Ünite 4: Uydu Görüntülerinin Sınıflandırılması

Giriş

Uzaktan algılamanın temel görevlerinden birisi uydu görüntülerinden yararlanarak yeryüzünün mevcut arazi kullanımını/arazi örtüsünü tanımlayan tematik haritalar elde etmektir. Uydu görüntülerinin sınıflandırılması, tematik bilgi elde edilmesinde kullanılan yöntemlerden biridir. Günümüzde görüntü sınıflandırılması için çok sayıda yöntem geliştirilmiştir. GRASS yazılımı standart yöntemlerin kullanımı için bir yaklaşım sunmaktadır. Yazılımın açık kaynak kodlu olması nedeniyle geliştirilen yeni sınıflandırma yöntemleri C veya farklı programlama dilleri ile yazılıma eklenebilmektedir.

Genel olarak görüntü sınıflandırma işleminde ortak olan iki farklı yaklaşım vardır. Bunlar kontrolsüz sınıflandırma ve kontrollü sınıflandırma yaklaşımlarıdır. Her iki yaklaşımda da sınıflandırma işlemi iki ana işlemin yapılmasını gerektirmektedir. İlk aşamada pikseller spektral yansımalarına göre kümelenmekte, ikinci aşamada ise sınıflarına atanmaktadır.

Sınıflandırma Uygulamaları için Verilerin Yazılıma Aktarılması:

Uydu görüntülerini yazılıma aktarmak için çalışılacak veritabanı ayarlanır, bir GRASS konumu tanımlanır ve tanımlanan GRASS konumunun koordinat sistemi ayarlanır. Daha sonra, Sınıflandırma seçili hale getirilir ve Start GRASS session sekmesine basılarak yazılım çalıştırılır. Sınıflandırma işleminde kullanılacak uydu görüntülerinin yazılıma aktarılması için Dosya › Raster veri içe aktar › temel formatları içe aktar (File › import rasters data › common formats import (r.in.gdal)) seçilir. Açılan Raster veri içe aktar (Import raster data) penceresinden Kaynak tipi (Source type) olarak Dizin (Directory) işaretlenir. Format olarak GeoTIFF seçildikten sonra Gözat (Browse) sekmesine basılarak bilgisayardan uydu görüntüsü bantlarının kayıtlı olduğu klasör tanımlanır. Raster katman listesi (List of raster layer) bölümünden ilk 7 bant seçilir. Son olarak İçe aktar (Import) sekmesine basılarak veriler çalışma klasörüne eklenir.

Çalışma Bölgesinin Tanımlanması: Bantları yazılıma ekledikten sonra çalışma bölgesinin belirlenmesi gerekmektedir. Bu işlem için Ayarlar › Bölge › Bölge Ayarla › (Settings › region › set region [g.region]) seçilir.

Görüntü Kenarlarının Maskelenmesi: Harita Görüntüleme (Map Display) ekranında uydu görüntülerinin kenarları siyah renkli olarak görülmektedir. Sınıflandırma işlemine başlamadan önce, bu siyah renkli alanların sınıflandırma işlemine dahil edilmemesi için maskelenmesi gerekmektedir. Uydu görüntülerinin kenarlarında yer alan siyah alanları maskelemek için Katman Yöneticisi (Layer Manager) penceresinden Raster › Maske (Raster › Mask (r.mask)) seçilir. Açılan r.mask [raster, mask] penceresinden Raster sekmesi altında Maskeleme için kullanılacak raster adı (Name of raster to use as mask) bölümünden Band1 seçilir. Maskeleme için kullanılacak raster değeri (Raster value to use for mask) alanına 0 değeri girilir. Daha sonra Oluştur (Create) sekmesine basılır. Bu sekme altında yer alan Ters maskeleme oluştur (Create inverse mask) seçeneği seçili hâle getirilir. Çalıştır (Run) sekmesine basarak maskeleme işlemi gerçekleştirilir.

Bu işlem sonucunda Harita Görüntüleme (Map Display) ekranında görüntü kenarlarında yer alan siyah renklerin yok olduğu görülecektir.

