Theses supervised by Prof. Dr. Bülent Bayram
14 theses · Yıldız Technical University, Kırklareli University
Yapay sinir ağları ve rastgele orman yöntemleri ile LANDSAT 8 görüntülerinden otomatik kıyı çizgisi çıkartılması
İnsanların suya olan vazgeçilmez ihtiyacı, kıyı alanlarını insanların en çok kullandığı yerleşim yerleri haline getirmiştir. Kıyılar doğal habitat için en uygun habitatlar oluşturmaktadır. Kıyılar aynı zamanda mikroklimatik özellikleri sayesinde tatil ve dinlenme olanakları sağlayan alanlardır. Turizm, sanayi, kültür balıkçılığı, kentleşme gibi faaliyetler kıyı alanları açısından en büyük tehditlerden bazılarıdır. Bu tehditler, kıyı alanlarının korunması ve sürdürülebilir kıyı yönetimi için kıyı alanlarının izlenmesini zorunlu hale getirmiştir. Doğal çevre yönetimi, afet yönetimi, kıyı erozyonu incelemeleri, katı madde taşınımı ve kıyı morfodinamiklerinin modellenmesi gibi farklı alanlarda kıyı çizgileri yaygın olarak kullanılmaktadır. Bu sebeple kıyı çizgilerinin özellikle uydu görüntülerinden elde edilmesi için çeşitli yöntemler kullanılarak birçok çalışma gerçekleştirilmiştir. Son yıllarda yapay zekâ kullanılarak elde edilen başarılar, çeşitli alanlarda çalışan bilim insanlarını da yaptıkları çalışmalarda yapay zekâ kullanmaya teşvik edici olmuştur. Sunulan tez çalışması kapsamında, uydu görüntülerinden kıyı çizgisi çıkarımı kendini düzenleyen haritalar, yapay sinir ağları ve rastgele orman yöntemleri kullanılarak gerçekleştirilmiştir. Yürütücülüğünü Prof. Dr. Bülent Bayram' ın yaptığı 115Y718 numaralı ve "SÜRDÜRÜLEBİLİR KIYI ALANI İZLEME MODELİ İÇİN İHA VE İHA-LİDAR VERİLERİNDEN OTOMATİK ÜÇ BOYUTLU KIYI ÇİZGİSİ ÇIKARTILMASI VE ANALİZİ: TERKOS (İSTANBUL) ÖRNEĞİ" başlıklı TÜBİTAK projesinin test alanı olan İstanbul'un Çatalca ilçesine bağlı Terkos bölgesinin Karadeniz kıyısı yöntemlerin test edilmesi için seçilmiştir. Tez kapsamında önerilen yöntemlerin söz konusu proje açısından uygulanabilirliği test edilmiştir. Karadeniz Bölgesi' nin 5 farklı konumuna ait 2017 yılına ait LANDSAT 8 görüntüsü eğitim amaçlı olarak kullanılmıştır. İstanbul-Terkos bölgesine ait 2013, 2015, 2017 tarihlerine ait aynı mevsimde elde edilmiş üç veri seti, Antalya bölgesine ait 2017 yılında elde edilmiş bir LANDSAT 8, İzmir bölgesine ait 2017 yılında elde edilmiş bir LANDSAT 8, ve Erçek Gölü' ne ait 2018 yılında elde dilmiş bir görüntü olmak üzere toplam altı farklı LANDSAT 8 görüntüsü test amaçlı olarak kullanılmıştır. Uygulamanın birinci aşamasında Kendini Düzenleyen Haritalar Yöntemi için Terkos bölgesine ait uydu görüntüsü kara ile deniz olacak şekilde kümelenmiş ve kıyı çizgisi çıkartılmıştır. Yapay Sinir Ağları Yöntemi için Karadeniz Bölgesi' ne ait 5 farklı uydu görüntüsü kullanılarak karadan ve denizden 2 adet sınıf oluşacak şekilde örnek veriler toplanmıştır. Yapay sinir ağları bu veriler ile eğitilmiş ve ağların test edilmesi için Terkos bölgesine ait uydu görüntüsü eğitilen ağlar ile sınıflandırılarak kıyı çizgileri çıkartılmıştır. Rastgele Orman Yönteminde ağaç yapılarını oluşturmak için yapay sinir ağlarının eğitiminde kullanılan eğitim verileri kullanılmıştır. Bu tezin ana amacı, Yapay Sinir Ağları Yönteminde kullanılan eğitim verileri ile Rastgele Orman Yönteminde ağaç yapılarını oluşturmak için kullanılan verilerinin Kendini Düzenleyen Haritalar Yöntemi kullanılarak otomatik olarak toplanmasını sağlamaktır. İkinci aşamada Karadeniz Bölgesi' ne ait uydu görüntüleri Kendini Düzenleyen Haritalar Yöntemi kullanılarak kara ile deniz olacak şekilde kümelenmiştir. Kümeleme sonuçlarına göre orijinal görüntülerden deniz ve kara sınıfları ayrılmıştır. Daha sonra, elde edilen bu veriden yararlanılarak yapay sinir ağları için her bir görüntüye ait deniz ve kara kümelerinden rastgele örnek veriler toplanmıştır. Rastgele toplanan bu veriler ile yapay sinir ağları eğitilmiş ve test alanına ait görüntülerden kıyı çizgileri çıkartılmıştır. Rastgele Orman Yöntemi için ise yapay sinir ağlarında kullanılan rastgele toplanmış veri seti, ağaç yapılarını oluşturmak için kullanılmıştır. Oluşturulan bu ağaç yapılarına göre test bölgesine ait uydu görüntüleri sınıflandırılmış ve kıyı çizgileri çıkartılmıştır. İlk iki aşamada kullanılan yapay sinir ağları Levenber – Marquardt (TRAINLM), Ölçekli Conjugate Gradient (TRAINSCG) eğitim fonksiyonları ile Hyperbolic Tangent Sigmoid (TANSIG), Logistic Sigmoid (LOGSIG) bağlantı fonksiyonlarının kombinasyonlarından tek gizli katmanlı ve 2000 iterasyonlu olarak tasarlanmıştır. Son aşama olan üçüncü aşamada TRAINSCG – TANSIG kombinasyonu kullanılarak farklı sayıda gizli katman (5, 10, 15) ve iterasyon sayılarıyla (500, 1000, 1500, 2000) yeni ağlar tasarlanmıştır. Gizli katman ve iterasyon sayılarının oluşturdukları kombinasyonlar ile tasarlanan ağlar hem kullanıcı tarafından toplanan eğitim verileri ile hem de Kendini Düzenleyen Haritalar Yöntemi sonuçlarından rastgele toplanan eğitim verileri ile eğitilerek kıyı çizgileri elde edilmiştir. Öncelikle belirlenen kombinasyonların test edilmesi amacıyla önerilen yöntemler Istanbul-Terkos, 2017 Landsat 8 görüntüsüne uygulanmıştır. Birinci aşamadaki Kendini Düzenleyen Haritalar Yöntemi ile elde edilen kıyı çizgisi elle yapılan sayısallaştırma sonuçları ile karşılaştırılmış ve ortalama 0,49 piksel hata ile kıyı çizgisi çıkarılmıştır. Kullanıcı tarafından toplanan eğitim verileri ile eğitilen yapay sinir ağları içerisinden TRAINSCG – TANSIG kombinasyonu ortalama 0,61 piksel hata ile en