GR Elektronik veri ileme son 40 ylda inanlmaz bir hzla gelimitir.

Bu gelime bilgisayar teknolojisindeki gelimelere paralel olarak meydana gelmitir[1]. Bilgisayarlarn giderek boyutlarnn klmesi, bellek kapasitelerinin ve veri ileme hzlarnn art grnt ileme teknolojilerindeki gelimeyi hzlandrmtr. rnein 1980'li yllarda bugn iin ok nemsiz saylabilecek (1 MB) bellek kapasiteleri ve buna karn bir oda byklndeki bilgisayarlar sz konusu idi. Oysa bugn 1000 Mhz.lik hzlardan sz edilmektedir. Bellek kapasiteleri ise 10lu saylarla balayan GB ile ifade edilmektedir.Tm bu gelimeler saysal grnt ileme teknolojisinde kullanlan yazlmlarn da gelimesine neden olmutur. Sylenenlere biliim teknolojisindeki gelimeleri de eklemekgerekir. Gnmzde dnyadaki geliimler internet aracl ile annda izlenebilmekte, dolaysyla bilginin hzla yaylmas olanakl klnabilmektedir. Grnt ileme asndan ele alndnda insan alglama sistemi; grnt yakalama, gruplama ve analiz konusunda bilinen en karmak sistemdir. nsan grme sistemi gzlerimizle balar. In ok kanall ve pankromatik dalga boylar her biri birer alglama sistemi olan gzlerimiz yardm ile alglanr. Grlebilen spektrum tanm; insan gznn grebilecei elektro manyetik dalga boyu araln tanmlar (ekil-1.1). Buna karn bir arnn grebildii spektral aralk ultraviyole blgede balar ve yeil dalga boylarnda sona erer[4]. Spektrum uzunluk lme birimleri ile llebilen periyodik davran sergileyen enerji dalgalarn temsil eder. Grlebilen alana aitdalga boylar 0.4m-0.7m arasndadr[4].

Gzlerimizle grlebilen alandaki elektro manyetik dalgalar alglayabiliriz ve beynimiz yardm ile yorumlanabilir grnt haline dntrebiliriz. Gzn ana bileenleri; Kornea, gz bebei, mercek, retina ve optik sinirlerdir.Kornea gzn d ksmnda olup geirgen, kubbe formunda olup, a odaklama fonksiyonuna sahiptir. Gz bebei kendisini tutan kaslar yardm ile k gze ulatnda gzn alp kapanmasna yarar. Gz bebei gz merceini rter[4]. Kaslar yardm ile mercek gze giren n iddetine gre kalnlar veya incelir. Gzlerin farkl kontrastlara adapte olabilme yetenei parlaklk adaptasyonu (brightness adaption) olarak adlandrlr. ki parlaklk dzeyleri arasnda ayrm yapabilme yeteneine ise kontrast duyarll ad verilir. Bu da gzn etrafn evreleyen parlaklk dzeylerine baldr. Gneli bir gnde farlar yanan bir aracn farlarn grmek gtr, fakat gece deildir[4].

zet olarak; saysal grnt ileme iin grme sistemlerimizin altnda yatan temel mekanizmalarn bilinmesi olduka nemlidir. Ksaca gz bir fotoraf makinas gibi dnlebilir ve beynin grme blmleri de karmak bir saysal grnt ileme sistemi olarak dnlebilinir[4]. Grnt ileme yaam ver olduka sz konusu olmutur. nsanlar ve hayvanlar gzleri ile analog temele dayanan grnt ileme yapmaktadrlar. Bu olay beyin yardm ile (akll sistem) on-line, paralel ve ok spektrumlu (multispektral) olumaktadr[2]. Resimlerin bilgisayar ortamnda deerlendirilebilmeleri iin veri formatlarnn bilgisayar ortamna uygun hale getirilmeleri gerekmektedir. Bu dnme saysallatrma (digitizing) ad verilir. Bir resmin fotografik sunumunu daha dorusu saysal forma dntrlmesi eitli ekillerde olanakldr. Buna farkl teknikler kullanlarak resmin saysallatrld tarayclar rnek olarak verilebilir. Ya da Analog/Saysal dnmn kullanlarak resmin saysal hale dntrld sistemler (Frame-Grapper ), uzaktan alglamada uak ya da uydulara yerletirilen ok kanall tarayclar yine rnek olarak verilebilir[3]. Saysal bir resim deyince akla analog bir sinyalin saysal bir sinyale dntrlmesi gelmelidir. Bu da obje tarafndan yaylan enerjinin (analog sinyal) bir alglayc tarafndan ngrlen elektromanyetik aralkta alglanarak saysal sinyal haline dntrlmesi ile olanakldr.

Mesleimizin temel problemi yeryznn ekli ve byklne ilikin verileri derleyip, deerlendirip yorumlamaya ve kullanma hazr hale getirmektir. Bilindii gibi fotogrametri alannda bu sre hava fotoraflarnn ekilmesi ile balayp deerlendirme aletleri yardm ile haritaya dntrlmesine dek uzanmaktadr. Yukarda da deinildii gibi gelien teknoloji veri elde etme ve deerlendirme sistemlerini de gelitirmitir. rnein 1980' li yllarda analitik deerlendirme aletleri yardm ile saysal harita retimi olanakl idi. Yani deerlendirme aletinde operatr model zerinde dolarken seilen objelere ilikin bilgiler saysal formda e zamanl olarak bilgisayarlara kaydedilebilmekte idi. Bu ilem iin operatrn model zerindeki hareketini bilgisayar ortamnda izgilere dntren programlar gerekmektedir. Buna ramen deerlendirme aletleri olduka byk hacimli ve pahal idi. Gnmzde ise hava fotoraflar taranarak (saysallatrlarak) bilgisayar ortamna aktarlabilmekte ve yine bilgisayarda boyutlu olarak model deerlendirilebilmektedir. Bu teknoloji ise ncekilere oranla daha ucuz olup, daha kk mekanlara gereksinim duyulmaktadr. Bu teknolojinin temelinde tamamen saysal grnt ileme teknii yatmaktadr. Yine 1972' de LANDSAT adl uydunun frlatlmas ile yeni bir sre balamtr. Artk insanolu dnyay hava fotoraflarnn yan sra uzaydan da incelemeye balamtr. Uyduya monte edilen alglayclar

yardm ile yeryzne ilikin grntler elde edilebilmekte ve saysal grnt ileme teknikleri kullanlarak eitli leklerde (1/25 000/1/100 000) topografik, tematik haritalar retilebilmektedir. Saysal hava kameralarnn gndeme gelmesi ile artk hava fotoraflar uaa yerletirilen bu kameralar ile saysal formda elde edilebilmektedir. Tablo-1.1' de Resim geometrisinin fonksiyonuna bal olarak saysal grnt ileme yntemleri verilmitir[2]. Tablo 1.1- Resim geometrisinin fonksiyonuna bal olarak saysal grnt ileme yntemleri 2].

