Derin öğrenme metotları kullanılarak SAR (sentetik açıklıklı radar) görüntülerinden bina tespiti

SAR (Sentetik Açıklıklı Radar) görüntüleri, objelerin yansıma değerleri yerine saçılma değerleri ile oluşturulduklarından optik görüntülerden farklıdırlar. Bu durum SAR görüntülerinin geleneksel nesne algılama ve tespit metodolojilerinin uygulanmasını zorlaştırır. Son yıllarda derin öğrenme metotları obje tespiti ve segmentasyon alanlarında sıklıkla kullanılmaktadır. Bu çalışmada SAR ve optik görüntü füzyonundan bina tespiti için U-Net modellerinin potansiyelleri araştırılmıştır. Geliştirilen metot ve U-Net algoritması iki farklı veri seti üzerinde uygulanmıştır. İlk veri seti 'SpaceNet 6 Multi Sensor All-Weather Mapping' etkinliği kapsamında sağlanan Sentinel-1 SAR ve Sentinel-2 multispektral uydu görüntüleridir. Görüntüler Hollanda'nın Rotterdam bölgesinde 120 km2'lik alanı kapsamaktadır. Eğitim veri seti 20 adet 900 x 900 piksel boyutlu HV polarize SAR görüntüsü ve optik görüntülerdir. Eğitim sonucu oluşturulan modelde Loss (Kayıp) değeri 0.4 doğruluk ise 81% olarak hesaplanmıştır. İkinci veri seti ise İzmir ilinin bir kısmını kapsamakta olup 2020 Ege Denizi depreminden önce ve sonra olmak üzere 2 adet SAR görüntüsünden oluşmaktadır. U-Net algoritmasında maske olarak kullanılacak görüntü, vektörel formattan elde edilmiştir. İlk veri seti üzerinden üretilen model, ilk ve ikinci veri setleri üzerinde uygulanmış ve sonuçlar tartışılmıştır. 3 farklı test verisi üzerine uygulanan modelin sınıflandırma doğrulukları ile sırasıyla 79%, 65% ve 54% olarak hesaplanmıştır.