iyi sonucu vermiştir. Aynı eğitim verilerinin kullanıldığı Rastgele Orman yöntemi sonuçları içerisinden ise en iyi sonucu 50 ağaçtan oluşan ve ortalama 0,45 piksel hata ile kıyı çizgisi elde edilmiştir. İkinci aşamadaki Kendini Düzenleyen Haritalar Yöntemi kümeleme sonuçlarına göre rastgele toplanan eğitim verileri kullanılarak eğitilen ağlardan elde edilen en iyi sonuç ortalama 0,22 piksel hata ile TRAINSCG – TANSIG kombinasyonuna aittir. Aynı rastgele eğitim verileri kullanılarak oluşturulan ağaç yapıları içerisinden 250 ağaçlı ağaç yapısı ortalama 0,79 piksel hata ile kıyı çizgisini tespit etmiştir. Üçüncü aşamadaki kombinasyonlarda kullanıcı tarafından toplanan eğitim verileri kullanılarak oluşturulan ağlardan en iyi sonucu ortalama 0,36 piksel hata ile 10 gizli katmanlı ve 1000 iterasyonlu yapay sinir ağı vermiştir. Kendini Düzenleyen Haritalar Yöntemi kümeleme sonuçlarına göre rastgele toplanan eğitim verileri kullanılarak eğitilen ağlardan elde edilen en iyi sonuç ise ortalama 0,20 piksel hata ile 5 gizli katmanlı ve 1000 iterasyonlu yapay sinir ağına aittir. Bu aşamanın ardından seçilen en iyi konfigurasyonlar göz önünde bulundurularak 6 ek test verisi kullanılmıştır. Elle sayısallaştırma sonuçları ile elde edilen sonuçlar karşılaştırılmıştır. Istanbul-Terkos bölgesi 2013 yılına ait LANDSAT 8 görüntüsünden ortalama 0,47 piksel, Istanbul-Terkos bölgesi 2015 yılına ait LANDSAT 8 görüntüsünden ortalama 0,36 piksel, Istanbul-Terkos bölgesi 2017 yılına ait LANDSAT 8 görüntüsünden ortalama 0,36 piksel, Erçek Gölü'nün 2017 yılına ait LANDSAT 8 görüntüsünden ortalama 0,57 piksel, İzmir bölgesinin 2017 yılına ait LANDSAT 8 görüntüsünden ortalama 0,31 piksel ve Antalya bölgesinin 2017 yılına ait LANDSAT 8 görüntüsünden ortalama 1,31 piksel hata ile kıyı çizgileri tespit edilmiştir.
Derin öğrenme algoritmaları kullanılarak çay alanlarının otomatik segmentasyonu
Orman alanlarının, ağaç türlerinin otomatik olarak belirlenmesi, doğal kaynakların yönetimi açısından kritik bir öneme sahiptir. Ülkemizde kentsel ve orman haritalarının üretimi 1940' lı yıllardan günümüze dek fotogrametrik yöntemler kullanılarak gerçekleştirilmektedir. Hava fotoğraflarından orman sınırı ve ağaç türlerinin belirlenmesi geleneksel stereo değerlendirme yöntemleri ile yapılmakta olup, bu durum, iş ve zaman açısından yüksek maliyet gerektirmektedir. Sunulan tez çalışmasında önerilen yöntem ile otomatik olarak çay alanlarının sınıflandırılması, derin öğrenme algoritmaları kullanılarak gerçekleştirilmiştir. Derin öğrenme algoritmaları, özellik çıkarımı işlemini veriden otomatik olarak yapan bir makine öğrenme yöntemidir. Son zamanlarda popülerlik kazanan derin öğrenme, ses tanıma, nesne tanıma, el yazısı tanıma ve görüntü sınıflandırma gibi birçok farklı bilgisayar tanı işlemlerinde kullanılmaktadır. Sunulan tez kapsamında, derin öğrenme temelli bir yaklaşım kullanılarak yüksek çözünürlüklü görüntülerden çay alanlarının otomatik çıkartılması amaçlanmıştır. Bu amaç doğrultusunda, görüntüler içindeki çay alanları ve çay alanları dışında kalan alanları sınıflandırmak için VGG19 ağ yapısına sahip SegNet mimarisi kullanılmıştır. Derin öğrenme temelli algoritmalar, farklı spektral bant kombinasyonları kullanılarak eğitilmiştir. Bu kombinasyonlar içerisinde; RGB (kırmızı-yeşil-mavi), NirRG (yakın kızılötesi-kırmızı-yeşil), NDVI (normalleştirilmiş fark bitki indeksi) ve NDVIRG (NDVI-kırmızı-yeşil) kombinasyonları bulunmaktadır. Multispektral görüntüler, 30x30 cm yer örneklem aralığına sahip bir sayısal hava kamerası kullanılarak elde edilmiştir. Derin öğrenme algoritmalarına ilişkin çalışmalar Matlab®' in 2017b versiyonunda gerçekleştirilmiştir. Matlab® programının lisansı, Yıldız Teknik Üniversitesi tarafından sağlanmıştır. Sunulan tez çalışması kapsamında, Trabzon' un Hayrat ilçesinde bulunan çay alanları için Nisan 2013 yılına ait 25 adet 1:5000 ölçekli yüksek çözünürlüklü ortofoto görüntü kullanılmıştır. Kullanılan ortofoto görüntüler, kırmızı, yeşil, mavi ve yakın kızılötesi (RGBNir) olmak üzere 4 banta ve her bant 8 bitlik radyometrik çözünürlüğe sahiptir. Kullanılan her bir ortofoto görüntünün yeryüzünde kapladığı alan 453.6 hektardır. Sunulan tez çalışmasında, 15 (%60) görüntü eğitim, 10 (%40) görüntü ise test amaçlı kullanılmıştır. VGG19 ağ yapısına sahip SegNet mimarisi, farklı sayıya ve bant kombinasyonuna sahip eğitim verileri kullanılarak eğitilmiştir. Eğitim verileri 200x200 piksel boyutlarında 15 adet ortofoto görüntüden rastlantısal olarak seçilerek hazırlanmıştır. Sırasıyla 250, 400, 600 ve 1000 adet görüntü seti kullanılarak sistem eğitilmiş ve sonuçlar analiz edilmiştir. Önerilen yöntemin doğruluk analizi, fotogrametri operatörünce stereoskopik sayısallaştırma ile üretilen referans verilerinin, önerilen yöntemden elde edilen sonuçların karşılaştırılmasıyla gerçekleştirilmiştir. Değerlendirme, Sørensen-Dice Benzerlik Katsayısı algoritması kullanılarak yapılmış ve doğruluklar belirlenmiştir. Önerilen yöntem için, RGB, NirRG, NDVIRG ve NDVI için sırasıyla %90.91, %91.16, %91.51 ve %53.39 doğruluk değerlerine ulaşılmıştır. Geleneksel stereo sayısallaştırma ile karşılaştırıldığında, önerilen yöntem, hem doğruluk hem işlem süresi bakımından daha etkili sonuçlar üretmektedir. Genel olarak, geleneksel stereoskopik değerlendirme işlemi, bir görüntü için yaklaşık olarak sekiz saat alırken, önerilen yöntem, aynı görüntü için ortalama beş dakikada sınıflandırma işlemini tamamlamaktadır.
