Kumaş simülasyon filtresi ve toplam varyasyon düzenlileştirmesi kullanılarak yoğun dijital yüzey modelinden dijital arazi modeli üretilmesi için yeni bir hibrit strateji

Sayısal Yükseklik Modeli (SYM), dünya yüzeyinin yükseklik değerlerinin sanal temsilini ifade etmek için kullanılan genel bir terimdir. En yaygın kullanılan SYM türlerinden ikisi Sayısal Yüzey Modeli (SYM) ve Sayısal Arazi Modelidir (SAM). SYM, bitki örtüsünün, zemin ve üzerine inşa edilmiş insan yapımı nesnelerin (binalar, köprüler, araçlar vb.) yükseklik değerlerini içeren 3 boyutlu (3B) bir veri setidir. SAM, SYM'den farklı olarak yalnızca zemin yüksekliği değerlerini içerir. SYM çoğunlukla doğrudan LiDAR'dan veya görüntü eşleştirme yoluyla elde edilebilirken, SAM üretimi, zemin haricindeki nesneleri kaldırmak için SYM verilerinin filtrelenmesine dayanan zorlu bir süreçtir. SAM üretimi, hassas tarım, askeri uygulamalar, zemin haritalama ve ulaşım sistemleri gibi uygulama alanları için yüksek doğruluk ve hassasiyet gerektirdiğinden, SYM filtreleme yaklaşımları hala geliştirilmektedir. Tez kapsamında üç adımdan oluşan bir SAM çıkarım metodolojisi geliştirilmiştir. İlk aşamada kumaş simülasyonu filtreleme algoritması (CSF) kullanılmıştır. Bu aşamada, girdi SYM'nin arazi piksellerine ilişkin zemin indeksi bilgileri, hem yüksek hem de alçak çözünürlüklü kumaşlar kullanılarak elde edilmiştir. Daha sonra, zemin olarak etiketlenen piksellerin enterpolasyonu ile yüksek ve alçak çözünürlüğe sahip iki başlangıç SAM'ı oluşturulur. İkinci aşamada amaç, varyasyonel optimizasyon çerçevesi için kritik bir gösterge görevi gören uyarlanabilir bir düzenlileştirme haritasının oluşturulmasıdır. Üretilen yüksek ve alçak çözünürlüklü SAM'lar arasındaki fark hesaplandıktan sonra, uyarlanabilir düzenlileştirme haritasının oluşturulması için rotasyonu sabit iki boyutlu Gauss matrisi uygulanır. Son olarak, varyasyonel maliyet fonksiyonunu yinelemeli olarak minimize etmek ve nihai SAM'ı oluşturmak için varyasyonel SAM çıkarım yönteminin modifiye edilmiş bir versiyonu geliştirilmiştir. Önerilen yöntemde, tek bir düzenlileştirme seviyesi kullanmak yerine pikselden piksele değişen farklı düzenlileştirme seviyeleri kullanılmıştır. Bu tezde kullanılan doğruluk ölçüleri, nesne tabanlı ve yükseklik tabanlı doğruluk ölçülerine dayanmaktadır. Doğruluk değerlendirmesi iki ayrı test sahasında (Galler, Birleşik Krallık ve Ankara, Türkiye) gerçekleştirilmiş ve yüksek çözünürlüklü yoğun SYM veri setleri (LiDAR tabanlı ve İHA tabanlı) için hem sayısal hem de görsel sonuçlar verilmiştir. Yüksekliğe dayalı doğruluk analizi, önerilen SAM çıkarımı metodolojisinin CSF yöntemine karşı başarılı olduğunu göstermektedir. En iyi RMSE ve absolute error değerleri, önerilen yaklaşımla tutarlı bir şekilde elde edilmiştir. Nesne tabanlı doğruluk analizi, önerilen yöntemin object-based precision and recall ölçüleri arasında iyi bir denge sağladığını göstermiştir.