Upload
nuwa
View
37
Download
2
Embed Size (px)
DESCRIPTION
T ávérzékelt felvételek objektum-alapú elemzése. László István, Gera Dávid, Fekete István, Dezső Balázs, Giachetta Roberto. I. Szegmensalapú osztályozás. Az osztályozás alapfeladata: A földfelszínt reprezentáló távérzékelt felvétel képpontjainak besorolása tematikus kategóriákba. - PowerPoint PPT Presentation
Citation preview
Távérzékelt felvételekobjektum-alapú elemzése
László István, Gera Dávid, Fekete István,Dezső Balázs, Giachetta Roberto
I. Szegmensalapú osztályozás
A pontonkénti osztályozás gyakori tévedése: a pontokat nem a szomszédjaikkal együtt, hanem önmagukban vizsgálva sorolja be a legvalószínűbb osztályba.
Az osztályozás alapfeladata: A földfelszínt reprezentáló távérzékelt felvétel képpontjainak besorolása tematikus kategóriákba.
Szegmensalapú osztályozásSzegmensalapú osztályozás: a környezeti
információ kinyerése.A szegmens spektrálisan hasonló, szomszédos
képpontok egybefüggő halmaza.Előny a természetből adódó homogenitások
megőrzése.Hátrány a felszínborítások határpontjainak
besorolásánál javítás: pontonkénti felülvizsgálat
Az objektum-alapúfelvétel-kiértékelés (OBIA)
• Cél: a távérzékelt felvételek felosztása jelentéssel rendelkező objektumokra, és
• az objektumok térbeli, spektrális és időbeli tulajdonságainak megállapítása.
• Magába foglalja a szegmentálást, osztályozást és az attribútumok hozzárendelését.
• Magasabb szintű cél: az emberi interpretáció utánzása, esetleg kiváltása.
A képszegmentálás néhány megvalósított módszere
Összevonás-alapú (lentről fel) módszerek:• Szekvenciális csatolás módszere• Legjobb összevonás alapú (best merge)• Összevonásos gráfalapú szegmentálásVágás-alapú (fentről le) módszerek:• Minimális átlagsúly-alapú vágás• Minimális arány-alapú vágás• Normált minimális vágás
Az osztályozási eljárás lépései
1. Szegmentálás: a képpontokat szegmensekbe soroljuk a spektrális és térbeli tulajdonságaik alapján. Eredmény: szegmens-térkép.
2. Clusterezés: felügyelet nélküli eljárás, nem használunk előzetes információt (referencia-adatokat). Clusterek: Képpontok/szegmensek kompakt csoportjai az intenzitástérben, amelyek felszínborításokat reprezentálnak.Eredmény: cluster-térkép.
Az osztályozási eljárás lépései3. Tanulási fázis: A clusterek és a referencia-területek
közötti kapcsolatok vizsgálata,a clusterek megcímkézése.
4. Osztályozási fázis: A képpontok vagy szegmensek besorolása felszínborítási kategóriákba.Eredmény:osztály-térkép.
5. Pontosságvizsgálat:tévesztési mátrix
A legjobb összevonás-alapú módszer illusztrációja
űrfelvétel (május) űrfelvétel (június) űrfelvétel (augusztus)
szegmens-térkép(legjobb összevonás)
cluster-térkép(legjobb összevonás)
osztályozási eredmény(legjobb összevonás)
Őszi búzaTavaszi árpaŐszi árpaKukoricaSilókukoricaNapraforgóCukorrépaLucernaVízfelszínekNem mezőgazd. ter.Más szántóföldi növ.
II. Objektum-alapú felvétel-kiértékelés: egy esettanulmány
• Négy alkalmazást mutatunk be:– Nem támogatható területek, facsoportok lehatárolása (II.)– Vörösiszap-elöntés felmérése (III.a.)– Parlagfű-felmérés (III.b.)– Épített infrastruktúra felismerése városi környezetben (III.c.)
• Objektum-alapú (OBIA) megoldás• Az alkalmazás szoftveres környezete:
– Definiens / eCognition programcsomag– A beépített szegmentáló-algoritmusok használata– Osztályozás a szomszédsági információ figyelembe vételével– A parancsokat ún. szabályrendszerekbe szervezzük– Raszteres bemenet: színes infravörös ortofotók (< 1m)
A feladat leírásaA Mezőgazdasági Parcella Azonosító Rendszerben
(MePAR) a területek fontos jellemzője, hogy igényelhető-e rájuk mezőgazdasági támogatás.