Multiple sclerosis (MS) hastalığının erken teşhisi için manyetik rezonans (MR) görüntülerinin otomatik segmentasyonu
Multiple skleroz (MS), beyni ve omuriliği tutan özbağışıklık hastalığıdır. Kısaca MS olarak anılır. Bağışıklık sistemindeki (immün sistem) savunma amaçlı gözelerin, nedeni daha anlaşılamamış bir şekilde, sinir hücrelerinin (nöronlar) çevresinde bulunan myelin kılıfını (yağlı bir zar katmanı) vücuda yabancı bir bağıştıran olarak algılamasıyla yok etmeye çalışmasıdır. Bu durum da, çeşitli sinir sistemi belirtilerini ortaya çıkarır. Bu belirtiler geçici olup, hastalığın düzeyine göre iz bırakabilir ya da bırakmadan ortadan kaybolabilirler. MS klinik muayene ile tanısı koyulabilen bir hastalıktır. Hastalığın kesin tanısı için kullanılabilecek bir laboratuvar yöntemi yoktur. Tanı olguların klinik özellikleri, hastalığın gidişi ve yardımcı laboratuvar yöntemleri kullanılarak konulur. Bazı olgularda klinik, muayene ve laboratuvar bulguları ile tanı kolaylıkla konabilir. Bu durumda bile olası diğer sebep olabilecek hastalıklar dışlanmalı ve gerekli laboratuvar incelemeleri yapılmalıdır. Bununla birlikte özellikle erken evredeki olgularda tanı koyma zorlukları sıklıkla yaşanır. Bu dönemde klinik ve radyolojik takip tanıyı kesinleştirmede önemlidir. MS tanısında erken teşhis son derece önemlidir; çünkü erken teşhisle hastalığın gidişatı değiştirilebilir ve hastalık yavaşlatılabilir. MS hastalığının ilerlemesi demek, hastaların sakat kalması anlamına gelir. Erken tanının bir diğer önemi ise MS teşhisi konulan hastanın kendi hayatını planlarken önemlidir. Manyetik rezonans görüntüleme (MR) MS teşhisinde en önemli yöntemlerden biridir. Sinir sistemini 3 boyutlu inceleme imkânı vermektedir. Beyaz cevheri çok iyi göstermektedir. MR da değişik büyüklükte beyaz cevherde MS plağı diye tanımlanan görüntüler izlenir. MR hastalık takibinde kullanılır. Sunulan tezin amacı T2 sekanslı beyin MR görüntüleri üzerinden Multipl skleroz hastalığına ait lezyonların bölütleme yöntemi ile tespiti için yeni bir uygulama geliştirmektir. MR görüntüsü olarak T2 sekanslı görüntülerinin tercih edilmesinin sebebi bu görüntülerde MS lezyonlarının görüntü içerisinde yüksek yansıma değerlerine sahip olmalarıdır. Uygulamada orijinal 16-Bit' lik MR görüntüleri kullanılmıştır. Toplamda 13 ayrı MS hastasına ait 100 adet kesit kullanılmıştır. Bunlardan 8 adet kesit test amacı ile kullanılmış, elde edilen sonuçlar diğer 92 kesitte uygulanmıştır. Uygulama yöntem olarak 2 aşamadan oluşmaktadır. İlk adımda T2 ağırlıklı beyin görüntülerindeki kafatası kemik dokusu MS lezyonları ile çok yakın gri değerlerine sahip olduğundan SIOX algoritması yardımı ile elimine edilir. İkinci adımda ise geriye kalan beyin dokusu içerisinde en yüksek gri değerlerine MS lezyonları sahip oldukları için maksimum entropi eşik değer yöntemi uygulanarak MS lezyonu tespiti sağlanmıştır. Uygulamanın duyarlık değeri 0.918, pozitif tahmin değeri 0.837, doğruluk değeri ise 0.783 olarak hesaplanmıştır.
Dilmac Dergisinin halk bilimi açısından değerlendirilmesi
Dergiler siyasi, sosyal ve kültürel bilgi alışverişini sağlayan önemli araçlardan biri olmakla birlikte aynı zamanda okuyucularına belli konular hakkında bilgiler veren, onları aydınlatan bir mektep görevi üstlenmektedir. Dilmac dergisi, Güney Azerbaycan'da yayım hayatını tamamlamış bir süreli yayımdır. Çalışmada, Dilmac dergisinde yer alan halk bilimi ile ilgili yazılar ele alınmış ve değerlendirilmiştir. Çalışma; giriş, üç ana bölüm, sonuç, kaynaklar ve eklerden oluşmaktadır. Giriş kısmında tez hakkında bilgiler verildikten sonra İran Türklerinin tarihi, İran'da yaşayan Türk toplulukları, İran'da çıkan dergiler ve Güney Azerbaycan üzerine yapılan halk bilimi çalışmaları ele alınmıştır. Çalışmanın birinci bölümünde Dilmac dergisi hakkında genel bilgiler verilmiştir. İkinci bölümde Dilmac dergisinde bulunan halk bilimi yazıları ele alınarak değerlendirilmiştir. Üçüncü bölümde dergide yayımlanlanan makaleler üzerine istatistiksel bir çalışma yapılmış ve ardından dergideki makalelerin bibliyografyası verilmiştir. Çalışmanın sonuç kısmında ise elde edilen veriler değerlendirilmiştir. Anahtar Kelimeler: İran, Güney Azerbaycan, Dilmac, Dergi, Halk Bilimi.
