Spektral imgeler

Report
UZAKTAN ALGILAMA
SPEKTRAL İMGELER
ALGILAYICI TEKNOLOJİSİ
GÖRÜNTÜLERİN SINIFLANDIRILMASI VE
YORUMLANMASI
HAZIRLAYANLAR
1302070079 TUĞÇE SUBAŞI
1302090069 KADER ZENGİN
1302080093 BURAK BAYBURTLU
1302070060 Y.EMRE FENDOĞLU
ELEKTROMANYETIK
SPEKTRUM
Elektromanyetik spektrumda dalga boyları bina
mertebesinde uzunluğa sahip radyo dalgalarından,
bir atom çekirdeği mertebesindeki kısa dalga
boylarına kadar uzanır. İnsan gözünün algılayabildiği
dalga boyları, sadece görünür bölgedekilerdir.
SPEKTRAL IMGELER
 Bir malzeme için yansıyan, yutulan, veya iletilen ışınım miktarları dalga boyuna
bağlı olarak değişir. Bu önemli özellik sayesinde farklı nesneleri ya da sınıfları ayırt
etmek olanaklıdır.
 Aşağıdaki görüntüde yeryüzündeki bazı maddelerin spektral yansımaları
gösterilmektedir. Çalışmanın amacına göre, bir görüntüde ayırt edilmek istenen
maddeler değişecektir. Analistler, daha iyi bir analiz yapmak için, spektral imgelerden
yararlanarak kullanılması gereken spektral bantları belirlemektedirler.
DIJITAL GÖRÜNTÜ
 Uzaktan Algılama görüntüleri dijital formlarda kayıt edilir ve bilgisayarlar
tarafından görüntüye dönüştürülmek üzere işlenir. Bir uzaktan algılama
sisteminde algılayıcı enerjiyi (ışığı) algılar, ölçer ve miktarını bilgisayarın
okuyabileceği bir sayıya çevirir. Yörüngedeki uzay aracı bu kodları sinyaller ile
yeryüzündeki uydu yer istasyonuna gönderir.
 Bu sinyaller alınarak sayı dizilerine çevrilir, sıra ve sütunlar bir gri değerine
denk gelen sayı ile ifade edilir ve bir dijital görüntü oluştururlar. Kısaca, sayılar
küçük resim elemanlarına çevrilirler ve bir araya geldiklerinde görüntünün
tamamını oluştururlar. Dijital görüntüyü oluşturan resim elemanlarına piksel adı
verilir. Her piksele ait olan ve temsil edilen alandan gelen ortalama ışınımı veren
değer DN ile gösterilir. DN değerleri genellikle 0-255 arasındadır.
D I J I TA L G Ö RÜ N T Ü N Ü N Ö Z E L L I K L E R I
 Çözünürlük bir görüntüleme sisteminde kayıt edilen detayların ayırt edebilebilirlik
ölçüsüdür. Uydu Görüntüleri için 4 farklı çözünürlük tanımlanmaktadır:
 Radyometrik Çözünürlük: Elektromanyetik enerji miktarında sahip olunan
hassasiyet radyometrik çözünürlüğü göstermektedir. Bir başka deyişle, bir görüntüleme
sisteminin radyometrik çözünürlüğü, enerji farklılıklarını ayırt edebilme yeteneğini
gösterir. Bahsedilen enerji farklılıkları ayırt edilmesi mümkün olan gri tonu sayısına
denk gelir.
 Aynı bölgeye ait 2-bitlik bir görüntü (1) ile 8-bitlik bir görüntü (2)
karşılaştırıldığında, radyometrik çözünürlükle ilişkili olarak detay ayırt etme
seviyesindeki fark göze çarpmaktadır
GÖRÜNTÜ ELDE ETME
 Renkler, üç ana rengin (kırmızı, yeşil, mavi) farklı oranlarda karıştırılması ile
elde edilir. İnsan gözü sadece görünür bölgedeki dalga boylarını algılamaktadır.