LEM ANALOG ANALTK SAYISAL

Merkezi zdm ( Yneltme Bilinmiyor)

Merkezi zdm ( Yneltme Biliniyor)

Merkezi zdm Olmayan zdm

AMATR FOTORAFLAR AMATR FOTORAFLAR AMATR FOTORAFLAR

KLASK FOTOGRAMETR ANALTK FOTOGRAMETR SAYISAL FOTOGRAMETR

UZAKTAN ALGILAMA

Tablodan x ok az uygulama alan bulmaktadr anlamna gelmektedir[2]. Grld gibi gelien teknoloji saysal grnt ileme tekniklerinin bilinmesini zorunlu klmaktadr. Bu nedenle bu derste saysal grnt ilemenin temel kavramlar anlatlacaktr. GRNT TRLER Bir grntnn temel bileeni piksel-resim eleman(pixel-picture element) dir. Dolays ile grnt deyince mxn boyutlu piksellerden oluan bir matris gelmelidir.

ekil-1.3- Pikseller

mxn

Bir pikselin iki temel zellii sz konusudur: 1.Radyometrik zellii:

Pikselin algland elekromanyetik spekrumdaki gri deeri 2.Geometrik zellii: Grnt matrisinde sahip olduu matris koordinatlar Bir resmin saysallatrlmasnn aklanmas amac ile ncelikleSiyah-Beyaz resim gz nnde bulundurulmutur. Siyah-Beyaz resim sadece iki gri deerden oluan birresimdir. Bylesi bir grntde her bir piksel ya siyah ya da beyaz olarak oluur. Burada sembolik olarak beyaz pikseller 1, siyah pikseller 0 deeri ile gsterilecektir[3]. ekil-2.2' de grntye ait piksellerin 0 ve 1 kodlanm hali verilmitir. Bu ekilde 0 ve 1 kodlanm piksellerden oluan grntlere ikili grnt (binary image) ad verilir.
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1

..

(x-1,y(x-1,y) (x-1,y+1) 1)

3 (x,y-1) . (x,y) (x,y+1)

(x+1,y(x+1,y) (x+1,y+1) 1)

Bir grnt bytldke grntde detay yorumlama olana gittike yok olur. Aadaki ekillerde bu aka grlecektir.

1 numaral ekil orijinal grnt olmak zere bir grnty bytmeye baladmzda en son 6 numaral ekli elde ederiz. Bu da bizi piksele gtrr. ekillerdeki grnt ile yukarda anlatlan ikili grnt arasndaki temel farkllk her pikselin gri deerinin farkl olmasdr. Oysa ikili grntde pikseller 0 veya 1 deeri alabiliyordu. Daha baka bir deyile ya siyah ya da beyaz olabiliyorlard. O halde gri deerlerin farl olmasnn nedeni nedir? Gri tonlu grntlerde; grnt farkl gri ton deerlerinden oluur. Gri deer aralklar: G={0,1,2,..255} eklinde ifade edilir. Bunun anlam udur: Bir gri tonlu grntde 256 tane farkl gri ton deeri daha dorusu gri deer bulunabilir. Burada 256 gri deer bir byte olarak tanmlanabilir (1 Byte=8 Bit ve 28=256) [3]. 0 gri deeri kural olarak siyah renge, 255 gri deeri ise beyaza karlk gelir. Bu deerler arasnda ise gri tonlar oluur. Aadaki test grntleri sras ile a)128, b)64, c) 32, d)16, e) 8 , f)4 gri deer dzeyi ile oluturulmutur.

Bunun anlam udur. a) grntsnde 0-255 arasndaki gri deer dzeyleri orijinal grntnn yars kadardr. Ya da f) grnts ele alnacak olursa: orijinal grntde her 64 gri deer dzeyine f) grntsnde bir gri deer dmektedir. Sz konusu kriterler grntnn kalitesini etkileyen kriterlerdir. Soru: Eer ilemi devam ettirip orijinal grnty 2 gri ton dzeyinde gsterseydik sonuta ne elde ederdik? Grntnn kalitesini etkileyen dier bir unsur da grntdeki piksel saysdr. rnein orijinal grnt 233x224 pixelden olumasna karn a) grnts 117x112, b) grnts 58x56 pikselden olumaktadr.

Renkli grntler bilgisayar ekranlarnda 24 bit lik veri olarak grntlenir. Grntleme R(Krmz), G(Yeil), B(Mavi) kodlanm ayn objeye ait adet gri dzeyli grntnn st stle ekrana iletilmesi ile oluur. Elektro-manyetik spektrumda 0,4-0,5 m dalga boyu mavi renge; 0,5-0,6 m dalga boyu yeil renge; 0,6-0,7 m dalga boyu krmz renge karlk gelir. Bu dalga boylarnda elde edilmi gri dzeyli grnt bilgisayar ekrannda sras ile krmz-yeil-mavi kombinasyonunda st ste drlecek olursarenkli grnt elde edilmi olur.

Renkli grnt kavram; 1 band bir anlamda krmz filtrelenmi, baka bir deyile orijinal grntdeki gri deerler krmznn tonlar eklinde ifade edilmi, benzer ekilde 2 ve 3 bandlar da da yeilin ve mavinin tonlar eklinde ifade edilip stste aktrlm ve oluan renk karmndan da doal renkler elde edilmitir ; eklinde de aklanabilir. yle ise band kombinasyonu ekilden de grlecei zere 3-2-1 dir. Aadaki ekilde doal renkli grnt verilmitir. Burada grnt RGB dir ve band kombinasyonu 3-2-1 dir.

Yine aadaki ekillerde ayn grnt RGB fakat band kombinasyonlar 1-2-3 ve 2-1-3eklinde sralanmtr.

RGB gsterimde band kombinasyonlarn deitirince renklerin de deitii grlmektedir. nk doal renkli grntde: 3. band 2. band 1.band 1. band 2. band 3. band 2. band 1. band 3. band R, G, Beklinde tanmlanmtr. Oysa yukar soldaki grntde: R, G, B ayn ekilde sadaki grntde: R, G, B eklinde tanmlanmtr. Bu ekilde oluan grntlere yapay renkli grntler ad verilir.

Aadaki ekilde doal renkli bir grntye ait R-G-B bandlar ayr ayr gsterilmitir:

Grld gibi her banda ait gri dzeyli grntde gri deerler farkldr. Bunun nedeni her banda ait dalga boyu aralnn farkl olmasdr. Renkli grntler bilgisayarlarda gri dzeyli grntlere gre daha fazla yer kaplarlar. rnein 8 bitlik 640x640 pikselden oluan birgrnt bilgisayarda: 1640x1640=2689600 byte=2689600/1024=2626.56 KB=2626.56/1024=2.56 MB yer kaplar. Eer bu grnt renkli olsa idi band olacandan 3x2.56=7.12MB yer kaplayacakt. HSTOGRAM

ekilde grntye ilikin histogram grlmektedir. Bir grntde ortalama deer, standart sapma grntdeki gri deerlerin dalmna ilikin basit ltlerdir. Ayn ekilde grnt histogram da grntde piksellerin gri deerlerine ilikin bal sklk ltn oluturur[3]. ekildeki histogramda yatay eksen gri deer araln, dey eksen de her bir aralktaki piksel saysn gstermektedir.Bylelikle grntnn kontrastna ilikin bilgi elde etmek mmkn olmaktadr. Histogramdan yararlanlarak grntdeki kontrastn zenginletirilmesi mmkndr. Bunun iin eitli yntemler sz konusudur: Kontrast Germe(Contrast Strech) Histogram aada verilen grntde histogramdan da grlecei gibigri deer aral 89 ile 112 arasndadr.Bu grntde kontrast germe operasyonu iin aadaki ilemler yaplr:

1. Grntde minimum ve maksimum piksel deerleri bulunur: Burada gmin=89, gmax=112 dir. 2. Kontrast germe ileminin uygulanaca minimum gri deer c, maksimum gri deer ise d olmak zere rnekte c=0, d=255 olarak tasarlanmtr 2. Grntdeki herhangi bir pikselin gri deeri ggirdi, kontrast germe ileminden sonra oluan gri deer gkt olmak zere Pkt=(Pgir-c)((gmax-gmin)/d-c)+gmin [10]

ggir 89 90 91 92 93 94 95 96 97 98 99 100

gmin 0 0 0 0 0 0 0 0 0 0 0 0

gmax 255 255 255 255 255 255 255 255 255 255 255 255

c 89 89 89 89 89 89 89 89 89 89 89 89

d 112 112 112 112 112 112 112 112 112 112 112 112

Pgir-c 0 1 2 3 4 5 6 7 8 9 10 11

(gmaxgmin) 255 255 255 255 255 255 255 255 255 255 255 255

(d-c) (gmax-gmin)/(d-c) gkt 23 23 23 23 23 23 23 23 23 23 23 23 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 0 11 22 33 44 55 67 78 89 100 111 122

