandırılmasıdır. Sınıflandırma sonucu elde edilen tematik haritaların doğruluk ve güncellik derecesi sonuçlar üzerinde doğrudan etkilidir. Bu amaca yönelik olarak günümüze kadar birçok sınıflandırma algoritması geliştirilmiştir. Uydu görüntülerin sınıflandırılmasında son yıllarda kullanılmaya başlayan karar ağaçları, akış şemalarına benzeyen yapılarıyla birçok alanda başarıyla kullanılan bir kontrollü sınıflandırma yöntemidir. Yöntemin parametrik olmayan yapısı ve problem çözümündeki hızı, kullanımını yaygın hale getirmiştir. Bu çalışmada, karar ağaçlarının sınıflandırma performansı güncel bir Landsat ETM+ uydu görüntüsü kullanılarak detaylı şekilde analiz edilmiştir. Yöntemin sınıflandırma performansı yaygın kullanıma sahip en çok benzerlik yönteminin performansı ile karşılaştırılmıştır. Çalışmada kullanılan veri seti için sınıflandırma yöntemlerinin performansları istatistiksel olarak Z testi ile analiz edilmiştir. Elde edilen sonuçlar karar ağaçlarının uydu görüntülerinin sınıflandırmasında etkin bir yöntem olduğunu göstermiştir.
Abstract
Remotely sensed images have been primary data sources for many studies since they provide distinctive advantages. For the extraction of various geo-information from satellite images classification is the most widely used approach. The levels of accuracy and currency of the thematic maps produced through classification have direct impacts on the results. Many algorithms have been developed in the literature for this purpose. Decision trees with flowchart-like structures that have been recently employed in the classification of satellite images are supervised classification techniques successfully used in many fields. Their non-parametric nature and process speed in problem solving have made decision trees widely used and preferred methods. In this study, classification performance of the decision trees was thoroughly analysed using a recent Landsat ETM+ imagery. Performance of decision trees was compared with the maximum likelihood classifier that has been the most widely used classifier. Performances of the classifiers for the data set considered in this study were statistically evaluated using Z test. Results show that decision trees are effective in the classification of satellite images.