Optik görüntüler oluşturulurken, sırasıyla kırmızı yeşil ve mavi bantlara ait
görüntüler bilgisayar ekranında görüntülendiğinde doğal renkli görüntü, diğer
tüm bant kombinasyonlarının görüntülenmesi durumunda ise yapay renkli
görüntü elde edilir. Yapay görüntüler, özellikle insan gözünün duyarlı olmadığı
bir spektral bölgedeki yansımaya ilişkin bilgi sağlayarak gözün algılamadığının
görünür hale getirildiği görüntüler olup bazı uygulama alanları için büyük öneme
sahiptirler.
1) Doğal renkli kompozit (TM bandları 3, 2 ve1)
2) Yapay renkli kompozit (TM bandları 4, 3 ve2)
 Radar görüntüleri de siyah-beyaz görüntüler olup kırmızı mavi yeşil (RGB)
kombinasyonunda çok-spektrumlu, çok-zamanlı ve çok-polarizasyonlu görüntülerin
kullanılması ile renkli görüntü elde edilebilir
1) Bir tarım bölgesine ait radar görüntüsü
(2) Aynı bölgenin YY (Yatay-Yatay), DD (Düşey-Düşey) ve YD (Yatay-Düşey)
polarizasyonları ile oluşturulmuş renkli görüntüsü.
ATMOSFER ETKISI
 Yeryüzüne gelen güneş enerjisi atmosfer tarafından soğurulma
(yutulma), dağıtılma ve yansıtılma gibi işlemler sonucu
değiştirilmektedir. Soğurulmanın nedeni, çok atomlu moleküllerin
titreşim ve dönmelerinin değişik enerji seviyelerine geçişi olduğu
kadar atom ve moleküle bağlı elektronların farklı enerji seviyesine
geçişindendir.
GÖRÜNTÜ ZENGINLEŞTIRME
 Görüntüler pek çok histogram işlemleri ve filtreleme metodları ile zenginleştirilebilir.
 Histogram: Histogram bir görüntüdeki yansıma değerlerinin grafik gösterimidir. Grafikte, yansıma
değerleri (genellikle 0-255) x-ekseni üzerinde ve bu değerlerin görüntüde tekrar etme sıklığı ise yekseninde görülmektedir.
 Bir görüntünün belli dağılıma sahip yansıma değerleri üzerinde işlemler yapılarak görüntüde istenen
özellikler daha belirgin hale getirilebilir.
Görüntü Dönüşümleri
Görüntü dönüşümleri, genellikle iki veya daha fazla görüntüden yararlanılarak
ilgilenilen özelliklerin daha fazla ortaya çıktığı yeni bir görüntünün oluşturulması
işlemidir. Temel görüntü dönüşümleri görüntüye uygulanan basit aritmetik işlemlerdir.
Örneğin, görüntü çıkarma işlemi genellikle farklı tarihlerde alınmış olan görüntülerin
arasındaki farklılıkları bulmak için yapılan bir uygulamadır. Görüntü bölme veya
orantılama işlemleri de sıkça kullanılan dönüşümlerdir.
Veri Entegrasyonu
Veri entegrasyonu farklı kaynaklardan elde edilen bilgilerin daha iyi ve daha çok bilgi
elde etmek üzere birleştirilmesidir. Bu kapsamda çok-zamanlı, çok-çözünürlüklü, çokalgılayıcılı veri kombinasyonları kullanılabilir.
Bir uzaktan algılama veri setinin sınıflandırılmış harita formatında olan sonuçları, başka
bir veri kaynağı olan Coğrafi Bilgi Sistemlerini (CBS) güncelleştirmede kullanılabilir.
Farklı veri setlerini ve kaynaklarını bir arada kullanmak çok daha iyi sonuçlara ulaşmak
için iyi bir yaklaşımdır.
ALGILAYICI TEKNOLOJISI
 Uzaktan Algılama teknolojisi yüksek çözünürlükte kaynakların çok daha verimli
yönetilmesine olanak vermektedir.