101 102 103 104 105 106 107 108 109 110 111 112

0 0 0 0 0 0 0 0 0 0 0 0

255 255 255 255 255 255 255 255 255 255 255 255

89 89 89 89 89 89 89 89 89 89 89 89

112 112 112 112 112 112 112 112 112 112 112 112

12 13 14 15 16 17 18 19 20 21 22 23

255 255 255 255 255 255 255 255 255 255 255 255

23 23 23 23 23 23 23 23 23 23 23 23

11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652 11,08695652

133 144 155 166 177 188 200 211 222 233 244 255

Aada bir grntnn kontrast germe ileminden nceki ve sonraki durumu histogramlar ile verilmitir.

Kontrast germe ileminden nce

Kontrast germe ileminden sonra Histogram Eitleme

Histogram eitleme de kontrast zenginletirme yntemlerinden biridir. Histogram eitlemesi ile grntde parlaklk en ok topland alana en byk kontrast zenginletirmesi uygulanmaktadr. Deneyimli bir grnt analizcisi, genellikle grnt histogramn inceleyerek ve yeterli sonular elde edinceye kadar deneyerek, uygun kontrast zenginletirme algoritmasn belirleyebilir.[6]. Histogram eitleme ilemini aklamak iin aada histogram verilen 0-9 gri deer aralkl 60x60 lk bir grnty ele alalm:

lem sras aadaki gibidir: 1.Grntye ait histogramda her bir stunda tekrarlanan piksel saysnn grntdeki yzdesi hesaplanr.

SO S1 S2 S3 S4 S5 S6 S7 S8 S9

GR TEKRAR GRNTDEK AIKLAMA DEER SAYISI YZDES 0 50 0.0139 (50/3600) 1 250 0.0694 (250/3600) 2 800 0.2222 (800/3600) 3 110 0.0306 (110/3600) 4 800 0.2222 (800/3600) 5 150 0.0417 (150/3600) 6 900 0.2500 (900/3600) 7 50 0.0139 (50/3600) 8 190 0.0528 (190/3600) 9 300 0.0833 (300/3600)
TOPLAM=1.0

2. Birikimli yzde oranlar hesaplanr.

GRNTDEK TOPLAM PKSEL GR TEKRAR YZDES SAYISI=60X60=3600 AIKLAMA BRKML AIKLAMA

DEER 0 1 2 3 4 5 6 7 8 9

SAYISI 50 250 800 110 800 150 900 50 190 300 0.0139 0.0694 0.2222 0.0306 0.2222 0.0417 0.2500 0.0139 0.0528 0.0833 TOPLAM=1.0 (50/3600) (250/3600) (800/3600) (110/3600) (800/3600) (150/3600) (900/3600) (50/3600) (190/3600) (300/3600)

YZDE ORANLARI 0.01 0.08 0.31 0.34 0.56 0.60 0.85 0.86 0.92 1.00 0.01 0.01+0.07 0.01+0.07+0.22 0.01+0.07+0.22+0.03 0.01+0.07+0.22+0.03+0.22 0.01+0.07+0.22+0.03+0.22+0.04 0.01+0.07+0.22+0.03+0.22+0.04+0.25 0.01+0.07+0.22+0.03+0.22+0.04+0.25+0.01 0.01+0.07+0.22+0.03+0.22+0.04+0.25+0.01 0.01+0.07+0.22+0.03+0.22+0.04+0.25+0.01+0.08

3. Gri deer aralklarna ait oranlar hesaplanr.

rnekteki grntde gri deer aral 10 dur. Buna ilikin oranlar ise:

T0 T1 T2 T3 T4 T5 T6 T7 T8 T9

0/9= 1/9= 2/9= 3/9= 4/9= 5/9= 6/9= 7/9= 8/9= 9/9=

0.00 0.11 0.22 0.33 0.44 0.56 0.67 0.78 0.89 1.00

4.Birikimli yzde oranlar ile gri deer aralklarna ait oranlar karlatrlr.

Bunun iinSO ,S1 ,S2 ,S3 ,S4 ,S5 ,S6 ,S7 ,S8 ,S9 in teker tekerTO ,T1 ,T2 ,T3 ,T4 ,T5 ,T6 ,T7 ,T8 ,T9 den hangisine eit ve/veya yakn olduu aratrlr. Bu da yukarda oklarla gsterilmitir. Bunagre SO; TOa,S1; T1e, S2; T3e, S3; T3e, S4; T5e, S5; T5 e, S6; T8e, S7; T8e,S8; T8 e, S9; T9 a, Deerce yakndr veya eitttir buna gre yeni oluan snflar ve bu snflarda toplanan piksel says aadaki gibidir:
0 1 2 3 4 5 6 7 8 9 50 250 800 110 800 150 900 50 190 300 SO S1 ............ S2+S3 ............ S4+S5 ............ ............ S6+S7+S8 S9

Buna gre histogramn eitlenmi hali aadaki gibidir:

GRNTDE FLTRELEME OPERASYONLARI

Filtreler grnt zenginletirme amac ile de uygulanan, adndan da anlalaca gibi grntde belirli ayrntlarn aykanmas ya da daha belirgin hale getirilmesi vb. gibi operasyonlar gerekletiren operatrlerdir. Farkl amalar iin farkl filtreleme operatrleri vardr. Bunlara:

Kenar keskinletirme Kenar yakalama Grnt yumuatma ve bunun gibi daha bir ok amala kullanlan filtreler rnek verilebilir.

Bilindii grnty oluturan pikseller konumlar ve gri deerleri ile tanmlanabilmektedir. Daha dorusu bir grnt matris formuna sahiptir. Aadaki ekilde 8x8 lik bir grnty oluturan piksellerin gri deerleri verilmitir.

Filtreler ekirdek matris formundadr ve boyutlar 3x3,5x5,7x7,9x9,11x11 eklinde olabilir. Filtre matrisi tanmland amaca ynelik olarak grntde ileme sokulur.

0 -1 0 -1 5 -1 0 -1 0
rnein yukardaki filtre matrisi ile grnty filtrelediimizde bu matrisi tm grnt zerinde 3x3 lk pikseller eklinde uygularz. i-1,,j-1 i,,j-1 i+1,j-1 i-1,,j i,,j i+1,,j

i-1,j+1 i,,j+1 i+1,,j+1 Bir grntde i,j pikselin komuluk ilikisi yukarda verilmitir. Buna gre yukardaki rnek filtre matrisini uygulayacak olursak: g(i,j)=(-1*gi,j-1)+(-1* gi-1,j)+(5* gi,j)+(-1* gi+1,j)+(-1* gi,j+1)olur. rnein 1,1 koordinatl pikselin filtrelenmi deerini bulmak istersek: g1,1=-97-93+5*96-98-96=96 benzer ekilde g4,5 in filtrelenmi deerini bulmak istersek: g4,5=-116-116+5*117-110-107=136 tm pikseller bu ekilde ileme sokularak filtreleme gerekletirilir.Aka grld gibi filtrelenen grntde iki satr ve iki stunluk veri kayb sz konusudur. Yani g0,0, ...... g0,7satr, g0,0, ...... g7,0stunu, g0,7, ...... g7,7stunu, g7,0, ...... g0,7satr filtreleme ilemine tabi tutulamaz. nk g0,0-1 pikseli veya g0-1,0 pikseli sz konusu deildir. Bu pikselllerin de filtrelemeye katlmas iin evre piksellerden yararlanlr. rnein g0,0 pikselinin komular aadaki ekilde oluturulur:

Benzer ekilde g7,7iin:

Aada rnek grntnn filtrelenmi sonucu grlmektedir.

