Uydu görüntülerinden kıyı çizgisi tespitinde makine öğrenmesi algoritmalarının performanslarının deneysel olarak karşılaştırılması

İnsanlar ve diğer canlı türleri için değerli kaynakları barındıran kıyı alanları bir çok tehlikeye karşı risk altında olan, izlenmesi ve korunması gerekli alanlardır. Kıyıların korunması ve izlenmesinde en önemli ve gerekli aşamalardan biri kıyı çizgisi çıkartma işlemidir. Bu işlem için geleneksel metotların zorlukları ve yüksek maliyetlerine karşın, gelişen uzaktan algılama teknikleri ve bilgisayar bilimleri bu işlem için araştırmacıları, Makine Öğrenmesi Sınıflandırıcılarına yönlendirmiştir. Bu konuda literatürde birçok çalışma yer almasına karşın kıyı çizgisi çıkartmada önemli etkisi olduğu bilinen kıyı tipleri özelinde yeterli inceleme bulunmamaktadır. Bu çalışma kapsamında, uydu görüntülerinden kıyı çizgisi çıkartma işlemi için başarılı bulunan Makine Öğrenmesi sınıflandırıcılarının farklı kıyı tipleri üzerinden isabetlilikleri detaylı olarak incelenmeye çalışılmıştır. İncelenen kıyı tipleri gölge alan içeren ve içermeyen falezler, killi-siltli ve kumlu çakıllı sahiller ve yapay kıyılardır. Destek Vektör Makineleri, Çok Katmanlı Algılayıcılar ve Kolektif Öğrenme Sınıflandırıcılarına ait farklı fonksiyon ve algoritmalardan oluşan 12 sınıflandırıcı bu kıyı tipleri üzerinde incelemeye tabi tutulmuştur. Çalışma sonucunda, Kolektif Öğrenme sınıflandırıcıları diğer sınıflandırıcıların genel olarak gerisinde kalmıştır. Yapay Sinir Ağlarının ve Destek Vektör Makineleri'nin birçok farklı kıyı tipinde isabetliliği gözlenirken, bilinenin aksine Sigmoid çekirdek fonksiyonun tüm kıyı tiplerinde daha başarısız olduğu kanısına varılmıştır.