Hemedan eyaleti Bahar ili Türk kültüründe geçiş dönemleri
Geçiş dönemleri, insanın dünyaya gözlerini açmasıyla başlayan bir süreç olup yaşamı boyunca bu süreci takip eden değişiklikleri geçirme, kabullenme ve kabul ettirme aşamalarını genel bir tanım içine sığdıran kavramdır. Bu geçiş basamakları bağlı olduğu topluluğun sosyolojisi, antropolojisi ve hatta psikolojisi hakkında ortaya koyduğu verilerle bilimsel bir kanıt değeri görebilir. Gelenekler, akraba topluluklar arasındaki benzerlikleri göstermesi açısından da son derece önem arz etmektedir. İran'ın Hemedan eyaletinin Bahar ilinde yapılan alan araştırmasında, Bahar ili ve bu ile bağlı ilçeler olan Lalecin, Salihabad ve Merkezî'de hayatın akışını bütünsel bir değişikliğe uğratan geçiş dönemleri ele alınmıştır. Çalışma; giriş, üç ana bölüm, sonuç, kaynakça ve eklerden oluşmaktadır. Giriş kısmında Güney Azerbaycan, Hemedan ve Bahar bölgesi hakkında bilgiler verilmiştir. Akabinde Güney Azerbaycan üzerine yapılan halkbilimi araştırmaları ele alınmıştır. Çalışmanın ana bölümlerinden birinci bölümde doğum, ikinci bölümde evlenme ve üçüncü bölümde ölüm âdetleri ele alınmıştır. Bu üç bölümde de gözlem, mülakat ve anket yoluyla sahadan derlenen veriler deşifre edilmiştir. Bölgeden derlenen malzemeler ortaya koyulurken sadece Anadolu sahasıyla sınırlı kalınmayarak Türk dünyasının çeşitli bölgelerindeki aynilikleri üzerinde de durulmuştur. Çalışmanın sonuç kısmında ise elde edilen verilerden hareketle bu geleneklerin hâlen yaşatılıp yaşatılmadığı üzerine durum tespitinde bulunulmuştur.
Başkurt destanlarındaki toponimler üzerine bir inceleme
Destanlar, toplumların hayatında derin izler bırakmış olaylardan kaynaklanan metinlerdir. Olaylar kişi, zaman ve yer unsurlarıyla beraber varlık bulurlar. Toponim yer adlarını inceleyen bilim dalıdır. Çalışmada, Başkurt destanlarında geçen toponimler incelenmiştir. Çalışma; Giriş, dört ana bölüm, sonuç ve kaynaklardan oluşmaktadır. Giriş kısmında tez hakkında bilgiler verildikten sonra Başkurtların tarihi ve Başkurt destanları ele alınmıştır. Akabinde onomastik ve onun alt dalı olan toponimi konusuna değinilmiştir. Çalışmanın birinci bölümünde destanlarda tespit edilen oykonimler, ikinci bölümünde horonimler, üçüncü bölümünde hidronimler dördüncü bölümünde ise oronimler sınıflandırılmıştır. Sonuç bölümünde ise elde edilen veriler değerlendirilmiştir. Anahtar Kelimeler: Başkurtlar, Destanlar, Onomastik, Toponimi
Çuvaşistan'da yayımlanan "Uçenıye Zapiski" (Bilimsel Yazılar) adlı süreli yayın üzerine inceleme
Bu çalışmada, Çuvaş Türkologlarının yanı sıra Rus Türkologlarının da katkısıyla, Çuvaşskiy Gosudarstvennıy İnstitut Gumanitarnıh Nauk [Çuvaş Devlet Beşeri Bilimleri Enstitüsü] bünyesinde 1941-2005 yılları arasında yayımlanan ve daha önce ilgililerin kaynak olarak kullanmakta zorluk çektiği Uçenıye Zapiski [Bilimsel Yazılar] adlı süreli yayımdaki makale başlıkları konularına göre sınıflandırılmış ve Türkçeye tercüme edilmiştir. Dergi toplamda 109 sayı yayımlanmış olup, birçok alanda makale, yazı ve bibliyografya içermektedir. Çalışmamızda kullanmış olduğumuz kaynaklar Kiril alfabesi ile Rusça olarak yazılmıştır. Süreli yayımda yer alan uzun soluklu makalelerde Çuvaş Türklerinin dili, tarihi ve kültürüne oldukça fazla yer ayrılmıştır. Uçenıye Zapiski süreli yayımı belirli bölümlerden oluşmaktadır ve her sayıda çeşitli konularda kaleme alınanan araştırmalar bulunmaktadır.