Grnt Yumuatma Operatrleri

Grnt yumuatma operatrleri:

Grntdeki grltnn (bozucu etkinin) yok edilmesi veya indirgenmesinde kullanlr. Eer grntde mevcut grlt yksek frekansta ise lowpass-alak geirgenli filtre ile indirgenir[5]. znrln indirgenmesi ileminde kullanlr. Eer grntnn znrl ok yksek ise n grntleme ilemleri iin tm znrle gereksinimim duyulmaz. znrln indirgenmesi grnt pramitlerinin oluturulmasnda da kullanlr[5].

Averaj Operatr

burada N,M grntnn boyutunu tanmlar. Yumuatlm gs grnts orijinal grntnn katlamasndan (convolving) elde edilmitir. Genelde N=M alnr. Baz durumlarda yukarda verilen filtre katsaylar deitirilebilir. Aada buna bir rnek verilmitir[7]. Katlama (Convolution Filtering) Katlama filtreleme bir grntnn mekansal frekans karakteristiinin deitirilmesinde kullanlr. Filtre ekirdei kullanlarak filtreleme ilemi gerekletirilir.

Filtreleme sonucu: gfiltrelenmi=(-1x8)+(-1x6)+(-1x6)+(-1x2)+(16*8)+(-1x6)+(-1*2)+(-1*2)+(-1*8)=11

Eer yukardaki 5x5 lik grnt 2x2 lik piksel seti eklinde katlanacak olursa sonu aadaki gibidir:

1 2 3 4 5

1 2 2 2 2 2

2 8 11 0 2 2

3 6 5 11 2 2

4 6 6 6 8 2

5 6 6 6 6 8

Katlamann genel forml aada verilmitir:

Burada fij gij n F ;katlama ekirdeinin(filtre matrisinin) katsaysdr, ; piksel gri deeridir, ; filtreleme matrisinin boyutlardr(rn 3x3,5x5,7x7), ; filtreleme matrisinin elemanlar toplamdr. Eer toplam sfrsa 1 dir.

Aada eitli katlama filtreleri verilmitir:

Gaussian Filtre Gaussian filtreleme ayn zamanda bir fourier dnmndr. Sadece Gauss an erisi formu ile Gaussian filtreleme olarak adlandrlmaktadr. Gauss filtre ile sonsuz bir transfer fonksiyonuna karlk mekansal alanda sonlu bir pencerede (tarama penceresi) filtreleme yaplabilmektedir. Bu da filtrelemenin temel problemini daha kolay zlebilir hale getirir[7]. Gauss Yumuatmasnn Avantajlar:

Yani filtreleme nce yatay ardndan kan sonula dey eksende gerekletirilebilir. Buradan filtreleme ileminin sonucu 65 kar. Gauss filtresi ile grnt piramitleri yaratlabilir.

Yukardaki ekilde yumuatlm grnt grnmektedir. Sadaki grnt orijinal, soldaki grnt yumuatlm grntdr. Grnt Piramitleri Grnt piramidi orijinal grntnn piksellerinden artan bir dizide daha byk pikselli grnt oluturmaya yarar. Bylelikle grntnn bilgisayar ortamnda depolanmas ve saysal grnt ileme operasyonlarnn daha hzl bir ekilde gerekletirilmesi olanakl hale gelir.

Yukardaki ekilde 4Kx4K boyutlarnda bir grntnn primidi grlmektedir. Grnt piramidi oluturulurken nce yumuatma ilemi uygulanr, ardndan pikseller byk piksel boyutlarna yeniden rneklenir. (Yeniden rnekleme konusuna baknz.) Yeniden rnekleme sonunda bilgi kaybnn nlenmesi iin alak geili filtreleme yaplarak grnt yumuatlr. Keskinletirme Operatrleri

Keskinletirme operatrleri adndan da anlalaca zere grntdeki kk detaylarn (yksek frekansl bileenler), kelerin daha belirgin hale getirilebilmesi ileminde kullanlr.

yukardaki ekilde sadaki grnt keskinletirilmitir. Fark Operatrleri fark operatrlerinin temel ilevi grntdeki deiimlerin belirlenmesidir. forml aada verilmitir:

Grnt Gradyenti f(x,y) srekli fonksiyonun gradyenti bir vektrdr ve vektrn bykl vektrn dorultusu boyunca her bir birimdeki deiikliin bykln ifade eder.

gradyent operatr penceresi aadaki gibi tanmlanr:

Gradyent operatrleri grltye kar duyarldr. Bu etkinin giderilmesi iin farkl dorultularda matrisler tanmlanmtr. Aada en ok kullanlan iki operatr verilmitir.

Sobel Operatr

x ve y ynnde filtre yapldktan sonra

eitlii uygulanr.

orijinal grnt Sx Sy ekilden de grld gibi grntnn yumuak olduu blgelerde gradyent deeri dktr yani koyu blgeler olumutur. Bir gradiyent grnttn grntlenmesi iin en iyi yol yeni eik deeri seilmesidir. Bylelikle byk gradiyentler girilmi olur. Laplace Operatr

Sobel operatr yatay ve dey ynde keskinlikleri yakalamaya yaryordu. Oysa Laplace operatr her yndeki keskinletirme yapmaya yarar.

yukarda laplace operatrnn matematiksel tanm verilmitir. Buradan laplace mask ya da filtre matrisi:

veya

matrisleri kullanlr.

filtreleme sonucu yukarda grlmektedir. Soldaki grnt eik deerinin deitirilmesi ile elde edilmitir. Bir grnt Laplace filtresi ile konvolsyon yaplr ve orijinal grntden kartlrsa keskinletirme operatr elde edilir.

yukarda keskinletirilmi grnt grlmektedir. Bunun yannda yukardaki operatrlere ek olarak Roberts gradyenti, Prewitt gradyenti ve medyan operatr verilebilir.

Medyan filtre ise dorusal bir filtre deildir. Komu piksellerin sralanarak medyan deerinin alnmas ile elde edilir.

11 30

14

24 69 1

14 24 45 20 0 29

100 25

125 125 52 44 9 20 2

200 136 148 98 33 16 65 6 86 99 13 77 55 213

0 1 52 55

77
Medyan

86 98 136 148

126 255 0 13 99 66

MORFOLOJK FLTRELER (BU KISIM AR.GR.DR. UUR ACAR IN DOKTORA TEZNDEN ALINMITIR)

 Matematiksel Morfoloji
Matematiksel morfoloji, kme teorisi, topoloji ve rastgele fonksiyonlara dayal bir analiz ve ileme yntemidir. Geometrik yaplar ile uramaktadr. Matematiksel morfoloji genellikle saysal grntlerde kullanlmaktadr. Ayrca, grafiklerde, yzey birletirmelerde ve birok grnt ileme uygulamasnda da kullanlmaktadr [1]. Devamllk ve boluk gibi topolojik ve geometrik kavramlar, ekil, ayrklk, birleiklik, uzaklk gibi zelliklerle birlikte matematiksek morfolojiyi karakterize eder. Matematiksel morfoloji grntlerdeki objeleri grntnn dier blgelerinden ayrt etmek iin kullanlmaktadr. Ayrca grntde obje bykln bozmadan ilemler yapar. Matematiksel morfoloji ikili grntler iin bulunmu, daha sonra gri dzeyli grntler iin gelitirilmitir [1]. Morfolojinin temel fikri, daha nceden belirlenmi bir piksel grubunu grnt zerinde gezdirip, ne kadarnn uyduu veya uymad durumunu incelemektir [2]. Matematiksel morfoloji uygulamalar, dier grnt ileme uygulamalarnn genelinde de olduu gibi ana grnt zerinde bir matrisin dolatrlmas ve baz matematiksel ilemlerin yaplmas ile almaktadr.

