Derin öğrenme tabanlı PAN-keskinleştirme yöntemlerinin arazi örtüsü haritalama performanslarının irdelenmesi

Pan-keskinleştirme, yüksek çözünürlüklü pankromatik (PAN) görüntünün konumsal özelliklerini düşük çözünürlüklü çok bantlı (ÇB) görüntünün spektral özellikleriyle birleştirerek hem konumsal hem de spektral olarak geliştirilmiş birçok bantlı (ÇB) görüntü üretir. Kırk yılı aşkın bir süredir çok sayıda pan-keskinleştirme yöntemleri geliştirilmiş olup son yıllarda uzaktan algılama alanındaki diğer uygulamalarda olduğu gibi pan-keskinleştirme için de derin öğrenme (DÖ) tabanlı yaklaşımlar geliştirilmiştir. Bu sebeple, DÖ tabanlı yöntemlerin performanslarının incelenmesi ve çeşitli uzaktan algılama uygulamaları için uygulanabilirliklerinin ortaya koyulması gerekmektedir. Çok sayıda pan-keskinleştirme yönteminin önerilmiş olması araştırmacılar için en iyi sonucu veren yöntemi seçmeyi zorlaştırmaktadır. Bu nedenle, bu çalışmanın amacı, önceden eğitilmiş modellere dayanan birçok DÖ tabanlı pan-keskinleştirme yöntemlerinin ve geleneksel yöntemlerin görüntüdeki konumsal keskinliği arttırma ve spektral renk doğruluğunu koruma yetenekleri açısından performanslarını değerlendirmek ve bu yöntemlerin başarılı görüntü sınıflandırma sonuçları elde etmek için yeterli olup olmadığını tespit etmektir. Bu amaçla toplam 29 pan-keskinleştirme yönteminden üretilen pan-keskinleştirilmiş görüntülerinin spektral ve konumsal özellikleri niteliksel ve niceliksel olarak değerlendirilerek sınıflandırma performansları incelenmiştir. Çalışma kapsamında IKONOS ve WORLDVIEW2 (WV2) uydularına ait verisetleri kullanılmıştır. Pan-keskinleştirme görüntüleri destek vektör makinesi (DVM) yöntemi ile sınıflandırılarak pan-keskinleştirmenin arazi örtüsü haritalama performansına etkileri irdelenmiştir. Varyasyonel (VY) yöntemler istisnalar hariç olmak üzere diğer yöntemlere göre daha başarılı sonuçlar elde etmiştir. DÖ tabanlı yöntemlerde de pan-keskinleştirme ve sınıflandırma doğruluklarının diğer birçok geleneksel yöntemden daha yüksek olduğu sonucuna varılmıştır. Ayrıca, DÖ tabanlı yöntemlerin performansının, büyük ölçüde eğitimin başarısına ve kullanılan hiperparametrelere bağlı olduğu ortaya koyulmuştur.