Kamera ve yapısallaştırılmış ışık kullanarak 3 boyutlu yüz ve vücut modelleme
Yüz ve vücut modeli oluşturulmasına estetik cerrahi, bazı hastalıkların takip ve tanısı, vücut gelişimi ve değişimlerin gözlemlenmesi, bilgisayar oyunları ve simülasyon yazılımlarının geliştirilmesi gibi pek çok farklı alanda ihtiyaç duyulmaktadır. Profesyonel 3B modelleme sistemlerinin maliyetleri veri üretim hassasiyetine ve kullanılan donanım ve yazılımların niteliğine göre oldukça yüksek değerlere ulaşmaktadır. Sunulan tez çalışması kapsamında düşük maliyetlerle 3B yüz ve vücut modellerinin üretilebildiği bir yazılım geliştirilmiş ve geliştirilen yazılım ile elde edilen 3B modellerin doğruluk analizleri gerçekleştirilmiştir. Doğruluk analizlerinde kullanılacak olan referans 3B modellerin oluşturulması için aynı kişilere ait yüz ve vücutlar yapısallaştırılmış ışık ile modelleme yapan bir sistem olan David SLS-2 tarama sistemi ile taranmıştır. Fotoğraf kullanılarak 3B model elde edilmesi için geliştirilen yazılımla yoğun ve metrik doğruluğu yüksek verilerin üretilmesi amaçlanmıştır. Yazılımın girdi verisi olan fotoğrafların 3B nokta bulutu üretimine uygun olabilmesi için fotoğraf çekim geometrisi, kullanılan algoritmalara göre belirlenmiştir. Yüz ve vücut modeli elde edilmesi için normal alım geometrisine göre stereo olarak birden çok konumdan alınan görüntü çiftleri kullanılmıştır. Fotoğraf çekim işlemleri için üzerinde 60 mm makro objektif bulunmakta olan, 18 mega piksel çözünürlüğe sahip Canon 600D modeli fotoğraf makinesi kullanılmıştır. Yüz modelleme çalışmalarında ortalama fotoğraf alım uzaklığı 120 cm, vücut modelleme çalışmalarında ise ortalama 650 cm olmuştur. Sunulan tez çalışması kapsamında geliştirilen yazılım aracılığıyla 3456x5184 çözünürlükteki görüntü çiftleri kullanılarak, 3B koordinatlar üretilmiştir. Elde edilen 3B veride yüz ve vücuda ait kısımlarla beraber fotoğraf çekim alanına giren diğer objeler de bulunmaktadır. Sadece yüz ve vücut bölgelerinin elde edilebilmesi amacıyla otomatik olarak üretilen 3B nokta bulutunun düzenlenmesi gerekmektedir. Bu amaçla açık kaynak kodlu 3B nokta bulutu işleme yazılımları olan Cloud Compare ve Meshlab kullanılarak yüz ve vücuda ilişkin kısımlar manuel olarak ayrılmıştır. Çoklu stereo görüntülerden elde edilen 3B modellerin doğruluğunun belirlenmesi için geliştirilen yazılım ve David SLS-2 sistemi ile 5 kişinin yüzü, 2 kişinin de vücudu modellenerek elde edilen modeller karşılaştırılmıştır. Karşılaştırma işlemi Cloud Compare yazılımı kullanılarak gerçekleştirilmiştir. Yüz modelleme çalışmasında otomatik olarak üretilen ve hareket, saç, kaş gibi kaba hata kaynağı olan bölgelerin de dahil olduğu noktaların doğruluk oranı beş farklı yüz için ortalama % 86.02 olarak hesaplanmıştır. Benzer şekilde vücut için bu oran %76.22 olarak hesaplanmıştır. Sunulan tez çalışmasında çoklu stereo modeller kullanılarak tasarlanan bir fotoğraf çekim planı ile 3B yüz ve vücut modelleri elde edilebilen bir sistem geliştirilmiştir. Geliştirilen sistem ile elde edilen 3B modellerin doğruluk analizleri Cloud Compare yazılımı ile yapılarak sistemin ne kadar hassasiyette 3B modelleme ihtiyaçlarına cevap verebileceği ortaya konmuştur. Anahtar Kelimeler: 3B modelleme, fotogrametri, nokta bulutu, yüz modelleme, vücut modelleme
Kemik tümörlerinin bilgisayarlı tomografi görüntülerinden otomatik bölütlenmesi: Kalkaneus kemiği örneği
Bilgisayar Destekli Tanı (Computer-Aided Detection (CAD/BDT)), tıbbi görüntüler ile görüntü işlemenin birlikte kullanıldığı multi-disipliner bir çalışma alanıdır. BDT, radyolojik tanılarda doğruluk ve tekrarlanabilirlik geliştirerek hekimlere görüntü yorumlamada yardımcı olarak hız ve ikincil bir görüş sunmaktadır. BDT, bilgisayar algoritmalarını içeren görüntü işleme, görüntü analizi, veri sınıflandırması gibi çeşitli adımları kapsamaktadır. Radyolojik tanı ve raporlamalar, hekimin tecrübesine bağlı olarak nesnel olmayan ve hata eğilimli değerlendirmelerdir. Sunulan tez çalışması, Bilgisayarlı Tomografi görüntüleri kullanarak kalkaneus kemiğindeki tümör ve tümör benzeri lezyonların BDT ile tespiti ve 3 boyutlu modellenmesi amacıyla hazırlanmıştır. Çalışmada, 9 hasta ve 869 adet MDBT (Multi-dedektörlü Bilgisayarlı Tomografi) ayak görüntü kesiti kullanılmıştır. Ayakların taramasında kullanılan parametreler; kesit kalınlığı 0,5mm-3mm arasında değişmektedir, mA 100, kV 120, piksel aralığı 512x512 piksel, 16 bit gri düzeyi sağlayan tek renkli çözünürlük seklinde seçilmiştir. Aksiyal görüntüler DICOM (Digital Imaging and Communications in Medicine) formatında alınmıştır. MDBT'den tümör ve benzeri lezyon tespitinde 3D-Doctor yazılımı ve Matlab (R2010a) programı kullanılarak görüntüler işlenmiştir. Çalışmanın, görüntü işleme adımları beş ana başlıktan oluşmaktadır. Bu adımlar; (i) gürültülerin azaltılması, (ii) bölütleme, (iii) morfoloji, (iv) 3B modelleme, (v) istatiksel analiz ve yorumlamadır. Matlab uygulama adımında, diğer bölütleme yöntemlerine göre daha iyi deneysel sonuç üreten Watershed ve Canny Algoritmalarının başarım ölçütleri kullanılmıştır. 3D-Doctor yazılımı ise, etkileşimli bölütleme ve 3B modelleme adımları için tercih edilmiştir. Değerlendirmede, dört farklı performans/başarım ölçütü "doğruluk, duyarlılık, özgüllük ve F-ölçütü" kullanılmıştır. Bölütleme yöntemleri nicel başarısı ve karşılaştırılabilir analizi sırasıyla, Etkileşimli (İnteraktif) Bölütleme>Watershed Algoritması>Canny Algoritması şeklinde elde edilmiştir. Çalışmanın performansı ROC (Receiver Operating Characteristic Analysis) ile değerlendirilmiştir. MDBT görüntülerinden kalkaneus kemiğindeki tümör ve tümör benzeri lezyonların tespitinde BDT, radyologların doğruluğunu ve hızını artıran yardımcı bir eleman olarak sunabilir. Çalışmanın sonuçları, biyometrik ve rekonstrüksiyon tekniği ile mevcut bilgiye katkı sağlayabilecektir. Anahtar Kelimeler: Sayısal görüntü işleme, tıp fotogrametrisi, BDT, bölütleme, BT, kalkaneus, tümör.
