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!