Nesne Tabanlı Görüntü Analizi (OBIA)
Object-Based Image Analysis (OBIA) · Ayrıca şöyle bilinir: Geographic Object-Based Image Analysis, GEOBIA, Object-Oriented Image Analysis, Nesne Tabanlı Görüntü Analizi
Nesne Tabanlı Görüntü Analizi (OBIA), sınıflandırmadan önce pikselleri anlamlı görüntü nesnelerine gruplayan, bunun yerine her pikseli bağımsız olarak analiz eden bir uzaktan algılama görüntü işleme paradigmasıdır. Thomas Blaschke tarafından 2010 tarihli dönüm noktası niteliğindeki ISPRS incelemesinde biçimsel olarak formüle edilmiş ve pekiştirilmiş olan OBIA, yüksek çözünürlüklü görüntülerden anlamsal olarak zengin arazi örtüsü haritaları üretmek için çok çözünürlüklü segmentasyon algoritmalarından yararlanır ve spektral, mekansal, bağlamsal ve dokusal nesne niteliklerini birleştirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
OBIA, özellikle metre altı ila birkaç metre çözünürlüklü yüksek mekansal çözünürlüklü görüntülerle çalışırken uygundur; burada bireysel pikseller ilgi çekici gerçek dünya özelliklerinden daha küçüktür ve tuz-ve biber gürültüsü piksel tabanlı sınıflandırmayı bozar. Özellikle kentsel arazi kullanımı, bitki toplulukları, tarımsal parseller ve jeomorfolojik özelliklerin haritalanması için değerlidir. Temel varsayımlar, görüntüde anlamlı mekansal yapı ve her sınıfı temsil eden eğitim örneklerinin bulunmasıdır. OBIA, nesnelerin anlamlı bir şekilde sınırlandırılamadığı kaba çözünürlüklü veriler için veya yalnızca spektral ayrımın gerektiği durumlar için daha az uygundur. Piksel tabanlı sınıflandırma veya spektral karışım analizi yaygın alternatiflerdir.
Güçlü yönler & sınırlılıklar
- Piksel tabanlı yöntemlere göre daha yüksek sınıflandırma doğruluğu sağlayan spektral, mekansal, şekil, doku ve bağlamsal bilgileri eş zamanlı olarak kullanır.
- Doğrudan CBS iş akışlarıyla entegre olan poligon çıktıları üretir, rasterleştirme sonrası işlem gerektirmeden topolojik sorguları ve alan istatistiklerini etkinleştirir.
- Spatially tutarlı nesneler üzerinden ortalama alarak sınıf içi spektral varyansı ('tuz-ve-biber' gürültüsü) önemli ölçüde azaltır.
- Ekolojik veya işlevsel olarak ilgili mekansal ölçeklerde özelliklerin karakterize edilmesine olanak tanıyan hiyerarşik, çok ölçekli analizi destekler.
- Sınıflandırma doğruluğu, segmentasyon kalitesine duyarlıdır; ölçek parametresinin yanlış seçilmesi, sonraki tüm adımlarda hataları yayar.
- Büyük sahneler için hesaplama açısından yoğundur — hem segmentasyon hem de özellik çıkarma adımları önemli bellek ve işlem süresi gerektirir.
- Alan uzmanlığı ve tekrarlayan deneyim gerektiren nesne özelliklerinin dikkatli seçilmesini ve mühendisliğini gerektirir.
- Doğruluk değerlendirmesi, nesne sınırları ve boyutları değiştiği için piksel tabanlı yöntemlere göre daha karmaşıktır, bu da örnekleme tasarımını karmaşıklaştırır.
SSS
OBIA, geleneksel piksel tabanlı sınıflandırmadan nasıl farklıdır?
Piksel tabanlı sınıflandırmada, her piksel yalnızca spektral değerleri kullanılarak bağımsız olarak sınıflandırılır. OBIA önce bitişik, spektral olarak benzer pikselleri nesnelere gruplar ve ardından her nesneyi spektral istatistikler, şekil, doku ve bağlamsal ilişkiler kullanarak sınıflandırır. Bu, OBIA'nın yüksek çözünürlüklü görüntülerdeki mekansal yapıyı kullanmasına olanak tanır ve piksel tabanlı sonuçlarda yaygın olan tuz-ve-biber gürültüsünü büyük ölçüde azaltır.
Doğru segmentasyon ölçek parametresini nasıl seçerim?
Ölçek parametresi, bir nesne içindeki izin verilen maksimum heterojenliği kontrol eder, bu nedenle daha büyük değerler daha büyük, daha kaba nesneler üretir. Yaygın rehberlik, anlamlı arazi birimlerine karşılık gelen doğal kırılmaları belirlemek için yerel varyansı ölçeğe karşı çizen Tahmini Ölçek Parametresi (ESP) aracı gibi nesnel endekslerle birleştirilmiş görsel incelemeyi içerir. Hiyerarşik bir segmentasyon stratejisinde birden fazla ölçek birleştirilebilir.
OBIA, MODIS veya Landsat gibi kaba çözünürlüklü görüntülere uygulanabilir mi?
OBIA teknik olarak herhangi bir rasteri segmentleyebilir, ancak avantajları, piksellerin ilgi çekici gerçek dünya özelliklerinden daha küçük olduğu durumlarda elde edilir. Kaba çözünürlüklerde (30 m veya daha fazla), pikseller zaten birden fazla arazi örtüsü türünü entegre eder, bu da anlamlı sınır belirlemeyi zorlaştırır. Kaba görüntüler için, spektral ayırma veya zaman serisi piksel tabanlı yöntemler genellikle OBIA'dan daha iyi performans gösterir.
Kaynaklar
- Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65(1), 2–16. DOI: 10.1016/j.isprsjprs.2009.06.004 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Object-Based Image Analysis (OBIA). ScholarGate. https://scholargate.app/tr/remote-sensing/object-based-image-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Değişiklik TespitiUzaktan algılama↔ karşılaştır
- Peyzaj Örüntü MetrikleriMekânsal analiz↔ karşılaştır
- Piksel Tabanlı Görüntü SınıflandırmasıUzaktan algılama↔ karşılaştır