Vehicle Detection and Classification in Aerial Images

Vehicle detection in urban areas from very high resolution UAV color images

“…Bu çalışmada kullanılan yöntem, işlem alanının belirlenmesi, algoritma parametre değerlerinin girilmesi, tanımlanan kuralların işleme dahil edilmesi, tespit edilemeyen araçların belirlenmesi, tespit edilemeyen araçlar için daha küçük lokal alanlarda algoritmanın tekrar çalıştırılması ve tespit edilen araçların doğruluk analizi olmak üzere toplam altı adımdan oluşmaktadır. [23] tarafından yapılan çalışmada, kentsel, kırsal ve ormanlık alanların değişik mevsimlerde çekilmiş 22 cm çözünürlüklü hava fotoğraflarından hareketli, duran ve park halindeki araçların tespiti yapılmıştır. İlk olarak görüntü üzerinde manuel olarak seçilen bir başlangıç pikseli (seed pixel) ile yöntemin uygulaması başlatılıp, görüntü segmentasyonu yapılmıştır.…”

“…Geçmiş çalışmalar ile karşılaştırıldığında, bu çalışmada elde edilen sonuçların doğruluk değerleri, [10], [11], [15], [19], [20], [22] ve [23] tarafından yapılan çalışmalarda elde edilen sonuçların doğruluk değerlerinden daha yüksek, [14] ve [18] tarafından yapılan çalışmalarda elde edilen sonuçların doğruluk değerleri ile hemen hemen aynı, [12], [13], [16], [17], [21] ve [24] tarafından yapılan çalışmalarda elde edilen sonuçların doğruluk değerlerinden nispeten düşüktür. [12], [13], [16], [17], [21] ve [24] tarafından yapılan çalışmalardan elde edilen sonuçların doğruluk değerinin, bu çalışmadan elde edilen doğruluk değerinden nispeten yüksek olmasının nedeni söz konusu geçmiş çalışmaların yöntem kısmında kullanılan verilere radyometrik olarak çeşitli iyileştirme teknikleri uygulanması ve çalışma alanına ait daha önceden denemeler yapmak suretiyle oluşturulmuş ve referans veri olabilecek kadar doğruluğu yüksek, mevcutta olan hazır verilerin (yüzey modelleri, yükseklik verileri vb.…”