UZAKTAN ALGILAMA UYGULAMALARI

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

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

Cisimlerin konumları, atmosferik ve mevsimsel nedenler, aynı nesnelerin farklı yansıtma değerleri vermesine neden olur.

Denetimsiz sınıflandırma; görüntüdeki veri tanımlanamadığında başvurulan yöntemdir. Bu yöntemde, arazi örtüsü tipinin bilinmesine gerek yoktur, öncelikle sınıf sayıları belirlenir. Ayrıca, veri bandı değerleri yardımı ile, benzer piksellerin otomatik olarak bulunması temel alınmaktadır. Tanımlanan bu pikseller sembol, değer ya da etiketlere atanır. Gerektiğinde de aynı tip sınıflarla birleştirilir.

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

Sınıf içerisindeki tüm piksellerin sayısı, bulunduğu sütun içerisindeki tüm piksellerin sayısına bölünürse (o sınıfa ait referans verideki piksel sayısı) sonuç “Üretici hassasiyetini” (producer.s accuracy) verir

Uzaktan Algılama çalışmalarında, uydu görüntülerinden yararlanılarak tespit edilen, arazi örtüsü ve arazi kullanımı bilgilerinin doğruluk değerlendirilmesinde KAPPA ölçümü kullanılır. Bu ölçümde, matris içerisindeki yalnız diagonal elemanlar değil, tüm elemanlar kullanılmaktadır. Bu hata matrisinin sütunları “referans verileri”, satırları ise “sınıflandırılmış görüntüyü” temsil etmektedir.

Uzaktan Algılama çalışmalarında, uydu görüntülerinden yararlanılarak tespit edilen, arazi örtüsü ve arazi kullanımı bilgilerinin doğruluk değerlendirilmesinde KAPPA ölçümü kullanılır. Bu ölçümde, matris içerisindeki yalnız diagonal elemanlar değil, tüm elemanlar kullanılmaktadır. Bu hata matrisinin sütunları “referans verileri”, satırları ise “sınıflandırılmış görüntüyü” temsil etmektedir.

Cisimlerin konumları, atmosferik ve mevsimsel nedenler, aynı nesnelerin farklı yansıtma değerleri vermesine neden olur.

Uzaktan algılama çalışmalarının sonuçlarının bilimsel olarak kabul edilebilmesi ve projenin güvenilirliği, yapılan “Doğruluk Analizi” sonuçlarına bağlıdır. Bu aşamada, istatistiksel bazı prensipler çerçevesinde uygulamalara ihtiyaç duyulur. Doğ- ruluk analizi sonucu tatmin edici değerlerin elde edilemediği durumlarda, eldeki veriler veya uygulanan yöntem sorgulanır. Gerektiğinde veriler tekrar farklı kaynaklardan temin edilir veya üretilir. Tekrar gözden geçirilen yöntemde de problem yok ise; yazılım, donanım ve insan faktörleri sorgulanır.

Sınıflandırma işlemi, eleman sınıflarının belirlenmesine yönelik, uydu görüntüsündeki piksellerin yakın değerlerinin gruplandırılarak yapay renklendirilmesi prensibine dayanır. Bu aşamada gruplara katılacak piksellerin seçimi, program algoritmasına bağlıdır. Gerçeği ne ölçüde temsil ettiğinin göstergesi olan “kappa değeri”nin “1” olması tercih edilir. Sınıflandırmanın tatmin edici düzeyde olduğu da bu şekilde ispatlanır.

“Denetimsiz Sınıflandırma” işleminde; kullanıcı müdahalesi olmadan,
yazılım tarafından uygulanan işlem basamakları ile otomatik olarak piksellerin
kümelendirilmesi gerçekleştirilmektedir.

Sınıflandırma işleminde, hata analizinin en genel yapısı, sınıflandırma hata matrisleridir. Bu matrisler, Confusion matrix ya da olasılık tablosu olarak tanımlanır.

“Tekrarlı veri Analizi Yöntemi”, tekrarlı
olarak tüm sınıflandırmayı gerçekleştirme ve uygulanan her iterasyon sonrasında
yeniden istatistik hesaplamasını temel alır.

Self Organizing minimum girdi ile kümelerin oluşturulması işlemidir.

Birçok yöntemin kullanıldığı, sınıflandırma doğruluğunun değerlendirilmesi
işleminde, “sınıflandırılmış görüntü” ve “referans veri” olarak iki veri kümesine
ait hata matrisi oluşturulmalıdır.

Birçok yöntemin kullanıldığı, sınıflandırma doğruluğunun değerlendirilmesi
işleminde, “sınıflandırılmış görüntü” ve “referans veri” olarak iki veri kümesine
ait hata matrisi oluşturulmalıdır.

Sınıflandırma işleminde, hata analizinin en genel yapısı, sınıflandırma hata matrisleridir.
Bu matrisler, Confusion matrix ya da olasılık tablosu olarak tanımlanır.

Hata matrisi “Kappa katsayısı” ile istatistik olarak analiz edilmektedir. 0 ile 1 arasında değişmektedir

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.