Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten: vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen
Saved in:
| Main Author: | |
|---|---|
| Format: | Book |
| Language: | German |
| Published: |
Berlin
Rhombos-Verl.
2006
|
| Series: | Fernerkundung und angewandte Geoinformatik
1 |
| Subjects: | |
| Online Access: | Inhaltsverzeichnis |
| Item Description: | Zugl.: Dresden, Techn. Univ., Diss., 2006 |
| Physical Description: | XXV, 152 S. Ill., graph. Darst., Kt. |
| ISBN: | 3938807202 |
Staff View
MARC
| LEADER | 00000nam a2200000 cb4500 | ||
|---|---|---|---|
| 001 | BV022578426 | ||
| 003 | DE-604 | ||
| 005 | 00000000000000.0 | ||
| 007 | t | ||
| 008 | 070814s2006 abd| |||| 00||| ger d | ||
| 020 | |a 3938807202 |9 3-938807-20-2 | ||
| 035 | |a (OCoLC)255381864 | ||
| 035 | |a (DE-599)BVBBV022578426 | ||
| 040 | |a DE-604 |b ger |e rakwb | ||
| 041 | 0 | |a ger | |
| 049 | |a DE-1028 | ||
| 084 | |a BAU 936d |2 stub | ||
| 100 | 1 | |a Neubert, Marco |d 1974- |e Verfasser |0 (DE-588)131578138 |4 aut | |
| 245 | 1 | 0 | |a Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten |b vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen |c Marco Neubert |
| 264 | 1 | |a Berlin |b Rhombos-Verl. |c 2006 | |
| 300 | |a XXV, 152 S. |b Ill., graph. Darst., Kt. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 1 | |a Fernerkundung und angewandte Geoinformatik |v 1 | |
| 500 | |a Zugl.: Dresden, Techn. Univ., Diss., 2006 | ||
| 650 | 4 | |a Satellitenbildauswertung - Bildauflösung - Bildsegmentierung - Landschaftsplanung - Landschaftsökologie | |
| 655 | 7 | |8 1\p |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 830 | 0 | |a Fernerkundung und angewandte Geoinformatik |v 1 |w (DE-604)BV022578412 |9 1 | |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=015784648&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-015784648 | ||
| 883 | 1 | |8 1\p |a cgwrk |d 20201028 |q DE-101 |u https://d-nb.info/provenance/plan#cgwrk | |
Record in the Search Index
| _version_ | 1804136715189747712 |
|---|---|
| adam_text | Inhaltsverzeichnis
Abbildungsverzeichnis XIII
Tabellenverzeichnis XV
Abkürzungsverzeichnis XVII
Urheberrechtlich geschützte Bezeichnungen und Daten XXI
Zusammenfassung XXIII
Abstract XXV
Teil I: Einführung, Grundlagen und Stand der Wissenschaft 1
1 Einführung und Problemstellung 3
1.1 Einleitung - Fernerkundung als Zukunftstechnologie 3
1.2 Hintergrund und Zielstellung der Arbeit 5
1.3 Aufbau der Arbeit 5
2 Grundlagen und Stand der Forschung: Vom Pixel zum Vektor
oder von der Fernerkundung zum GIS-Datensatz 7
2.1 Sehr hoch auflösende Fernerkundungssysteme 7
2.1.1 Einordnung in Systematiken von Fernerkundungsdaten 8
2.1.2 Entwicklung und Eigenschaften sehr hoch auflösender
Fernerkundungssensoren 8
2.1.3 Auswirkungen der sehr hohen geometrischen Auflösung auf die
Bildklassifikation 13
2.2 Auswertungsverfahren von Fernerkundungsdaten 16
2.2.1 Visuelle Interpretation 17
2.2.2 Pixelbasierte Auswertung 18
