Portal de Periódicos da CAPES

Classification of multispectral images using Random Forest algorithm

2012; Volume: 1; Issue: 2 Linguagem: Turco

10.9733/186

2667-8519

Özlem Akar, Oğuz Güngör,

Automated Road and Building Extraction

Rastgele Orman algoritmasi kullanilarak cok bantli goruntulerin siniflandirilmasi Rastgele Orman (RO) algoritmasi en basarili siniflandirma yontemlerinden biri olarak bilinir. Dogasi geregi cok farkli disiplinlere hitap etmesinden dolayi, RO farkli alanlarda calisan arastirmacilarin dikkatini cekmektedir. Bu calisma, farkli konumsal cozunurluge ve karakteristige sahip cok bantli uydu goruntuleri kullanarak RO algoritmasinin performansini incelemeyi amaclamaktadir. Kullanilan uydu goruntuleri dort bantli Ikonos ve QuickBird goruntuleridir. 2005 ve 2008 yillarinda elde edilen QuickBird goruntuleri sirasiyla hem kentsel hem de kirsal alanlari kapsarken, 2003 yilinda alinan Ikonos goruntusu, ozellikle kentsel alani icermektedir. Ayrica, 2005 yilinda alinan QuickBird goruntusu ruzgarli havanin yol actigi dalgalar nedeniyle Karadeniz uzerinde gurultulu oruntuler icermektedir. RO’nun performansini degerlendirmek icin siniflandirma sonuclari, Gentle AdaBoost (GAB), En Cok Benzerlik (ECB) ve Destek Vektor Makineleri (DVM) algoritmalarindan elde edilen sonuclarla karsilastirilmistir. Elde edilen sonuclar RO’nun diger yontemlerden daha yuksek siniflandirma dogrulugu verdigini gostermektedir. Kentsel alan uzerinde cekilen Ikonos goruntusune ait sonuclar, RO algoritmasinin, DVM’ den %10 daha yuksek siniflandirma dogrulugu verdigini, GAB algoritmasinin ise en dusuk siniflandirma dogruluguna sahip oldugunu (RO’dan %14 daha dusuk) gostermektedir. Kirsal alan uzerinde alinan QuickBird goruntusune (2008 yilinda alinan)ait sonuclar diger yontemlerden elde edilen sonuclarla karsilastirildiginda RO’ nun daha iyi sonuc verdigi gorulmustur. Gurultuye benzer oruntuler iceren QuickBird goruntusu icin de RO’nun, DVM’den yaklasik %11 daha yuksek siniflandirma dogrulugu verdigi gozlenmistir.