Geniş bir terim olan çözünürlük, görüntü aracında görüntülenen piksel sayısı veya
görüntü dosyasındaki pikselin temsil ettiği yeryüzü alanı olarak tanımlanabilir.
Ancak bu geniş tanım uzaktan algılanmış veri tasvirinde yetersiz kalmaktadır
(ERDAS 1995). Çözünürlük, detayların ayırt edilebilme gücünü belirtir. Bir uydu
görüntüsünün çözünürlüğünden bahsedildiği zaman;
 spektral,
 geometrik ( mekansal – konumsal )
 radyometrik
 zamansal
olmak üzere dört farklı çözünürlük açısından incelenmelidir.
1.Spektral çözünürlük, bir algılayıcının elektromanyetik spektrumda
kaydedebildiği belirli dalga boyu aralığıdır. Aralık daraldıkça spektral
çözünürlük artar ve aralık genişledikçe kaba spektral çözünürlükten
bahsedilir.
Su ve vejetasyon gibi geniş sınıflar genellikle görünen ve yakın kızıl ötesi kesim gibi
çok geniş dalga boyu aralığı kullanılarak ayırt edilebilir. Fakat daha spesifik sınıflar
(karaçam, sarıçam, göknar, ladin gibi) bu her iki (görünen ve yakın kızıl ötesi
kesim) geniş dalga boyu aralığı kullanılarak kolaylıkla ayırt edilemez ve onları ayırt
etmek için çok daha dar dalga boyu aralıklarında karşılaştırmak gerekir. Bu nedenle,
daha yüksek spektral çözünürlüklü bir algılayıcıya ihtiyaç duyarız.
Algılayıcıların spektral çözünürlükleri söz konusu olduğunda, öncelikle algılayabildikleri
elektromanyetik spektrum bölgelerinin sayısı düşünülebilir. Ancak, bu bant sayısı tek
başına spektral çözünürlüğe karşılık gelmez. Bununla birlikte, bu bantların
elektromanyetik spektrumdaki durumu da göz önünde bulundurulmalıdır
High spectral resolution: 220 band
Medium spectral resolution: 3 -15 bands
Low spectral resolution: 3 bands
 Spektral çözünürlük, bir algılayıcının ince (dar) dalga boyu aralıklarını
tanımlama yeteneğini tarif eder. Daha iyi bir spektral çözünürlük, özel bir kanal
veya bant için daha dar dalga boyu aralığı demektir. Yani, bir bant veya kanalın
spektral çözünürlüğüne kadar yüksekse, o bant veya kanalın duyarlı olduğu bir
başka deyişle, alım yapılan dalga boyu aralığı o kadar dar demektir.
2. Mekansal (Geometrik-Konumsal) çözünürlük, algılayıcı
tarafından algılanan bir pikselin yeryüzünde temsil ettiği alanın,
bir başka deyişle ayırt edilebilen en küçük objenin boyutudur.
Bazı uzaktan algılama araçları için platform ve görüntülenen
hedef arasındaki uzaklık, algılayıcı tarafından görüntülenen
toplam alan ve elde edilen bilginin ayrıntılarını belirlemede
büyük bir rol oynar. Hedeflerinden uzakta bulunan platformlar
üzerindeki algılayıcılar tipik olarak daha büyük bir alan
görüntülerler, fakat büyük ayrıntı sağlayamazlar
 Homojen bir özelliğin ayırt edilebilmesi için boyutunun genellikle çözünürlük
hücresine eşit veya daha büyük olması gereklidir. Şayet özellik (obje) bundan
daha küçükse çözünürlük hücresinde kaydedilecek olan bütün özelliklerin
ortalama parlaklıkları olarak ayırt edilemez.
3. Radyometrik çözünürlük, bir algılayıcının elektromanyetik
enerjinin büyüklüğüne karşı duyarlılığını ifade eder. Görüntüleme
sisteminin radyometrik çözünürlüğü enerjideki küçük farklılıkları
ayırma yeteneği ile tanımlanır
Diğer bir anlatımla bu, kaydedilen enerjinin bölündüğü“bit”
sayısıdır. Örneğin, 8 bit veride her pikselin veri dosya değeri
0’dan 255’e kadar uzanırken 7-bit veride her pikselin veri
dosya değeri sadece 0’dan 127’ye kadardır. Yani 8-bit veride
kaydedilen enerji 256 (2^8) parlaklık değerine, 7-bit veri’de
ise 128 (2^7) parlaklık değerine ayrılır.
