Çok Yüksek Çözünürlüklü Uydu Görüntülerinden Bina Çıkarımında Derin Öğrenme ve Çoklu-Çözünürlüklü Bölütleme Kullanılarak Nesne-Tabanlı Entegrasyon

Authors : Şaziye Özge Atik

Pages : 67-77

Doi:10.51489/tuzal.1337656

View : 101 | Download : 72

Publication Date : 2023-12-30

Article Type : Research Paper

Abstract :Son yıllarda, kentsel alanlarda yapılan analizler ve değişimlerin tespitinin hızlı ve güvenilir şekilde gerçekleştirilmesi konusundaki çalışmalarda artış olmuştur. Bu doğrultuda, binaların sınıflandırılması bilgisayarlı görünün ön plana çıkan güncel konularından biridir. Birçok alanda olduğu gibi bu konuda da derin öğrenme mimarilerinin kullanımı trend uygulamalar arasındadır. Bina ayak izinin belirlenmesi amacıyla evrişimsel sinir ağları (ESA) kullanılarak semantik segmentasyon uygulamaları yaygınlaşmıştır. Ancak derin öğrenme ile segmentasyon işlemleri sonrası elde edilen tahmin görüntülerinde karşılaşılan problemlerin başında tuz-biber etkisiyle oluşmuş gürültüler gelmektedir. Bu çalışmada güncel ESA mimarilerinden olan U-Net ve SegNet algoritmalarının kullanımının, Nesne-Tabanlı Görüntü Analizinin (NTGA), Çoklu-Çözünürlüklü Bölütleme (ÇÇB) algoritmasıyla entegrasyonu kullanılmıştır. Deneyler çok yüksek çözünürlüklü uydu görüntülerinden (Gaofen-2, Worldview-2 ve Ikonos) oluşan açık paylaşımlı Wuhan Üniversitesi Bina Çıkarımı Veri seti (WHUBED) üzerinde gerçekleştirilmiştir. ESA+ÇÇB modeli genel doğruluk, F1 skor, Dice skoru ve Intersection over Union (IoU) metriklerinde, sadece ESA kullanımıyla elde edilen tahmin sonuçlarına göre iyileştirmeler sağlamıştır. Bina sınıflandırılması ile elde edilen haritalar karşılaştırılmalı görseller olarak son kısımda sunulmuştur.
Keywords : derin öğrenme, çoklu çözünürlüklü bölütleme, nesne tabanlı görüntü analizi, entegrasyon