Yapta Eleman
Yapta eleman (Structuring Element), grnt ilemede kullanlan ve ana grnt zerinde dolatrlan matrisin morfoloji iin zelletirilmi halidir. Farkl ekillerde ve byklklerde olabilmektedir. Bunlarn bir merkez noktas bulunmakta olup, ilenecek resmin her bir pikseli bu noktaya oturtularak ilem yaplmaktadr [2]. Yapta elemanlar farkl ekillerde olabilmektedir. Belli bal rnekler aadaki gibidir.

ekil-1 Morfolojik yapta eleman rnekleri Yapta elemannn eklinin seilmesi uygulamada istenilen sonuca gre deiebilmektedir. Aadaki rnekte yuvarlak objelerin grntden ayrt edilmesi istendiinde, yuvarlak objenin, buna uygun matematiksel morfolojik operatr kullanlmas sonucunda ayrt edilebildii grlmtr. Ayn ekilde, izgi eklinde olan bir obje grntden ayrt edilmek istendii zaman, izgi eklinde ve yn de ayrt edilmek istenen obje ile ayn ynde olan, birden fazla yapta eleman, uygun matematiksel morfoloji operatr ile birlikte kullanlarak sonuca gidilmitir.

ekil-2Yapta elemannn matematiksel morfolojiye etkisi

kili Kodlanm Grntlerde Matematiksel Morfoloji Operatrleri

Tm morfoloji operatrlerinde yapta elaman ikili grnt zerinde dolarken tam uyumluluk arar. Yapta eleman ile ana grntnn akan ksmlar bire-bir eitse operatr ilemini gerekletirir. Matematiksel morfoloji grntdeki, snrlar (borders), iskelet (skeleton) gibi yaplarn tanmlanmas ve kartlmas, grlt giderimi, bltleme gibi uygulamalar iin gerekli bir aratr. Bu ara kullanlrken bilim adamlar tarafndan gelitirilmi baz hazr operatrler bulunmaktadr. Bu operatrler aadaki gibidir [2].

Anma (Erode) ve Genileme (Dilate) Matematiksel Morfoloji Operatrleri

Anma ve genileme, matematiksel morfolojinin en temel ileleridir. F1 ve F2, birer kme olmak zere, her (F1, F2) iki-deerli grnt ikilisi iin, telenmeden etkilenmeyen her anma , ? , her genileme , ? , aadaki ekillerde ifade edilir [3] :

B, bir yapta elemandr [3] . Anma ileminde, yapta elemannn grnt zerindeki ksm ile tamamen uyumas durumunda, yapta elemannn merkez noktas dndaki yerler arka plan halini alr. Obje de operatrn adndan da anlald gibi bir anma meydana gelir. Aada kullanlan yapta eleman ve grnt zerinde dolamas durumunda anma sonucunda nasl bir sonu douraca gsterilmitir. Koyu mavi ile temsil

edilen yerler, mevcut grntdeki objeyi, ak mavi ile temsil edilen yerler, arka plan, turuncu ile ifade edilen yerler ise grntnn son halini gstermektedir [3] .

ekil-3 rneklerde Kullanlan Morfolojik yapta eleman

ekil-4 Anma operatrnn kullanld grnt, yapta elemannn almas ve sonu grnt

Genileme ileminde, yapta eleman grnt zerinde dolarken, yapta elemannn merkezi ile obje akt anda yapta eleman kadar genileme olduu gzlemlenir. Bylece her bir piksel yapta eleman kadar byr. Sonu olarak arka plan klm ve obje bymtr. Aada kullanlan yapta eleman ve grnt zerinde dolamas durumunda anma sonucunda nasl bir sonu douraca gsterilmitir. Koyu mavi ile temsil edilen yerler, mevcut grntdeki objeyi, ak mavi ile temsil edilen yerler, arka plan, turuncu ile ifade edilen yerler ise grntnn son halini gstermektedir.

ekil-5 Genileme operatrnn kullanld grnt, yapta elemannn almas ve sonu grnt

Al (Open) ve Kapan (Close) Matematiksel Morfoloji Operatrleri

birleimi al (veya morfolojik al) , ? , kapan (veya morfolojik kapan) , ? , olarak adlandrlr [3] . birleimi

Bir F eklini bir B yapta elemanyla amak F'nin B'den kk tm bileenlerini karr. Ama ileminden sonra F'nin B'nin herhangi bir telenmi yansmasn ieren bir bileeni kalmaz. Bylece, ama ileci, bir dzeltici filtre gibi davranr. Dzeltmenin miktar ve tipi, kullanlan yapta elemannn ekli ve bykl tarafndan belirlenir. Bir F eklini bir B yapta elemanyla kapamak Fc 'nin B- 'den kk tm bileenlerini karr. Kapama ileminden sonra Fc'nin B-'nin herhangi bir telenmi yansmasn ieren bir bileeni kalmaz [3]. Temel olarak al operatr, anma ve genileme operatrlerinin pe pee kullanlmas ile oluturulmu bir matematiksel morfoloji operatrdr. Anma ve genileme operatrnden en byk fark obje ve arka planda ok kk miktarda deiiklik olmasdr. Operatrdeki prensip, yapta elamanndan daha az piksele sahip gruplarn elenmesi dier yerlerin ise ayn ekilde kalmasdr (ekil-6).

ekil-6 Al operatrnn kullanld grnt ve sonu grnt

Kapan operatr, al operatrnn tam tersi olan, genileme ve anma operatrlerinin pe pee kullanlmasndan olumutur. Kapanm operatrndeki asl ama, adndan da anlalaca gibi boluklar kapatmaktr. Ancak bu matematiksel morfoloji operatrnn baarl olduu nokta, yalnzca obje dhilinde bulunan boluklar giderebilmesidir. Daha nce kullanlan rnek grntde boluk olmad iin al operatrnn sonu grnts kapan operatrnn giri grnts olarak kullanlmtr (ekil-7).

ekil-7 Kapan operatrnn kullanld grnt ve sonu grnt

Dier Matematiksel Morfoloji Operatrleri

Temel matematiksel morfolojik operatrler dnda, birok farkl uygulamalarda kullanlan ancak yaplan almada kullanlmayan matematiksel morfolojik operatrler de vardr. Bu operatrler [3] ; Vurma ve karma operatr nceltme operatr skelet (Orta Aks) operatr Younlatrma operatr

ekil-8 Dier Matematiksel morfoloji operatrleri [3]

Gri dzeyli grntlerde Matematiksel Morfoloji

Morfolojik operatrler ikili kodlanm grntlerde kullanlabilecei gibi, gri dzeyli grntlerde de kullanlabilmektedir. Operatrlerin etkileri ikili grntler ile benzer sonular dourmaktadr. Gri dzeyli grntlerde, yapta eleman alnmak istenen sonuca gre ikili kodlanm olarak veya gri deerli olarak seilebilmektedir.

ekil-9 Gri deerli yapta eleman rnei BU BLMDE KULLANILAN KAYNAKLAR [1] Serra J, (1982) Image analysis and mathematical morphology. [2] ACAR U., BAYRAM B.,(2009). Building Extraction With Morphology, RAST,2009,stanbul. [3] Image Processing Learning Recourses, http://homepages.inf.ed.ac.uk/rbf/HIPR2 , 2009