1 bit veri==2^1=2 ____0-1 Siyah-Beyaz
8 bit veri == 2^8 = 256 ____0-255 Landsat TM
11 bit veri== 2^11=2048 ____0-2047 IKONOS
 Azalan radyometrik çözünürlük
>>>>>>>>>>>>
4.Zamansal çözünürlük: Arazi kullanımındaki değişimlerin izlenmesinde çok büyük
öneme sahip olan zamansal çözünürlük, algılayıcının aynı alandan hangi sıklıkta veri
(görüntü) kazandığı ile ilgilidir. Aynı yerin ardışık görüntülerinin alınması için gerekli
süre zamansal çözünürlük olarak tanımlanır.
Bir uydu algılayıcısının yeniden ziyaret periyodu (uydunun tam bir yörünge
dönüşünü tamamlaması için geçen zaman uzunluğunu) genellikle birkaç gündür. Bu
nedenle, ikinci kez aynı görünüm açısından, tam olarak aynı alanı görüntülemek için
bir uzaktan algılama sisteminin mutlak zamansal çözünürlüğü bu periyoda eşittir.
Bununla birlikte çoğu uydular için komşu yörüngeler görüntü süpürmelerindeki bir
miktar çakışma ve enlem derecesinin artması ile bu çakışmadaki artış nedeniyle
dünya üzerindeki bazı alanlar daha sık bir şekilde yeniden görüntülenmeye meyillidir.
Bazı uydu sistemleri ise programlanabilir olma özellikleri ile yüksek zamansal
çözünürlüğe sahiptirler. Bu nedenle, bir algılayıcının aktüel zamansal çözünürlüğü,
uydu/algılayıcı yetenekleri, süpürmedeki çakışma ve enlem derecesini içeren çeşitli
faktörlere bağlıdır.
Farklı zaman periyotlarında yer yüzeyi üzerinde aynı alanın görüntüsünü
toplayabilmek uzaktan algılama verilerinin uygulanmasının en önemli
unsurlarından biridir. Objelerin spektral özellikleri zamanla değişebilir ve bu
değişimler çok zamanlı görüntünün kıyaslanması ve toplanması ile saptanabilir.
 Sürekli bulutlar yer yüzeyinin sınırlı olarak açık (temiz) görünmesini sağlar
(Tropik bölgelerde, sık sık)
 Kısa süren olayları görüntüleme ihtiyacı(taşkınlar, petrol saçılmaları gibi)
 Çok zamanlı kıyaslamalarda ihtiyaç duyulur (örneğin; yıldan yıla bir orman
hastalığının yayılması)
 Zamanla bir objenin görünümünün değişmesiyle yakın benzerlikteki
objelerden (buğday/mısır) onu ayırt edebilmek için kullanılabilir.
2000Landsat TM(543)
1987Landsat TM(543)
2000Landsat TM(543)
1987Landsat TM(543)
GÖRÜNTÜLERININ SINIFLANDIRILMASI
Dijital görüntülerde farklı özellik tipleri, doğal spektral yansıtma ve yayma özelliklerine
bağlı olarak farklı sayısal değerler içeren kombinasyonlar oluşturmaktadır. Bu
farklılıktan yararlanılarak aynı spektral özellikleri taşıyan yer yüzündeki nesneler
gruplandırılabilmektedir. Amaç uydu görüntülerindeki her pikseli spektral özelliklerine
göre farklı gruplara ayırmak ve pikseli yansıtma değerlerine göre yer yüzünde karşılık
geldiği kümeye atamaktır.
 Sınıflandırma işleminin gerçekleştirilmesinde dikkat edilecek hususlar şunlardır:





Algılayıcı, algılama zamanı ve spektral bantların amaca uygun olarak seçimi.
