- Türk Uzaktan Algılama ve CBS Dergisi
- Vol: 1 Issue: 1
- Improving SVM Classification Accuracy with Image Fusion-Based Gabor Texture Features
Improving SVM Classification Accuracy with Image Fusion-Based Gabor Texture Features
Authors : Çiğdem Şerifoğlu Yilmaz, Oguz Güngör
Pages : 34-44
View : 12 | Download : 3
Publication Date : 2020-03-31
Article Type : Research
Abstract :Görüntü kaynaştırma, uzaktan algılanan verilerin yorumlanabilirliğini ve işlevselliğini artırmak için en yaygın olarak kullanılan tekniklerden biridir. Bu çalışmanın amacı Destek Vektör Makineleri (DVM) sınıflandırma algoritmasının performansının kaynaştırılmış görüntülerden elde edilen doku özellikleri yardımıyla iyileştirilmesidir. Bu amaçla, ilk aşama olarak bir WorldView-2 çok bantlı görüntüsü bir WorldView-2 pankromatik görüntüsü ile PCA (Principal Component Analysis), WSB (Wavelet Single Band), GS (Gram-Schmidt), BRV (Brovey), EHL (Ehlers), HCS (Hyperspherical Colour Space), HPF (High-Pass Filtering) ve MCV (Multiplicative) yöntemleri kullanılarak kaynaştırılmıştır. Daha sonra her bir kaynaştırılmış görüntüye Temel Bileşenler Analizi uygulanmıştır. Her bir kaynaştırılmış görüntü için elde edilen birinci temel bileşen Gabor doku özelliklerinin çıkartılması amacıyla kullanılmıştır. Son aşama olarak da elde edilen doku özellikleri girdi çok bantlı görüntüye eklenmiştir. Elde edilen bu görüntüler DVM algoritmasıyla sınıflandırılarak kullanılan metodolojinin sınıflandırma doğruluğunu ne derece etkilediği incelenmiştir. Sonuç olarak, GS yöntemiyle elde edilen Gabor doku özelliklerinin %19.3 artış ile sınıflandırma doğruluğunu en fazla oranda arttıran doku özelliği olduğu ve PCA yöntemiyle elde edilen Gabor doku özelliklerinin ise %18.7 artış ile sınıflandırma doğruluğunu en fazla oranda arttıran ikinci doku özelliği olduğu tespit edilmiştir.Keywords : Doku özellik çıkarımı, Görüntü kaynaştırma, Gabor doku özellikleri, Temel bileşenler analizi, Görüntü sınıflandırma