SAR, optik ve spektral uydu görüntülerinin füzyonunda gürültü giderme, kanal seçimi ve sınıflandırma başarısının değerlendirilmesi


Creative Commons License

Öğr. Gör. Dr. SEMİH GENÇAY

Tez Türü: Doktora

Tezin Yürütüldüğü Kurum: Karabük Üniversitesi, Yükseklisans Enstitüsü, Bilgisayar Mühendisliği, Türkiye

Tez Danışmanı: Caner Özcan

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Desteklendiği Program: Diğer

Özet:

Bu çalışmada, hem Sentetik Açıklıklı Radar (Synthetic Aperture Radar (SAR)) ve optik görüntülerin füzyonuna yönelik gürültü azaltmaya dayalı hibrit bir yöntem geliştirilmiş hem de SAR ve multispektral görüntülerin füzyonunda kanal seçiminin arazi sınıflandırma başarısına etkisi kapsamlı şekilde incelenmiştir. Yapılan çalışmalar, farklı görüntü füzyon senaryolarında veri kalitesini ve sınıflandırma doğruluğunu artırmayı amaçlamakta olup, Sentinel-1, Sentinel-2 ve Sentinel-2 multispektral veri setleri kullanılarak gerçekleştirilmiştir. Günümüzde uzaktan algılama uygulamaları, farklı sensörlerden elde edilen görüntülerin füzyonu yoluyla daha doğru ve anlamlı bilgi üretimini mümkün kılan görüntü füzyonu tekniklerinden yoğun şekilde yararlanmaktadır. Özellikle SAR, optik ve multispektral görüntüler, farklı fiziksel özellikleri algıladıkları için birbirini tamamlayıcı nitelikte bilgiler sunmakta ve bu görüntülerin birlikte kullanımı uzaktan algılama analizlerinin doğruluğunu artırmaktadır. SAR'ın görüntüleme prensibi ve görüntülerde oluşan gürültü, görsel olarak yorumlanmasını zorlaştırmaktadır. SAR verilerinin daha geniş bir kullanıcı kitlesi tarafından anlaşılabilir hale getirilmesi amacıyla, SAR ve optik görüntülerin füzyonu önemli bir araştırma alanı olarak öne çıkmaktadır. Ancak, SAR ve optik görüntülerin elde edilme yöntemlerindeki farklılıklar nedeniyle, genellikle birbirine karşılık gelen görüntüleri bulmak güçleşmektedir. Bu zorluğun üstesinden gelebilmek adına Sentinel-1 ve Sentinel-2 veri setleri geliştirilmiştir. Literatür incelendiğinde, Sentinel-1 ve Sentinel-2 veri setleri ile çeşitli görüntü füzyon yöntemlerinin kullanıldığı, ancak füzyon öncesinde gürültü giderme işlemi uygulanarak yöntemlerin performansının test edilmediği görülmektedir. Füzyon işleminin sonucunun daha anlaşılır hale getirilmesi amacıyla çalışmada, füzyon öncesinde gürültü azaltma işlemi gerçekleştirilmiş ve sonuçların iyileştirilmesi hedeflenmiştir. Bu kapsamda gerçekleştirilen ön çalışmalarda, literatürde yer alan dokuz farklı füzyon algoritması, çeşitli görüntü grupları ve farklı gürültü azaltma seviyeleriyle test edilmiştir. Elde edilen sonuçlar, literatürde yaygın olarak kullanılan dokuz farklı metrik ile karşılaştırılmıştır. Yapılan analizler, SAR verilerindeki benek gürültüsünün giderilmesinin, füzyon performansını önemli ölçüde iyileştirdiğini ortaya koymuştur. SAR verilerinde gürültü giderme işlemi sırasında, yalnızca gürültünün değil, bazı değerli verilerin de etkilendiği gözlemlenmiştir. Bu etkinin en aza indirilmesi ve füzyon işleminin daha başarılı olması adına, SAR görüntüleri üzerindeki farklı yoğunluk alanlarına