Uydu Görüntülerinin Kontrolsüz Sınıflandırılması

Kontrolsüz sınıflandırma işlemi görüntü piksellerinin otomatik olarak sahip oldukları değerlere göre, farklı spektral aralıklı sınıflara atanması işlemidir. GRASS yazılımı kullanılarak gerçekleştirilen kontrolsüz sınıflama işlemi iki aşamadan oluşmaktadır. Bu aşamalar, görüntü piksellerinin kümelenmesi ve kümelenen piksellerin sınıflandırılmasıdır.

Grup ve Altgrup Oluşturulması: GRASS yazılımı ile gerek kontrolsüz sınıflandırma gerekse kontrollü sınıflandırma işlemlerinin yapılabilmesi için raster haritaların (bantlar) bir grup (Group) ve altgrup (subgroup) altında birleştirilmesi gerekmektedir. GRASS yazılımında grup, raster haritaların birleştirilmesi ile oluşturulmaktadır. Altgrup ise oluşturulan grubun bir alt veri seti olup, görüntü sınıflandırılmasında esas alınan bantları temsil etmektedir. Örneğin sınıflandırmada kullanılmak üzere 1., 2., 3., 4., 5., 6., 7. bantlar kullanılarak bir grup oluşturulabilir. Eğer analiz işlemi için sadece 3., 4. ve 5. bantlar kullanılmak isteniyorsa bu bantlardan altgrup oluşturulur.

Görüntü Verilerinin Kümelenmesi: Kontrolsüz sınıflandırma işlemi için gerekli olan görüntü imza dosyasının oluşturulması için Görüntü › Görüntüyü sınıflandır › Girdileri eğitimsiz sınıflandırma için kümeleme (imagery › Classify image › Clustering input for unsupervised classification (i.cluster)) seçilir.

Gerekli değerleri girdikten sonra Çalıştır (Run) sekmesine basılarak kümele işlemi gerçekleştirilir.

Başlangıç sınıf sayısı (initial number of classes (valid range 1-255)): İterasyon işlemi başlamadan önce, kümeleme işleminde başlangıç küme sayısını tanımlar.

Maksimum iterasyon sayısı (Maximum number of iteration): Bazı durumlarda sınıf kümelerinin kararlılıklarını gösteren yüzde yakınsama (percent convergence) değerine ulaşılamaz. Bu durumlarda kümeleme işleminin kaç iterasyon sonucunda bitirileceği maksimum iterasyon sayısı ile belirlenir.

Yüzde Yakınsama (Percent Convergence): Yüzde yakınsama değeri, iterasyon aşamasında hangi kümenin kararlı hâle geldiğini gösteren değerdir.

Küme aralığı (Cluster separation): İterasyon aşamasında hangi kümelerin birleştirileceğini gösteren minimum ayırma değeridir. Varsayılan değeri 0.0’dır. Minimum sınıf veya küme aralığı artırıldığında, yüksek yakınsama yüzdesine ulaşmak için maksimum iterasyon sayısının artırılması gerekmektedir.

Minimum number of pixel in a class: Kümeleme işleminde bir kümenin tanımlanabilmesi için gerekli olan minimum piksel sayısını göstermektedir.

Görüntü Verilerinin Kontrolsüz Sınıflandırılması: Kümeleme işleminden sonra kontrolsüz sınıflandırma işlemine geçilir. Kontrolsüz sınıflandırma işlemi maksimum olabilirlik sınıflandırma (maximum likelihood classification) yöntemine göre yapılmaktadır. Bu yöntemde, i.cluster (kümeleme) işlemi sonucunda elde edilen kümelerin ortalamaları ve kovaryans matrisleri kullanılmaktadır. Sınıflandırma işleminde, görüntüdeki her bir hücrenin kümeleme sonucunda elde edilen sınıflardan hangisine atanacağı belirlenir.