2.2.2.1 Schwellwertverfahren 19
2.2.2.2 Überwachte spektrale Klassifikationsverfahren 20
2.2.2.3 Unüberwachte spektrale Klassifikationsverfahren 21
2.2.2.4 Per-parcel-Klassifikation 22
2.2.2.5 Neuronale Netze 23
2.2.2.6 Weitere pixelbasierte Verfahren, Kombinationen und Variationen 24
2.2.3 Segmentbasierte Auswertung 25
2.2.3.1 Kantenbasierte Segmentierungsverfahren 28
2.2.3.2 Regionenbasierte Segmentierungsverfahren 29
2.2.3.3 Hybride Segmentierungsverfahren 30
2.2.3.4 Weitere Segmentierungsverfahren 31
2.2.4 Wissensbasierte bzw. Expertensysteme 31
2.2.5 Objekterkennung und -extraktion 32
2.2.6 Vergleichende Methodenbewertung 32
2.3 Probleme der Fernerkundung 34
2.3.1 Umbrüche in der Fernerkundung 34
2.3.2 Mangelnde Anwenderorientierung 36
2.3.3 Integration von GIS und Fernerkundung 37
2.4 Zum Einsatz der Fernerkundung in Landschaftsplanung und
Landschaftsökologie 39
IX
Inhaltsverzeichnis
Teil II: Datengrundlagen und Methodik 43
3 Datengrundlagen und Vorverarbeitung 45
3.1 IKONOS-Satellitenbilddaten 45
3.1.1 Allgemeine Charakterisierung 45
3.1.2 Beurteilung der Bildqualität 49
3.1.3 Vergleich Luftbild versus IKONOS-Satellitenbild 52
3.2 Vorverarbeitung der IKONOS-Daten 54
3.2.1 Geometrische Entzerrung 55
3.2.2 Atmosphärische und topographische Korrektur 58
3.2.3 Bildfusion 64
3.3 Weitere Datengrundlagen 68
3.3.1 Laserscanner-Höhenmodell 68
3.3.2 Aus IKONOS-Daten abgeleitete Indizes 69
3.3.3 Verwendete Geobasisdaten 69
4 Segmentbasierte Auswertungsmethoden 71
4.1 Der segmentbasierte Klassifikationsansatz eCognition 71
4.1.1 eCognition-Segmentierungsverfahren 72
4.1.2 eCognition-Klassifikationsverfahren 75
4.1.3 Bewertung von eCognition 76
4.2 Vergleich segmentbasierter und pixelbasierter Klassifikation 77
4.3 Vergleich aktuell verfügbarer Segmentierungsprogramme und deren
Segmentierungsqualität 83
4.3.1 Grundlagen und Methodik des Segmentierungsvergleiches 83
4.3.2 Visuelle Bewertung der Gesamtsegmentierungen 86
4.3.3 Quantitative Bewertung anhand von Testflächen 90
4.3.4 Vergleich mit ähnlichen Untersuchungen 92
4.3.5 Schlussfolgerungen aus dem Segmentierungsvergleich 92
Teil ///: Anwendung segmentbasierter Klassifikationsverfahren auf
IKONOS-Daten 95
5 Landschaftsanalyse durch die segmentbasierte Auswertung von
(KONOS-Daten 97
5.1 Segmentbasierte Klassifikation unterschiedlicher Testgebiete 97
5.1.1 Segmentierungs-und Klassifikationsstrategie 98
5.1.2 Klassifikationsergebnisse 99
5.1.3 Diskussion der Ergebnisse 102
5.2 Segmentgeometrien als Berechnungsgrundlage von Landschafts
strukturmaßen 102
6 Automatisierte Aktualisierung digitaler Datensätze - Beispiel
Biotop- und Nutzungstypenkartierung 107
6.1 Einführung 107
6.2 Automatisierte Aktualisierung von GIS-Daten - Stand der Forschung 108
6.3 Die Biotop-und Nutzungstypenkartierung 110
6.3.1 Erstellung und Eigenschaften der BNTK-Daten 110
Inhaltsverzeichnis
6.3.2 Bewertung des Interpretationsverfahrens sowie der Datengrundlage 110
6.3.3 Beurteilung der Datenqualität 111