Kemik tümörlerinin bilgisayarlı tomografi görüntülerinden otomatik bölütlenmesi: Kalkaneus kemiği örneği
Bilgisayar Destekli Tanı (Computer-Aided Detection (CAD/BDT)), tıbbi görüntüler ile görüntü işlemenin birlikte kullanıldığı multi-disipliner bir çalışma alanıdır. BDT, radyolojik tanılarda doğruluk ve tekrarlanabilirlik geliştirerek hekimlere görüntü yorumlamada yardımcı olarak hız ve ikincil bir görüş sunmaktadır. BDT, bilgisayar algoritmalarını içeren görüntü işleme, görüntü analizi, veri sınıflandırması gibi çeşitli adımları kapsamaktadır. Radyolojik tanı ve raporlamalar, hekimin tecrübesine bağlı olarak nesnel olmayan ve hata eğilimli değerlendirmelerdir. Sunulan tez çalışması, Bilgisayarlı Tomografi görüntüleri kullanarak kalkaneus kemiğindeki tümör ve tümör benzeri lezyonların BDT ile tespiti ve 3 boyutlu modellenmesi amacıyla hazırlanmıştır. Çalışmada, 9 hasta ve 869 adet MDBT (Multi-dedektörlü Bilgisayarlı Tomografi) ayak görüntü kesiti kullanılmıştır. Ayakların taramasında kullanılan parametreler; kesit kalınlığı 0,5mm-3mm arasında değişmektedir, mA 100, kV 120, piksel aralığı 512x512 piksel, 16 bit gri düzeyi sağlayan tek renkli çözünürlük seklinde seçilmiştir. Aksiyal görüntüler DICOM (Digital Imaging and Communications in Medicine) formatında alınmıştır. MDBT'den tümör ve benzeri lezyon tespitinde 3D-Doctor yazılımı ve Matlab (R2010a) programı kullanılarak görüntüler işlenmiştir. Çalışmanın, görüntü işleme adımları beş ana başlıktan oluşmaktadır. Bu adımlar; (i) gürültülerin azaltılması, (ii) bölütleme, (iii) morfoloji, (iv) 3B modelleme, (v) istatiksel analiz ve yorumlamadır. Matlab uygulama adımında, diğer bölütleme yöntemlerine göre daha iyi deneysel sonuç üreten Watershed ve Canny Algoritmalarının başarım ölçütleri kullanılmıştır. 3D-Doctor yazılımı ise, etkileşimli bölütleme ve 3B modelleme adımları için tercih edilmiştir. Değerlendirmede, dört farklı performans/başarım ölçütü "doğruluk, duyarlılık, özgüllük ve F-ölçütü" kullanılmıştır. Bölütleme yöntemleri nicel başarısı ve karşılaştırılabilir analizi sırasıyla, Etkileşimli (İnteraktif) Bölütleme>Watershed Algoritması>Canny Algoritması şeklinde elde edilmiştir. Çalışmanın performansı ROC (Receiver Operating Characteristic Analysis) ile değerlendirilmiştir. MDBT görüntülerinden kalkaneus kemiğindeki tümör ve tümör benzeri lezyonların tespitinde BDT, radyologların doğruluğunu ve hızını artıran yardımcı bir eleman olarak sunabilir. Çalışmanın sonuçları, biyometrik ve rekonstrüksiyon tekniği ile mevcut bilgiye katkı sağlayabilecektir. Anahtar Kelimeler: Sayısal görüntü işleme, tıp fotogrametrisi, BDT, bölütleme, BT, kalkaneus, tümör.
Landsat-8 uydu görüntülerinden derin öğrenme algoritmaları kullanarak kıyı çizgisi çıkarımı
Kıyı çizgileri; küresel ısınma gibi doğal etkiler, şehirleşmenin getirdiği nüfus artışı ve insan kaynaklı oluşan çevre kirliliği etkilerinden dolayı sürekli değişim halindedir. Bu değişimin zamansal olarak izlenmesi; kıyı kaynaklarının yönetimi, kıyı alanlarındaki çevrenin korunması ve sürdürülebilir kıyı planlaması için kritik bir öneme sahiptir. Optik uydu görüntülerinin kullanılmasıyla kıyı alanlarına ait güncel, doğru, zamansal ve güvenilir bilgiler elde edilebilmektedir. Makine öğrenmesi tabanlı Derin Öğrenme algoritmaları uydu görüntülerinden otomatik kıyı çizgisi çıkarımında kullanılabilmektedir. Sunulan tezde, LANDSAT-8 uydu görüntülerinden kıyı çizgisi çıkarımı için bir semantik bölütleme algoritması olan SegNet derin öğrenme mimarisi kullanılmıştır. SegNet mimarisi; kodlayıcı, kod çözücü ve sınıflandırma katmanlarını içermektedir. Kodlayıcı katmanlarda üretilen düşük çözünürlüklü özellik haritalarının, kod çözücü katmanlarda girdi görüntü ile aynı çözünürlüğe eşlenmesi prensibi benimsenmiştir. Çalışmada, 34 LANDSAT-8 görüntüsünün mavi, kırmızı ve yakın kızılötesi bantları kullanılmıştır. Kullanılan görüntülerin 29 tanesi SegNet Derin Öğrenme Ağı'nın eğitimi için ve 5 tanesi sonuçların test edilmesi için kullanılmıştır. Eğitim veri seti için etiket oluşturmak amacıyla LANDSAT-8 görüntülerinin NDWI (Normalleştirilmiş Fark Su İndeksi - Normalized Difference Water Index) görüntüleri oluşturulmuştur. NDWI görüntülerine eşik değer uygulanarak ikili görüntüler oluşturulmuş ve etiketler belirlenmiştir. Bu işlemin ardından 4880 adet görüntü parçasından oluşan eğitim veri seti hazırlanmıştır. MATLAB platformunda VGG16 ve VGG19 mimarilerini temel alan iki farklı SegNet derin öğrenme ağı oluşturulmuş ve hazırlanmış olan eğitim seti ile eğitim işlemi gerçekleştirilmiştir. SegNet derin öğrenme ağları kullanılarak, 5 adet test görüntüsünden su ve kara sınıfları ikili biçimde elde edilmiştir. İkili görüntüler vektör formata dönüştürülerek kıyı çizgileri elde edilmiştir. Kıyı çizgilerinin doğruluklarını analiz etmek için elle sayısallaştırılan kıyı çizgileri kullanılmıştır. Doğruluk analizi için elle sayısallaştırılan kıyı çizgileri referans veri olarak kullanılmıştır. Çalışmanın sonucunda her bir test görüntüsünde SegNet-VGG19 mimarisi için sırasıyla 13.38 m (0.45 piksel), 16.16 m (0.54 piksel), 20.32 m (0.68 piksel), 9.99 m (0.33 piksel) ve 12.63 m (0.42 piksel) ortalama hata hesaplanmıştır. SegNet-VGG16 ağı için ortalama hatalar sırasıyla 9.78 m (0.33 piksel), 25.67 m (0.86 piksel), 17.07 m (0.57 piksel), 11.11 m (0.37 piksel) ve 10.69 m (0.36 piksel) olarak hesaplanmıştır. Elde edilen sonuçlar, derin öğrenmenin ve SegNet semantik bölütleme mimarisinin kıyı çizgisi çıkarımında verimli bir şekilde kullanılabileceğini göstermektedir.
