Görüntü İşleme-Doğruluk Analizi

Sınıflandırma, bir veri içinde belirlenen özelliklere sahip gruplar oluşturan cisimlerin benzerliğinden yararlanarak kümeleme işlemidir.

Görüntü sınıflandırma işleminde hedef, görüntüdeki bütün pikselleri arazide karşılık geldikleri temalar içine otomatik olarak atayarak ait oldukları koordinatlarda konumlandırmaktır. Sınıflandırma ile görüntüdeki cisimler, belirlenen gruplara ayrılarak tanımlanırlar.

Uzaktan Algılama çalışmalarında ihtiyaç duyulan görüntüler, yeryüzüne ait çeşitli türde bilgi içermektedir. Bu bilgi, yeryüzünden yansıyan ya da yayılan enerjinin elektromanyetik spektrumun belli aralıklarında ölçülerek bandlara kaydedilmesi ile elde edilir. Her bir bandta, o bandın duyarlı olduğu spekral aralığa ait yansıma değerleri bulunur. Uydu görüntülerinin içerdiği bu veriler ham haldedir. Bu verilerden bilgi elde edebilmek için çeşitli analizler ve yorumlama teknikleri kullanılır.

Gerçekleştirilen Denetimli Sınıflandırma (Supervised Classification) ve Denetimsiz Sınıflandırma (Unsupervised Classification) işlemlerinin sonucunda ise, iki tip hataya rastlanmaktadır. Bunlar; Piksellerin yer alması gerekenden farklı bir sınıfa atanması (error of comission) ve Piksellerin uygun bir sınıfa atanamamasıdır (error of omission).

Denetimsiz sınıflandırma sonucundan elde edilen sınıflar, başlangıçta özellikleri bilinmeyen spektral sınıflardır. Spektral sınıfların değer bilgilerine ulaşabilmek amacı ile, sınıflandırılmış görüntü, başka bir referans coğrafi bilgi ile kıyaslanmalıdır.

Sınıflandırma işleminde, hata analizinin en genel yapısı, sınıflandırma hata matrisleridir. Bu matrisler, Confusion matrix ya da olasılık tablosu olarak tanımlanır. Bu tablonun, satırlar ve sütunlarla gösterilen sınıflandırma sonuçlarında; satırlar sınıf verilerini, sütunlar da örnek noktaya dayalı yer gerçeklerini ifade eder.

Oluşturulan hata matrisinin diyagonal elemanları, referans veri ile uyumlu olan sınıflandırma sonuçlarını vermektedir. Her satırda bulunan diğer elemanlar da farklı sınıfa atanmış eleman sayısını verir. Hatalı sınıf yüzdesi, “commission error” olarak tanımlanmaktadır. Her sütunda bulunan ve diagonal matris dışında kalan elemanlar da sınıflandırılamamış pikselleri temsil eder. Hata yüzdesi de; “omission error” olarak tanımlanır

Sınıflandırılmış görüntünün doğruluğu hesaplanırken; toplam doğrular (diagonal matrisin elemanları), hata matrisindeki tüm piksellere bölünerek bulunur. Bir sınıfa ait doğru piksellerin sayısı, bulunduğu satır üzerindeki tüm piksellere (sınıf içinde bulunan tüm piksellere) bölünürse; sonuç doğruluk “kullanıcı doğruluğu (user.s accuracy)” olarak tanımlanır ve commision error ölçütüdür.

Bu hata matrisinin sütunları “referans verileri”, satırları ise “sınıflandırılmış görüntüyü” temsil etmektedir. Hata matrisi “Kappa katsayısı” ile istatistik olarak analiz edilmektedir. 0 ile 1 arasında değişen bu katsayı, hata matrisinin satır ve sütun toplamları ile köşegeni üzerindeki elemanlar kullanılarak hesaplanmaktadır. Test piksellerinin sayısının her bir sınıf için en az 50 adet olması önerilir.