GEOMETRK DNM

lenmemi grntler genellikle geometrik bozulmalar ierir. Grntlerin geometrik olarak dzeltilmeleri (yataylanmalar) sonucunda bozulmalar giderilerek grnt koordinatlar x,y ve nesne uzay koordinatlar x,y,z arasnda analitik bir iliki kurulur . Grntnn yeniden rneklenmesibelirlenmi bir sistemde grntnn tanmlanmasdr. Tanmlama iin grnt ve sistemdeki ortak zellikler kullanlr. Bu zellikler kontrol noktalar olarak adlandrlr. Kontrol noktalar saptanrken grntde belirgin obje veya obje gruplar kullanlmaldr. Eer grnt bir baka grnt ile deil de bir harita zerine yataylanacaksa haritadan llecek kontrol noktalar iki boyutludur (X,Y) .Dnmde kullanlacak polinomun derecesi grntntnn byklne ve geometrisine baldr. Geometrik dnmde kullanlan kontrol noktalarnda aranan temel zellik; kolayca belirlenebilmeleri ve yksek konum doruluuna sahip olmalardr. Kontrol noktalarna ilikin bu gereksinimlerin grntde ve dnm yaplacak referans sistemte salanmas gerekmektedir. Kk objeler yksek bir dorulukla kontrol noktas olarak belirlenebilir fakat bu tr objelerin her iki sistemde elenmesi kimi zaman g olabilir. rnein bir grntnn bir harita ile aktrlmas durumunda; haritadaki bir noktann grntdeki karlnn bulunmas grntnn elverdii znrle baldr. Byk objeler daha kolay tanmlanabilir.Kontrol noktalar belirlenirken objeler arasndaki kontrast farkllklar nemli rol oynar. Kontrol noktalar dnmn geometrik duyarln dorudan belirler. Kk lekli haritalardan iaretlenen kontrol noktalarnn duyarll uygulamada yeterli deildir. Doru kontrol noktas belirlemedenemli bir konunoktannharita ve grntde elenik olmasdr. Kontrol noktas belirlenirken harita ve grnt arasndaki zamansal ve fiziksel farkllklar gz nnde bulundurulmaldr. Geometrik dnm rnekleme ilemi izler. Baka bir deyile bu ilem sonu grntnn piksellerinin radyometrik deerlerinin yeniden dzenlenmesidir. Bunun iin eitli yntemler sz konusudur: en yakn komuluk , bilineer interpolasyon ve kbik enterpolasyon . En yakn komuluk yntemi ayn zamanda sfrnc dereceden enterpolasyon yntemi olarak da adlandrlr . Bu yntem ile yeni piksel gri deerleri giri grntsndeki en yaknda yer alan deerlerin kopyalanmas ile elde edilir, dolays ile giri grnts ile ayn deeri alr. Bundan dolay grntnn radyometrik karakteri deimez. Dier taraftan sonu grntde blok yap bozulur. Bilineer enterpolasyon sonular grnty yumuatr. Grntdeki keskin snrlar sonu grntde yumuar. Bu obje yakalama tekniinin grntde uygulanmasn gletirir. Bikbik teknik uzun bir hesaplama zaman gerektirir. Fakat bu yntem en elverili yntemdir.

ekil gz nnde bulundurulduundaen yakn komuluk ynteminde (i,j) pikselinin evresindeki 4 pikselden en yakn olannn yansma deeri (i',j') pikselinin yansma deeri olarak atanr. Bilineer enterpolasyonda (ift ynl dorusal enterpolasyon (i,j) pikseline en yakn drt pikselin bu piksele olan arlkl uzaklklar esas alnarak yeni parlaklk deeri hesaplanr .

Burada Zk drt evre pikselin yansma deeri, Dk ise evre drt pikselin (i,j) pikseline olan uzaklklardr. Bikbik enterpolasyonda( kbik katlama) bilineer enterpolasyondaki ayn hesaplama teknii kullanlr .Tek fark (i,j) pikselinin evresindeki 16 pikselin (i,j) pikseline arlkl uzaklklar hesaplanarak yeni yansma deeri bulunur .

x',y' den rnek Girdi Grnt Girdi Grnt noktaya uzaklk Koordinatlar Gri Deeri (D) 2,2 3,2 2,3 3,3 9 6 15 18 0,806 0,922 0,500 0,670

D2k 0,65 0,85 0,25 0,45

Z/D2k 13,85 7,05 60,00 40,00

1/D2k 1,530 1,176 4,00 2,222

g'=120.90/8.928=13.54=13

SINIFLANDIRMA
Bir veri grubu iinde belirli bir snf oluturan objelerin benzerliinden yola karak ve zelliklerine gre seilerek gruplandrlmas olarak tanmlanabilir. Otomatik snflandrma verilen bir obje kmesi iinde benzer objelerin homojen snflar oluturmas veya verilen objenin zelliinden yola karak birok veya daha ncede tanmlanm snflarn oluturulmasnn matematik ve istatistik yntemlerle gerekletirilmesidir.

Snflandrma; birok bilim dalnda kullanlan bir karar verme ilemidir. Grnt snflandrma ileminde ama, bir grntdeki btn pikselleri arazide karlk geldikleri snflar veya temalar iine otomatik olarak atamak, yerletirmektir. Dier bir anlamda grntdeki objelerin segmentasyonudur. Snflandrma ile grntdeki objeler, belirlenen ( ya da denetimsiz snflandrmada olduu gibi snflandrc tarafndan belirlenen) snflara ayrlarak tanmlanrlar. zellikle uzaktan alglamada arazi kullanm uydu grntleri snflandrlarak elde edilir. Elde edilen sonular vektr veriye dntrlerek tematik haritalar elde edilir. Burada nemli olan allan grntnn znrlne, gerekletirilen snflandrma ileminin doruluuna bal olarak sonu rnn kullanm leinin belirlenmesidir.

Grnt objelerden yansyan enerjinin alglanmas ile oluur. Dolays ile grntdeki band says objelerin birbirinden ayrlmasn kolaylatrr. Her obje elektromanyetik spektrumun farkl alanlarnda deiik yansma yapar. Bylelikle snflandrma ileminde tm bandlarla allarak objelerin ayrlmas (segmentasyonu) kolaylar. rnein K objesi ile L objesinin elektro manyetik alann 0,45-0,50 blgesinde ayn yansmay yaptklarn dnelim. Bu objelerin birbirinden ayrlmas olanakszdr. Farkl bandlar ile bu sorun zlebilmektedir.

0,4 Mavi

0,5

0,6 Yeil

0,7 Krmz Yakn Kzltesi

1,5

Orta Kzltesi

raviyole

GRNR BLGE UZAKTAN ALGILAMADA KULLANILAN SPEKTRAL ALAN

Yukardaki ekillerde grntnn elde edilii anlatlmaktadr. Kimi uygulamalarda ayn alana ait farkl zamanda alglanm grntler kullanlarak alandaki deiim incelenir. rnein istanbul' da farkl zamana ait grntler ile yeil alann deiimi incelenmek istediinde; bu grntlerde yeil alann teker teker snflandrlmas, elde edilen sonularn karlatrlmas gerekmektedir.

Uzaktan alglama ile elde edilmi grntler yeryzne ait eitli trde bilgi iermektedir. Bu bilgi yeryznden yansyan ya da yaylan enerjinin elektromanyetik spektrumun belli aralklarnda llerek bandlara kaydedilmesi yoluyla toplanr. Her bir bandta o bandn duyarl olduu spekral arala ait yansma deerleri bulunur. Uydu grntlerinin ierdii bu veriler ham haldedir, karmak grnen bu verilerden bilgi elde edebilmek iin eitli analizler ve yorumlama teknikleri kullanmak gerekir.

