ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK …acikarsiv.ankara.edu.tr/browse/24980/Microsoft Word - 425931.tez.docx.pdf · i Özet yüksek lisans tezi sanal Çİzgİ

ANKARA ÜNİVERSİTESİ

FEN BİLİMLERİ ENSTİTÜSÜ

YÜKSEK LİSANS TEZİ

SANAL ÇİZGİ DOĞRULAMA İMGE İŞLEME YÖNTEMİ KULLANARAK

BALASTRO NOKTALARI BULUNAN ESKİ KADASTRAL HARİTALARIN

SAYISALLAŞTIRILMASI VE ONARILMASI

Alişan BALKOCA

ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI

ANKARA 2012

Her Hakkı Saklıdır

i

ÖZET

Yüksek Lisans Tezi

SANAL ÇİZGİ DOĞRULAMA İMGE İŞLEME YÖNTEMİ KULLANARAK BALASTRO NOKTALARI BULUNAN ESKİ KADASTRAL HARİTALARIN

SAYISALLAŞTIRILMASI VE ONARILMASI

Alişan BALKOCA

Ankara Üniversitesi Fen Bilimleri Enstitüsü

Elektronik Mühendisliği Anabilim Dalı

Danışman: Prof. Dr. H.Gökhan İLK

Bu çalışmada ada/parsel köşe noktalarında içi boş yuvarlaklar (balastro noktası)

bulunduran kadastral haritaları (pafta) operatörün bir CAD yazılımı kullanarak elle

vektörlemesine, otomatik/yarı otomatik vektörleme yaparak destek olması hedeflenen

“Sanal Çizgi Doğrulaması” yöntemi geliştirilmiştir. Sanal çizgi doğrulama yönteminde

öncelikle “Moore Komşuluk Takibi” yöntemi ile içi boş yuvarlaklar olan ve ada/parsel

köşe noktalarını oluşturan balastro noktaları bulunmuştur. Ada/parsel kapalı alanlarının

bulunması için gerekli olan, balastro noktaları arasındaki topolojik ilişki, bir balastro

noktasından çıkan çizginin doğrultusu ve çıkış açıları bulunup, bu açı aralığı içindeki

balastro noktaları arasında çizgi kontrolü ve doğrulaması yapılarak gerçekleştirilmiştir.

Bu sayede piksel bazlı çizgi takip ve Hough tabanlı çizgi bulma yöntemlerine göre daha

verimli çalışan ve anlamlı sonuçlar üreten bir sistem gerçekleştirilmiştir. Balastro

noktalarının bulunmasında ortalama %91.56, ada/parsel sınırlarını oluşturan çizgilerin

bulunmasında ortalama %79.1 başarım sağlanmıştır.

Mart 2012, 67 sayfa Anahtar Kelimeler: Kadastral Pafta, Harita, Vektörleme, Kontur Takibi, Moore Komşuluk Takibi, Sanal Daire ile Dal Bulma, Sanal Çizgi Doğrulaması

ii

ABSTRACT

Master Thesis

DIGITIZATION AND RESTORATION OF CADASTRAL MAPS THAT CONTAIN NULL CIRCLES AS NODES USING VIRTUAL LINE VALIDATION IMAGE

PROCESSING TECHNIQE

Alişan BALKOCA

Ankara University Graduate School of Natural and Applied Sciences

Department of Electronic Engineering

Supervisor: Prof. Dr. H. Gökhan İLK

In this study a novel automatic/semi automatic vectorization method called “Virtual

Line Validation” is developed to help operators who manually vectorize cadastral maps,

which contain null circles as nodes of parcels, using CAD software. In virtual line

validation method firstly nodes which represent parcel edges are found by Moore

Nieghbourhood Tracing algorithm. Topological links that are essential for extraction

parcel regions are resolved by identifying direction and angle of line connected to node

under test and validating lines connected to other nodes which are inside angle interval

of node under test, using virtual line valitadion method. In this manner an algorithm is

developed which is efficient and producing meaningful results than generic line tracing

and Hough based line recognition methods. The avarage success rate for finding

vertices of parcels is %91.56 and the avarage success rate for finding border lines of

parcels is %79.1.

March 2012, 67 pages Key Words: Cadastral Map, Vectorization, Contour Tracing, Moore Neighbourhood Tracing, Finding Branches by Virtual Circle, Virtual Line Validation

iii

TEŞEKKÜR

Tez ve diğer bilimsel çalışmalarımda beni yönlendiren, motive eden ve hiçbir zaman

desteğini esirgemeyen Ankara Üniversitesi Elektronik Mühendisliğinden sayın Prof. Dr.

H. Gökhan İLK’e, tez çalışmalarım sürerken bana sağladıkları esneklik için Progis

Yazılım ve EGO Raylı Sistemler Daire Başkanı Sayın Kemal TEMİZ’e teşekkürü borç

bilirim.

Tez çalışmam süresince beni destekleyen ve her zaman bana güvenen aileme ve Sayın

Çağrı ALPARSLAN’a minnetlerimi sunarım.

Alişan BALKOCA

Ankara, Mart 2012

iv

İÇİNDEKİLER

ÖZET ............................................................................................................................ i

ABSTRACT ................................................................................................................ ii

TEŞEKKÜR ............................................................................................................... iii

KISALTMALAR DİZİNİ ......................................................................................... vi

ŞEKİLLER DİZİNİ ................................................................................................. vii

ÇİZELGELER DİZİNİ ............................................................................................ ix

1. GİRİŞ .................................................................................................................... 1

1.1 Tezin Amacı ......................................................................................................... 2

1.2 Tezin Kapsamı ...................................................................................................... 3

2. KURAMSAL TEMELLER ................................................................................ 6

2.1 Kadastral Paftalar ................................................................................................ 6

2.2 Vektörleme İşlemi ................................................................................................. 7

3. VERİLER ve YÖNTEM ..................................................................................... 9

3.1 Veriler .................................................................................................................... 9

3.1.1 Paftalardaki ortak sorunlar ........................................................................... 10

3.2 Yöntem ................................................................................................................ 13

3.2.1 Çizgi bulma ve çizgi takip yöntemleri ........................................................... 15

3.2.1.1 Hit-or-Miss dönüşümü ................................................................................. 16

3.2.1.2 Hough dönüşümü ile çizgi bulma ................................................................ 21

3.2.2 Balastro noktalarının bulunması ve sanal çizgi doğrulama yöntemi

kullanılarak çizgilerin tespiti ......................................................................... 24

3.2.2.1 Dairesel Hough dönüşümü .......................................................................... 25

3.2.2.2 Moore komşuluk takibi yöntemi ................................................................. 28

3.2.2.3 Sanal çizgi doğrulama yöntemi kullanılarak iki nokta arasındaki

çizginin tespiti .............................................................................................. 36

v

3.2.2.4 Balastro noktalarından çıkan dalların açılarının bulunması ve

bağlantı kontrolü ........................................................................................ 41

3.2.3 İlişkilerin topolojik olarak ifade edilmesi ..................................................... 52

4. TARTIŞMA ve BULGULAR ........................................................................... 55

4.1 Deney Sonuçları .................................................................................................. 55

5. SONUÇ ............................................................................................................... 59

KAYNAKLAR .......................................................................................................... 61

EKLER ...................................................................................................................... 63

Ek 1 Tez Boyunca Kullanılan 1 Numaralı Pafta ................................................... 64

ek 2 Tez Boyunca Kullanılan 2 Numaralı Pafta .................................................... 65

Ek 3 Tez Boyunca Kullanılan 3 Numaralı Pafta ................................................... 66

ÖZGEÇMİŞ .............................................................................................................. 67

vi

KISALTMALAR DİZİNİ

CAD Computer Aided Design

DHD Dairesel Hough Dönüşümü

MKT Moore Komşuluk Takibi

SÇD Sanal Çizgi Doğrulaması

SPO Siyah Piksel Oranı

vii

ŞEKİLLER DİZİNİ

Şekil 1.1 Örnek balastro noktası ....................................................................................... 3

Şekil 1.2 Çalışmada gerçekleştirilen vektörleme aşamaları .............................................. 4

Şekil 2.1 Çeşitli paftalardan kesitler ................................................................................. 6

Şekil 2.2 Aşırı vektörleme örneği ..................................................................................... 8

Şekil 3.1 İdeale yakın balastro noktası ............................................................................ 11

Şekil 3.2 Bozunmuş balastro noktaları............................................................................ 11

Şekil 3.3 Kopuk çizgi örneği ........................................................................................... 12

Şekil 3.4 Silik çizgi örneği .............................................................................................. 12

Şekil 3.5 Kesişen çizgiler ................................................................................................ 12

Şekil 3.6 Örnek yapısal eleman ....................................................................................... 17

Şekil 3.7 Kullanılan yapısal elemanlar............................................................................ 18

Şekil 3.8 İnceltme işleminden sonra alınan örnek kesit .................................................. 18

Şekil 3.9 Hit-or-Miss işleminin gerçekleştirildiği kesit .................................................. 19

Şekil 3.10 Hit-or-Miss yöntemiyle birleşme (junction) ve bitim noktalarının

bulunması ...................................................................................................... 20

Şekil 3.11 Balastro noktalarında bulunan birleşim noktaları .......................................... 21

Şekil 3.12 Hough parametrelerinin geometrik gösterimi ................................................ 22

Şekil 3.13 Hough dönüşümü ile çizgi tespiti .................................................................. 23

Şekil 3.14 Doğal vektörleme süreci ................................................................................ 24

Şekil 3.15 DHD ile bulunmuş örnek noktalar ................................................................. 26

Şekil 3.16 DHD'nin örnek pafta üzerindeki çıktı kesiti .................................................. 27

Şekil 3.17 DHD ile yanlış tespit edilen nokta ................................................................. 27

Şekil 3.18 Moore Komşulukları. (a. 4’lü komşuluk, b. 8’li komşuluk) .......................... 28

Şekil 3.19 MKT algoritması ile çıkartılan örnek alan ..................................................... 29

Şekil 3.20 MKT yöntemi ile bulunan kontur ve kapalı bölgeler .................................... 32

Şekil 3.21 MKT ile bulunan balastro noktaları ............................................................... 33

Şekil 3.22 Dairesellik kriterini sağlayamayan örnek balastro noktası ............................ 34

Şekil 3.23 a. 8 komşuluk kullanılan MKT işlemi, b. 4 komşuluk kullanılan

MKT işlemi ................................................................................................... 34

Şekil 3.24 Eleme işleminden sonra bulunan kapalı imge bölgeleri ................................ 35

viii

Şekil 3.25 Genişletme işlemi .......................................................................................... 36

Şekil 3.26 Sanal çizgi doğrulama yöntemi akış şeması .................................................. 37

Şekil 3.27 Bir daldan birden fazla noktaya yapılan yanlış bağlantı ................................ 39

Şekil 3.28 Dallanma olmayan bölgeye yapılan yanlış bağlantı ...................................... 39

Şekil 3.29 Çift bağlantının kural setinden sonra düzeltilmiş hali ................................... 40

Şekil 3.30 Bresenham Çember Algoritması (8 Çeyrek) ................................................. 42

Şekil 3.31 Hesaplanan bir piksel değerinin 8 simetrisi ................................................... 42

Şekil 3.32 Dalların bulunması ......................................................................................... 43

Şekil 3.33 Dalları bulmak için kullanılan 1xN'lik dizinin analizi ................................... 44

Şekil 3.34 Eşik değerinin yanlış seçilmesi durumunda gerçekleşen dal bulma işlemi ... 44

Şekil 3.35 Test altındaki noktaya göreli bölgeler ........................................................... 45

Şekil 3.36 Dal ve Balastro noktası merkezleri ................................................................ 46

Şekil 3.37 Noktalar arasındaki açı kontrolü. (1. Başarılı doğrultu, 2.

Başarısız doğrultu) ...................................................................................... 48

Şekil 3.38 Noktalar arası bağlantı akış şeması ................................................................ 50

Şekil 3.39 Dallara göre çizgi tespiti ................................................................................ 51

Şekil 3.40 Dalların noktalarla ilişkisi .............................................................................. 52

Şekil 3.41 İlişkilerin ağ yapısı ......................................................................................... 53

Şekil 3.42 Kapalı alan yapısının basit UML diyagramı .................................................. 54

Şekil 4.1 Dal bulma başarımını etkileyen örnekler ......................................................... 57

Şekil 4.2 Yanlış dal olarak bulunan örnekler .................................................................. 57

Şekil 4.3 Eksik balastro noktası ...................................................................................... 58

ix

ÇİZELGELER DİZİNİ

Çizelge 3.1 Test Paftalarının Özellikleri ......................................................................... 10

Çizelge 3.2 MKT Akışı ................................................................................................... 29

Çizelge 4.1 Balastro noktalarının bulunma başarımı ...................................................... 56

Çizelge 4.2 Balastro noktalarından çıkan dalların test sonuçları .................................... 56

Çizelge 4.3 Ada/Parsel sınırlarını oluşturan çizgilerin başarımı ..................................... 57

1

1. GİRİŞ

Kadastral haritalar mülkiyeti gösteren en temel resmi haritalardır. Bu haritalar tarım

arazilerinden şehir içindeki ada parsellerin gösterimine kadar geniş bir alanda

kullanılmaktadır. Tapu ve Kadastro Müdürlüklerinde bulunan bu kadastral paftaların

%75’i (~350.000 adet) taranmamıştır. Tarananların yaklaşık %50’si de vektörel veri

halinde değildir. İşlem görecek olan paftalar taranmamış ise öncelikle taranarak

sayısallaştırılmakta ve daha sonra elle bilgisayar ortamında çizilerek vektörel hale

getirilmektedir. Bir kadastral paftayı vektörel hale getirme işlemi, pafta üzerindeki

kapalı alanların tespit edilmesi ve koordinatların belirli bir koordinat sistemine göre

sunulması olarak özetlenebilir.