Yer yüzü özelliklerini ortaya koyabilecek kontrol alanlarının seçimi.
Amaca yönelik sınıflandırma algoritmaların seçimi.
Belirlenen bu özelliklerin tüm görüntüye uygulanması ve görüntülenmesi.
Sonuç görüntülerinde doğruluk değerlendirmelerinin yapılması.
SINIFLANDIRMANIN GENEL ADIMLARI
SINIFLANDIRMA YÖNTEMLERI;
1-PİXEL-TABANLI
*Kontrollü(Supervised) sınıflandırma
*Kontrolsüz(Unsupervised) sınıflandırma
2-OBJE-TABANLI
1.PİXEL-TABANLI
a)Kontrollü (Supervised) Sınıflandırma
Bu yöntemde çalışma alanındaki yer yüzü özelliklerini tanımlayan
yeteri sayıdaki örnek bölgeler (test alanlar) kullanılarak,
sınıflandırılacak her bir cisim için spektral özellikleri tanımlı özellik
dosyaları oluşturulur. Bu dosyaların görüntü verilerine uygulanması
ile her bir görüntü elemanı (piksel), hesaplanan olasılık değerlerine
göre en çok benzer olduğu sınıfa atanmaktadır.
Kontrollü
Sınıflandırma
Yönteminin Temel
Aşamaları
Kontrollü sınıflandırma işleminde;
En Büyük Benzerlik (Maximum Likelihood)
Paralelyüz (Paralel lepiped)
En Küçük Uzaklık (Minimum Distance)
adı verilen çeşitli sınıflandırma yöntemleri
kullanılmaktadır.
En Büyük Benzerlik (Maximum Likelihood) Yöntemi
Bu yöntem, sınıflar için eş olasılık eğrilerinin tanımlanmasına ve
sınıflandırılacak piksellerin üyelik olasılığı en yüksek olan sınıfa atanması
ilkesine dayanır.
-Yöntemin
etkinliği, her spektral sınıf için ortalama vektör
ile kovaryans matrisin doğru biçimde tahmin
edilmesine bağlı olmaktadır.
-Bu koşul ise, sınıfların her biri için yeterli miktarda
örnekleme verisinin (pikseller) bulunabilmesine bağlıdır.
-Örnekleme bölgesine ait yeterli miktarda veri
bulunmadığı zaman (sınıfların olasılık dağılımlarını
doğru bir şekilde tahmin edebilecek özellikte veri
olmadığı zaman)arzulanan sınıflandırma
doğruluklarına ulaşılamaz.
-Böyle bir durumda kovaryans bilgilerini kullanmayan
başka sınıflandırma yöntemlerine başvurmak gerekir.
En Küçük Uzaklık (Minimum Distance) Yöntemi
-Örnekleme bölgelerine ait örnekleme verileri sınırlı
olduğu zaman, kovaryans bilgilerini kullanmayan
yalnızca spektral sınıfların ortalama vektörlerinin
kullanılmasına dayanan sınıflandırma yöntemlerine
başvurmak gerekir.
-Böyle bir durumda kısıtlı örnekten ortalama değerler
kovaryanslara nazaran daha doğru tahmin edilebilir.
-Örnekleme verilerinden sınıf ortalamaları belirlenir,
sınıflandırmada bir piksel en yakın ortalamaya sahip
sınıfa atanır.
En küçük uzaklık yöntemi, en büyük benzerlik yönteminden daha hızlı olduğu
için ilgi çekicidir. Ancak kovaryans bilgilerini kullanmadığından en büyük
benzerlik yöntemi kadar esnek değildir.
Yöntemde kovaryans verilerinin kullanılmaması nedeniyle sınıf modelleri
spektral anlamda simetriktir. Bu nedenle bazı sınıflar iyi modellenmeyebilir.
Ancak örnekleme verileri sınırlı olduğu zaman en küçük uzaklık yöntemi, en
büyük benzerlik yönteminden daha doğru sonuçlar verir.