Maksimum olabilirlik sınıflandırma (Maksimum likelihood classification) algoritmasını aktif hâle getirmek için Görüntü › Görüntüyü sınıflandır › Maksimum olabilirlik sınıflandırma (imagery › Classify image › Maximum likelihood classification (MLC) [i.maxlik]) seçilir.

Kontrolsüz sınıflandırma sonucunda elde edilen sonuçları görsel olarak değerlendirmek için çalışma klasöründe yer alan band4, band3 ve band2 kullanılarak gerçek renkli bir görüntü oluşturulur.

Gerçek renkli görüntü oluşturmak için Katman Yöneticisi (Layer Manager) penceresinden Raster › Renkleri yönet › KYM oluştur (Raster › Manage colors › Create RGB) seçilir. Açılan r.composite penceresinden kırmızı (red) bant olarak Band4, yeşil (green) bant olarak Band3, mavi (blue) bant olarak Band2 seçilir. Çıktı raster harita adı KYM olarak girilip Çalıştır (Run) sekmesine basılır. Bu şekilde gerçek renkli bir görüntü oluşturulur.

Sınıflandırma sonucu elde edilen raster haritaya yakınlaşarak oluşturulan KYM isimli raster harita ile karşılaştırma yapılabilir.

Uydu Görüntülerinin Kontrollü Sınıflandırılması

Uzaktan algılama uygulamalarında kontrollü sınıflandırma işlemi çalışılacak alan hakkında bilgi sahibi olunduğunda tercih edilen bir sınıflandırma işlemidir. Bu sınıflandırma işleminde uydu görüntülerinin hangi sınıflara ayrılacağı, görüntüden hangi sınıfların elde edileceği önceden belirlenmektedir. Kontrollü sınıflandırmada her bir arazi kullanımı için görüntü piksellerinin spektral özellikleri kullanılarak eğitim dosyaları oluşturulur. Bu dosyaların uydu görüntülerine uygulanması ile görüntü içindeki her bir piksel hesaplanan olasılık değerlerine göre en çok benzer olduğu sınıfa atanır.

GRASS yazılımında uydu görüntülerinin kontrollü sınıflandırılması üç aşamada gerçekleşmektedir. Bunlar görüntülere eğitim verilerinin toplanması, görüntü verilerinin kümelenmesi ve görüntü verilerinin kontrollü sınıflandırılmasıdır.

Kontrollü Sınıflandırma İçin Çalışma Alanı Sınırlarının Belirlenmesi:

Kontrollü sınıflandırma işleminin gerçekleştirileceği çalışma alanı sınırlarını belirlemek için Harita Görüntüleme (Map Display) ekranı üzerinde aşağıdaki işlemler yapılır.

1. 2D görünüm (2D view) alanından vektör sayısallaştırıcı (Vector digitizer) seçilir.
2. Açılan vektör sayısallaştırıcı menüsünden Yeni vektör harita (new vector map) üzerine basılır
3. Açılan Yeni vektör harita oluştur (Create new vector map) pencresinden, yeni vektör haritanın adı (Name for new vector map) Siniflandirma_Siniri olarak yazılır. Öznitelik tablosu oluştur (Create attribute table) seçili yapıldıktan sonra Tamam (OK) sekmesine basılır.
4. Karşınıza çıkan GRASS GIS Öznitelik Tablo Yöneticisi (GRASS GIS Attribute Table Manager) penceresinden Kapat (Close) seçilerek işlem sonlandırılır.

Eğitim Verilerinin Toplanması:

Kontrollü sınıflandırma işleminde eğitim verilerini toplamak için Görüntü › Görüntüyü sınıflandır › Kontrollü sınıflandırma için etkileşimli girdi (imagery › classify › Interactive input for supervised classification [g.gui.class]) seçilir. Bu şekilde GRASS GIS Kontrollü Sınıflandırma Aracı (GRASS GIS Supervised Classification Tool) arayüzüne ulaşılır.