Bu çalışma disiplinler arası bir çalışma olduğundan ileriki bölümlerde kavram kargaşası

olmaması için vektörleme ile sayısallaştırma arasındaki farkı açıklamak faydalı

olacaktır. Sayısallaştırma, bilgisayar bilimlerinde verinin bitler ile ifade edilmesi

anlamına gelmektedir. Yani bir imgenin taranması aslında onun sayısallaştırılması

anlamına gelmektedir. Ancak harita mühendisliği tarafından bakınca sayısallaştırma

terimi taranmış bir haritanın bir CAD ortamında çizilerek bilgisayar çizimi haline

getirilmesi anlamına gelmektedir. Yani bir çizimin vektörlenmesi haritacılık alanında

aslında o çizimin sayısallaştırılmasıdır. Bu işlem bu çalışmada bundan sonra

“vektörleme” olarak anılacaktır.

Çeşitli çizim araçları kullanılarak yapılan vektörleme işlemi, paftanın özelliklerine göre,

bir harita teknikerinin saatlerini alabilmektedir. Vektörel veri haline dönüştürülmemiş

pafta sayısının çokluğu düşünüldüğünde vektörleme işleminin elle yapılması oldukça

verimsizdir. Bu nedenle çeşitli vektörleme araçları geliştirilmiştir. Bu araçlar,

görüntüden elde edilen verilerin tamamının vektörize edilmesi temeline dayandığı için,

çoğu zaman pafta üzerindeki yazıların ve bilgilendirme amaçlı çizilen harici çizgilerin

de sayısallaştırılmasına sebep olmaktadır. Katona ve Hudra (1999), yaptıkları çalışmada

Macaristan kadastral haritalarında, iskeletleştirme işleminden sonra çizgi benzeri yapılar

yorumlanarak bu görüntülere ait semboller belirlenmiştir. Haritalar üzerinde tanınan

sembollerden birisi de parsellerin köşe noktalarındaki içi boş yuvarlaklardır. Bu

2

yuvarlak köşe noktaları Türkiye kadastrosunda kullanılan haritalardaki balastro

noktalarıyla aynı özellikleri taşımasına rağmen, bunlarla birlikte tanınan birçok sembol

vardır. Bu çalışmada çizgilerin bulunması için inceltme yapıldıktan sonra çizgilerin

birleşim ve bitim noktaları bulunmuştur. Ancak elimizdeki paftaların standart bir

şablonla çizilmemiş olmasından dolayı birleşim ve bitim noktalarının bulunması, çok

fazla kontrol işlemi gerektirmektedir. Bu nedenle de verimli sonuç vermemektedir.

Bang ve Hong (1997), çalışmalarında Kore kadastro haritalarındaki karakterler ile

parsel çizgilerinin ayrıştırılması için görüntüler siyah-beyaz biçime çevrildikten sonra

inceltme işlemi gerçekleştirmiştir. İnceltme işlemi her görüntü içinde sabit kabul edilen

çizgi kalınlığının tespit edilip, bu çizgilerin karakterlerden ayrılması için uygulanmıştır.

Çizgilerin kesişim noktalarında ve karakterlerin çizgilerle karıştığı noktalarda da sabit

çizgi kalınlığı kullanılarak karışıklık önlenmiştir. Bu yaklaşımın işlevsel olabilmesi için,

ayrıştırılacak olan paftalarda sabit çizgi kalınlığı kullanılması gerekmektedir.

Ülkemizde bulunan kadastral haritaların çoğunda bu şekilde bir standardizasyon

sağlanamadığından bu yöntemin kullanılabilirliği mümkün olmamaktadır. Bu çalışmada

ada/parsel köşe noktalarında içi boş yuvarlak balastro noktaları bulunan kadastral

haritaların özelliklerine daha uygun bir yöntem geliştirilmiştir. İçi boş yuvarlak noktalar

olan balastro noktaları Moore Komşuluk Takibi (Pradhan vd. 2010) yöntemiyle

bulunduktan sonra bu noktaların arasındaki çizgilerin varlığının kontrolü, bu çalışmada

önerilen “Sanal çizgi doğrulama yöntemi” ile sağlanmıştır. Sanal çizgi doğrulama

yöntemi genel çizgi takip ve Hough tabanlı çizgi tanıma yöntemlerinden daha verimli

çalışmakta ve daha anlamlı sonuçlar üretmektedir.

1.1 Tezin Amacı

Mülkiyetin temel birimi olan kadastral paftaların günümüz koşullarında işlem

görebilmesi için bilgisayar ortamına alınıp, vektörel veri haline getirilmesi zorunludur.

Üzerindeki bilgilerin mülkiyete temel oluşturduğu da düşünülecek olursa bu belgelerin

orijinal haline en yakın şekilde bilgisayar ortamında vektörel veri haline getirilmesi

günümüzde büyük ihtiyaç haline gelmiştir. Kadastral paftaların çok az bir yüzdesi

vektörel halde bulunmaktadır. Bu yüzdenin az olmasındaki en önemli etken bu işlemin

zaman ve emek gerektiren bir çalışma olmasıdır. Elle çizim ve daha sonrasındaki çizilen

alanların doğruluk kontrol işlemi hem süre hem de iş gücü bakımından oldukça

verimsizdir. Vektörleme

konunun kendine has problemleri ve detayları olduğundan dolayı genel çözümler bu

tarz bir problemi çözmekte yetersiz kalmaktadır.

Bu çalışmada normal

ada/parsel kapalı alanlarının köşe noktalarını oluşturan balastro noktalarının (Şekil 1.1)

bulunması, noktaların arasındaki topolojik yapının algılanması

topolojik ilişkiler sayesin

yöntemi) tespit edilebilir.

1.2 Tezin Kapsamı

Kadastral paftaların çiziminde belirli bir standardizasyon oturtulamadığı ve çizimler

kağıt ortamında elle yapıldığı için 1950 yılından bu yana çok çeşitli kadastral pafta

tipine rastlanmaktadır. Ancak Tapu ve Kadastro

yönetmeliğinde belirttiği üzere kadastral paftalardaki kapalı alanlar

(ada/parsel alanları gibi) balastro olarak tabir edilen ve boyutları belirli olan içi boş

noktalar kullanılarak çizilmelidir.

çoğu içi boş köşe noktalarına sahip olduğundan dolayı bu çalışmada bu tip paftaların

vektörlenmesi hedeflenmiştir.

3


Vektörleme işlemleri için görüntü işleme yazılımları bulunmakta ancak


tarz bir problemi çözmekte yetersiz kalmaktadır.

normal vektörleme yöntemlerinin dışında, imgedeki kilit nokta sayılan ve


noktaların arasındaki topolojik yapının algılanması

topolojik ilişkiler sayesinde kapalı alanlar çeşitli yöntemler kullanılarak (Ör: graph

yöntemi) tespit edilebilir.


ortamında elle yapıldığı için 1950 yılından bu yana çok çeşitli kadastral pafta

tipine rastlanmaktadır. Ancak Tapu ve Kadastro Genel

yönetmeliğinde belirttiği üzere kadastral paftalardaki kapalı alanlar

ı gibi) balastro olarak tabir edilen ve boyutları belirli olan içi boş

noktalar kullanılarak çizilmelidir. Bunun yanı sıra günümüze kadar gelen paftaların


deflenmiştir.

Şekil 1.1 Örnek balastro noktası


işlemleri için görüntü işleme yazılımları bulunmakta ancak


imgedeki kilit nokta sayılan ve


noktaların arasındaki topolojik yapının algılanması hedeflenmiştir. Bu

yöntemler kullanılarak (Ör: graph


ortamında elle yapıldığı için 1950 yılından bu yana çok çeşitli kadastral pafta

Genel Müdürlüğünün de

yönetmeliğinde belirttiği üzere kadastral paftalardaki kapalı alanların köşe noktaları

ı gibi) balastro olarak tabir edilen ve boyutları belirli olan içi boş

Bunun yanı sıra günümüze kadar gelen paftaların


4

Çalışma kullanıcının el ile yapacağı çizimleri en aza indirmesi için pafta üzerindeki

kapalı alanların köşe noktalarının bulunup bunların ilişkilerinin çıkartılmasını sağlayan

yöntemi kapsamaktadır. Çalışmada kullanılan pafta tipi eş yükselti eğrileri bulunmayan,

kapalı alanların köşelerinde balastro noktaları bulunan pafta tipi kullanılmıştır.

Kullanılan paftaların detayları bölüm “3.1 Veriler” kısmında açıklanmıştır.

Şekil 1.2 Çalışmada gerçekleştirilen vektörleme aşamaları

Şekil 1.2’de görüldüğü gibi çalışmada önerilen vektörleme yöntemi üç aşamadan

oluşmaktadır.

1. Ada/Parsel köşelerindeki balastro noktalarının bulunması (Şekil 1.2.a).

2. Bulunan noktalar arasındaki çizgilerin ve ilişkilerin tespiti (Şekil 1.2.b).

3. Bu ilişkilerin analizi sonucunda ada/parsel kapalı alanının çıkartılması (Şekil

1.2.c).

Bu çalışmada vektörleme işleminin ilk iki aşaması gerçekleştirilmiştir. Üçüncü aşama

olan “topolojik ilişkilerden kapalı alanların tespiti” bu çalışmanın konusu içinde

5

değildir. Vektörlemenin bu aşaması, ağ analizi ve graph teorisi konularını içerdiğinden

bu tezin kapsamı ötesindedir.

Vektörleme için gerekli olan ada/parsel kırık-köşe noktalarını oluşturan balastro

noktalarının bulunması ve bulunan noktalar arasındaki çizgilerin ve ilişkilerin tespiti

işlemlerinin detayları 3.2 Yöntem ve 4. Tartışma ve Bulgular kısmında anlatılmıştır.

6

2. KURAMSAL TEMELLER

2.1 Kadastral Paftalar

Kadastral haritalar; imar uygulamaları, arazi toplulaştırması, coğrafi bilgi sistemleri,

kamulaştırma projeleri, tarım reformu projeleri, 2B ve orman alanlarının tespiti gibi

birçok uygulamada temel altlık olarak kullanılan mülkiyet haritalarıdır. Son dönemde

(1990-2009) üretilen kadastral haritaların dışında kalan büyük bir kısmı ~1900-1960

yılları arasında ve süre gelen yıllarda üretilmiştir. O dönemlerde üretilen haritalar farklı

ölçeklerde ve farklı altlıklar üzerine (astrolon, karton, kağıt, aydınger vb.) çizilmiştir.

Şekil 2.1 Çeşitli paftalardan kesitler

7

Bu paftaların hemen hemen hepsi el ile çizilmiş paftalardır. Bu sebeple üzerlerinde

kural dışı işaretlemeler, alınmış notlar, olmaması gereken çizgiler bulunmaktadır (Şekil

2.1). Bunun yanı sıra çoğu, eski paftalar olduğundan dolayı maddi yıpranmaya maruz

kalmışlardır. Çoğunda kağıt katlama yerleri normal çizimi bastıracak kadar

belirginleşmiştir. Bazılarında sıvı lekelerine rastlanabilmektedir.

2.2 Vektörleme İşlemi

Vektörleme işlemi özet olarak kadastral paftaların sayısal ortama geçirildikten sonra, bir

CAD yazılımı kullanılarak görsel öğelerin vektörler halinde bilgisayar çizimi haline

getirilme işlemidir. Giriş bölümünde de belirtildiği gibi bilgisayar bilimlerinde

sayısallaştırma, verinin bitler ile ifade edilmesi anlamına gelmektedir. Yani bir imgenin

taranması aslında onun sayısallaştırılması anlamına gelmektedir. Ancak harita

mühendisliği tarafından bakınca sayısallaştırma terimi taranmış bir haritanın bir CAD

ortamına çizilerek bilgisayar çizimi haline getirilmesi anlamını taşımaktadır. Yani bir

çizimin vektörlenmesinin haritacılık alanındaki karşılığı o çizimin sayısallaştırılmasıdır.

Paftalar için vektörleme işlemi ülkemizde elle yapılmaktadır. Operatör taranmış

paftanın üzerinden bir CAD yazılımı yardımıyla çizim yaparak paftayı vektörize hale

getirir. Bu sayede paftanın vektörize edilmiş versiyonu bilgisayar ortamında

saklanabilir.