özel gürültü giderme işlemleri uygulanmıştır. Önerilen yöntemde, gürültü giderme aşamasında görüntü küçük boyutlu piksellere ayrılmış ve her bir parçanın standart sapması hesaplanarak farklı gürültü giderme oranları uygulanmıştır. Böylece, nesne sınırları, kenar bilgisi, dokusal detaylar, küçük ölçekli yapılar, ince çizgisel yapılar ve yüzey pürüzlülüğü gibi analiz ve sınıflandırma süreçlerinde kritik rol oynayan değerli verilerin kaybı önlenmiştir. Deneysel sonuçlar, önerilen yöntemin mevcut füzyon yöntemlerine kıyasla üstün performans sergilediğini ortaya koymaktadır. Önerilen yöntem, diğer yöntemlere kıyasla daha başarılı metrik sonuçları elde ederken, görsel çıktılardaki gürültü sorununu da ortadan kaldırmaktadır. Yapılan ikinci çalışmada ise, SAR ve multispektral görüntülerin füzyonunda kanal seçiminin arazi sınıflandırma başarısına etkisi incelenmiştir. Sentinel-1 SAR verileri ve Sentinel-2 multispektral görüntüleri kullanılarak oluşturulan veri seti üzerinde analizler gerçekleştirilmiştir. Multispektral görüntülerde bulunan tüm spektral kanalların doğrudan kullanılması yerine, Parçacık Sürü Optimizasyonu (Particle Swarm Optimization (PSO)) algoritması ile en uygun kanallar belirlenmiştir. Kanal seçim sürecinde, ERGAS (Erreur Relative Globale Adimensionnelle de Synthèse), Entropi, Kalite İndeksi (Q), RASE (Relative Average Spectral Error) ve RMSE (Root Mean Square Error) gibi metrikler kullanılmış ve yapılan testler sonucunda ERGAS metriğinin en uygun kanal kombinasyonunu belirlemede en iyi performansı sergilediği tespit edilmiştir. Seçilen kanallar, Alt Örneklenmemiş Shearlet Dönüşümüne Dayalı Çok Ölçekli ve Çok Bantlı Görüntü Füzyonu (Non-Subsampled Shearlet Transform - Multi-Scale and Multi-Grain - Pulse Coupled Neural Network(NSST-MSMG-PCNN)) ve Ağırlıklı Gradyan Tabanlı Füzyon Yöntemi (Multi-Scale Weighted Gradient-Based Fusion (MWGF)) algoritmaları kullanılarak SAR görüntüleri ile birleştirilmiş ve elde edilen görüntülerin sınıflandırma doğruluğu analiz edilmiştir. Kanal seçimi öncesi ve sonrası sınıflandırma doğrulukları karşılaştırıldığında, en başarılı sonuçlar NSST-MSMG-PCNN yöntemi ve Evrişimsel Sinir Ağı (Convolutional Neural Network (CNN)) tabanlı DenseNet121 algoritmasıyla elde edilmiştir. Kanal seçimi sonrası doğruluğun kanal seçimi öncesine göre NSST-MSMG-PCNN yöntemi ile %68,2'den %73,3'e, MWGF yöntemi ile %63,4'ten %67,5'e yükseldiği gözlemlenmiştir. Sınıflandırma işlemleri, CNN tabanlı derin öğrenme modelleri olan ResNet100, YoloV8 ve DenseNet121 kullanılarak gerçekleştirilmiş ve sonuçlar doğruluk çizelgeleri ile değerlendirilmiştir. Analizler, NSST-MSMG-PCNN algoritmasının MWGF'ye kıyasla daha yüksek doğruluk sağladığını göstermiştir. Elde edilen sonuçlar, farklı dalga boylarında ve farklı bantlardaki uydu görüntülerinin entegrasyonu ile veri füzyon yaklaşımında kanal seçiminin arazi sınıflandırma başarısını önemli ölçüde artırdığını ortaya koymuştur. Gelecekte, kanal seçimi için farklı optimizasyon teknikleri ve füzyon yöntemleri kullanılarak çalışmanın kapsamının genişletilebileceği değerlendirilmektedir.