Harita Dergisi - Harita Genel Komutanlığı

Harita Dergisi Temmuz 2010 Sayı 144Destek Vektör Makineleri İle Uydu GörüntülerininSınıflandırılmasında Kernel Fonksiyonlarının Etkilerinin İncelenmesiTablo 2. Sınıf etiket numaralarının açıklaması.Sınıf Açıklama1 Su (göl, gölet, akarsu, vb.)2 Geniş yapraklı ağaç3 İğne yapraklı ağaç4 Bozkır ve mera alanları5 Toprak, taş ve kayalık alanlar6 Yerleşim (bina, yol vb.)EÇB yöntemi kullanılarak gerçekleştirilensınıflandırma işlemi için hesaplanan hata matrisiTablo 3’de verilmiştir. Tablodan da görüleceğiüzere sınıflandırmanın genel doğruluğu %91,30olmuştur. Sınıflara göre EÇB’nin performansıanaliz edildiğinde en düşük sınıflandırmadoğruluğunun toprak-taş olarak nitelendirilen sınıfiçin gerçekleştiği görülmektedir. Bu sınıfın örnekpiksellerinin ağırlıklı olarak yerleşim etiketi ilesınıflandırıldığı görülmektedir. Bir kısım toprakalanın ise bozkır niteliği yani ot vb. bitkilerle örtülüolduğu görülmektedir.Tablo 3. En çok benzerlik sınıflandırıcısı için hatamatrisi.Sınıf 1 2 3 4 5 61 993 2 0 0 5 02 0 975 25 0 0 03 0 18 918 34 29 14 0 0 43 926 29 25 0 0 7 84 746 1636 0 0 1 6 73 920Genel Doğruluk : %91,30 Kappa : 0,89Bölüm 3’de ifade edildiği üzere destek vektörmakineleri ile yapılacak sınıflandırmaişlemlerinde kullanıcı tarafından eğitim aşamasıöncesinde tespit edilmesi gereken parametrelermevcuttur. Bu parametreler kullanılacak kernelfonksiyonuna göre değişiklik göstermektedir.Tablo 1’de sunulan kernel parametrelerininseçimi sonuçların doğruluğu üzerinde önemli biretkiye sahiptir. Ayrıca, tüm DVM uygulamalarıiçin düzenleme parametresinin (C) belirlenmesiesastır. Bu noktadan hareketle, tüm kernelfonksiyonları için en uygun parametre değerinintespiti çapraz doğrulama yaklaşımı yardımıylayapılmıştır. Çapraz doğrulamalar sonunda, testveri seti için en yüksek doğruluğu verecekdüzenleme parametresi (C) polinom kerneli için400, normalleştirilmiş polinom kerneli için 1.000,radyal tabanlı fonksiyon kerneli için 500 ve PUKkerneli için 300 olarak belirlenmiştir. Polinomkerneli için yapılan çalışmalar sonucunda 2.dereceden bir polinom fonksiyonun en yüksekdoğruluk değerlerini üreteceği tespit edilmiştir.Normalleştirilmiş polinom kernelinde ise optimumpolinom derecesi 3. derece olarakhesaplanmıştır. Her iki polinom kerneli içinpolinom derecesi artırıldığında, DVM modelininkompleks hale gelmesi neticesinde sınıflandırmaişleminin önemli derecede uzadığı vesınıflandırma doğruluğunun negatif yöndeetkilendiği gözlenmiştir. Radyal tabanlı fonksiyonkerneli için en uygun γ değerinin 2 olduğuhesaplanmıştır. Diğer taraftan, PUK kernelinin ikiparametresi (σ , ω ) ile yapılan testler sonucundaen uygun değerlerin σ için 0,5, ω için 1,0olduğu görülmüştür.Tespit edilen düzenleme parametredeğerleriyle kernel parametreleri kullanılarakDVM’nin eğitimleri tamamlanarak test veri setiüzerinde sınıflandırma doğruluk analizi hatamatrisleri üzerinden yapılmıştır (Tablo 4). Seçilenkernel fonksiyonları ile DVM sınıflandırmasonuçları genel doğruluk esas alınarakdeğerlendirildiğinde en düşük doğruluğunnormalleştirilmiş polinom kerneli ile (%91,78), enyüksek doğruluğun ise PUK kerneli kullanılarak(%94,83) elde edildiği görülmektedir. Radyaltabanlı fonksiyon kerneli ile elde edilensınıflandırma doğruluğunun (%94,38) PUKkerneli sonuçlarına yakın olduğu ve bu metotlarınbenzer sonuçlar ürettiği söylenebilir. Tüm DVMtabanlı sınıflandırma işlemleri göz önünealındığında, genel doğruluk açısından literatürdetemel ölçüt kabul edilen EÇB sonuçlarından dahaiyi sonuçlar ürettikleri görülmüştür. Bu da DVMmetodunun temel aldığı kuramların geçerliliğiniortaya koymaktadır.Hata matrislerinin detaylı analizi yapıldığında,EÇB dahil tüm sınıflandırma yaklaşımlarınıntoprak-taş örnek piksellerini yerleşim ve bozkırpikselleriyle karıştırdığı görülmektedir. Spektralözellikleri benzer toprak-taş ve yerleşimpiksellerinin ayırımında sınıflandırmayaklaşımlarının etkinliği sonuçlara direkt olarakyansımış durumdadır. Bu çalışmada ele alınan30 metre konumsal çözünürlüklü görüntüdüşünüldüğünde, çalışma alanındaki birçoktaş-toprak ve yerleşim pikselinin “karışık”pikseller olduğu ifade edilebilir. Taş-toprak sınıfıiçin geniş eğitim alanlarının belirlenmesindegüçlük yaşandığı bu noktada belirtilmesi gerekenönemli bir husustur.79