Vektörleme işleminin en önemli noktası, sadece gerekli öğelerin birbirleriyle olan

topolojik bağları gözetilerek bilgisayar ortamına aktarılmasıdır. Bir çizimin üzerindeki

bütün çizgilerin, gürültüler dahil, birbirleriyle ilişkileri (hangi çizgilerin birbirine bağlı

olduğu, hangilerinin bir kapalı alan oluşturduğu vs.) gözetilmeden sayısal ortama

aktarılması sadece tarayıcının yapacağı tarama işleminden öteye gidememektedir.

Özellikle haritalar için vektörleme işleminin eksiği ya da fazlası olmadan yapılması

oldukça önemlidir.

8

Şekil 2.2 Aşırı vektörleme örneği

Şekil 2.2’de her bir ayrıntının vektörize edilmesinden kaynaklanan kesişimler ve

fazlalıklar görülmektedir.

Vektörleme işlemi için çeşitli yazılımlar geliştirilmiş durumdadır ancak bu çözümler

ülkemizde kullanılan paftaların yapısına yeterince uyum gösterememektedir.

Vektörleme için Hough dönüşümü kullanan yöntemlerin (Katsuri vd. 1990) dışındaki

bütün yöntemler temelde çizgi inceltme ve çizgi takip yöntemlerini (Ren vd. 2002)

kullanmaktadır. Bu çizgi takip yöntemleri tek başına gerçekte çizime ait olmayan

öğeleri ayırt edemediği gibi çizim üzerindeki topolojik bağlantıları da

çıkartamamaktadır. Bölüm 2.1 Kadastral Paftalar kısmında bahsedildiği gibi paftalar

elle çizildiğinden beklenmeyen çizgi, desen, vb. öğeleri barındırmaktadır. Bu da bu

yöntemlerin kullanılan paftalarda yetersiz kaldığı anlamına gelmektedir. Bu sebeple

ülkemizde kullanılan paftalara daha uygun ve daha hızlı sonuçlar veren bir vektörleme

yöntemi bu çalışmada incelenmiş ve gerçekleştirilmiştir.

9

3. VERİLER ve YÖNTEM

3.1 Veriler

Kadastro paftaları kadastral ada/parsel alanlarını gösteren mülkiyet haritalarıdır. Bu

haritaların eş yükselti eğrileri barındıran, balasto noktaları bulunan, balastro noktaları

bulunmayan, vs. gibi birden fazla çeşidi bulunmaktadır.

Bu çalışmada balastro noktaları olan paftalar kullanılmıştır. Bu paftalar tek bitlik, siyah

beyaz, tif formatında imgelerdir. Yapılan çalışmanın sonuçları detaylı olarak üç pafta

üzerinde denenmiştir. Bu paftaların ortak noktası belirli kusurlara ve pratikte

karşılaşılabilecek zorluklara sahip olmalarıdır. Bu ortak noktalar aşağıdaki gibi

sıralanabilir:

• Birbirine çok yakın ya da iç içe geçmiş noktalar ve birbirini kesen çizgiler

• Bozunmadan kaynaklanan kopuk çizgiler

• Bozunmadan kaynaklanan tam kapalı olmayan ya da bazı yerlerde hiç

bulunmayan balastro noktaları

• Haritaya ait olmayan ve normal şartlarda olmaması gereken çizgiler, şekiller ve

yazılar

Bu ortak sorunlar “3.1.1 Paftalardaki Ortak Sorunlar” başlığı altında detaylı olarak

incelenecektir.

Çizelge 3.1’de çalışmada kullanılan paftaların özellikleri verilmiştir.

10

Çizelge 3.1 Test Paftalarının Özellikleri

PAFTA 1 PAFTA 2 PAFTA 3

Ölçek 1/2000 1/2000 1/2000

Boyut 9840x5976 7924x6608 7918x6608

Boyut (MB) 103KB 144KB 148KB

DPI 400 400 400

Mevkii Ankara, Yenimahalle

Sarıcak

Ankara, Yenimahalle

Sarıcak

Ankara, Yenimahalle

Sarıcak

Ada/Parsel Sayısı 38 35 87

Kapalı Alanları Oluşturan Çizgi

Sayısı

178 204 396

Kapalı Alanları Oluşturan Balastro

Noktası Sayısı

143 170 308

Başarım kriterlerinin çıkartıldığı öznitelikler balastro noktaları sayısı ve kapalı alanları

oluşturan çizgi sayısıdır. Bu iki öznitelik birbirine bağlı olmakla birlikte vektörleme

işleminin genel başarısı balastro noktalarının bulunmasından ve bunlara bağlı bulunan

çizgilerin topolojik yapılarının düzgün olarak çıkartılmasından geçmektedir.

Bu üç pafta genel olarak balastro noktaları bulunduran paftaların bilinen çoğu sorununu

içerdiği için seçilmiştir. Birinci paftada birbirini kesen yazılar, bozuk balastro noktaları

bulunmasına rağmen ada/parseller daha geniş bir alana yayılmış şekilde bulunmaktadır.

İkinci paftada ada/parsel aralarından geçen yollar diğer iki paftaya göre daha fazladır.

Üçüncü paftada ise birbirine çok yakın ve çok küçük ada/parsel öbekleri bulunmaktadır.

3.1.1 Paftalardaki ortak sorunlar

Paftalarda vektörleme sürecini etkileyebilecek olan ortak sorunlar gürültü, pafta üzerine

elle yazılmış olan yazıların ada/parsel sınırlarını kesmesi, balastro noktalarının şablon

kullanılarak çizilmemesi ve çizgi veya noktalarda oluşan silikliklerdir. Bu sorunlar

ardışıl olarak toplam başarımı etkileyecek sorunlar olup bir tanesinin çözülmesi

başarımı büyük ölçüde etkilemektedir.

11

Örneğin bir balastro noktasının bulunamaması ona bağlı çizgilerin ve ilişkilerin

bulunamaması anlamına gelmektedir. Bu nedenle bunların iyi anlaşılıp çözümlenmesi

vektörleme sürecinin başarımında büyük önem arz etmektedir.

Şekil 3.1 İdeale yakın balastro noktası

Şekil 3.2 Bozunmuş balastro noktaları

Normal bir balastro noktası içi tam olarak boş, tam düzgün kapalı çember olmalıdır

(Şekil 3.1). Şekil 3.2’de görüldüğü gibi bazı balastro noktalarının kenarları açık yani

birleşmemiş durumdadır. Bazılarının ise şekli bozuk ve içleri tam olarak boş değildir.

12

Şekil 3.3 Kopuk çizgi örneği

Bazı balastro noktalarının dışında, çizgilerde de kopukluklar bulunmaktadır. Bazı

çizgiler bozulmadan dolayı silik hale gelmiştir (Şekil 3.3-3.4). Harita üzerinde bulunan

elle yazılmış yazılar da görüntüyü işlemeyi zorlaştıracak şekilde ada/parsel sınırlarını

oluşturan çizgileri kesmektedir. Bazı noktalarda yazılar, çizgiler ve noktalar iç içe

girmiş durumdadır (Şekil 3.5).

Şekil 3.4 Silik çizgi örneği

Şekil 3.5 Kesişen çizgiler

13

Çalışmada kullanılan paftalar Ek 1-2-3’de sunulmuştur.

3.2 Yöntem

Vektörleme işlemindeki genel yaklaşım öncelikle çizgilerin bulunması, gereksiz

detayların filtrelenmesi ve geriye kalan çizgilerin birbiriyle ilişkisinin tespiti şeklinde

olmaktadır.

Görüntü işleme teknikleriyle çizgi bulma işlemi için birçok yöntem geliştirilmiştir.

Yöntemlerin çoğu inceltme (thinning) ve çizgi takip etme temeline dayanmaktadır. Bu

yöntemlerden temelde mantık olarak ayrılanlar Hough tabanlı yöntemlerdir. Hough

tabanlı yöntemlerin en büyük dezavantajı ise diğer piksel bazlı yöntemlere göre daha

fazla hafıza ve işlem gücü gerektirmeleridir (Murakami ve Naruse 2000). Bu nedenle

piksel bazlı çizgi takip yöntemleri harita uygulamalarında daha sık görülmektedir.

Kadastral paftalarda köşe noktalarını, içi boş yuvarlaklar olan balastro noktaları temsil

etmektedir. Katona ve Hudra (1999)’nın önerdiği yöntemde bu köşe/bitim noktaları içi

boş yuvarlaklardan noktalara indirgenmiştir. Bu köşe ve bitim noktalarının

bulunmasında “hit-or-miss” (Maity vd. 2011) yöntemi yaygın olarak kullanılmaktadır.

Hit-or-miss dönüşümü yönteminde bir yapısal eleman belirli bir pencere içinde

gezdirilerek, penceredeki desene uyan bölgeler köşe olarak belirlenmektedir. Bulunan

köşelere bağlı olan çizgiler takip edilip noktalar arasındaki ilişki bulunmakta ve bu

ilişkileri tutan bir komşuluk matrisi oluşturulmaktadır. Bu komşuluk matrisinin

topolojik analizi sayesinde de kapalı alanların tespiti hedeflenmiştir.

Bu çalışmada da ilk olarak Hit-or-Miss yöntemiyle köşe/bitim noktalarının tespiti ve

bunlar arasındaki ilişkilerin analizi sayesinde ada/parsel alanlarının tespiti yapılmaya

çalışılmıştır. İkinci denenen yöntemde ise Hough çizgi bulma yöntemiyle paftalar

üzerindeki çizgilerin ve bunlardan oluşan kapalı alanları bulmakta kullanılabilecek

topolojik ilişkilerin tespiti yapılmaya çalışılmıştır. Ancak paftaların büyüklüğü, elle

çizilmesinden kaynaklanan detay ve gürültülerden dolayı bu iki yöntemde de işlem

14

süresinin çok uzun olması ve anlamlı sonuçlar elde edilmediği için başarı

sağlanamamıştır.

Yapılan incelemeler sonrasına doğru yaklaşımın öncelikle pafta üzerindeki bütün

çizgileri bulup, hangilerinin işe yarar olup olmadığını tespit ettikten sonra bu çizgilerin

arasındaki ilişkilerin çıkartılması olmadığı anlaşılmıştır ve bunun üzerine özgün bir

yöntem geliştirilmiştir.

Geliştirilen özgün yöntemde öncelikle ada/parsel sınırlarını belirleyen balastro

noktalarını bulup, bir kapalı alan oluşturabilmesi için bunları bağlaması gereken

çizgilerin varlığının kontrol edilmesi yoluna gidilmiştir. Yani var olan çizgiler değil, var

olması gereken, varlığı muhtemel olan çizgilerin kontrolü yapılmıştır. Bu sayede hem

bütün çizgileri bulmak hem de sonrasında onları gürültüden ayırmak için gereken işlem

gücünden tasarruf edilmiştir. İşlem basamakları daha verimlileştirildiği için gerçek

zamanlı/neredeyse gerçek zamanlı çalışan ve daha anlamlı sonuçlar üreten bir sistem

gerçekleştirilebilmiştir.

Çalışmada geliştirilmiş olan özgün yöntemde paftaların otomatik/yarı otomatik

vektörleme süreci temel olarak üç ana kısma ayrılabilir; Ada/Parsel köşe noktalarının

bulunması, bu noktaların arasındaki çizgilerin ve bu bilgilere dayanarak noktalar ile

çizgiler arasındaki topolojik ilişkilerin tespit edilmesidir.

Vektörleme süreci için öncelikle ada/parsellerin köşe noktaları bulunmuştur. Sağlıklı bir

vektörleme işlemi için köşe/kırık noktaları arasındaki bağlantıların topolojik yapısının

da bulunması gereklidir. Bulunan köşe noktalarını birleştiren çizgiler tespit edilirken bu

çizgilerin hangi iki ve/veya daha fazla köşe noktasını birleştirdiği de bulunmalıdır. Bu

nedenle sadece çizgiler bulunmamış bu çizgilerin hangi köşe noktalarını birleştirdiği de

bir ağ yapısına kaydedilmiştir. Bu sayede ilişkiler tespit edilebilmiştir.

Ada/parsellerin köşe noktalarını oluşturan, içi boş balastro noktalarının bulunması için

öncelikle Dairesel Hough Dönüşümü (DHD) yöntemi denenmiş ancak kullanılan

15

paftalar üzerinde işlem süresi göz önünde bulundurularak çok verimli çalışmadığı

gözlemlenmiştir. Balastro noktalarının bulunması için DHD yöntemi yerine daha hızlı

ve verimli çalışan “Moore Komşuluk Takibi” (MKT) yöntemi kullanılmıştır.

Vektörleme işleminin ikinci aşamasında, bulunan balastro noktaları arasındaki topolojik

ilişkilerin tespiti için balastro noktalarını birbirine bağlayan çizgileri bulmak

gerekmektedir. Balastro noktalarını bağlayan çizgilerin tespiti için de bu çalışmada

geliştirilmiş olan “Sanal Çizgi Doğrulama Yöntemi” kullanılmıştır.

“3.2.1 Çizgi bulma ve çizgi takip yöntemleri” başlıklı bölümde hit-or-miss dönüşümü

ve Hough dönüşümü yöntemleri ada/parsel kapalı alanlarını bulmak için denenmiş ve

sonuçları incelenmiştir.