Paralelyüz sınıflandırma yöntemi
Paralelyüz sınıflandırma yöntemi, uygulaması hızlı ve kolay olmasına rağmen; her
bir örnekleme seti için özelliklerin yalnızca minimum ve maksimum değerleri
kullanılması nedeniyle, gerçek spektral sınıfların iyi temsil edilememesine
yol açmaktadır.
Bu yöntem, kontrol (örnekleme) verilerinin spektral bileşenlerinin
histogramlarının incelenmesine dayalı çok basit bir kontrollü sınıflandırmadır.
Aynı zamanda bir sınıflandırma analistin denen az bilgiyi gerektiren yöntemdir.
Tanımlanan her sınıf için, kullanılan her bandın minimum ve maksimum piksel
değerleri kullanılmaktadır. Uygulanan karar kuralı, her bilinmeyen piksel,
özellik değeri ile ilgili olduğu paralelyüz içine atanır.
b)Kontrolsüz (Unsupervised) Sınıflandırma
Çalışma bölgesinde özellikleri bilinen yeterince örnekleme
bölgesi (test bölgesi)veya istatistiksel bilgi bulunmadığı durumlarda,
spektral olarak ayrılabilir sınıflar belirlenmekte ve bunlardan bilgi
elde etme yoluna gidilmektedir.
Bu sınıflar görüntü dijital değerlerindeki doğal gruplaşmalara
bağlı olup, oluşan spektral sınıfların ne olduğu önceden
bilinmemektedir.
Oluşan sınıfların özellikleri bölgeye ait hava fotoğrafları,
topografik haritalar ve daha önce elde edilmiş var olan
bilgilerle karşılaştırılarak belirlenir.
Kümeleme merkezi önce geçici olarak belirlenmekte
olup, her bir pikselin açılan kümelerden hangisine
dahil edileceği ise o görüntü elemanı ile açılan küme
merkezi arasındaki uzaklığın hesaplanması ve
başlangıçta kabul edilen uzaklık değeri ile
karşılaştırılması sonucu belirlenir.
Bu belirlemede en küçük uzaklık değeri esas alınır.
Kümeye katılan her yeni piksel ile birlikte aritmetik
ortalama hesaplanarak geçici küme merkezi n
boyutlu uzayda ötelenmekte ve işlem geçici merkezin
konumunda değişim olmayıncaya kadar iteraktif
olarak devam etmektedir.
2.OBJE-TABANLI
Bu sınıflandırma yönteminde pixel boyutunda gruplanmış veriler yerine
oluşturulan segmentler kullanılır. Segment, belli bir gri değerine veya aralığa
sahip ve bu gri değerleri grubunu temsil eden alanlar olarak nitelendirilebilir.
Bu alanlar (segmentler) seçilen segment parametrelerinin değerlerine göre
görüntüde farklılık gösterir.
Segment parametreleri, görüntünün özelliklerine göre ve yapılacak
sınıflandırmaya göre birden fazla Level değerleri oluşturularak belirlenir ve
amaca en uygun parametreler (Level) sınıflandırma işlemi için kullanılır.
 Level
Scale Parameter
Color
Shape
Smoothness
Compactness
 Level1
5
0.7
0.3
0.9
0.1
 Level2
10
0.5
0.5
0.5
0.5
 Level3
25
1.0
0
0.5
0.5
GÖRÜNTÜ SINIFLANDIRMASININ
DOĞRULUK DEĞERLENDİRİLMESİ
Uzaktan algılamada görüntü sınıflandırmalarında doğruluk, bir
piksele tahsis edilen sınıf etiketi ile “gerçek” sınıf
arasındaki uygunluğu gösterir.
Gerçek sınıf, gerek hava fotoğraflarından gerekse de mevcut
harita ve planlardan doğrudan veya dolaylı olarak gözlenebilir.
Doğruluk değerlendirmesinde çok kullanılan yöntem hata
matrislerinin (confusion matrix, contingency table)
hazırlanmasıdır.
