Gabor ¨ Oznitelikleri ve Uzamsal Oylama ile Yerles ¸im B¨ olgelerinin Bulunması Urban Area Detection Using Gabor Features and Spatial Voting Beril Sırmac ¸ek, Cem ¨ Unsalan Bilgisayarlı G ¨ or¨ u Aras ¸tırma Laboratuvarı Elektrik ve Elektronik M¨ uhendisli˘ gi B ¨ ol¨ um¨ u Yeditepe ¨ Universitesi, ˙ Istanbul {bsirmacek,unsalan}@yeditepe.edu.tr ¨ Ozetc ¸e Kentsel gelis ¸imi g¨ ozlemlemek uzaktan algılamanın temel prob- lemlerinden biridir. Y¨ uksek c ¸¨ oz¨ un¨ url¨ ukl¨ u uydu imgeleri bu problemi c ¸¨ ozmek ic ¸in ¨ onemli bilgi tas ¸ımaktadır. Buna ra˘ gmen iki temel problemden ¨ ot¨ ur¨ u uydu imgeleri tek bas ¸ına yeterli de˘ gildir. ¨ Oncelikle, bir uzman c ¸ok b¨ uy¨ uk ebatlardaki uydu imgelerini incelemek zorundadır. Bu inceleme c ¸ok zaman alıcıdır ve hatalara ac ¸ıktır. ˙ Ikincisi ise kentsel yerles ¸imler s¨ urekli de˘ gis ¸im halindedir. Bu sebeple, kentsel gelis ¸imin izlenmesinin periyodik olarak yapılması ve otomatik bir sis- temden yararlanılması kac ¸ınılmazdır. Bu c ¸alıs ¸mada y¨ uksek c ¸¨ oz¨ un¨ url¨ ukl¨ u uydu imgelerinden kentsel yerles ¸im b¨ olgelerinin otomatik olarak bulunması ic ¸in yeni bir y¨ ontem ¨ onerilmis ¸tir. Yapmıs ¸ oldu˘ gumuz c ¸alıs ¸ma kent planlama ic ¸in ¨ onsel ve ¨ onemli bir adım olarak g¨ or¨ ulebilir. Bu c ¸alıs ¸mada ¨ onerdi˘ gimiz y¨ ontem Gabor filtrelerinden yararlanılarak c ¸ıkarılan yerel ¨ ozniteliklere dayanmaktadır. Bu ¨ oznitelikler bir oy uzayında g ¨ osterilip; bun- dan otomatik olarak yerles ¸im b¨ olgeleri bulunmaktadır. Gri seviyeli uydu imgeleri ¨ uzerinde elde edilen deneysel sonuc ¸lar ¨ onerilen y¨ ontemin pratik uygulamalarda iyi sonuc ¸lar verdi˘ gini ortaya koymaktadır. Abstract Monitoring urbanization is an important problem in remote sensing. Very high resolution satellite images provide valuable information to solve this problem. However, these images are not sufficient alone for two main reasons. First, a human expert should analyze very large images. There may always be some errors in operation. Second, urban regions are dynamic. There- fore, monitoring urbanization should be done periodically. This is time consuming. To handle these shortcomings, an automated system is needed to monitor urbanization. In this study, we pro- pose an automated method to detect urban areas in very high resolution satellite images. Our work can be taken as the first and most important step for automatically monitoring urban- ization. Our method is based on local feature extraction using Gabor filters. These local features are represented in a voting space. Using it the urban regions are detected automatically. We test our method on a diverse panchromatic Ikonos image set. Our test results indicate the possible use of our method in practical applications. 