“3.2.2 Balastro noktalarının bulunması ve sanal çizgi doğrulama yöntemi kullanılarak

çizgilerin tespiti” başlığında çizgilerin tespiti için bu çalışmada önerilen yöntem

anlatılmaktadır. Sanal çizgi doğrulaması yöntemi “3.2.2.4 Balastro noktalarından çıkan

dalların açılarının bulunması ve bağlantı kontrolü” başlığı altında anlatılan yöntemle

birlikte desteklenmiş ve daha gürbüz çalışması sağlanmıştır.

“3.2.3 İlişkilerin topolojik olarak ifade edilmesi” bölümünde, bulunan topolojik

ilişkilerin kaydedildiği ağ yapısı anlatılmaktadır.

3.2.1 Çizgi bulma ve çizgi takip yöntemleri

Ada/parselleri oluşturan çizgilerin bulunması için önce “3.2.1.1 Hit-or-Miss dönüşümü”

başlığında detaylı olarak anlatılmış olan köşe/bitim noktalarını ve bunların aralarındaki

çizgileri takip ederek bu noktalar arasındaki ilişkileri bulmayı hedefleyen yöntem

anlatılmıştır. Bu yöntem paftaların büyük ve karmaşık olmasından dolayı anlamlı bir

sonuç üretememiştir.

16

Ada/parselleri oluşturan çizgileri bulmak için kullanılan bir diğer yöntem de “3.2.1.2

Hough dönüşümü ile çizgi bulma” başlığında anlatılan yöntemdir. Bu yöntem de

çizgileri parça parça bulması ve işlem yükü nedeniyle operatörün elle yapacağı

vektörleme işleminden daha verimli olamamıştır.

3.2.1.1 Hit-or-Miss dönüşümü

Köşe noktaların bulunmasında “Hit-or-Miss” dönüşümü sıklıkla kullanılmaktadır. Hit-

or-Miss dönüşümü biçimsel bir operatördür. Küçük bir yapısal eleman (genellikle

3x3’lük bir çerçeve) resim boyunca gezdirilir. Gezdirilen bölgedeki pikseller yapısal

elemanın pikselleriyle tam olarak uyuşuyorsa resim üzerinde yapısal elemanın

merkezine denk gelen piksel işaretlenir (Maity vd. 2011). Bu operatörün matematiksel

ifadesi aşağıdaki gibidir;

�� ü��

��

(3.1)

Burada B1 ve B2 yapısal elemanları temsil etmektedir. B1’in pikselleriyle tam olarak

örtüşen ve B2’nin pikselleriyle tam olarak örtüşmeyen bölge operatörden geçerek

merkez noktası işaretlenmektedir. � imgenin çerçeve içindeki arkaplan piksellerini �� ise bunun tersi olan pikselleri yani imgenin çerçeve içinde kalan önplan piksellerini,

“�” operatörü Hit-or-Miss dönüşümünü temsil etmektedir.

17

Şekil 3.6 Örnek yapısal eleman

Şekil 3.6’da örnek bir yapısal eleman görülmektedir. Buradaki yapıda, iki yapısal

eleman (B1 ve B2) tek bir yapısal elemana dönüştürülmüştür. B1’i 1’ler B2’yi de -1’ler

temsil etmektedir, 0’lar ise “don’t care” durumudur. Yani normal bir çerçevedeki “don’t

care” durumunu ifade eden boş kısımlar bu çerçevede 0 ile, yine normal bir çerçevede

arkaplan piksellerinin bulmak için kullanılan 0’lar yerine bu çerçevede -1 kullanılmıştır.

Bu yapısal elemana uyan desen bulunduğu zaman çerçevenin merkezindeki piksel,

ayrım ya da bitim noktası olarak işaretlenmektedir.

Şekil 3.7’de ayrım ve bitim noktalarını bulmak için kullanılmış olan yapısal elemanlar

görülmektedir. Bu yapısal elemanlar bütün dallanma kombinasyonları göz önünde

bulundurularak üretilmiştir.

18

Şekil 3.7 Kullanılan yapısal elemanlar

Hit-Or-Miss işleminden sonra noktalar arasındaki topolojik bağlantıların tespiti için,

bulunan noktaların komşuluk matrisinin çıkartılması gerekmektedir. Komşuluk matrisi,

bulunan bütün noktaların hangilerinin birbirine bağlı olduğunun ilişkisini tutan

matristir. Komşuluk matrisi çıkartabilmek için noktalar bulunduktan sonra noktalar

arasında çizgi takibi yapılması gereklidir. Çizgi takip işleminden önce de inceltme

işlemi yapılmalıdır. İnceltme işlemi imge üzerindeki çizgileri tek piksel kalınlığına

indirmektedir. MATLAB imge işleme araçkutusunda bulunan “bwmorph” fonksiyonu

ile inceltme işlemi gerçekleştirildikten sonra “bwhitmiss” fonksiyonu ile hit-or-miss

işlemi gerçekleştirilmektedir.

Şekil 3.8 İnceltme işleminden sonra alınan örnek kesit

19

İnceltilmiş imge üzerinde hit-or-miss fonksiyonu gerçekleştirildikten sonra bulunan

köşe ve bitim noktaları arasındaki ilişki bu noktalar arasında çizgi takibi yapılarak

bulunur ve birbirine bağlanmış olan noktalar komşuluk matrisinde işaretlenir.

Yapılan testte komşuluk matrisi oluşturma işleminin oldukça fazla işlem ve hafıza gücü

gerektirdiği görülmüştür. Tam boyutlu bir pafta üzerinde (Pafta 3) koşulan algoritma bir

gün boyunca çalıştıktan sonra hâlâ işlem bitmediği için üç numaralı pafta üzerinden

alınan 1332x1524 boyutundaki bir kesit üzerinde (Şekil 3.9) tekrar çalıştırılmıştır. Bu

kesit üzerinde 43 ada/parsel bulunmasına karşın toplamda 773 köşe ve bitim noktası

bulunmuştur. Bunun sebebi paftanın çizgilerinin düzgün çizilmiş olmaması ve inceltme

işleminden sonra gürültülü kısımların çatallanmalar olarak ortaya çıkmasıdır (Şekil 3.8).

Bu 773 nokta üzerinde yapılan komşuluk matrisi çıkartma işlemi de 722.45 saniye

sürmüştür. Bütün bunlar göz önünde bulundurulduğunda bu yöntemin pratikte

kullanılabilir olmadığına kanaat getirilmiştir.

Şekil 3.9 Hit-or-Miss işleminin gerçekleştirildiği kesit

Sonuçlardan da anlaşılacağı gibi paftalar çok büyük olduğundan ve çok fazla detay

barındırdığından dolayı işlem süresi çok uzun olmaktadır. Gerçek dal noktalarından

gürültüleri ve gereksiz detayların

edip anlamlı sonuçlar elde etmek için oldukça fazl

İmgede gürültüden kaynaklanan dallanmalar olduğu için çizgi takip işlemi için gereken

kontroller de artmaktadır. Bu yönt

yuvarlak noktalarda döngüye

bulundurulduğunda bu yöntemin pratik faydasının

örnek bir çıktısı şekil 3.10’da

Şekil 3.10 Hit-or-Miss yöntemiyle birleşme (junction) ve bitim noktalarının bulunması

20

gürültüleri ve gereksiz detayların oluşturduğu dallanmaları (ör: yazılar, işaretler) ayırt

edip anlamlı sonuçlar elde etmek için oldukça fazla kontrol işlemi gerekmektedir.


kontroller de artmaktadır. Bu yöntemin uygulanmasında karşılaşılan bir başka sorun da

yuvarlak noktalarda döngüye girebilmesidir. Bütün bunlar göz önünde

bulundurulduğunda bu yöntemin pratik faydasının kalmadığı görülmüştür. Y

ekil 3.10’da görülebilir.

Miss yöntemiyle birleşme (junction) ve bitim noktalarının bulunması

(ör: yazılar, işaretler) ayırt

a kontrol işlemi gerekmektedir.


emin uygulanmasında karşılaşılan bir başka sorun da

. Bütün bunlar göz önünde

kalmadığı görülmüştür. Yöntemin

Miss yöntemiyle birleşme (junction) ve bitim noktalarının bulunması

21

Şekil 3.11 Balastro noktalarında bulunan birleşim noktaları

İnceltme işleminden sonra daha ayrıntılı olarak görülebilen, gürültüden kaynaklanan

çatallanmalar yöntemi uygulanamaz kılmaktadır. Şekil 3.10’da bulunan birleşim

noktaları kırmızı, bitim noktaları da yeşil olarak işaretlenmiştir. Buradan da görüleceği

gibi kendi içinde döngü yapan boğumlar tespit edilememiştir. Şekil 3.11’de tek bir

balastro noktasında bulunan birden fazla düğüm görülmektedir. Bunların tek bir düğüm

olarak temsil edilmesi için ek kontroller ve işlemler yapmak gereklidir.

3.2.1.2 Hough dönüşümü ile çizgi bulma

Hough dönüşümü (Duda ve Hart 1972) ikili bir imgede çizgi, daire gibi matematiksel

formülle ifade edilebilen şekilleri tanımak için kullanılan yaygın bir yöntemdir.

İmgedeki özellik içeren pikselleri parametre uzayına eşleyerek parametreler ile pikseller

arasında bir bağ kurmaktadır. Bir çizginin iki boyutlu bir düzlemdeki ifadesi Eş 3.2’de

gösterilmiştir.

22

� � � � � (3.2)

Hough dönüşümündeki temel mantık imgedeki bir çizgiyi noktalar bütünü olarak (x1-

y1,x2-y2,...) ifade etmek yerine o çizginin parametreleri yani b ve m ile ifade etmektir.

Yani başka bir değişle � � �� ile ifade edilen çizgi, parametre uzayında ��,� noktasıyla ifade edilebilir.

Ancak b ve m ile yapılan eşleştirmede çizgi dike yaklaştıkça sınırsız değerler

çıktığından Duda ve Hart (1972) tarafından bu parametrelerin Eş 3.3’de gösterildiği gibi

kullanılmasının sorunu ortadan kaldıracağı ispatlanmıştır.

�� cos� � � sin� (3.3)

Şekil 3.12 Hough parametrelerinin geometrik gösterimi

Eş 3.3’de verilen eşitliğin geometrik gösterimi şekil 3.12’de görülmektedir. Hough

dönüşümü ile çizgi bulma işlemi MATLAB içerisindeki “houghlines” fonksiyonu

kullanılarak gerçekleştirilmiştir. Bu fonksiyonun aldığı iki parametre bulunmaktadır.

Bunlardan birincisi ne kadar aralıklı çizgilerin tek bir çizgi olarak kabul edileceğini

gösteren ‘FillGap’ parametresi, ikincisi de belirli bir uzunluktan küçük olan çizgilerin

çizgi olarak yorumlanmamasını sağlayan ‘MinLength’ parametresidir.

23

Şekil 3.13 Hough dönüşümü ile çizgi tespiti

FillGap ve MinLength parametrelerinin çeşitli kombinasyonları ile yapılan testlerde

Hough dönüşümü ile çizgi bulmanın imgenin farklı bölümleri için bile farklı değerler

gerektirdiği görülmüştür. Yöntem imge üzerinde birbirini kesen çizgiler, yazılar ve

çizgilerdeki kesikliklere duyarlı değildir (Şekil 3.13). Çizgiler düzgün bulunamadığı

gibi bu çizgilerin noktalar ile ilişkisinin çıkartılması da ek kontroller ve işlemler

gerektirmektedir. Bunun yanı sıra Hough dönüşümü işlem yükü ağır olan bir yöntemdir.

Bütün bunlar ışığında yapılan birkaç test sonrasında bu yöntemin de eldeki materyal

için uygulanabilir bir yöntem olmadığına karar verilmiştir.

Hit-or-miss ve Hough ile çizgi bulma yöntemlerinden edinilen deneyim, genel çizgi

takip ve Hough tabanlı çizgi bulma yönteminin bu pafta türünde kullanılabilir

olmadığını göstermiştir.

Yine bu deneyimler sayesinde ada/parsel kapalı alanlarını tespit etmek için öncelikle

imgedeki çizgileri bulup o çizgilerin hangilerinin bir ada/parsel oluşturduğunu bulmak

yerine ada/parselleri oluşturması gereken çizgilerin varlığının kontrol edilmesinin çok

daha verimli ve gürbüz bir yaklaşım olacağı anlaşılmıştır. Çünkü imgedeki bütün

çizgileri bulmak ayrı bir işlem yükü, bu çizgilerinin hangilerinin gürültü hangilerinin

gerçek çizgiler olduğunun ayırt edilmesi/elenmesi ve bunların hangilerinin ada/parsel

sınırlarını oluşturduğunun bulunması da ayrı işlem yükü getirmektedir. Bu yaklaşım göz

önünde bulundurularak özgün bir yöntem geliştirilmiştir. Bu yöntemin temelini, işe

24

yaramayacak olan çizgileri bulup sonrasında bunları temizlemek yerine sadece gerçekte

olması gereken çizgilerin kontrolünün yapılması oluşturmaktadır.