GRASS GIS Kontrollü Sınıflandırma Aracı (GRASS GIS supervised Classification Tool) kontrollü sınıflandırma işlemi için interaktif olarak eğitim verisi toplanabilen bir arayüzdür. Arayüzün genel görünümü üzerinde yer alan numaraların açıklamaları aşağıda verilmiştir.

1. Görüntülerin sınıflandırılması işleminde kullanılacak sınıflanırın oluşturulmasında kullanılan alandır. İlgili sekmeye basılarak Sınıf yöneticisi (Class maneger) penceresi açılır. Bu pencereden yeni sınıflar eklenip mevcut sınıflar silinebilir.
2. Çizimler (Plots): Bu ekrana grup ve altgruplar eklenir. Eğitim alanı çizildiğinde, eğitim alanına düşen piksellerin spektral yansımaları, grup içine yer alan bantlardaki piksellerin histogramları bu alandan görüntülenebilir.
3. Eğitim Verisi Toplama Ekranı (Traing Areas Display): Sınıflandırma için oluşturulan sınıflara ait eğitim verileri, bu ekran aracılığı ile toplanır. Eğitim verisi toplamak için gerekli olan altlık haritalar eklenir.
4. Ön İzleme Ekranı (Preview Display): Eğitim verisi toplama ekranında sayısallaştırılan alanların ön izlemesi bu ekran aracılığı ile yapılır.
5. Eğitim alanlarının sayısallaştırılmasında kullanılan komutları içeren alandır. Yeni alan sayısallaştır (dijitize new area) komutu ile eğitim alanları çizilir. Seçilen alanı sil (Delete selected area) eğitim verisi toplanan alanı silmek için kullanılır.

Eğitim verisi toplama işlemine başlamak için Eğitim Verisi Toplama Ekranının (Training Area Display) altında yer alan KYM harita katmanı ekle (Add RGB map layer) sekmesine basılır. Açılan pencereden sırası ile band4, band3, band2 bantları seçilir ve Tamam (OK) sekmesine basılır. Bu şekilde gerçek renkli KYM raster görüntü, eğitim verisi toplama ekranına eklenir.

Eğitim verisi toplama işleminin ilk adımı sınıflandırmada kullanılacak sınıfların oluşturulmasıdır. Bu işlem için GRASS GIS Kontrollü Sınıflandırma Aracı (GRASS GIS Supervised Classification Tool) penceresinde Sınıf yöneticisi (Class maneger) sekmesine basılır. Açılan Sınıf yöneticisi (Class manager) penceresinde Ekle (Add) sekmesine basılarak aşağıdaki sınıflar oluşturulmuştur. Add sekmesine her basıldığında yeni sınıflar eklenmektedir. Eklenen sınıflar class_* şeklinde olmaktadır. Sınıfların isimleri Sınıf adı (Class name) altında yer alan sınıfların üzerine farenin sol tuşuna basılarak değiştirilir. Renk (Color) bölümü altında sınıfların renkleri yer almaktadır. Her sınıf için otomatik olarak siyah renk atanmaktadır. Renk alanı altında, sınıflara karşılık gelen reklere basılarak açılan renk penceresinden sınıflara istenilen renkler atanır. Sınıfları oluşturduktan sonra Close sekmesine basarak Sınıf yöneticisi (Class manager) penceresi kapatılır.

Kontrollü Sınıflandırma İçin İmza Dosyasının Oluşturulması:

Kontrollü sınıflandırma işleminde girdi olarak gerekecek imza dosyasını üretmek için Katman Yöneticisi (Layer Manager) penceresinden Görüntü › Görüntüyü sınıflandır › Denetlenen MLC için girdi (Imagery › Classify image › Input for supervised MLC [i.gensig]) seçeğine basılır.

Kontrolsüz sınıflandırmada olduğu gibi kontrollü sınıflandırma işlemi de maksimum olabilirlik yöntemi ile yapılacaktır. Kontrollü sınıflandırma işlemi için Görüntü › Görüntüyü sınıflandır › Maksimum olabilirlik sınıflandırması (Imagery › Classify images › Maximum likelihood classification (MLC) [i.maxlik]) seçilir.