Nesnelerin konumlar ve dsal nedenler, ayn nesnelerin farkl yanstma deerleri vermesine neden olur.Bu sebeple ayn nesnelere ait yansma deerleri guruplandrlr. Snflandrma olarak tanmlanan bu aama, uzaktan alglama veri setinin ierdii spektral snflar eitli istatistiksel yntemler ile belli kategorilere ayrma ilemidir. Grnt snflandrma kurallarnn ana hedefi; alan kapsayan snflar ve konulara gre btn pikselleri ayrtrmaktadr. Snflandrmay salamak iin, normalde ok bantl grntler kullanlmaktadr.
Snflandrma ileminde dikkat edilecek konular u ekilde sralanabilir

Alglayc, alglama zaman ve spektral bantlarn amaca uygun olarak seimi Yeryz zelliklerini ortaya koyabilecek kontrol alanlarnn seimi Amaca ynelik snflandrma algoritmalarnn seimi Belirlenen bu zelliklerin tm grntye uygulanmas ve sonu grntlerinde doruluk analizlerinin yaplmas.

a- Denetimli Snflandrma (Supervised Classification) b- Denetimsiz Snflandrma (Unsupervised Classification) Snflandrmalarn sonucunda ise, iki tip hataya rastlanmaktadr. Bunlar;

Piksellerin yer almas gerekenden farkl bir snfa atanmas. (error of comission) Piksellerin uygun bir snfa atanamamasdr. (error of omission)

Bu sebeplerden dolay, snflandrmay yapmadan nce, amaca en uygun band kombinasyonu seilmesi ve yukarda bahsedilen iki hatay en aza indirecek olan snflandrma ynteminin belirlenmesi gerekmektedir.

Snflandrmaya temel olan grnt istatistikleri ekildeki gibi hesaplanr. Denetimsiz Snflandrma Temel Esaslar Bu yntem; piksellerin, kullanc mdahalesi olmadan algoritmalar yardm ile otomatik olarak kmelendirilmesi temeline dayanmaktadr. Denetimsiz snflandrma yntemleri ierisinde en yaygn olarak kullanlan ISODATA (Iterative Self Organizing Data Analyses Tecnique) . Tekrarl veri Analizi Yntemi) .dr. Bu yntem, tekrarl olarak tm snflandrmay gerekletirme ve uygulanan her iterasyon sonrasnda yeniden istatistik hesaplamasn temel alr. Self Organizing ise, minimum girdi ile kmelerin oluturulmasdr. Bu yntem karar kural olarak, minimum uzakl kullanr. Pikseller, grntnn sol st kesinden balanarak soldan saa ve satr satr analiz edilir. Aday piksel ile her bir kme ortalamas arasnda spektral uzaklk hesaplanr ve en yakn kmeye atanr. ncelikle istenilen snf says kadar oluturulan kmenin ortalamas hesaplanr ve her iterasyondan sonra, her bir kmenin yeni ortalamas hesaplanlarak, bu ortalamalar bir sonraki iterasyon kmelerinin tanmlanmasnda kullanlr.

Denetimsiz snflandrma; grntdeki veri tanmlanamadnda bavurulan yntemdir. Bu yntemde, arazi rts tipini bilinmesine gerek yoktur, ncelikle snf saylar belirlenir (bu araln geni tutulmas faydaldr). Ayrca, veri band deerleri yardm ile, benzer piksellerin otomatik olarak bulunmas temel alnmaktadr. Tanmlanan bu pikseller sembol, deer ya da etiketlere atanr, gerektiinde de ayn tip snflarla birletirilir. Denetimsiz snflandrma sonucundan elde edilen snflar, spektral snflardr ve spektral snflarn zellikleri balangtaki bilinmemektedir. Analizi yapan kii; snflandrlm grnty, spektral snflarn deer bilgilerine ulaabilmek iin baka bir referans bilgiyle (harita ya da grnt gibi) kyaslama yapmas gerekmektedir. Aadaki ekilde; denetimsiz yaklamn uyguland, iki kanall veri kmesi gz nnde tutulmutur. Veriler ierisindeki doal spektral gruplar, salma diyagram grafii yardm ile grlerek tespit belirlenebilmektedir.

Salma diyagramnda gurup grlebilmektedir. Snflandrlan grnt verilerinin, referans verilerle kyaslamasndan sonra, bu gruplarn gerekte hangi snfa ait olduu belirlenebilir.

Denetimli snflandrmada grntnn hangi snflara ayrlaca, ya da grntden hangi snflarn elde edilmek istenildii nceleden bilinir. Bunun iin grntden belirlenen snflara ait denetim alanlarnn seilmesi gerekmektedir. Bu seim iin gerektiinde arazide yer gereklii yaplmas zorunludur. Denetim alanlarnn seimi snflandrmann doruluunu etkileyen bir aamadr. Uygulamada oka karlalan sorun snf akmasdr. Snf akmasnn nedenlerinden biri de denetim alanlarnn lmnde yaplan hatalardr.

Seilen snflara ait tm grnt iin istatistikler aadaki ekildeki gibi tanmlanr:

Snflar teker teker ele alnacak olursa m snf iin:

Mm Cm istatistikleri denetim alanlarndaki piksellere aittir. Denetimli snflandrma iin farkl yntemler sz konusudur. Bunlar: En Yakn Uzaklk Snflandrma Yntemi ( Minimum Distance ): Bu snflama metodunda, her bir tanmlama dosyasnn ortalama vektr hesaplanr. Pikselin her bir snf ortalamasndan uzakl klid.e gre hesaplanr. klid Uzakl ise Pisagor Teoremi temel alnarak bir pikselin dier piksele olan uzaklnn lm yntemidir

En Yakn Uzaklk Yntemi Temel Yaklam

Snflandrma iin oluturulan veri kmelerinin saysna gre, bilgisayar tm veri setlerini tanyarak o miktarda snf oluturur.Daha sonra her pikselin parlaklk deerini oluturan snflarn ortalamasyla karlatrarak pikseli en yakn snfa atar.

SDXYC : snf C ye (x,y) konumundaki pikselin spektral uzakl n : band says xxyi : Band i deki (x,y) konumundaki pikselin parlaklk deeri ci : snf c.yi oluturan temsil kmelerinin ortalama parlaklk deeri

SD. nin en kk olduu yerde piksel c snfna atanr. Sadece piksel parlaklk deerlerinin kullan yntemin dezavantajdr. Mahalonobis Uzaklk Snflandrma Yntemi Bu yntemle varyans-kovaryans teknii matrisi kullanlr. Varyans-kovaryans matrisinde yksek deerli olanlar kendi iinde benzer snflar, dk deerli olanlar da kendi ilerinde benzer snflar olutururlar. D nin en kk olduu yerde piksel snf c ye atanr. Mahalanobis uzaklk snflarn deikenliklerini hesaba katar. Ayrca bu yntem yava alr.

D : mahalonobis uzaklk MC : snf C nin ortalama vektr COVC : snf C yi oluturan temsil ktklerinin varyans - kovaryans matrisleri X : (x,y) konumundaki pikselin parlaklk deeri

Maximum Likelihood (En ok Benzerlik) Bu yntem en yaygn denetimli snflandrma yntemidir ve algoritmalar uzaktan alglama uydu verisinde kullanlr. Bu algoritma, spektral farkllklardan yararlanarak ilem yapar. Bu yntem her pikselin bir snfta olmas olaslna dayanr. Snflarn ilk olaslklar hakknda bilgi mevcut deilse, hepsi eit olaslkl olarak kabul edilir. Ayrca; maximum likelihood yntemi, dier snflandrma yntemleri ierisinde en gvenilir olandr; nk, pikselleri sadece parlaklk deerlerine gre deil, her snf iin ayrm oluturacak varyans-kovaryans matris deerine gre oluturur. Bu yntem normal dalm gsteren veriler iin daha uygun sonular retecektir.