Landsat-8 uydu görüntülerinden derin öğrenme algoritmaları kullanarak kıyı çizgisi çıkarımı
Kıyı çizgileri; küresel ısınma gibi doğal etkiler, şehirleşmenin getirdiği nüfus artışı ve insan kaynaklı oluşan çevre kirliliği etkilerinden dolayı sürekli değişim halindedir. Bu değişimin zamansal olarak izlenmesi; kıyı kaynaklarının yönetimi, kıyı alanlarındaki çevrenin korunması ve sürdürülebilir kıyı planlaması için kritik bir öneme sahiptir. Optik uydu görüntülerinin kullanılmasıyla kıyı alanlarına ait güncel, doğru, zamansal ve güvenilir bilgiler elde edilebilmektedir. Makine öğrenmesi tabanlı Derin Öğrenme algoritmaları uydu görüntülerinden otomatik kıyı çizgisi çıkarımında kullanılabilmektedir. Sunulan tezde, LANDSAT-8 uydu görüntülerinden kıyı çizgisi çıkarımı için bir semantik bölütleme algoritması olan SegNet derin öğrenme mimarisi kullanılmıştır. SegNet mimarisi; kodlayıcı, kod çözücü ve sınıflandırma katmanlarını içermektedir. Kodlayıcı katmanlarda üretilen düşük çözünürlüklü özellik haritalarının, kod çözücü katmanlarda girdi görüntü ile aynı çözünürlüğe eşlenmesi prensibi benimsenmiştir. Çalışmada, 34 LANDSAT-8 görüntüsünün mavi, kırmızı ve yakın kızılötesi bantları kullanılmıştır. Kullanılan görüntülerin 29 tanesi SegNet Derin Öğrenme Ağı'nın eğitimi için ve 5 tanesi sonuçların test edilmesi için kullanılmıştır. Eğitim veri seti için etiket oluşturmak amacıyla LANDSAT-8 görüntülerinin NDWI (Normalleştirilmiş Fark Su İndeksi - Normalized Difference Water Index) görüntüleri oluşturulmuştur. NDWI görüntülerine eşik değer uygulanarak ikili görüntüler oluşturulmuş ve etiketler belirlenmiştir. Bu işlemin ardından 4880 adet görüntü parçasından oluşan eğitim veri seti hazırlanmıştır. MATLAB platformunda VGG16 ve VGG19 mimarilerini temel alan iki farklı SegNet derin öğrenme ağı oluşturulmuş ve hazırlanmış olan eğitim seti ile eğitim işlemi gerçekleştirilmiştir. SegNet derin öğrenme ağları kullanılarak, 5 adet test görüntüsünden su ve kara sınıfları ikili biçimde elde edilmiştir. İkili görüntüler vektör formata dönüştürülerek kıyı çizgileri elde edilmiştir. Kıyı çizgilerinin doğruluklarını analiz etmek için elle sayısallaştırılan kıyı çizgileri kullanılmıştır. Doğruluk analizi için elle sayısallaştırılan kıyı çizgileri referans veri olarak kullanılmıştır. Çalışmanın sonucunda her bir test görüntüsünde SegNet-VGG19 mimarisi için sırasıyla 13.38 m (0.45 piksel), 16.16 m (0.54 piksel), 20.32 m (0.68 piksel), 9.99 m (0.33 piksel) ve 12.63 m (0.42 piksel) ortalama hata hesaplanmıştır. SegNet-VGG16 ağı için ortalama hatalar sırasıyla 9.78 m (0.33 piksel), 25.67 m (0.86 piksel), 17.07 m (0.57 piksel), 11.11 m (0.37 piksel) ve 10.69 m (0.36 piksel) olarak hesaplanmıştır. Elde edilen sonuçlar, derin öğrenmenin ve SegNet semantik bölütleme mimarisinin kıyı çizgisi çıkarımında verimli bir şekilde kullanılabileceğini göstermektedir.
Ortofoto haritalardan ağaç türlerinin otomatik olarak bölütlenmesi
Uzaktan algılama (RS) teknolojisindeki ilerlemeler, yüksek spektral ve mekânsal çözünürlüklerle görüntü elde etmeyi mümkün kılmıştır. Hem pahalı hem de emek yoğun olan geleneksel saha araştırmaları yaklaşımlarına ve klasik fotoğraf yorumuna tekniklerine alternatif bir çözüm sunar. Öte yandan, çoklu / hiperspektral algılayıcılar ile elde edilen görüntüler genellikle yeterli detay bilgisi sağladığından, böylece nesnelerin ayırt edilebilirliği de artmaktadır. Günümüzde uzaktan algılama teknikleri orman ve tarımsal kaynakların yönetimi ve izlenmesi gibi çeşitli uygulamalarda kullanılabilmektedir. Bununla birlikte, edinilen veri miktarının büyük olması insan eliyle yapılacak sayısallaştırma ya da kullanılan klasik teknikler zaman ve maliyet açısından öngörülür olmaktan uzaktır. Özellikle, ağaç türlerinin elle bölütlenmesi, türler arasında bitki örtüsü bilgilerinin karmaşıklığı ve spektral benzerliğinden dolayı olanaksızdır. Uzaktan algılama teknolojinin ilerlemesi ile görüntülerin çözünürlükleri artmıştır. Fakat, bu durum görüntülerden nesne çıkartma problem için yeni işlem tekniklerinin geliştirilmesini gerekli kılmıştır. Sunulan tez çalışmasının odak noktası, yüksek çözünürlüklü dijital ortofoto haritalarından çay bahçelerinin tespiti için makine öğrenme temelli sınıflandırıcıların Mean-Shift bölütleme yöntemi ile entegre edilerek nesne tabanlı bir yaklaşıma dayalı çoklu kullanımlarının önerilmesidir. Önerilen yöntem birkaç ardışık adımdan oluşmaktadır. İlk adımda, pikseller arasındaki semantik ve uzamsal ilişkiyi kullanılarak nesne tabanlı bölütler elde edilmiştir. Bu amaçla parametrik olmayan nesne tabanlı Mean-Shift yöntemi kullanılmıştır. Bu nesneler daha sonra işlemin geri kalanı için yapı taşı olarak kullanılmıştır. Görüntü filtreleme ile gürültülü öğeleri elimine edilmiş ve nesne sınırlarının gürültüsüz olarak elde edilmesi için ise morfolojik işlemler uygulanmıştır. Öğrenme temelli sınıflandırma aşamasında kullanılacak özellikler üretilen nesne tabanlı bölütler kullanılarak ve bölütlerin spektral, konumsal ve doku özelliklerinden yararlanılarak üretilmiş ve daha sonra sınıflandırıcıları eğitmek ve test etmek için normalleştirilmiştir. Sadece ayırt edici olan ve sınıflandırma sonuçlarını optimize eden özellikler seçilmiştir. İleri derece ayırt edici özellik setini seçmek için Jeffries-Mautasia (JM) mesafe metriği ile sıralı ileriye doğru seçim yöntemi kullanılmıştır. Sunulan tez çalışmasında Destek Vektör Makinaları (Support Vector Meachines-SVM), Yapay Sinir Ağları (Artifical Neural Networks-ANN) ve Rastgele Orman (Random Forest-RF) yöntemleri olmak üzere üç öğrenme temelli sınıflandırıcı seçilmiştir. Bu sınıflandırıcılar, farklı istatistiksel öğrenim ailesine aittir ve büyük ölçekli veri sınıflandırması için etkili oldukları kanıtlanmıştır. Sınıflandırıcıları eğitmek için çay bahçeleri ve diğer ağaç türleri için eğitim verisi seçilmiştir. Söz konusu eğitim verileri her bir sınıflandırıcı için kullanılmıştır. Eğitim ve doğrulama setini kullanarak, her bir sınıflandırıcı için en uygun parametreleri bulmak amacıyla grid arama algoritması uygulanmıştır. Çay bahçelerinin otomatik bölütlenmesi için her bir sınıflandırıcıdan elde edilen çıktılar maksimum oylama yaklaşımı kullanılarak birleştirilmiştir. Çalışmanın son aşamasında fotogrametrik yöntem ile stereo sayısallaştırılarak elde edilen çay bahçelerine ait sınırlar elde edilen sonuçlar ile karşılaştırılarak doğruluk analizi yapılmıştır. Nesne tabanlı bölütlemenin çoklu sınıflandırıcı yaklaşımla entegrasyonunun, yüksek sınıflandırma doğruluğu ile çay bahçelerinin çıkarılması için etkili bir yöntem olduğu gösterilmiştir.