Bu yaklaşıma göre öncelikle ada/parsel köşe noktalarını oluşturan balastro noktaları

bulunup, sonrasında da bu balastro noktaları arasında olması gereken çizgilerin kontrolü

gerçekleştirilmektedir. Bu sayede imgenin sadece ilgili kısımlarına yoğunlaşarak hem

hızlı hem de doğruluğu yüksek bir sonuç elde edilmiştir.

3.2.2 Balastro noktalarının bulunması ve sanal çizgi doğrulama yöntemi kullanılarak çizgilerin tespiti

Hit-or-miss ve Hough çizgi bulma yöntemlerinin kullanılan paftalarda verimli olmaması

nedeniyle ada/parsel kapalı alanlarını bulmak için özgün bir yöntem oluşturulmuştur.

Bu yöntemi oluşturulurken harita üzerinde elle vektörleme yapan operatörlerin

vektörleme işlemine yaklaşımları incelenmiş ve operatörlerin gerçekleştirdiği işlem

sırasından esinlenilmiştir.

Operatör bir ada/parsel alanını kapatmak için çizime hiçbir zaman bir çizginin

ortasından başlamamaktadır. Her zaman bir balastro noktası üzerinden başlar, o balastro

noktasının bir çizgiyle bağlandığı diğer balastro noktasını bulur sonra o iki noktayı

birbirine bağlar. Ada/parsel köşe noktalarını oluşturan bütün balastro noktalarını

gezdikten ve bağladıktan sonra işlem tamamlanır (Şekil 3.14).

Şekil 3.14 Doğal vektörleme süreci

25

Kadastral pafta vektörlemesi için önerilen özgün yöntemde önce balastro noktaları

bulunmakta sonra bulunan balastro noktaları arasında sanal çizgi doğrulama yöntemi

kullanılarak ilişki tespiti gerçekleştirilmektedir. Balastro noktalarından çıkan dalların

bulunması ile sanal çizgi doğrulama yöntemi, balastro noktası bulunan kadastro

paftalarının vektörlenmesi için sunulan ve kullanılan özgün yöntemlerdir.

Balastro noktalarının bulunması için öncelikle “Dairesel Hough Dönüşümü” (DHD)

yöntemi denenmiştir. Ancak DHD yöntemi balastro noktalarının dışında balastro

noktası olmayan çok fazla sonuç ürettiği ve Hough yönteminin doğasında olan işlem

yüküne sahip olduğu için, DHD yönteminden daha hızlı çalışan ve daha doğru sonuçlar

üreten “Moore Komşuluk Takibi” (MKT) yöntemi balastro noktalarının tespiti için

seçilmiş ve kullanılmıştır.

MKT yöntemi ile balastro noktaları tespit edildikten sonra “Sanal Çizgi Doğrulama

Yöntemi” ile balastro noktaları arasındaki topolojik ilişkilerin, bağlantıların tespiti

gerçekleştirilmiştir.

3.2.2.1 Dairesel Hough dönüşümü

Dairesel Hough dönüşümü (Ballard, 1981) çizgileri bulmak için kullanılan Hough

dönüşümü ile prensip olarak aynı yöntemdir. Burada parametre uzayı genel çember

denklemine göre oluşturulmaktadır (Eş. 3.4).

�� & �� & �� (3.4)

Polar koordinatlarda da Eş. 3.5’deki gibi gösterilebilir.

� � � � � '�(�

� � � � � ()��

(3.5)

26

Bu yöntem sayesinde çapı bilinen ve daireye yakınsayan nesneler siyah-beyaz imge

içerisinde tanımlanabilirler. Bu yöntemin dezavantajı tanımlanması gereken dairenin

çapının önceden verilmesi gerekliliğidir. Balastro noktaları içi boş yuvarlaklar

olduğundan dolayı balastro noktalarının tespit edilmesinde bu yöntem denenmiştir.

DHD’nin uygulanması için tespit edilmesi istenen dairenin çapının bilinmesi gereklidir.

İşlem için gerekli olan çap değeri uyarlamalı olarak tespit edilemediğinden aynı değer

(min:4px max:15px) her pafta için iyi sonuç vermemektedir. Bu değerin çok

düşürülmesi veya çok yükseltilmesi ya olmayan node’leri tanımaya ya da var olan

noktaları kaçırmaya sebep olabilmektedir.

Şekil 3.15 DHD ile bulunmuş örnek noktalar

Şekil 3.15-3.16’da DHD yöntemi ile bulunan doğru noktalar gösterilmektedir.

27

Şekil 3.16 DHD'nin örnek pafta üzerindeki çıktı kesiti

DHD işleminin sonucunda verilen çap değerine göre daireye yakınsayan şekiller

bulunduğundan dolayı bazı durumlarda yanlış tespitler de yapılmaktadır (Şekil 3.17).

Şekil 3.17 DHD ile yanlış tespit edilen nokta

28

DHD kullanılarak yapılan testlerde Pafta3 görüntüsü üzerinde bulunan dairesel yapı

sayısı 4247 olarak bulunmuştur. Bu noktalar kimi zaman çok yakın hatta aynı noktayı

temsil etmekte olduğundan, aralarında Öklid uzaklığı ile 15 pikselden daha az mesafe

bulunan noktalar tek noktaya indirgenmiştir. Bunun sonucunda ortaya çıkan toplam

nokta sayısı 3442’dir. Bu işlem 6704 saniye gibi çok uzun bir sürede tamamlandığı ve

üçüncü pafta üzerindeki gerçek balastro nokta sayısı 308 olup 3442 tane aday noktanın

bulunmasından dolayı bu yöntemin de bu paftalar için kullanılabilir olmadığına karar

verilmiştir.

3.2.2.2 Moore komşuluk takibi yöntemi

Bu yöntem, bir piksele ait Moore komşuluklarını kontrol ederek, çevrelenmiş piksel

gruplarının çıkartılması işlemidir. Bir piksele ait Moore komşulukları, o piksel ile bir

kenar ya da köşe paylaşan 8 veya 4 pikselden oluşmaktadır (Şekil 3.18). Beyaz arka

plana sahip siyah piksel grupları bulunan görüntü üzerinde, bu piksel gruplarına ait

kontur bilgileri çıkartılır (Pradhan vd. 2010).

Şekil 3.18 Moore Komşulukları. (a. 4’lü komşuluk, b. 8’li komşuluk)

29

Çizelge 3.2 MKT Akışı

Algoritma Girdi: T: P adet bağlantılı siyah piksel içeren siyah-beyaz görüntü B: Kontur piksellerinden oluşan dizi M(a): a pikseline ait Moore komşulukları (8 adet komşu pikselden oluşur) Çıktı: B: kontur piksellerinden oluşan dizi

1. Başla 2. B dizisini boş olarak tanımla 3. T görüntüsünde, sol alttan sağa doğru P’ye ait siyah

pikseli bulana kadar tarama yap (piksel: s) 4. B dizisine “s”yi ekle 5. Eldeki sınır pikseli p’ye s’yi ata (p=s) 6. s pikseline gelinen piksele geri dön 7. p pikselinin Moore komşuluklarından (M(p)) bir

sonraki saat yönünde olan pikseli seç ve c’ye ata. 8. c ve s birbirine eşit olmadığı sürece

9. Eğer c siyahsa 10. c’yi B dizisine ekle 11. p=c atamasını gerçekleştir ve bu piksele

gelinen piksele geri dön. (6. adım) 12. Değilse, c’ye bir sonraki saat yönündeki

pikseli ata 13. Süreci bitir 14. Son

Kontur çıkartma işlemi sonucunda imge içindeki kapalı bölgeler de (“blob”lar)

çıkartılmış olur. Bu kapalı bölgelerden kasıt çalışmanın nihai amacı olan ada/parsel

kapalı alanları değil, bir sınır ile çevrelenmiş ve literatürde “blob” olarak nitelendirilen

imge bölgeleridir. Bu bölgeler birbirine bağlanan konturların analizi sayesinde çıkartılır.

Kontur tarama işlemi sonucunda o konturun içinde kalan alan bir kapalı bölge

oluşturmaktadır (Şekil 3.19).

Şekil 3.19 MKT algoritması ile çıkartılan örnek alan

30

Kullanılan paftalarda ada/parsellerin köşe noktaları içi boş daireler olan balastro

noktalarıdır. Yani bu bölgeler de imge üzerinde kapalı bölgeler olarak yorumlanabilir.

Bu yöntem ile imge üzerindeki bütün kapalı bölgeler bulunmaktadır. Bunların içine tam

olarak kapanmış büyük alanlar, pafta üzerindeki yazıların içerisindeki boşluklar, vs. de

girmektedir.

Bulunan kapalı alanları filtreleyerek sadece balastro noktalarının seçilmesi, konturları

bulunan kapalı bölgelerin piksel cinsinden alanlarına bir eşik değeri seçerek ve/veya

bulunan bölgenin dairesellik katsayısına bakarak gerçekleştirilebilir.

* � 4 , - , �//� (3.6)

Bölgenin dairesellik katsayısını bulmak için kullanılan eşitlik Eş 3.6’da verilmiştir.

Burada � bölgenin alanını, / çevresini, * de dairesellik katsayısını temsil etmektedir.

Bu yöntem MATLAB ortamında “bwboundaries” fonksiyonu kullanılarak

gerçekleştirilmiştir.

“[B,L,N] = bwboundaries(BW,conn,options)” genel biçimine sahip olan fonksiyon

nesnelerin dış sınırlarını tarar, nesneleri ve içlerindeki boşlukları bulur.

B: Tx1’lik bir hücre dizisidir. Burada T bulunan nesne ve boşluk sayısıdır. Her bir hücre

de Mx2’lik bir dizidir. Her satır sınır piksellerinin koordinat değerlerini tutar, M sınır

piksellerinin sayısıdır.

L: Etiket matrisidir. Bu iki boyutlu matriste nesneler ve boşluklar etiketlenir. Bu matris

sonrasında yine başka bir MATLAB fonksiyonu olan “regionprops”da kullanılacaktır.

N: Bulunan nesnelerin sayısıdır.

31

BW: İşlenecek olan siyah-beyaz imge.

conn: Sınır pikselleri takip edilirken kullanılacak olan bağlantı şeklini temsil eder. 4 ve

8 değerlerini almaktadır. 4 seçeneğinde 4’lü komşuluklar 8 seçeneğinde de 8’li

komşuluklar üzerinden takip işlemi gerçekleştirilir.

options: ‘holes’ ve ‘noholes’ olmak üzere iki seçenekten oluşur. Birinci seçenekte hem

nesneler hem de boşlukların sınırları bulunmaktadır. İkinci seçenekte ise sadece

nesneler bulunur.

[B,L,N] = bwboundaries(Input,4,'noholes'); şeklinde kullanılmıştır. Burada ‘noholes’

seçilmesinin sebebi fonksiyonun siyah pikselleri arkaplan beyaz pikselleri de nesnelere

ait pikseller olarak kabul etmesidir. İmgenin üzerinde boşluk olarak gördüğümüz

balastro noktaları fonksiyon tarafından nesne olarak kabul edildiğinden dolayı

boşlukları bulmaya gerek yoktur. “regionprops” isimli MATLAB fonksiyonundan

faydalanarak bulunan nesnelerin alan ve merkez noktasının koordinatı da bulunmuştur.

Balastro noktası bulunması için kullanılan ve verimli olduğuna karar verilen yöntem,

Moore Komşuluk Takibi yöntemi kullanılarak konturların bulunması ile kapalı imge

bölgelerinin (blob) çıkartımıdır.

32

Şekil 3.20 MKT yöntemi ile bulunan kontur ve kapalı bölgeler

Pafta 1 üzerinde denenen yöntem, pafta içerisindeki kapalı bölgeleri oldukça hızlı bir

şekilde çıkartmıştır (Şekil 3.20). Ancak bizim için gerekli olan bölgeler sadece balastro

noktalarının içleri olduğu için bulunan bölgeler arasında bir eleme işlemine gerek

duyulmaktadır. Bu eleme işlemi için bulunan bölgelerin dairesellik ve alan öznitelikleri

kullanılmıştır (Kasturi vd. 1990). Çizimler elle yapıldığından dairesellik için eşik değeri

3 paftadaki dairelerin dairesellik değerlerinin ortalaması olarak alınmıştır. Bulunan alt

değer 0.4, üst değer de 2’dir. Alan için kullanılan üst eşik değeri 130 alt eşik değeri de

10’dur.

Bu eşik değerlerine göre eleme işlemi yapıldığında alınan sonuç şekil 3.21’deki gibidir.