D : arlkl uzaklk, C : snf, X : bir pikselin l vektr, MC : C snfna ait denetim alannn ortalama vektr, ac : Herhangi bir pikselin C snfna iat olmasnn % olasl, ncl olaslk, COVc : C snfna ait denetim alan piksellerinin kovaryans |COVc|: COVc nin determinant

Parallelepiped Snflandrma (Box Classifier) Bu yntem, iki boyutlu alanda, snf tanm verilerinden yararlanlarak oluturulur. Histogramlar yardmyla, st ve alt snrlar da tanmlanarak, snflara ait kapal alanlar oluturulur. Paralelkenar ya da dikdrtgen olarak kullanlan kutular X eksenine paralel olacak biimde oluturulur. Piksellerin bu snflara atanmasnda yatay konumlar belirleyici olur. Ayn dzlemde bulunan pikseller, ayn snfa atanr. oka kullanlan bir yntem deildir.

Parallelepiped Ynteminde Piksel Snflandrmas

Snflandrma Doruluunun Deerlendirilmesi Bir snflandrma ilemi, hata tahmini ya da baka bir gvenilirlik lt (confidence measure) olmadan sonulanm saylmaz. Hata tahmini, snflandrmann bir parasdr, ancak snflandrma ilemi dnda kendine has yntemlerle yaplr.Snflandrlm grntnn doruluu, referans veriyle olan uyuumunareferans veriyi salamasna baldr. Birok yntemin kullanld, snflandrma doruluunun deerlendirilmesi ileminde iki veri kmesine ait (snflandrlm grnt - referans veri) hata matrisi gerekmektedir. Bunun iin snflandrlm grnt aynen denetim alan duyarlnda belirlenen kontrol alanlar ile karlatrlr. Confusion Matris Snflandrma hatalarnn analizinin en tipik yaps snflandrma hata matrisleridir. Bu matrisler, Confusion matrix ya da olaslk tablosu (contingency table) olarak tanmlanr. Bu tablonun, satrlar ve stunlarla gsterilen snflandrma sonularnda; satrlar snf verilerini, stunlar da rnek noktaya dayal yer gereklerini ifade eder. Sonularda iki tip hataya rastlanmaktadr. Bunlar; 1- Piksellerin yer almas gerekenden farkl bir snfa atanmas. (error of comission) 2- Piksellerin uygun bir snfa atanamamasdr. (error of omission)

Orman Orman Su Kentsel Alan Stun Toplam Snflandrma hatas Confusion matris rnek tablosu 28 1 1 30 7%

Su 14 15 1 30 50%

Kentsel Satr Snflandrma Alan Toplam hatas 15 57 51% 5 21 29% 20 22 9% 40 100 50%

Yukardaki tablo confusion matris e bir rnektir. Bu matrisin diagonal (diyagonal) elemanlar, referans veri ile uyuumlu olan snflandrma sonularn vermektedir. Her satrda bulunan dier elemanlar da farkl snfa atanm eleman saysn verir. Hatal snf yzdesi commission error olarak tanmlanmaktadr. Her stunda bulunan ve diagonal matris dnda kalan elemanlar da snflandrlamam pikselleri verir. Hata yzdesi de; omission error olarak tanmlanr. Btn bir snflandrma iin incelenmesi gereken doruluk ;

tur. Burada NT=Denetim alanndaki toplam piksel says dr. Snflandrlm grntnn doruluu hesaplanrken; toplam dorular (diagonal matrisin elemanlar), hata matrisindeki tm piksellere blnerek bulunur. Bir snfa ait doru piksellerin says, bulunduu satr zerindeki tm piksellere (snf iinde bulunan tm piksellere ) blnrse; sonu doruluk kullanc doruluu (user.s accuracy) olarak tanmlanr ve commision error ltdr. Ve snflandrlm pikselin, yer gereklerini hangi olaslkta ifade ettiini gsterir. Dier taraftan, snf ierisindeki tm piksellerin says, bulunduu stun ierisindeki tm piksellerin saysna blnrse (o snfa ait referans verideki piksel says) sonu bize retici hassasiyetini (producer.s accuracy) verir. Bu da referans datadaki, snflandrmann doruluudur ve omission error ltdr. commision error = 1 - users accuracy omission error = 1 - producers accuracy Kappa Katsays Cohen(1960) tarafndan bulunan KAPPA, uzaktan alglama grntlerinden yararlanlarak tespit edilen, yzey rts ve yzey kullanm bilgilerinin doruluk deerlendirilmesinde kullanlmaktadr. Bu lmde, matris ierisindeki yalnz diagonal elemanlar deil, tm elemanlar kullanlmaktadr.

Bu hata matrisinin stunlar referans verileri, satrlar ise snflandrlm grnty temsil etmektedir. Hata matrisi Kappa katsays ile istatistik olarak analiz edilmektedir. 0 ile 1 arasnda deien bu katsay, hata matrisinin satr ve stun toplamlar ile kegeni zerindeki elemanlar kullanlarak hesaplanmaktadr Test piksellerinin saysnn her bir snf iin en az 50 adet olmas nerilmektedir.

K : Kappa Katsays r : Matrisin satr says xii : i nci satr ve i nci stundaki kegen deeri xi+ : i nci stunun toplam deeri x+i : i nci satrn toplam deeri N : Toplam rnek saysdr.

Bu rnee gre Kappa deeri; .= (0.63-0.322)/(1-0.322) yaklak 0.454 olarak elde edilir.

DERS NOTLARININ HAZIRLANMASINDA KULLANILAN KAYNAKLAR:

1-Prof.Dr. Ahmet YAAYAN (Ders Notlar)

2- P. Haberaecker, Digitale Bilverarbeitung , Grundlagen und Anwendungen, Hanser,1991, ISBN 3-446-16339-5 3- John C. Russ, The Image Processing Hand Book, Third Edition, CRC Press, 1999, ISBN:08493-2532-3 4- Bernd Jaehne, Practical Handbook on Image Processing for Scientific Applications,CRC Press, 1997, ISBN:0-8493-8906-2 5-Mustafa nder, Uydu Grntlerinden -Ulusal Corafi Bilgi Sistemine Temel Oluturacak Nitelikte Topografik Harita retimine Ynelik Analiz ve neriler, YT FBE, Doktora Tezi, 1997 6-Erdas Imagine Trke Kullanm Kitap 7- ANTALYA AKSU BLGES TARIM ALANLARINDA EXPERT SINIFLANDIRMA YNTEM LE ARAZ KULLANIMLARININ BELRLENMES, Jeodezi ve Fotogrametri Mh. ada KUCU,Yksek Lisans Tezi,YT Fen Bilimleri Enstits, 2005 8- EXPERT SSTEMLE UYDU GRNTLERNN SINIFLANDIRILMASI , Ouzhan KAHYA, Yksek Lisans Tezi,YT Fen Bilimleri Enstits,2005 9-"Land Observation by Remote sensing, theory and applications" of Buiten H.J. and Clevers J.P.G.W. (eds), 1993, published by Gordon and Breach Science Publishers, ISBN 2-88124940-X, or the Dutch edition of 1990. E-mail: jan.clevers@staff.girs.wag-ur.nl ,May 2000
10- http://homepages.inf.ed.ac.uk/rbf/HIPR2/pixlog.htm