edoc-Server der Humboldt-Universität zu Berlin

Dissertation

Autor(en): Stefan Mayer
Titel: Automatisierte Objekterkennung zur Interpretation hochauflösender Bilddaten in der Erdfernerkundung
Gutachter: Beate Meffert; Patrick Hostert; Ralf Reulke
Erscheinungsdatum: 09.06.2004
Volltext: pdf (urn:nbn:de:kobv:11-10032574)
Fachgebiet(e): Physik
Schlagwörter (ger): Objektextraktion, Hierarchischer Segmentierungsprozess, Gebäudedetektion, Adaptive Konturüberarbeitung, Hochauflösende Orthobilddaten
Schlagwörter (eng): object extraction, hierarchical segmentation process, building detection, adaptive contour improvement, high resolution ortho-images
Einrichtung: Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II
Zitationshinweis: Mayer, Stefan: Automatisierte Objekterkennung zur Interpretation hochauflösender Bilddaten in der Erdfernerkundung; Dissertation, Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II , publiziert am 09.06.2004, urn:nbn:de:kobv:11-10032574
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link. Endnote   Bibtex  
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen.

Abstract (ger):
Als Datengrundlage für die Erhebung von Flächennutzungsparametern, wie sie in geografischen Informationssystemen (GIS) abgelegt und verwaltet werden, dienen oft Bilddaten aus der Erdfernerkundung. Die zur Erkennung und Unterscheidung der Objekte notwendige hohe Pixelauflösung führt bei der Erfassung eines Zielgebiets wie beispielsweise einer Stadt zu enormen Datenmengen. Aus diesen Bilddaten gilt es, möglichst schnell und preiswert die für ein GIS notwendigen Informationen, wie Umrissvektoren und Objektattribute, zu extrahieren. Diese Arbeit ist ein Beitrag zur Automatisierung dieses Schritts mit besonderem Schwerpunkt auf der Gebäudeextraktion. Datengrundlage sind hochauflösende multispektrale Orthobilder und ein digitales Oberflächenmodell (DOM) der digitalen Luftbildkamera HRSC-A bzw. HRSC-AX zum Einsatz. Deswegen werden das Aufnahmeprinzip sowie die Datenverarbeitung der HRSC überblicksartig vorgestellt. Auf Basis dieser HRSC-Standarddatenprodukte wird ein Vorgehen zur Extraktion von Objekten entwickelt. In einer hierarchisch geordneten Abfolge an Segmentierungsschritten werden aus der Pixelinformation bedeutungstragende Einheiten extrahiert. Dieser Segmentierungsansatz lässt sich auf mehrere Objektkategorien, wie Straßen oder Ackerflächen, erweitern. So werden in der aktuellen Entwicklungsstufe neben Gebäuden auch Baumregionen detektiert. Anhand des Oberflächenmodells werden erhöhte Regionen erkannt. Dazu wird das DOM durch Berechnung eines Terrainmodells auf Grundhöhe normiert. Für erhöhte Objekte wird die Grundhöhe aus umliegenden Grundregionen abgeleitet. Die erhöhten Regionen werden anschließend in Bäume und Gebäude unterteilt. Dazu werden aus den Multispektraldaten Vegetationscharakteristika bestimmt und entsprechende Baumsegmente ermittelt. Die Gebäuderegionen resultieren aus einer Nachverarbeitung der verbleibenden Segmente. Um Gebäudekomplexe in einzelne Häuser aufzuteilen, wird ein gradientenbasierter Ansatz entwickelt. Anhand der für Brandmauern typischen Gradienteninformation werden Linienhypothesen zur Unterteilung der Gebäudesegmente generiert. Diese werden schrittweise anhand geometrischer und radiometrischer Kriterien auf ihre Plausibilität überprüft. Schließlich werden die ursprünglich aus dem DOM stammenden Konturen der Gebäudesegmente und deren Übereinstimung mit Bildkanten eines Orthobildes betrachtet. In einem adaptiven Ansatz wird das Konturpolygon durch die Gradienteninformation an angrenzende Bildkanten angepasst. Zur Umsetzung typischer Gebäudegeometrien wie rechter Winkel oder Parallelität werden innerhalb des Adaptionsprozesses entsprechende Nebenbedingungen formuliert. Die Extraktion erhöhter Objekte wie auch deren Unterteilung in Bäume und Gebäude erfolgt mit hoher Genauigkeit, z.B. liegen die Detektionsraten bei Gebäuden über 90%. Der neuartige Ansatz zur Unterteilung in einzelne Häuser ohne explizite Liniendetektion führt bereits in der vorgestellten Entwicklungsstufe zur Beschleunigung einer manuellen Interpretation. Die adaptive Verbesserung der Gebäudekontur führt zu gebäudetypischeren Umrissen ohne Beeinträchtigung der hohen Detektionsraten.
Abstract (eng):
Remote sensing image data are often used as a basis for determining land use parameters, as they are stored and managed in geographic information systems (GIS). Covering a target area leads to an enormous amount of data due to the high pixel resolution required for recognizing and discriminating objects. To effectively derive GIS information like contour vectors or object attributes from these data, the extraction process has to be fast and cost-effective. This thesis is a contribution to the automization of this step with a focus on building extraction. High resolution multispectral ortho-images and a digital surface model (DSM), generated by the digital aerial camera HRSC-A or HRSC-AX, are used as data basis. Therefore, the HRSC imaging principle and data processing are summarized. Based on these HRSC standard data products, an object extraction scheme is developed. In a hierarchically ordered sequence of segmentation steps, meaningful units are extracted from pixel information. This segmentation approach is extendable to several object categories like streets or fields. Thus, tree regions, as well as buildings are detected in the current stage of implementation. Elevated regions are recognized using the digital surface model. For that purpose the DSM is normalized by calculating a terrain model. For elevated objects the terrain height is derived from surrounding ground regions. Subsequently, the elevated regions are separated into trees and buildings. Determining spectral characteristics of vegetation from the multispectral data leads to corresponding tree segments. The building regions result from post-processing the remaining segments. In order to split the building segments into single houses, a gradient based approach is developed. By means of the gradient information associated with firewalls, line hypotheses for subdividing the building segments are generated. Their plausibility is checked by gradually applying geometric and spectral criteria. Finally, the building contours, originally derived from the DSM, and their correspondence to image edges in an ortho-image, are considered. In an adaptive approach, the contour polygon is adjusted to neighboring image edges using the gradient information. Typical building geometries like right angles or parallelism are enforced by applying corresponding constraints in the adaption process. The extraction of elevated objects, as well as the separation into trees and buildings, is carried out with high accuracy, e.g. the building detection rates are over 90%. In the current development stage the novel approach for separating building segments into single houses without an explicit line detection already leads to a speeding-up of a manual interpretation. The adaptive improvement of building contours leads to building typical contours without affecting the high detection rates.
Zugriffsstatistik: Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWStats aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
 