Doğruluk analizi, uydu görüntülerinden elde edilen sınıflandırma sonuçlarının doğruluklarının belirlenmesini ve Uzaktan Algılama verilerinden elde edilen haritaların kalitesinin ve kullanılabilirliğinin değerlendirilmesini sağlar.

Adım 5: Sınıflandırma sonucunda oluşan yeni raster verinin kaydedilmesi için “Görüntü Sınıflandır” komut penceresi “Tamam” ile kapatılır ve “Raster Sakla” komut penceresinde dosya adı ve türü belirtilerek işlem sonlandırılır.

Adım 1: Sınıflandırma sonucu elde edilen raster veri, Netcad ekranına yüklenir ve “Doğruluk Analizi”nin yapılabilmesi için “NetRS/Doğruluk Analizi” işlemine girilir. Doğruluk Analizi işleminin yapılabilmesi için, sınıflandırma sonrasında elde edilen 8 bitlik raster veriler gereklidir.

Adım 9: Analiz sonrasında elde edilen “Kappa (K) katsayısı” sınıflandırmanın doğruluğunu ağırlıklı olarak hesaplayan bir istatistiksel ölçü olarak kullanılır. Bulunan “K” değeri; 0.0 ise; sınıflandırılmış veri ile referans verisi arasında uyuşma olmadığını, 0.4 ve aşağı ise; sınıflandırma performansının yetersiz olduğunu, 0.75 ve fazlası ise; sınıflandırma performansının çok iyi olduğunu, 1.0 ise tam uyuşma olduğunu göstermektedir. Raporu kaydetmek için “Dosya/Sakla” işlemi gerçekleştirilir.

Adım 8: Doğruluk Analizi sonrasında elde edilen bilginin rapor olarak hazırlanması için, farenin sağ tuşuna tıklandığında açılan menüden “Doğruluk Analizi Raporu” seçilir. Gelen rapor penceresinde işlem sonrasında hesaplanan “hata matrisi”, “toplam- ullanıcı” ve “üretim doğruluğu” ile “Kappa (K)” değerleri yer almaktadır.

Adım 2: İşlem içerisine girildiğinde ekrana gelen “Sınıflandırma Doğruluk Analizi” komut penceresinde farenin sağ tuşuna basılması ile, açılan menüden analiz edilecek noktaların “rastgele”, “grid” veya “ekrandan okuması” sağlanabilir. Menüden “Rastgele Nokta üret” seçilir ve “Nokta Üret” penceresinde “üretilecek nokta sayısı”, “20” olarak girilir.

Spektral Açı (Spectral Angle Mapper, SAM) algoritması, hiperspektral görüntülerde her piksel için bilinmeyen spektrum ile referans spektrumlar arasındaki spektral açıyı hesaplar. Buna göre bilinmeyen piksel, kendisi ile en az spektral açı değerine sahip olan referans spektruma (sınıfa) atanır.

Adım 1: “Raster/Raster Yöneticisi” işlemine girilir. “Referans Raster Veri Ekle” penceresinde örnek raster veri olan “Landsat_TM_541” dosyası seçilerek Netcad ekranına yüklenmesi sağlanır.

Koordinatlandırma işleminin hassasiyetini, sınıflandırılmış uydu görüntülerinin, çalışma alanına ait doğruluğu kesin olarak bilinen referans verilerle karşılaştırılması sonucunda, sınıflandırmadan elde edilen doğruluk oranı belirlenir.

Otomatik sınıflandırma, verilen bir cisim kümesi içinde benzer objelerin homojen sınıfları oluşturması veya verilen cismin özelliğinden yola çıkarak birçok veya daha öncede tanımlanmış sınıfların oluşturulmasının matematik ve istatistik yöntemlerle gerçekleştirilmesidir.

Görüntü sınıflandırma kurallarının ana hedefi; alanı kapsayan sınıflar ve konulara göre bütün pikselleri ayrıştırmaktır. Sınıflandırmayı sağlamak için, genellikle çok bantlı görüntüler kullanılmaktadır.