Eleme işleminden sonra balastro noktaları bulunduğu gibi aynı kriterlere uyan bölgeler

de seçilmiştir. Benzer bölge

oluşturmaktadır (Ör: a,e,4). Ancak çalışmada öne sürülen vektörl

sonraki aşaması olan balastro noktalarından çıkan dalların bulunması ve iki balastro

noktası arasındaki çizgi kontrolü aşamasında bu yanlış bulunan noktalar çizgi testini

geçemeyeceği için bulunan bu yanlış noktalar çok büyük sorun teşki

Eleme işlemi paftalar üzerinde detaylı incelendikten sonra dairesellik özelliğinin eleme

işlemine faydasından çok zararı olduğu ve bulunması gereken noktaların bulunmasına

engel olduğu tespit edilmiştir. Bunun nedeni balastro noktalarının e

kaynaklanmaktadır. Şe

tam olarak yuvarlak değildir. Bu nedenle dairesellik kriteri kullanıldığı zaman bu nokta

eleme işlemi sonucunda elenmiştir. Ancak sadece alan kriteri kull

33

Şekil 3.21 MKT ile bulunan balastro noktaları


de seçilmiştir. Benzer bölgeleri çoğunlukla harflerin ve rakamların içindeki boşluklar

oluşturmaktadır (Ör: a,e,4). Ancak çalışmada öne sürülen vektörl



geçemeyeceği için bulunan bu yanlış noktalar çok büyük sorun teşki



engel olduğu tespit edilmiştir. Bunun nedeni balastro noktalarının e

kaynaklanmaktadır. Şekil 3.22’deki örnek balastro noktasının içi taşmalardan dolayı


eleme işlemi sonucunda elenmiştir. Ancak sadece alan kriteri kull

alastro noktaları


ri çoğunlukla harflerin ve rakamların içindeki boşluklar

oluşturmaktadır (Ör: a,e,4). Ancak çalışmada öne sürülen vektörleme yönteminin bir



geçemeyeceği için bulunan bu yanlış noktalar çok büyük sorun teşkil etmemektedir.



engel olduğu tespit edilmiştir. Bunun nedeni balastro noktalarının elle çizilmesinden

asının içi taşmalardan dolayı


eleme işlemi sonucunda elenmiştir. Ancak sadece alan kriteri kullanıldığında bu

34

noktanın da aday noktalar arasına alındığı görülmüştür. Bunun yanı sıra balastro

noktaları ile diğer bulunan kapalı bölgeler (ada/parsel alanları) arasındaki alan farkı çok

büyük olduğundan dolayı sadece alan ile yapılan eleme işleminin yeterli olduğu yapılan

testlerde görülmüştür.

Şekil 3.22 Dairesellik kriterini sağlayamayan örnek balastro noktası

MKT yönteminde kontur çıkarımı yapılırken istenirse 4 komşuluk üzerinden çizgi takibi

istenirse 8 komşuluk üzerinden çizgi takibi yapılarak konturlar ve kapalı bölgeler

bulunmaktadır. Yapılan testlerde 4 komşuluk ile gerçekleştirilen işlemde daha fazla

balastro noktası tespit edilmiştir (Şekil 3.23).

Şekil 3.23 a. 8 komşuluk kullanılan MKT işlemi, b. 4 komşuluk kullanılan MKT işlemi

35

Bu nedenle MKT yöntemi uygulanırken 4 komşuluk kullanılmıştır. Bu iyileştirme

sayesinde daha fazla nokta bulunabilmiştir.

Doğru balastro noktalarını bulabilmek için yapılan bütün testler ve bunların sonuçları

incelenerek yapılan iyileştirmelerden sonra pafta1 için alınan en son sonuç şekil 3.24’de

görülmektedir.

Şekil 3.24 Eleme işleminden sonra bulunan kapalı imge bölgeleri

Ada/parsellerin sınırlarını oluşturan ve balastro noktalarını birbirine bağlayan çizgiler

bulunurken bu çizgilerin hangi balastro noktalarını birbirine bağladığı bilgisi de aynı

anda bulunmalıdır. Genel çizgi takip algoritmaları kullanılarak çizgiler tespit edilebilir

ancak bunların hangi noktalara bağlandığı bilgisini bulmak için fazladan kontrol işlemi

yapmak gereklidir. Paftaların boyutları büyük olduğu için çizgileri bulup sonrasında

hangi çizginin gerçek kenar çizgisi olduğunu ve bunların bağlandığı noktaları tespit

etmek yerine noktalar arasındaki çizgilerin bulunması yaklaşımı benimsenmiştir.

“3.2.2.3 Sanal çizgi doğrulama yöntemi kullanılarak iki nokta arasındaki çizginin

tespiti” başlığı altında anlatılan yöntem ile çizgiler bulunmuş, “3.2.2.4 Balastro

36

noktalarından çıkan dalların açılarının bulunması ve bağlantı kontrolü” adlı başlığın

altında anlatılan yöntem ile desteklenerek yöntemin başarımı artırılmıştır.

3.2.2.3 Sanal çizgi doğrulama yöntemi kullanılarak iki nokta arasındaki çizginin tespiti

Çizgileri bulurken çizgilerin hangi iki nokta arasında olduğunun bulunması da önem

teşkil etmektedir. Bu yaklaşımda imge üzerindeki bütün çizgileri bulmak yerine sadece

ilgili noktalar, yani ada/parsellerin köşe noktaları, arasındaki çizgilerin bulunması yolu

tercih edilmiştir. Böylece hem çizgiler-noktalar arasındaki ilişki daha kolay bulunurken

bütün çizgileri bulmak için gerekli işlem yükünden de kâr edilir.

Balastro noktaları bulunduktan sonra bunların merkez noktalarından sanal bir çizgi

çizilir. Kullanılan imgeler ikili imge olduğundan dolayı bu çizgi altında kalan noktaların

hangilerinin siyah nokta olduğu bilgisi çizilen sanal çizginin noktalarının altında kalan

değerler okunarak tespit edilir. Daha sonra bu noktaların oranına bakılarak iki balastro

noktası arasında gerçek bir çizgi olup olmadığına karar verilir.

Balastro noktaları elle çizildiğinden dolayı merkez noktaları, onları birleştiren çizgilerle

tam olarak hizalı olamamaktadır. Bu nedenle imgeye ilk önce genişletme (Dilation)

biçim operatörü uygulanır (Şekil 3.25). Yöntemin akış şeması şekil 3.26’da

görülmektedir.

Şekil 3.25 Genişletme işlemi

37

Şekil 3.26 Sanal çizgi doğrulama yöntemi akış şeması

38

Şekil 3.25’de genişletme işleminde kullanılan yapısal eleman ve genişletme işleminden

sonra çizginin aldığı son hâl görülmektedir. Bu sayede çekilen sanal çizginin merkez

kayıklıklarından en az şekilde etkilenmesi sağlanmıştır.

Bresenham (1965) çizgi çizme algoritması bilgisayar ekranında bir çizgi çizmek için

hangi noktalardan geçilmesi gerektiğini verimli bir şekilde bulan ve bilgisayar grafikleri

alanında en çok kullanılan, kabul görmüş bir çizgi çizme algoritmasıdır. Sadece tamsayı

toplaması ve çıkarması gibi basit işlemler kullanıldığı için oldukça hızlı sonuç

üretebilmektedir. Eş. 3.7’de matematiksel ifadesi görülmektedir.

� � �� & �0�� & �0 �� & �0� � �0 (3.7)

Bu algoritma sayesinde çizgi altında kalan pikselin değeri alınarak gerçek bir çizgi olup

olmadığına karar verilebilmesi için “siyah piksel oranı” (SPO) hesaplanır.

1, (�� ç)�3)�)� 4�(�/�� *)��ı�*��) )3� *�ğ��)�) )ç�� *)�) 7� 8 �9 )(��)� ��/� �� (��ı(ı �� ü�� (�1 � � 1 �ğ�� 1 � 0 )(� (�1 � � 0 �ğ�� 1 � 255 )(� >?@ � A (�1B�/8

C

BD�

(3.8)

Burada (�1 � ifadesi piksel dizisinin i. elemanının siyah olup olmadığını bulan fonksiyonu ifade etmektedir (Eş 3.8). Siyah piksel oranı ne kadar 1’e yakınsa çizilen

sanal çizgi altında gerçek bir çizgi olma olasılığı o kadar yüksektir (Balkoca vd. 2011).

İki balastro noktası arasındaki çizginin varlığını bulurken kullanılan SPO eşiği %90

olarak seçilmiştir.

39

Bu eşik değeri kullanılarak var olan çizgiler başarıyla bulunmuştur ancak olmaması

gereken ek bağlantıların da yapıldığı gözlemlenmiştir (Şekil 3.27-3.28).

Şekil 3.27 Bir daldan birden fazla noktaya yapılan yanlış bağlantı

Şekil 3.28 Dallanma olmayan bölgeye yapılan yanlış bağlantı

40

Şekil 3.28’deki gibi, genişletme işleminden sonra SPO’nun uzaktaki nokta için de

%90’ın üzerinde olması yanlış bağlantının gerçekleşmesini sağlamıştır. Çift bağlantı

sorununun giderilmesi için bir kural seti oluşturulmuştur (Balkoca vd. 2011).

• Bir düğüm diğer bir düğüm ile çizgi kontrolüne başlamadan önce diğer düğümün zaten kendisine bağlı olup olmadığını kontrol etmelidir. Bu sayede çift bağlantının önüne geçilmektedir.

• Bir düğümden çıkan bağlantıların arasındaki açı en az 10 derece olmalıdır. • Bir düğüm çizgi kontrolünü geçen en yakınındaki düğüme bağlanmalıdır.

Bu kural seti sayesinde yapılan çift bağlantılarda %30 oranında azalma görülmüştür. Bu

kural seti şekil 3.27’deki durumları çözmesine rağmen, şekil 3.28’deki gibi noktadan

dallanma olmayan bölgeye yapılan bağlantılar için çözüm getirmediği ve yeterli

olmadığı anlaşılmıştır.

Şekil 3.29 Çift bağlantının kural setinden sonra düzeltilmiş hali

41

Bunun için oluşturulmuş olan kural setinin testinden edilmiş tecrübe üzerine “3.2.2.4

Balastro noktalarından çıkan dalların açılarının bulunması ve bağlantı kontrolü”

kısmında anlatılan yöntem geliştirilmiştir. Dal bulma yöntemi, sanal çizgi yöntemine ek

kontrol ve hangi noktalar arasının kontrol edileceğini daha gürbüz bir şekilde bulma

imkanı sunmaktadır. Bu sayede dallanma olmayan taraflar ile bağlantı kontrolü hiçbir

şekilde yapılmamaktadır. Bu da hem işlem süresini kısaltmakta hem de işlem

doğruluğunu artırmaktadır.

3.2.2.4 Balastro noktalarından çıkan dalların açılarının bulunması ve bağlantı kontrolü

İki nokta arasındaki çizgileri bulmak amaçlı kullanılan sanal çizgi doğrulama

yönteminin verimli olabilmesi için öncesinde hangi iki nokta arasına uygulanacağının

bilinmesi gereklidir. Eğer hangi noktalar arasında çizgi bulma işleminin uygulanması

gerektiği kestirilemezse bütün noktalar arasında bu işlemin kombinasyonel olarak

denenmesi gerekli olacaktır ki bu da zaman olarak verimsiz bir işlemdir.

Bu işlemin verimli bir şekilde gerçekleştirilebilmesi için balastro noktaları bağlantı

kuracağı aday noktayı, dallanma yönünde bulunan yakın komşuları arasından

seçmelidir. Bulunan adaylar arasında daha önce kurulmuş bir bağlantı olup olmadığı

kontrol edilmektedir. Yeni bir bağlantı kurulacaksa, aday noktanın belirlenen dal açı

aralığına düşüyor olması gerekmektedir. Son olarak balastro noktaları ile bağlantı

kuracağı aday nokta arasında siyah piksel oranı kontrolü yapılarak, aralarında bir çizgi

olduğu kesinleştirilmektedir.

Balastro noktalarından hangi yönlere hangi açılarla çizgilerin çıktığının bulunması için

özgün bir yöntem geliştirilmiştir. Bu yöntemde öncelikle noktanın merkezinden sanal

bir daire çizilir. Bu sanal dairenin noktaları altında kalan imge piksel değerleri okunur.

Bu değerlerin sıralanışı analiz edilerek hangi açıdan bir çizgi çıktığı tespit edilebilir.

Balastro noktasının merkezinden sanal bir çember çizmek için Bresenham (1977)’ın

çember çizme algoritması kullanılmıştır.

42

�� (3.9)

Eş. 3.9’da genel çember formülü görülmektedir. Algoritma bu çember formülüne uygun

olarak bilgisayar monitörü üzerinde ideale en yakın çemberi çizmektedir.

Şekil 3.30 Bresenham Çember Algoritması (8 Çeyrek)

Çember 8 eşit parçaya bölünür ve sadece bir parça için piksel değerleri hesaplanır.

Sonrasında bu parça bütün eksenlerde aynalanarak tüm çember elde edilir (Şekil 3.31).

Şekil 3.31 Hesaplanan bir piksel değerinin 8 simetrisi

Çemberi oluşturan noktalar belirlendikten sonra bu noktaların altındaki piksel değerleri

alınır ve 1xN’lik bir dizinin içine yerleştirilir. Bu dizi içerisinde dal başlangıcı ile dal

43

bitiş noktaları arasındaki siyah piksel oranına bakılır. Örneğin başlangıç ile bitiş açıları

arasında 21 nokta giriyor olsun. Bu noktaların eşik değeri olarak belirlenen yüzdesi

siyah ise o aralık dal olarak kabul edilir. Bu eşik değeri ardı ardına gelen piksel oranını

temsil etmektedir ve dal kalınlığı ile doğru orantılıdır. Burada oransal bir değer

kullanılmasının sebebi imge üzerindeki bozulma kaynaklı olarak bazı bölgelerin silik

olmasından dolayı sürekli arka arkaya siyah piksel barındıramamasıdır.

