Am 29. Mai 2009 um 14.00 Uhr, wird die MSE-Projektarbeit "Objekt-basierte Klassifizierung für die `kulturell-historische Vermessung` einer Landschaft" präsentiert. Interessierte sind herzlich zu diesem Anlass an der Fachhochschule Nordwestschweiz FHNW in Muttenz eingeladen.
Zusammenfassung
Eine objekt-basierte Klassifizierung besteht aus einer Segmentierung und einer anschliessenden Klassifizierung der Segmente. Durch die Möglichkeit der Berechnung neuer Merkmale auf Segment-Ebene, können mit diesem Verfahren auch Objekte in hoch aufgelösten Luftbilddaten klassifiziert werden. Die so entstandenen, klassifizierten Objekte, können in der Folge in einer Veränderungsanalyse miteinander verglichen werden. Falls bereits klassifizierte Objekte, oder aus anderer Quelle stammende Daten in einem GIS vorhanden sind, können diese als Segmentierung eines neuen Bildes verwendet werden und so auf eine Veränderung hin untersucht werden. Ebenfalls ermöglich der objekt-basierte Klassifizierungsansatz die Modellierung von Veränderungsklassen über mehrere Datensätze (Multi-Date-Klassifizierung).
Teile dieser Methoden und Prozesse wurden in dieser Arbeit mit der Software ERDAS Imagine Objective umgesetzt und evaluiert. Untersucht wurde die Extraktion von Wanderwegen, Feldwegen und Hauptstrassen in einem Testgebiet in Andermatt mit Swissimage-Orthofotos. Bei der Extraktion der Wanderwege und Feldwege wurden die Bilder in Linien segmentiert. Eine anschliessende Filterung aufgrund einer pixelbasierten Klassifizierung und der Einsatz weiterer Operatoren zur Filterung, ermöglichten bereits ein zufrieden stellendes Resultat ohne, dass die Liniensegmente im eigentlichen Sinne klassifiziert wurden. Bei schmalen Wegen und Liniensegmenten gibt es wenige Merkmale, die geeignet sind um eine erfolgreiche Klassifizierung durchzuführen. Bei der Extraktion von Hauptstrassen, konnten über Flächensegmente einige nützliche Merkmale berechnet werden, die eine bessere Klassifizierung ermöglichten.Zur Veränderungsanalyse wurden die Resultate mehrere Klassifizierungen visuell miteinander verglichen. Trotz, zum Teil vielen Fehlklassifizierungen, können die Resultate hilfreich sein für das Auffinden von Veränderungen. Zudem wurden die Resultate des einen Datensatzes mit einer pixelbasierten Klassifizierung eines anderen Datensatzes verglichen um so Segmente zu extrahieren, die auf eine Veränderung hinweisen.
Zusammenfassung
Eine objekt-basierte Klassifizierung besteht aus einer Segmentierung und einer anschliessenden Klassifizierung der Segmente. Durch die Möglichkeit der Berechnung neuer Merkmale auf Segment-Ebene, können mit diesem Verfahren auch Objekte in hoch aufgelösten Luftbilddaten klassifiziert werden. Die so entstandenen, klassifizierten Objekte, können in der Folge in einer Veränderungsanalyse miteinander verglichen werden. Falls bereits klassifizierte Objekte, oder aus anderer Quelle stammende Daten in einem GIS vorhanden sind, können diese als Segmentierung eines neuen Bildes verwendet werden und so auf eine Veränderung hin untersucht werden. Ebenfalls ermöglich der objekt-basierte Klassifizierungsansatz die Modellierung von Veränderungsklassen über mehrere Datensätze (Multi-Date-Klassifizierung).
Teile dieser Methoden und Prozesse wurden in dieser Arbeit mit der Software ERDAS Imagine Objective umgesetzt und evaluiert. Untersucht wurde die Extraktion von Wanderwegen, Feldwegen und Hauptstrassen in einem Testgebiet in Andermatt mit Swissimage-Orthofotos. Bei der Extraktion der Wanderwege und Feldwege wurden die Bilder in Linien segmentiert. Eine anschliessende Filterung aufgrund einer pixelbasierten Klassifizierung und der Einsatz weiterer Operatoren zur Filterung, ermöglichten bereits ein zufrieden stellendes Resultat ohne, dass die Liniensegmente im eigentlichen Sinne klassifiziert wurden. Bei schmalen Wegen und Liniensegmenten gibt es wenige Merkmale, die geeignet sind um eine erfolgreiche Klassifizierung durchzuführen. Bei der Extraktion von Hauptstrassen, konnten über Flächensegmente einige nützliche Merkmale berechnet werden, die eine bessere Klassifizierung ermöglichten.Zur Veränderungsanalyse wurden die Resultate mehrere Klassifizierungen visuell miteinander verglichen. Trotz, zum Teil vielen Fehlklassifizierungen, können die Resultate hilfreich sein für das Auffinden von Veränderungen. Zudem wurden die Resultate des einen Datensatzes mit einer pixelbasierten Klassifizierung eines anderen Datensatzes verglichen um so Segmente zu extrahieren, die auf eine Veränderung hinweisen.
Ausschnitt Wanderwege 2003 und 2004
Posts