Hata matrisleri sınıf bazında referans verileri(gerçekyersel veriler) ile otomatik sınıflandırma sonuçları
arasındaki ilişkiyi karşılaştırır.
Hata matrisinin şematik gösterimi
Matrisin sütun elemanları
örnekleme veri setine ilişkin
değerleri gösterirken, satır
elemanları sınıflandırılmış
piksel verilerini
göstermektedir.
Doğru arazi örtüsüne
sınıflandırılmış örnekleme
veri seti pikselleri ana
köşegen(diagonal)
üzerinde bulunmaktadır.
Hata matrislerinden çeşitli sınıflandırma doğruluk kriterleri türetilebilir.
“Toplam doğruluk” (overall accuracy), doğru biçimde sınıflandırılmış
piksellerin toplam sayısının (köşegen toplamı) referans piksellerin toplam
sayısına bölünmesiyle elde edilir.
Matrisin köşegeni üzerinde bulunmayan elemanları “ihmal hatası ”veya“ dahil etme
hatası”(comission error)’ nı temsil eder.
“Üretici doğruluğu” (producer’s accuracy), her sınıf içinde doğru olarak
sınıflandırılmış piksellerin sayısını, bu sınıf için kullanılan örnekleme veri seti
pikselleri sayısına bölerek bulunur ve verilen bir arazi örtü türünün örnekleme
seti piksellerinin ne kadar iyi sınıflandırılabildiğini gösterir.
“Kullanıcı doğruluğu” (user’s accuracy), her sınıf içinde doğru
sınıflandırılmış piksel sayısını, bu kategori içinde sınıflandırılan piksellerin
toplam sayısına bölünmesiyle bulunur ve “dahil etme hatası” nı gösteren bir
ölçüdür.
Bu doğruluk değeri, herhangi bir sınıfa atanan bir pikselin bu sınıfı gerçekte temsil
etme olasılığını gösterir.
Coğrafi Bilgi Sistemleri(CBS)
CBS, konumsal veri ve ilişkili bilgilerin toplandığı, depolandığı, görselleştirildiği,
yönetildiği, analiz edildiği ve sorgulandığı, veri, bilgisayar donanım ve yazılımından
oluşan bir sistemdir. Yeryüzünü modellemek üzere kullanılan bu sistemde belirli veri
grupları (örn. yollar, binalar) farklı katmanlarda tutulur. Bu katmanlarda tutulan her
grafik gösterim gerçek dünyada o objenin konum, koordinat ve şekil özelliklerini taşır ve
veri tabanında da temsil ettiği nesneye ait bilgiler ile ilişkili olarak saklanır. Bir CBS
farklı çalışmalar için sadece gerekli katman ve veri tablolarının kullanılmasına
uygundur. Aynı zamanda hızlı sonuçlara ve daha gerçekçi yaklaşımlara ulaşılmasını
sağlayan bir teknolojidir
UA ve CBS Entegrasyonu
Uzaktan Algılama, CBS için çok önemli veri kaynaklarından
birisi olup genellikle CBS analizleri için geniş alanlara dair
konumsal veri ve modelleme imkanı sağlar. Bu amaca yönelik
olarak bilgi elde etmek amacıyla görüntü işleme ve modelleme
için gereklidir.
Karşılıklı olarak, uzaktan algılama verisi genellikle konumsal veri
setleri ile birlikte yorumlanır. (farklı tarihler, farklı ölçekler, farklı
algılayıcılar, farklı metodlar kullanılarak yeryüzü hakkında
edinilmiş veriler)
Bu nedenle, uzaktan algılama ve coğrafi bilgi sistemleri çok
ilişkilidir ve birbirlerini tamamlayıcı olarak kullanılmaktadırlar
KAYNAKLAR
 www.irfanakar.com
 http://jeodezi.karaelmas.edu.tr/linkler/akademik/marango
z/marangoz_files/DersNotlari/UZALG/UZAL_07B.pdf
 http://ormanweb.sdu.edu.tr/dersler/hocoban/ua
 http://rst.gsfc.nasa.gov/

similar documents