Şekil 3.32 Dalların bulunması

Şekil 3.32’de oluşturulan sanal çember üzerinde yapılan dal sınırlarının bulunması ve

dal tespiti görülmektedir.

44

Şekil 3.33 Dalları bulmak için kullanılan 1xN'lik dizinin analizi

Bu yöntemde dikkat edilmesi gereken en önemli iki noktadan birincisi seçilen sanal

çemberin çapı, ikincisi de dal kalınlığının siyah piksel oranı eşik değeridir. Şekil

3.33’de sanal çemberden alınan örneklerin dizi içerisindeki dağılımı görülmektedir.

SPO eşik değeri oransal bir değer olduğundan dolayı her uygulamaya göre çok fazla

değişmese de çemberin çapı her uygulama/pafta setine göre değişebilmektedir. Sanal

çemberin çapı, dallara bağlanan noktanın genişliği ile doğru orantılıdır. Bu çap

yeterince büyük seçilmezse, örneğin tam olarak noktanın sınırlarına denk gelirse dalları

bulmak mümkün olmayacaktır (Şekil 3.34).

Şekil 3.34 Eşik değerinin yanlış seçilmesi durumunda gerçekleşen dal bulma işlemi

45

Bu yöntemin en büyük dezavantajı ise eşik değerlerine bağlı olmasıdır. Ancak basit

olması ve çok hızlı sonuç üretmesi de en büyük avantajıdır. Eğer eşik değerleri doğru

seçilebilirse büyük ölçüde hatasız çalışacaktır. Sonraki çalışmalarda bu yöntemin eşik

değerlerinin uyarlamalı olarak bulunması sağlanabilirse yöntem çok daha yüksek

başarımlarla çalışabilecektir.

Bir balastro noktasına ait bir daldan yapılacak olan bağlantı, o dalın içinde bulunduğu

açı aralığına ait kartezyen koordinat sistemi bölgelerindeki bir başka nokta ile olmalıdır.

Dolayısıyla bir dala ait bağlantının kurulabileceği noktalar, dalın açısına göre kartezyen

koordinat sisteminin birinci, ikinci, üçüncü ve dördüncü çeyreğindeki noktalara

indirgenebilir. Eğer bağlantının kurulacağı dal aralığı, iki bölgeye birden düşüyorsa, bu

iki bölge içerisinde bulunan noktalar bağlantı kontrolü için aday noktalardır.

Şekil 3.35 Test altındaki noktaya göreli bölgeler

Hangi bölgelerin kontrol edileceğine dalın başlangıcı ve bitişindeki piksellerin, balastro

noktasının merkezine göre konumuna bakılarak karar verilmektedir (Şekil 3.35).

Bir balastro noktasının ilişkili olduğu noktaların dallanmanın olduğu bölgedeki en yakın

100 komşu içerisinde olduğu varsayılmaktadır. Bu varsayım doğrultusunda, açısal

kontrol ile belirli bir çeyreğe indirgenen noktalardan, en yakın olanından başlanarak

bağlantı kurulmaya çalışılmaktadır. Noktalar arasındaki yakınlık derecesi Öklid uzaklığı

ile hesaplanmaktadır (Eş. 3.10). En yakın 100 nokta alınmasının sebebi herhangi

46

öngörülmeyen bir durum olması ve hiçbir noktanın bulunamaması ihtimali karşısında

kontrol işleminin sonsuz bir döngüye girmesini engellemektir.

*�/, E� � F�/� & E�� /� & E�� (3.10)

Balastro noktasına ait ilişkilerin çıkarılması sürecinde, aday noktalardan en yakınının

bulunmasından sonra bu nokta ile gerçek bir bağlantının olup olmadığının

belirlenebilmesi için bazı kurallar oluşturulmuştur. Bu kurallar çerçevesinde balastro

noktalarına ait karşılıklı iki dal merkez noktasının (Şekil 3.36) aynı doğrultuda olup

olmadığı, aralarında daha önceden kurulmuş bir bağlantının varlığı ve birbirlerine

bağlanmalarını sağlayan çizginin siyah piksel oranı kontrol edilmektedir.

Şekil 3.36 Dal ve Balastro noktası merkezleri

Her balastro noktası için belirli olan dallanmalardan, diğer balastro noktasının dal

merkez noktaları ile kurulacak olan ilişkide, öncelikli amaç iki merkez noktanın da aynı

47

doğrultuda olmasıdır. Birbirlerine bağlı olan iki noktadan bir doğru geçebileceği için bu

iki merkez noktasının kayıklıkları tolere edebilecek derecede benzer doğrultuda olması

gerekmektedir. Bunu sağlamak için iki noktanın birbirlerine göre olan açıları (Eş. 3.11)

dal sınır açılarıyla belirlenen bölge içinde olup olmadığı sınır değerlerine belirli bir

tolerans değeri eklenerek kontrol edilir. Bu tolerans değeri her iki tarafa (sağ ve sol)

doğru 5o’dir. Eğer iki nokta aynı doğrultuda ise, yani iki balastro noktası arasındaki açı,

noktadan çıkan dalın başlangıç ve bitiş noktalarının merkez nokta arasında yaptığı açılar

arasında kalıyorsa, bu iki nokta bağlantı kurmaya aday olabilir (Şekil 3.37).

��2��, �� 2��'�� F��

� � ��2��, �� G � HI�-J , 180L �: ��*�� ')�()�*�� çı �&-, -N ��ığı�*�

G: *��'� ')�()�*�� çı *�ğ��)

(3.11)

Doğrultu kontrolü yapılırken iki nokta arasındaki açıya bakılmaktadır (Eş. 3.11). Açı

değeri �� fonksiyonun bir varyasyonu olan ve iki parametre alan ��2��, �� fonksiyonu ile bulunmaktadır. Bu fonksiyon pozitif x düzlemi ile ��, �� koordinatları ile verilen nokta arasındaki açı değerini radyan cinsinden bulmaktadır. Açı değerini

�&-, -N aralığında verdiği için negatif açılar x düzleminin altında kalanları (y<0), pozitif açılar da üstünde kalanları (y>0) temsil eder.

48

Şekil 3.37 Noktalar arasındaki açı kontrolü. (1. Başarılı doğrultu, 2. Başarısız doğrultu)

Şekil 3.37’de görüleceği gibi balastro merkez noktasından dalların çıkış yönlerine doğru

hesaplanan açılara tolerans değeri eklenir. Kontrol edilecek iki nokta arasındaki açılar

da hesaplanır. Eğer iki balastro merkezinden hesaplanan açı, dalın noktadan çıkış

aralığında kalıyorsa bir sonraki çizgi kontrol aşamasına geçilir. Şekil 3.37’de 2 numaralı

örnekteki gibi aralığın dışına taşarsa o nokta için bir sonraki aşamaya geçilmemektedir.

Bu şartları sağlayan iki merkez noktanın bağlantısının kesinleştirilmesi ise, “3.2.2.3

Sanal çizgi doğrulama yöntemi kullanılarak iki nokta arasındaki çizginin tespiti”

başlıklı bölümde açıklandığı gibi siyah piksel kontrolü ile yapılmaktadır. Bu kontrolün

balastro noktalarının merkezleri yerine, dal merkezlerinden yapılmasının sebebi, daha

gürbüz bir yaklaşımla kontrol yapılmasını sağlamaktır. Bazı balastro noktalarına ait

merkezlerde elle çizimden kaynaklanan kaymalar olabilmekte, bu da kontrolü yapılan

çizgilerin kaymasına ve siyah piksel oranının sağlanamamasına sebep olmaktadır. Bu

nedenle kontroller iki dal merkez noktası arasında yapılarak, siyah piksel oranı eşik

değerinin üzerinde olan çizgiler için ilişkiler belirlenmiştir. Her ne kadar ilişkilerin

49

kontrolü dal merkez noktalarından yapılsa da, bağlantılar balastro noktalarının

merkezlerinden yapılmaktadır.

Yöntemin akış şeması şekil 3.38’de gösterilmiştir.

50

Şekil 3.38 Noktalar arası bağlantı akış şeması

51

Şekil 3.39 Dallara göre çizgi tespiti

Şekil 3.39’da görüldüğü gibi test altındaki A noktası ilk önce D noktası ile sonrasında

da B noktası ile birleşecektir. Bir daldan iki noktaya bağlantı yapılamayacağı için A

noktası bir daldan bağlantı testini geçen ilk noktadan (D) sonra artık o dal için tekrar

kontrol yapmayacaktır. Bu kural A’nın hem D’ye hem E’ye bağlanmasını

engellemektedir. Bu dalla işi biten A noktası sonrasında B’ye bağlanan ikinci dal için

kontrollerini gerçekleştirecek ve B’ye bağlanacaktır.

Noktaların sayıca fazla olması nedeniyle bağlantı kontrol işleminde gerçekleştirilen

işlemlerin sırası işlem yükünü en aza indirecek şekilde seçilmiştir. İlk aşamada en

yakındaki her bir nokta ile açı kontrolü yapmak yerine basit koordinat toplama ve

çıkartması sayesinde sadece dalın yönelimi olan bölgelerdeki noktalara bakmak

gereksiz noktaların elenmesini sağlamıştır. İkinci aşamada açı kontrolü yapıldıktan

sonra çizgi varlığının kontrol edilmesi hem sonuçları daha doğru bulmayı hem de

gereksiz işlem yükünden kaçınmayı sağlamıştır.

52

Yöntemde kullanılan sanal çemberin çapı 30 piksel, noktadan çıkan dalların kalınlık

SPO eşik değeri de %80 olarak seçilmiştir. Bu değerler paftalardaki seçilen noktalardan

örnekleme yapılarak belirlenmiştir.

3.2.3 İlişkilerin topolojik olarak ifade edilmesi

“3.2.2.4 Balastro noktalarından çıkan dalların açılarının bulunması ve bağlantı

kontrolü” kısmında anlatılan yöntemle balastro noktaları arasındaki çizgilerin ve

birbirleriyle olan ilişkileri bulunduktan sonra bunlar bir ağ yapısında kaydedilmiştir.

Oluşturulan yapı bağlı listeler (linked list) mantığına çok benzemektedir. Ancak bağlı

listelerin aksine bir nokta birden fazla noktaya bağlanabilmektedir. Her balastro

noktasının bir veya birden fazla dalı vardır ve bu dalların da bağlandıkları başka bir

balastro noktası bulunmaktadır. Noktalar aynı fiziksel yapıda olduğu gibi birbirine

dallar aracılığıyla bağlanmaktadır (Şekil 3.40).

Şekil 3.40 Dalların noktalarla ilişkisi

53

Şekil 3.41 İlişkilerin ağ yapısı

Dal nesneleri ve düğüm olarak adlandırılan ve balastro noktalarını temsil eden nesneler

bulunmaktadır. Bir düğümde birden fazla dal bulunabilmekte ve her dalın hangi

düğüme bağlandığı bilgisi tutulmaktadır. Bu bilgilerin dışında dal ve düğüm

noktalarıyla ilgili diğer bilgiler de tek bir veri yapısında tutulmaktadır (Ör: hangi

çeyrekte oldukları, açı aralık değerleri, vs.).

Bu yapı sayesinde sisteme esneklik de sağlanmıştır. Şekil 3.41’de görüldüğü gibi 6

numaralı nokta tespit edilmiş ancak hangi noktalarla bağlı olduğu işlem sırasında tespit

edilememiş olsa bile oluşturulan ağ yapısı, sonrasında operatörün elle bu ilişkiyi

kurması için uygundur.

54

Şekil 3.42 Kapalı alan yapısının basit UML diyagramı

Şekil 3.42’deki UML yapısında da oluşturulan ağ yapısının yazılım içerisinde nasıl

kullanıldığı görülmektedir.

55

4. TARTIŞMA ve BULGULAR

Hit-or-Miss dönüşümü, gürültülerin ve çizgilerin kesişim ve bitim noktalarını

bulmaktadır. Bu noktalar bulunduktan sonra bunları bağlayan çizgiler sayesinde

noktalar arasındaki ilişkiler bir komşuluk matrisine yazılır ve bu matris üzerinde yapılan

analiz sayesinde bu noktaların oluşturduğu kapalı alanlar bulunabilir. Ancak paftalar

çok büyük olduğundan ve elle çizildiği için gürültüler barındırdığından dolayı yüksek

sayıda nokta bulunmaktadır. 1332x1524 boyutundaki bir kesit üzerinde 773 tane nokta

bulunmuştur. Bunların üzerinde gerçekleştirilen işlem süresi de 772.45 saniyedir.

