Piksel tabanlı ve nesne tabanlı görüntü sınıflandırma yöntemlerinin performanslarının incelenmesi

Bu araştırmada, SENTINEL-2 ve LANDSAT-9 kullanılarak büyük ölçekli uzaktan algılanan veri kümeleri beş denetimli algoritma, Support Vector Machine (SVM), Maximum Likelihood Classification (MLC), Minimum Distance Classification (MDC), Artificial Neural Net Classification ( ANN) ve eCognition - Support Vector Machine (ECO-SVM) ile sınıflandırılmış ve performansları incelenmiştir. Genel doğruluk oranları, örnek boyutları 200 ile 403 arasında değişmiştir. Çalışmada, büyük eğitim setlerinin küçük eğitim setlerine kıyasla daha yüksek doğruluk oranı verdiği görülmüştür. Hem SENTINEL-2 hem de LANDSAT-9 verilerinde, büyük eğitim setleri kullanıldığında daha yüksek doğruluk oranları elde edilmiştir. Doğruluk oranı, aynı sınıflandırıcı ve eğitim örneği miktarı kullanılsa bile farklı eğitim örnekleri ile yapılan sınıflandırmalar arasında değişiklik göstermiştir. Bu nedenle, eğitim setinin boyutuna bağlı olarak bazı algoritmalar diğerlerinden daha fazla doğruluk sunabilir. Çalışmanın sonuçlarına göre, nesne tabanlı sınıflandırmalarin sonucları, piksel tabanlı sınıflandırmadan daha yüksek doğruluk oranları sunmuştur. SVM, hem SENTINEL-2 hem de LANDSAT-9 verilerinde en yüksek doğruluk oranını sağlamıştır.