Headwall Hyperspec VNIR Kamerası İle Elde Edilen Hiperspektral Hava Fotografı İçin Boyut İndirgeme Yöntemlerinin Performanslarının Analizi

Çalışmada yaygın olarak kullanılan farklı boyut indirgeme yöntemlerinin performanslarının HeadwallHyperspec VNIR Kamerası ile elde edilen hiperspektral hava fotoğrafı için analizi amaçlanmıştır. Bunun içinHarita Genel Müdürlüğü tarafından, BHİKPK-Bilimsel Araştırma ve Koordinasyon Komisyonunca (BARKOK)2017 yılında Bergama bölgesinde 2100 metre ortalama yükseklikten Headwall Hyperspec VNIR kamerası ileelde edilen hiperspektral hava fotoğrafı kullanılmıştır. Çalışma alanı olarak, çekimin gerçekleştiği Bergamabölgesinde kentsel ve kırsal arazi kullanım sınıflarını barındıran pilot bir bölge seçilmiştir. Çalışmada öncelikliolarak hiperspektral hava fotoğrafına atmosferik ve radyometrik düzeltmeler yapılmıştır. Ardından bozuk vekullanılmayan bantların temizlenmesi için yaygın olarak kullanılan Temel Bileşen Analizi (PCA), AyrıkDalgacık Dönüşümü (DWT), Faktör Analizi (FACTORNAL), Çok Boyutlu Ölçekleme yöntemi (MDS –Multidimensional Scaling) ve En Fazla Daralan Metrik Öğrenme (MCML-Maximally Collapsing MetricLearning) gibi 5 farklı yöntemle bant indirgeme işlemi uygulanmıştır. Sonrasında tüm görüntülerin geometrikdüzeltmeleri yapılarak aynı koordinat sisteminde olması sağlanmıştır. Görüntüler ön işlemden geçirildiktensonra indirgeme yöntemlerinin performanslarının analizi için yaygın olarak kullanılan ve yüksek sınıflandırmadoğruluğu sağlayan makine öğrenme yöntemlerinden Destek Vektör Makineleri (DVM) ve Rastgele Orman(RO) sınıflandırıcıları kullanılmıştır. Sınıflandırma işlemi sonucunda elde edilen tematik görüntüler içindoğruluk analizleri yapılmış ve elde edilen doğruluklar karşılaştırılmıştır. Çalışmanın sonuçları incelendiğinde,en yüksek sınıflandırma doğruluğunu % 91.67 (RO) doğrulukla DWT boyut indirgeme yönteminin sağlandığıgözlemlenmiştir. Genel olarak bakıldığında RO ile elde edilen sonuçlarda genel sınıflandırma doğruluklarıyüksekten düşüğe sırasıyla DWT, MCML, MDS, FACTORNAL ve PCA olarak elde edilmiştir. DVMsonuçlarına göre bu sıranın ise DWT, MCML, MDS, PCA ve FACTORNAL olduğu gözlenmiştir. Buna göreher iki sınıflandırma yönteminde de en yüksek doğruluğu DWT' nin, en düşük sınıflandırma doğruluğunu daFACTORNAL ve PCA yöntemlerinin verdiği görülmüştür. Çalışma sonucu göstermektedir ki, bu hiperspektralhava fotoğrafı için denenen yöntemler arasında en uygun boyut indirgeme yöntemi DWT 'dir.