Improving SVM Classification Accuracy with Image Fusion-Based Gabor Texture Features

Authors : Çiğdem ŞERİFOĞLU YILMAZ, Oguz GÜNGÖR

Pages : 34-44

View : 12 | Download : 5

Publication Date : 2020-03-31

Article Type : Research Paper

Abstract :Görüntü kaynaştırma, uzaktan algılanan verilerin yorumlanabilirliğini ve işlevselliğini artırmak için en yaygın olarak kullanılan tekniklerden biridir. Bu çalışmanın amacı Destek Vektör Makineleri insert ignore into journalissuearticles values(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 insert ignore into journalissuearticles values(Principal Component Analysis);, WSB insert ignore into journalissuearticles values(Wavelet Single Band);, GS insert ignore into journalissuearticles values(Gram-Schmidt);, BRV insert ignore into journalissuearticles values(Brovey);, EHL insert ignore into journalissuearticles values(Ehlers);, HCS insert ignore into journalissuearticles values(Hyperspherical Colour Space);, HPF insert ignore into journalissuearticles values(High-Pass Filtering); ve MCV insert ignore into journalissuearticles values(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