Ortofoto haritalardan ağaç türlerinin otomatik olarak bölütlenmesi
Uzaktan algılama (RS) teknolojisindeki ilerlemeler, yüksek spektral ve mekânsal çözünürlüklerle görüntü elde etmeyi mümkün kılmıştır. Hem pahalı hem de emek yoğun olan geleneksel saha araştırmaları yaklaşımlarına ve klasik fotoğraf yorumuna tekniklerine alternatif bir çözüm sunar. Öte yandan, çoklu / hiperspektral algılayıcılar ile elde edilen görüntüler genellikle yeterli detay bilgisi sağladığından, böylece nesnelerin ayırt edilebilirliği de artmaktadır. Günümüzde uzaktan algılama teknikleri orman ve tarımsal kaynakların yönetimi ve izlenmesi gibi çeşitli uygulamalarda kullanılabilmektedir. Bununla birlikte, edinilen veri miktarının büyük olması insan eliyle yapılacak sayısallaştırma ya da kullanılan klasik teknikler zaman ve maliyet açısından öngörülür olmaktan uzaktır. Özellikle, ağaç türlerinin elle bölütlenmesi, türler arasında bitki örtüsü bilgilerinin karmaşıklığı ve spektral benzerliğinden dolayı olanaksızdır. Uzaktan algılama teknolojinin ilerlemesi ile görüntülerin çözünürlükleri artmıştır. Fakat, bu durum görüntülerden nesne çıkartma problem için yeni işlem tekniklerinin geliştirilmesini gerekli kılmıştır. Sunulan tez çalışmasının odak noktası, yüksek çözünürlüklü dijital ortofoto haritalarından çay bahçelerinin tespiti için makine öğrenme temelli sınıflandırıcıların Mean-Shift bölütleme yöntemi ile entegre edilerek nesne tabanlı bir yaklaşıma dayalı çoklu kullanımlarının önerilmesidir. Önerilen yöntem birkaç ardışık adımdan oluşmaktadır. İlk adımda, pikseller arasındaki semantik ve uzamsal ilişkiyi kullanılarak nesne tabanlı bölütler elde edilmiştir. Bu amaçla parametrik olmayan nesne tabanlı Mean-Shift yöntemi kullanılmıştır. Bu nesneler daha sonra işlemin geri kalanı için yapı taşı olarak kullanılmıştır. Görüntü filtreleme ile gürültülü öğeleri elimine edilmiş ve nesne sınırlarının gürültüsüz olarak elde edilmesi için ise morfolojik işlemler uygulanmıştır. Öğrenme temelli sınıflandırma aşamasında kullanılacak özellikler üretilen nesne tabanlı bölütler kullanılarak ve bölütlerin spektral, konumsal ve doku özelliklerinden yararlanılarak üretilmiş ve daha sonra sınıflandırıcıları eğitmek ve test etmek için normalleştirilmiştir. Sadece ayırt edici olan ve sınıflandırma sonuçlarını optimize eden özellikler seçilmiştir. İleri derece ayırt edici özellik setini seçmek için Jeffries-Mautasia (JM) mesafe metriği ile sıralı ileriye doğru seçim yöntemi kullanılmıştır. Sunulan tez çalışmasında Destek Vektör Makinaları (Support Vector Meachines-SVM), Yapay Sinir Ağları (Artifical Neural Networks-ANN) ve Rastgele Orman (Random Forest-RF) yöntemleri olmak üzere üç öğrenme temelli sınıflandırıcı seçilmiştir. Bu sınıflandırıcılar, farklı istatistiksel öğrenim ailesine aittir ve büyük ölçekli veri sınıflandırması için etkili oldukları kanıtlanmıştır. Sınıflandırıcıları eğitmek için çay bahçeleri ve diğer ağaç türleri için eğitim verisi seçilmiştir. Söz konusu eğitim verileri her bir sınıflandırıcı için kullanılmıştır. Eğitim ve doğrulama setini kullanarak, her bir sınıflandırıcı için en uygun parametreleri bulmak amacıyla grid arama algoritması uygulanmıştır. Çay bahçelerinin otomatik bölütlenmesi için her bir sınıflandırıcıdan elde edilen çıktılar maksimum oylama yaklaşımı kullanılarak birleştirilmiştir. Çalışmanın son aşamasında fotogrametrik yöntem ile stereo sayısallaştırılarak elde edilen çay bahçelerine ait sınırlar elde edilen sonuçlar ile karşılaştırılarak doğruluk analizi yapılmıştır. Nesne tabanlı bölütlemenin çoklu sınıflandırıcı yaklaşımla entegrasyonunun, yüksek sınıflandırma doğruluğu ile çay bahçelerinin çıkarılması için etkili bir yöntem olduğu gösterilmiştir.