Az alkalmazás célja a legelős területeken megjelenő fás, bokros területek automatikus lehatárolása és a támogatható területekből való kivágása.
A szuperfelbontású felvételeknél a szegmentálás alkalmazása már szükségszerű, nemcsak lehetőség! A képpontok általában nem értelmezhetők önmagukban.
A szegmentálás lépései1. Negyedelőfa-alapú szegmentálás („fentről le”)
- Egyszerű módszer a kezdeti szegmensek előállítására- A következő lépések számításigényének csökkentése
2. Több-felbontású (multiresolution) szegmentálás („lentről fel”)- Páronkénti régió-összevonási technika- Kritérium: spektrális és alakbeli homogenitás
3. Spektrális különbség-alapú szegmentálás („lentről fel”)- A több-felbontású szegmentálás eredményének finomítása- Spektrálisan hasonló, szomszédos szegmensek összevonása
4. Kontrasztvágás-alapú szegmentálás („fentről le”)- A szegmenseket világosabb és sötétebb részekre bontja, ha szükséges.
Az osztályozás
Cél: a fás-bokros területek elkülönítése a legelőktől(de nem a fafajok szétválasztása)
• Spektrális tulajdonságok: fafajok, a növényzet sűrűsége, megvilágítás
• Térbeli tulajdonságok: geometria és mintázatA mintázat (textúra)• Inhomogenitás• Szürkeszint-egybeesési mátrix (GLCM)• Entrópia: a mintázat rendezetlensége, azaz véletlenszerűsége• Homogenitás: a GLCM elemeinek közelsége a főátlóhoz
A facsoportok lehatárolásának lépései
Ortofotó
Kontrasztvágás-szegmentálás
Osztályozás
Több-felbontású szegmentálás
III. Egyéb alkalmazások
III.a. Vörösiszap-elöntés felmérése• A távérzékelés fontos feladata a légi- és űrfelvételeken
látható környezeti és ipari katasztrófák felmérése. Az ár- és belvízfelmérés, az aszályfelmérés rendszeres feladatok.
• A bemutatott alkalmazás a 2010. októberében bekövetkezett vörösiszap-elöntés hatását mérte fel szuper- és nagyfelbontású űrfelvételeken végzett szegmensalapú elemzésekkel.
• Megoldás: szegmentálás, mintakiválasztás, statisztikai döntés; geometriai és mintázati jellemzők, valamint vegetációs indexek felhasználása.
Vörösiszap-elöntés felmérése
Lokális szegmentálási hiba… …kontrasztvágással javítva A végső objektumok
Az elöntött területet ábrázoló űrfelvétel és az osztályozás végeredménye
III.b. Parlagfű-felmérés• A parlagfű pollenje erősen allergén• Szabálytalan térbeli és időbeli viselkedés• Hagyományosan: nagyfelbontású felvételek képpont-alapú
feldolgozása• Kísérleti kutatás: szuperfelbontású felvételek szegmens-alapú
kiértékelése
Pixel-alapú, kalászos Szegmens-alapú, kalászos Pixel-alapú, szója Szegmens-alapú, szója
III.c. Épített infrastruktúra felismerése városi környezetben
A projekt célja a városok terjeszkedésének, átrendeződésének vizsgálata.
Az ortofotók spektrális információtartalma mellett magassági adatokat is felhasználunk.
Szegmentálás:• Negyedelőfa-alapú• Több-felbontású• Spektrális különbség-alapúOsztályozás:• Nehéz az épületek és a lineáris objektumok (utak) elválasztása• Megoldás: az elnyúltság mértékének („density”) vizsgálata
Épített infrastruktúra felismerése városi környezetben
Jó szegmentálási eredmény: utak és háztetők
A szegmentálás eredménye falusi, kertvárosi környéken:
Épített infrastruktúra felismerése városi környezetben
Hibás döntés: hosszú háztömb szürke lapos tetővel és az autókhoz hasonló kéményekkel, felépítményekkel
Megoldás: digitális felületmodell (magasság!) felhasználása
A tetőt tartalmazó, de spektrálisan az úthoz hasonló szegmens
Köszönöm a figyelmet!