1. Giris ¸ Yerles ¸im b¨ olgelerini g¨ ozlemlemek bir c ¸ok kamu ve ¨ ozel kurulus ¸lara yardımcı olur. Yeni nesil uydu imgelelerinin (Ikonos ve Quickbird) y¨ uksek c ¸¨ oz¨ un¨ url¨ ukleri bu amac ¸ ic ¸in ¨ onemli bilgi vermektedir. Ancak bahsedilen imgeler c ¸ok b¨ uy¨ uk ebatlardadır. Aynı zamanda kentsel b¨ olgeler s ¨ urekli de ˘ gis ¸mekte ve yenilenmektedir. Bu sebeple periyodik olarak bu b¨ olgelerin g¨ ozlenmesi gerekmektedir. Bahsedilen zorluklardan dolayı bir kullanıcı tarafından bu g¨ ozlemleri analiz etmek hem c ¸ok za- man gerektirmektedir, hem de hataya ac ¸ıktır. Bu nedenle kentsel yerles ¸im b¨ olgelerinin bulunması ic ¸in otomatik bir sis- teme ihtiyac ¸ duyulmaktadır. Konu ile ilgili bir c ¸ok aras ¸tırmacı uydu imgelerinden yerles ¸im b¨ olgelerinin bulunmasını otomatikles ¸tirmek ¨ uzerine u˘ gras ¸ vermis ¸tir. Karathanassi [6] yerles ¸im b¨ olgelerini uydu imgesi ¨ uzerinde sınıflandırmak ic ¸in yo˘ gunluk bilgisini kul- landı. Benediktsson [1] uydu imgelerinden yerles ¸im birim- lerini c ¸ıkarabilmek ic ¸in morfolojik operasyonlar yardımı ile yapısal bilgileri c ¸ıkarttı. ¨ Unsalan ve Boyer [11, 12] gri se- viyeli uydu imgesinde yerles ¸im b¨ olgelerini bulabilmek ic ¸in yapısal ¨ oznitelikleri c ¸ıkarttılar. Takip eden di˘ ger bir c ¸alıs ¸mada, ¨ Unsalan ve Boyer [13] yapısal ¨ oznitelikleri graf teorisin- den yararlandırarak ilis ¸kilendirip yerles ¸im b¨ olgelerini buldu- lar. Fonte [5] uydu imgesi ¨ uzerinde bina niteliklerini bula- bilmek ic ¸in k¨ os ¸e c ¸ıkarıcı algoritmalardan yararlandı. Yaptıkları c ¸alıs ¸ma sonucunda k¨ os ¸e c ¸ıkarıcı algoritmaların uydu imgesi ¨ uzerindeki nesneleri ayırt etmede faydalı oldu˘ gunu ortaya koydular. Bhagavathy ve Manjunath [2] doku analizinden yararlanarak uydu imgelerinde liman, park gibi alanları ayırt etti. Bruzzone ve Carlin [3] y¨ uksek c ¸¨ oz¨ un¨ url¨ ukl¨ u uydu imgelerini sınıflandırmak ic ¸in piksel tabanlı bir y¨ ontem ¨ onerdi. Gelis ¸tirdikleri y¨ ontem ile imgeden ¨ oznitelikler c ¸ıkartıp bunları destek vekt¨ or makineleri ile sınıflandırdı. Fauvel [4] farklı ¨ oznitelikleri farklı sınıflandırıcılar ile sınıflandırdıktan sonra c ¸ıkan sonuc ¸ları birles ¸tirdi ve gri seviyeli uydu imgelerinde yerles ¸im b¨ olgelerini tespit etti. Sırmac ¸ek ve ¨ Unsalan [9] gri seviyeli uydu imgelerinden c ¸ıkarttıkları SIFT (Scale In- variant Feature Transform) ¨ ozniteliklerini graf teorisi ile ilis ¸kilendirerek yerles ¸im birimlerini ve tek tek binaları tespit etti. Bu amac ¸ ic ¸in bir model bina veritabanından yararlandılar. Bu c ¸alıs ¸mada, gri seviyeli uydu imgelerinde yerles ¸im b¨ olgelerini tespit edebilmek ic ¸in yeni bir y¨ ontem ¨ onerdik. ¨ Oncelikle Gabor filtrelerinden yararlanarak farklı y¨ onlerde 978-1-4244-4436-6/09/$25.00 ©2009 IEEE 812