Polarimetrik sar ve optik uydu görüntülerinin veri füzyonu ile sınıflandırma analizi

Sentetik açıklıklı radar (SAR) ve optik uydu sensörlerinin veri füzyonu ile görüntüler arasındaki sinerji kullanılarak, mekansal ve zamansal doğrultularda iyileştirmeler gerçekleştirilip, arazi örtüsü sınıflandırması sonucunda farklı sınıflar arasındaki ayırt etme gücünü artırmak amaçlanmaktadır. Çalışmanın temelini oluşturan optik ve polarimetrik SAR (PolSAR) verilerinin füzyonu, farklı arazi yüzeyi özelliklerinin yorumlanması, geliştirilmesi ve analizi için kullanılmaktadır. Bu çalışma kapsamında da, PolSAR uydu verilerinin optik uydu verilerine sağladığı katkı ve beş farklı füzyon algoritmalarının performansını karşılaştırmak için Alos Palsar PLR dörtlü polarimetrik uydu verileri ile Landsat TM multispektral (MS) optik uydu verileri kullanılmıştır. Alos Palsar görüntüsü HH, HV, VV bantlarının her biri ve HH+HV+VV bant matematiği uygulanan çıktı görüntüleri ile Landsat TM optik uydu görüntüsünün SWIR, NIR, R, G bantları füzyon algoritmaları kullanılarak birleştirilmiştir. Dalgacık çözünürlük birleşimi (WRM), yüksek geçirgenli filtre (HPF), Gram-Schmidt, Ehlers ve Brovey füzyon sonuçları spektral olarak ve istatistiksel analiz ile değerlendirilmiştir. Orijinal optik ve Alos Palsar PolSAR uydu görüntüleri ve de füzyon sonuç çıktı görüntüleri maksimum olasılık (ML) algoritması ile eğitimli sınıflandırılmıştır. Alos Palsar görüntüsünün sınıflandırma doğruluğu % 78.01 iken optik görüntünün ise % 89.97 olarak tespit edilmiştir. Füzyon sınıflandırma sonucunda en yüksek sınıflandırma doğruluğunun % 94.77 ile Alos Palsar HV+Landsat görüntü verilerinin Gram Schmidt füzyon yöntemi ile elde edildiği görülmüştür.

By using synergies between the data fusion of synthetic aperture radar (SAR) and optical satellite sensors, improvements are made in spatial and temporal, it is aimed to increase the discrimination power between different classes as a result of land cover classification. Image fusion based on the optical and polarimetric SAR (PolSAR) data, which forms the basis of the study, is used for the interpretation, development and analysis of different terrain features. In this study, Alos Palsar PLR quad polarimetric satellite data and Landsat TM multispectral (MS) optical satellite data were used to compare the contribution of PolSAR satellite data to optical satellite data and to compare the performance of five different fusion algorithms. Alos Palsar image HH, HV, VV bands and HH+HV+VV band mathematics output images and SWIR, NIR, R, G bands of Landsat TM optical image are combined using fusion algorithms. Wavelet resolution merge (WRM), high pass filter (HPF), Gram-Schmidt, Ehlers and Brovey fusion results were evaluated spectrally and by statistical analysis. Original optical and Alos Palsar PolSAR images and also fusion result output images are classified with trained maximum likelihood (ML) algorithm. The classification accuracy of Alos Palsar image was 78.01% and the optical image was determined as 89.97%. The classification accuracy of Landsat TM SWIR, NIR, R, G image was determined as 89.97%. As a result of fusion classification, it was seen that the highest classification accuracy was obtained by combining the image data of Alos Palsar HV+Landsat TM with 94.77%, with Gram Schmidt fusion method.