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.
 
Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.
Startseite: 7 Zugriffe PDF: 36 Zugriffe Startseite: 1 Zugriffe PDF: 13 Zugriffe Startseite: 7 Zugriffe PDF: 5 Zugriffe Startseite: 12 Zugriffe PDF: 9 Zugriffe Startseite: 7 Zugriffe PDF: 20 Zugriffe Startseite: 10 Zugriffe PDF: 6 Zugriffe Startseite: 12 Zugriffe PDF: 14 Zugriffe PDF: 19 Zugriffe PDF: 18 Zugriffe Startseite: 7 Zugriffe PDF: 15 Zugriffe Startseite: 22 Zugriffe PDF: 17 Zugriffe Startseite: 5 Zugriffe PDF: 8 Zugriffe PDF: 12 Zugriffe PDF: 18 Zugriffe PDF: 16 Zugriffe PDF: 9 Zugriffe Startseite: 4 Zugriffe PDF: 17 Zugriffe Startseite: 7 Zugriffe PDF: 28 Zugriffe Startseite: 11 Zugriffe PDF: 19 Zugriffe Startseite: 8 Zugriffe PDF: 16 Zugriffe Startseite: 17 Zugriffe PDF: 24 Zugriffe Startseite: 13 Zugriffe PDF: 19 Zugriffe Startseite: 10 Zugriffe PDF: 19 Zugriffe Startseite: 11 Zugriffe PDF: 11 Zugriffe Startseite: 12 Zugriffe PDF: 17 Zugriffe Startseite: 11 Zugriffe PDF: 20 Zugriffe Startseite: 17 Zugriffe PDF: 36 Zugriffe Startseite: 39 Zugriffe PDF: 47 Zugriffe Startseite: 48 Zugriffe PDF: 57 Zugriffe Startseite: 47 Zugriffe PDF: 23 Zugriffe Startseite: 53 Zugriffe PDF: 39 Zugriffe Startseite: 68 Zugriffe PDF: 41 Zugriffe Startseite: 84 Zugriffe PDF: 34 Zugriffe Startseite: 58 Zugriffe PDF: 25 Zugriffe Startseite: 39 Zugriffe PDF: 27 Zugriffe Startseite: 27 Zugriffe PDF: 23 Zugriffe Startseite: 27 Zugriffe PDF: 25 Zugriffe Startseite: 38 Zugriffe PDF: 45 Zugriffe
Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Aug
14
Sep
14
Oct
14
Monat Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Aug
14
Sep
14
Oct
14
Startseite 7 1 7 12 7 10 12     7 22 5         4 7 11 8 17 13 10 11 12 11 17 39 48 47 53 68 84 58 39 27 27 38
PDF 36 13 5 9 20 6 14 19 18 15 17 8 12 18 16 9 17 28 19 16 24 19 19 11 17 20 36 47 57 23 39 41 34 25 27 23 25 45

Gesamtzahl der Zugriffe seit Jul 2011:

  • Startseite – 739 (19.45 pro Monat)
  • PDF – 847 (22.29 pro Monat)
 
 
Generiert am 27.11.2014, 07:33:57