UZAKTAN ALGILAMA UYGULAMALARI

Kontrolsüz sınıflandırma (unsupervised classification), uzaktan algılama uygulamalarında çok tercih edilen bir yöntem değildir. Sonuçların doğruluğu genelde tatmin edici olmamaktadır.

“Column Properties” komut penceresinde “Editable” işaretlenir ve “New” düğmesine basılır. “Column 7” isminde açılan yeni alanın ismi “Title” alanında “Color_yedek” olarak değiştirilir.

AOI Tools-Area Of Interest Tools (İlgi Alanı Belirleme Araçları): Görüntü üzerinde sayılsallaştırma, tek ya da grup pikselleri belirlemek için kullanılacak araçları içerir.

Signature Editor: Spectral sinyallerin toplanmasına, değerlendirilmesine ve güncellenmesine olanak sağlayan araçları içerir.

Ekrana görüntünün tamamını getirmek için farenin sağ tuşuna basılarak “Fit Image the window” seçilir.

Histogram plots, sinyal kalitelerinin değerlendirilmesini sağlar. Bu değerlendirmede farklı sınıflara ait tayfsal karışıklıklarla (Spectrally confused) karşılaşılacaktır. Tayfsal karışıklıklar, bir arazi örtüsü sınıfının birden daha fazla sinyali içermesinden kaynaklanır.

Görüntü üzerinden toplanan sinyallerin değerlendirmesi ve gözle doğruluğunun ön kontrolü için kullanılan araçlardan birisi de “Image Alarm”dır.

Görüntüler sınıflandırılırken “Supervised Classification” komut penceresinde Parametric Rule, Minimum Distance, Mahalanobis Distance, Maximum Likelihood parametrelerinden yaralanılır.

Ekrana gelen “Thematic Recode” komut penceresinde aynı sınıfların birleştirilmesi için, farenin sol tuşu ve klavyedeki “Shift” tuşuna basılır.

Son adım 16: “Viewer2”de “Raster” menüsü altında “Attributes” seçilir. “Raster Attribute Editor” komut penceresinde birleştirilmiş olarak 5 ayrı sınıf görülür.“Class Names” alanı altındaki isimler “Sulu Tarım 1 = Sulu Tarım, Kuru Tarım 1 = Kuru Tarım, Orman 1 = Orman, Bos Arazi 1 = Bos Arazi” olarak isimleri yeniden düzenlenir. “Edit” menüsü altında “Add Area Clumn” ifadesi seçilerek“Area” alanının bir “field” olarak eklenmesi sağlanır. “Raster Attribute Editor”komut penceresindeki “File” menüsü altında bulunan “Save” düğmesine basıla- rak kaydedilir ve pencere kapatılır (Şekil 3.16).

Parametric Rule: Bir sinyal setinin istatistiki bilgilerine dayanır.

Minimum Distance: Her bir sinta ortalamasından, (Mean) multispectral ara- lığında, her bir pikselin mesafesini hesaplar. Piksel kendine yakın olanın ortala- masına dayalı olarak sınıflanır.

Mahalanobis Distance: Bu eşitlik, sınıflandırma algoritmasını içeren para- metrelerdir. Her bir sınıfın her bir bandına ilişkin normal veri dağılımını içerir.

Maximum Likelihood: Özel bir sınıfa ait pikselin olasılığına dayalı bir kural- dır. Özel sinyale ilişkin bir pikselin istatistiki olasılığını hesaplayan bir eşitliktir.

Görüntü üzerinden toplanan sinyallerin değerlendirmesi ve gözle doğruluğunun ön kontrolü için kullanılan araçlardan birisi de “Image Alarm”dır.

Histogram plots, sinyal kalitelerinin değerlendirilmesini sağlar. Bu değerlendir- mede farklı sınıflara ait tayfsal karışıklıklarla (Spectrally confused) karşılaşılacak- tır.

4. ve son adım Eekrandaki tüm histogramlar “Histogram Plot Control Panel” komut penceresi üzerindeki “Close” düğmesine basılarak kapatılır.

Adım 3: “Signature Alarm” diyaloğunda “Indicate Overlap” seçeneği işaret- lenir ve rengi sarı olarak değiştirilir. Takiben “OK” butonuna basılır (Şekil 3.38).

Adım 1: “Signature Editor” komut penceresi üzerindeki “Classify” menü- sünden “Supervised” ifadesi seçilir (Şekil 3.39).

Görüntü sınıflandırması uydu görüntülerinden tematik bilgi elde etmek için kullanılan yöntemlerden biridir. Görüntü sınıflandırması, arazi örtüsü çeşitleri (su, tahıl, orman, şehir alanları vs) spectral yansıma değelerinin bir spectral desen tanımlama teorisi ile analiz edilerek görüntünün benzer spectral sınıflara ayrılmasıdır. Bir görüntüyü oluşturan piksellerin niteliklerini belirtmektir. Sınıflandırmada doğruluğun arttırılması için yardımcı verilerin kullanılması gerekir. Bu veriler; yükseklik, eğim, bakı, toprak haritaları, jeoloji haritaları, bitki örtüsü, hidroloji dir. Doğru cevap E’dir.