U-net tabanlı evrişimli sinir ağı ile uzaktan algılanmış görüntülerden otomatik bina tespiti

Uzaydan ve havadan çekilen görüntülerdeki spektral ve uzamsal çözünürlüğün artması ile birlikte, bina ve ağaç gibi nispeten küçük nesnelerin tanınmasına olanak sağlanmıştır. Dolayısıyla uzaktan algılanmış görüntülerden nesne tanıma ve nesne bölütleme üzerine yapılan çalışmaların önemi giderek artmıştır. Hiperspektral (HS) görüntülerin işlenmesinde bina bölütleme doğruluğunu ve işlem hızını arttırmak için yüksek spektral veri boyutunun düşürülmesine ne ihtiyaç duyulabilmektedir. Bu amaçla HS veri setinde spektral bant seçme işlemi yapılarak en fazla bilgiyi içeren bir spektral bant alt kümesi oluşturulmuştur. Literatürdeki çeşitli benzerlik kriterleri ve arama yöntemleri incelenerek, HS görüntülerdeki yapısal bilgiyi de göz önüne alan hiyerarşik kümelemenin kullanıldığı iki yeni bant seçme yöntemi geliştirilmiştir. Ayrıca HS bir görüntüdeki iki spektral bandın birbirlerine benzerliğini ölçen yeni bir metrik önerilmiştir. Sonuçlar uydu ve yakın mesafe HS görüntüleri olmak üzere içerik olarak farklı iki veri seti üzerinden kıyaslanmıştır. Spektral bant seçme sürecinin ardından ise, bina bölütlemesine yönelik literatürdeki klasik ve modern görüntü işleme temelli yöntemler incelenmiş, hangi yöntemlerin kullanıldığı ve çalışmaların ne aşamada olduğu araştırılmıştır. Tez çalışması kapsamında, görüntü işlemede farklı problemlerin çözümünde son derece başarılı sonuçlar veren derin öğrenme temelli yöntemler de kullanılmıştır. Bu kapsamda, Unet temelli iki yeni nesne bölütleme mimarisi geliştirilmiştir. Tez çalışmasında kullanılan çok bantlı (MS) ve HS veri setlerine uygulanan yeni mimariler ile daha az eğitim adımı neticesinde daha iyi performanslar elde edildiği görülmüştür. Ayrıca, HS veri seti için önerilen band seçme ve bina bölütleme yöntemleri bir arada kullanılarak sonuçlar analiz edilmiştir.