Günlük kullanım için kabul edilemeyecek rakamlar olduğundan dolayı bu yöntem

kullanılmamıştır. Çizgileri bulmak için kullanılan yaygın bir yöntem olan Hough

dönüşümü ile çizgi bulma yöntemi de ada/parsel sınırlarını oluşturan çizgilerin

bulunması için denenmiştir. Ancak çizgileri parça parça bulduğundan dolayı bu

çizgilerin arasındaki topolojik ilişkinin bulunması zorlaştığı ve Hough tabanlı

yöntemlerin işlem yükü fazla olduğu için bu yöntem de tercih edilmemiştir.

Bu çalışmada önerilen yöntem ile anlamlı sonuçlar elde edilmiştir. Bu yöntemde

öncelikle Moore Komşuluk Takibi yöntemi ile balastro noktalarının içlerindeki boş

alanlar tespit edilerek balastro noktalarının merkezleri bulunmuş, bulunan balastro

noktaları arasındaki topolojik ilişkilerin tespiti için de bu noktaların arasındaki çizgiler

tespit edilmiştir. Bu çizgilerin tespiti için öncelikle balastro noktalarından çıkan dalların

yönleri ve açıları bulunup, sanal çizgi doğrulama yöntemi ile bulunan dalların

doğrultusunda çizgi kontrolü yapılmıştır.

Bu çalışmada önerilen yöntemin kullanılan test paftaları üzerindeki sonuçları “4.1

Deney Sonuçları” bölümünde detaylı olarak incelenmiştir.

4.1 Deney Sonuçları

Ekler kısmında bulunan Pafta1, Pafta2 ve Pafta3 imgeleri üzerinde yapılan testin

sonuçları aşağıda verilmiştir.

56

Çizelge 4.1 Balastro noktalarının bulunma başarımı

Balastro Nokta Sayısı Bulunan Nokta Sayısı Başarım

Pafta 1 143 121 %84.6

Pafta 2 170 161 %94.7

Pafta 3 308 294 %95.4

Çizelge 4.1’de görüldüğü gibi Pafta1’in balastro noktalarının bulunma başarımı diğer

iki paftaya göre daha düşüktür. Bunun nedeni Pafta1’deki balastro noktalarının çok

fazla oranda bozulmuş olması ve çoğunun uçları açık olduğu için tam bir kapalı daire

oluşturamamasıdır.

Çizelge 4.2 Balastro noktalarından çıkan dalların test sonuçları

Balastro

Noktalarından

Çıkan Dal

Sayısı

Doğru

Bulunan Dal

Sayısı

Yanlış Bulunan Dal

Sayısı

Bulunamayan Dal

Sayısı

Pafta 1 334 293 14 41

Pafta 2 389 357 40 32

Pafta 3 761 702 27 59

İdeal durumda dal sayısı çizgi sayısının tam iki katı olmalıdır. Yani bulunan dal

sayısının yarısı kadar çizgi bulunmuş olmalıdır. Ancak bazı noktalara dalın

birleşmemesi (Şekil 4.1.a) veya iki çizginin tek dal gibi çıkması (Şekil 4.1.b) gibi

durumlarda bulunan çizgi sayısı idealden sapmaktadır.

57

Şekil 4.1 Dal bulma başarımını etkileyen örnekler

Çizelge 4.2’de yanlış bulunan dal sayısı gürültü sonucu bulunan dalları ifade

etmektedir. Yanlış bulunan dalların (Şekil 4.2) bağlandığı bir yer olmadığı için çizgi

bulmada olumsuz bir etkisi de yoktur.

Şekil 4.2 Yanlış dal olarak bulunan örnekler

Çizelge 4.3 Ada/Parsel sınırlarını oluşturan çizgilerin başarımı

Çizgi Sayısı Bulunan Çizgi Sayısı Başarım

Pafta 1 178 135 %75.8

Pafta 2 204 163 %79.9

Pafta 3 396 324 %81.8

Çizgilerin bulunma başarımını düşüren en büyük etken, çizgilerin birleşim noktalarında

olmayan balastro noktalarıdır (Şekil 4.3). Balastro noktası karşısında bağlanacağı bir

58

nokta bulamadığı için çizgi kontrolü de yapmamaktadır. Olması gereken yerde

bulunmayan bir tek nokta yüzünden nokta başına en az iki, genelde üç ya da dört tane

çizgi bulunamamaktadır. Balastro noktalarının olmadığı yerlerde ona bağlı olan

çizgilerin de bulunması mümkün olmadığı için ardışıl başarı düşmektedir.

Şekil 4.3 Eksik balastro noktası

59

5. SONUÇ

Bu çalışmada ada/parsel köşe noktalarında içi boş yuvarlak balastro noktaları olan

kadastral pafta tipi için özgün bir vektörleme yöntemi gerçekleştirilmiştir. Vektörleme

işlemi için öncelikle balastro noktaları bulunmuş, sonrasında bu noktalar arasındaki

çizgiler tespit edildikten sonra bu çizgiler ve noktaların arasındaki topolojik bağlar

çözümlenerek aralarındaki ilişkiler tespit edilmiştir.

Ada/parsellerin kırık noktalarını oluşturan balastro noktaları Moore Komşuluk Takibi

yöntemi ile bulunmuştur. MKT yöntemi kontur çıkartımı özelliğiyle imge üzerindeki içi

boş alanları bulabilmektedir. Bu sayede balastro noktalarının merkezleri bulunmuştur.

Dairesel Hough Dönüşümü yöntemiyle balastro noktaları tüm pafta için 6704 saniyede

bulunurken aynı bilgisayar üzerinde MKT yöntemiyle 84 saniyede bulunmuştur.

Ada/parsel sınırlarını oluşturan çizgileri bulmak için kullanılan Hough dönüşümü

yöntemiyle, yöntemin doğası gereği sadece çizgileri bulduğu ve bulunan çizgilerin

birleştirilmesi ve ilişkilerinin ayrıca bulunması gerektiğinden verimli sonuç

alınamamıştır. Ada/parselleri oluşturan çizgilerin/noktaların topolojik bağlantılarını

çıkartmayı amaçlayan Hit-or-Miss dönüşümü yöntemi tam boyutlu bir pafta üzerinde

saatler mertebesinde koşmasına rağmen sonuç alınamaması üzerine pafta üzerinden

alınan 1332x1524 boyutundaki bir kesit üzerinde test edilmiştir. Bu kesit üzerinde

722.45 saniye içinde işlemini tamamlamıştır. Hough dönüşümü ve Hit-or-Miss

dönüşümü yöntemlerinden verimli sonuç alınamadığı için bu yöntemler yerine

çalışmada oluşturulmuş özgün bir yöntem kullanılmıştır. Bu çalışmada geliştirilen

“Sanal Çizgi Doğrulama Yöntemi” oldukça basit olduğu için çalışmada denenen diğer

yöntemlerin getirdiği işlem yüküne sahip değildir. Kullanılan imgelerin boyutları çok

büyük olduğu için denenen diğer yöntemler, çalışmada önerilen sanal çizgi doğrulama

yönteminden çok daha fazla hafızaya ve iş gücüne gereksinim duymaktadır. Sanal çizgi

doğrulama yöntemi balastro noktalarının bulunması işlemi dahil olmak üzere çalışmada

kullanılan paftalarda 124 saniyede (ortalama değer) çizgi başarımı %79.1 olan bir sonuç

üretmiştir.

60

Sanal çizgi doğrulama yönteminin yapısı gereği, kesişen çizgilere, tam birleşmemiş

çizgilere ve harita üzerindeki vektörleme için gereksiz detaylara (yazılar, çizgileri,

rakamlar, vb.) karşı diğer vektörleme yöntemlerine göre daha gürbüzdür. Çalışmada

önerilen yöntemde, işlemin iki aşaması birbirinden bağımsız olduğu ve her iki aşamada

da (balastro noktalarının bulunması, çizgilerin bulunarak ilişkilerin çıkartılması)

kullanılan imgeye göre ayarlanabilen parametreler (balastro noktalarının büyüklüğü,

siyah piksel oranı, nokta olarak kabul edilecek alan eşik değeri, vs.) olduğu için

operatörün her imge için en uygun ayarı kendisinin yapabilmesine izin verip en uygun

yapılandırmayı bulabilme imkanı sunmaktadır.

Çalışmada sunulan yöntem, noktalar ve onları diğer noktalara bağlayan çizgileri ve

bunların ilişkilerini bulduğu için bu bilgiler başka bir yazılımda kapalı alan oluşturmak

için kullanılabilir. Bu ilişkiler topolojik olarak analiz edilerek kapalı alanlar tespit

edilebilir. Boatto vd. (1992) ve Di Zenzo vd. (1996) bulunan ilişkileri bir graph

üzerinde kullanarak kapalı alanları tespit edebilmişlerdir.

61

KAYNAKLAR

Ballard, D.H. 1981. Generalizing the Hough transform to detect arbitrary shapes, Pattern Recognition, Volume 13, Issue 2, Pages 111-122, ISSN 0031-3203, 10.1016/0031-3203(81)90009-1.

Balkoca, A., Yergok, A.I. and Yucekaya, S. 2011. "Vectorization of cadastral maps using image processing algorithms," Signal Processing and Communications Applications (SIU), 2011 IEEE 19th Conference on , pp.900-903

Bang K. and Hong D. 1997. "Separation of character strings and high quality vectorization for digitized Korean cadastral map images," Geoscience and Remote Sensing. IGARSS '97. Remote Sensing - A Scientific Vision for Sustainable Development., 1997 IEEE International , pp.237-239 vol.1

Boatto, L., Consorti, V., Del Buono, M., Di Zenzo, S., Eramo, V., Esposito, A., Melcarne, F., Meucci, M., Morelli, A., Mosciatti, M., Scarci, S. and Tucci, M. 1992. "An interpretation system for land register maps," Computer , vol.25, no.7, pp.25-33

Bresenham, J. 1965. "Algorithm for computer control of a digital plotter", IBM Systems Journal, Vol. 4, No.1, pp. 25–30

Bresenham, J. 1977. " A Linear Algorithm for Incremental Digital Display of Circular Arcs", Communications of the ACM, Vol. 20, No.2, pp. 100–106

Di Zenzo, S., Cinque, L. and Levialdi, S. 1996. "Run-based algorithms for binary image analysis and processing," Pattern Analysis and Machine Intelligence, IEEE Transactions on , vol.18, no.1, pp.83-89

Duda, R. and Hart, P. 1972. Use of the Hough transformation to detect lines and curves in pictures. Commun. ACM 15, 1 (January 1972), 11-15.

Kasturi, R., Bow, S.T., El-Masri, W., Shah, J., Gattiker, J.R. and Mokate, U.B. 1990. "A system for interpretation of line drawings," Pattern Analysis and Machine Intelligence, IEEE Transactions on , vol.12, no.10, pp.978-992

Katona, E. and Hudra, Gy. 1999. "An interpretation system for cadastral maps," Image Analysis and Processing, 1999. Proceedings. International Conference on , pp.792-797

Maity A.B., Mandal S. and Podder R. 2011. "Edge Detection Using Morphological Method and Corner Detection Using Chain Code Algorithm," IJCSI International Journal of Computer Science Issues, Vol. 8, Issue 4, No 1

Murakami, K. and Naruse, T. 2000. "High speed line detection by Hough transform in local area," Pattern Recognition Proceedings. 15th International Conference on , pp.467-470 vol.3.

62

Pradhan, R., Kumar, S., Agarwal, R., Pradhan, R. M. and Ghose M. K. 2010. " Contour Line Tracing Algorithm for Digital Topographic Maps," IJCSI International Journal of Computer Science Issues, Vol. 4, Issue 2

Ren, M., Yang, J. and Sun, H. 2002. "Tracing boundary contours in a binary image," Image and Vision Computing, vol.2, pp. 125-131

63

EKLER

EK 1 TEZ BOYUNCA KULLANILAN 1 NUMARALI PAFTA



64


65


66


67

ÖZGEÇMİŞ

Adı Soyadı : Alişan BALKOCA

Doğum Yeri : Ankara

Doğum Tarihi : 27/05/1985

Medeni Hali : Bekar

Yabancı Dili : İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise : Teğmen Ali Rıza Akıncı Lisesi (1998-2002)

Lisans : Niğde Üniversitesi Elektrik-Elektronik Mühendisliği (2003-2007)

Yüksek Lisans : Ankara Üniversitesi Fen Bilimleri Enstitüsü Elektronik Mühendisliği

Anabilim Dalı (Eylül 2008-Mart 2012)

Çalıştığı Kurumlar ve Yıl

• Xlight Yazılım Ltd. Şti. (2007 - 2009)

• Progis Coğrafi Bilgi Sistemleri (2009 - 2011)

• Ankara Büyükşehir Belediyesi (2011 - ...)

Yayınları (Bildiriler)

• Alişan Balkoca, Ahsen İkbal Yergök, Sinan Yücekaya. Kadastral Haritaların

Görüntü İşleme Teknikleri Kullanılarak Vektörizasyonu. SİU 2011, Antalya.

Documents

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK …acikarsiv.ankara.edu.tr/browse/24980/Microsoft Word - 425931.tez.docx.pdf · i Özet yüksek lisans tezi sanal Çİzgİ