6.4 Segmentbasierte Biotop- und Nutzungstypenklassifikation anhand von
IKONOS-Daten 112
6.4.1 Vorüberlegungen 113
6.4.2 Methodisches Vorgehen 114
6.4.2.1 Eignungsbewertung der IKONOS-Daten 114
6.4.2.2 Verwendung von Zusatzdaten 117
6.4.2.3 Segmentierungsstrategie 117
6.4.2.4 Klassifikationsstrategie 118
6.4.3 Bewertung der Ergebnisse 121
6.4.4 Automatisierung und Übertragbarkeit der Bearbeitung 127
6.5 Segmentierung gescannter CIR-Luftbilder 128
6.6 Schlussfolgerungen und Ausblick zur Automatisierung der Biotop- und
Nutzungstypenkartierung 130
7 Schlussfotgerungen und Ausblick 133
Literaturverzeichnis 137
Danksagung 151
XI
Abbildungsverzeichnis
Abb. 2.1: Einteilung ausgewählter aktueller Fernerkundungssysteme nach den
in Tabelle 2.2 genannten Kriterien Aufnahmemodus, -medium und
-Plattform 9
Abb. 2.2: Entwicklung der Bodenauflösung ausgewählter Fernerkundungs
sensoren 11
Abb. 2.3: Entwicklungstrend (Trendlinie) der Bodenauflösung ziviler Erdbeo-
bachtungssatelliten 11
Abb. 2.4: Spektrale Auflösung derzeit verfügbarer sehr hoch auflösender
Satellitensensoren im Vergleich zu Landsat-7 ETM+ 12
Abb. 2.5: Beispiele aus IKONOS-Daten für mangelhafte spektrale Unterscheid
barkeit, spektrale Variabilität sowie die Bildauswertung störende
Details 15
Abb. 2.6: Verallgemeinerte Prozesskette der femerkundlichen Bilddatenverar
beitung in Form einer Informationspyramide 16
Abb. 3.1: Grauwertsensitivität der IKONOS-Spektralkanäle 46
Abb. 3.2: Illustration abwechselnder Aufnahmemodi benachbarter Bildszenen
durch IKONOS. 47
Abb. 3.3: Lage der verwendeten IKONOS-Bildszenen in Sachsen 49
Abb. 3.4: Darstellung der verwendeten IKONOS-Bildszenen 49
Abb. 3.5: Beispiele für Bildstörungen durch Reflexionseffekte in den IKONOS-
Bilddaten 51
Abb. 3.6: Histogramme der einzelnen Kanäle der IKONOS-Szene Dresden 51
Abb. 3.7: Abfolge der durchgeführten Vorverarbeitungsschritte für IKONOS-
Daten 54
Abb. 3.8: Die Überlagerung der orthorektifizierten IKONOS-Daten mit ATKIS-
Daten verdeutlicht die hohe Lagetreue. Die Daten der Biotopkartierung
zeigen dagegen teils erhebliche Abweichungen 57
Abb. 3.9: Streckung bzw. Stauchung einiger Bildbereiche infolge der Ortho
rektifikation. Die Infrarotdarstellung zeigt den Lilienstein vor und nach
der Orthorektifikation 57
Abb. 3.10: Verfahrensablauf zur atmosphärischen und topographischen Korrektur
mit ATCOR3 58
Abb. 3.11 : Aus dem DHM abgeleitetes Hangneigungsmodell. In der Elbe sowie
auf ebenen Hochflächen sind störende Artefakte deutlich erkennbar 59
Abb. 3.12: Dialogfenster ATCOR3 60
Abb. 3.13: Gute Übereinstimmung der Testspektren gegenüber des Referenz
Spektrums zur Überprüfung der Kalibrierungsdatei für die Multi
spektraldaten 61
Abb. 3.14: Dialogfenster des Moduls ATCON und Originalbilddaten überlagert
mit der berechneten Dunstmaske 62
Abb. 3.15: Gegenüberstellung eines Ausschnittes des originalen IKONOS-Bildes
mit dem atmosphärisch und topographisch korrigierten Ergebnis sowie
dem Ergebnis ohne Dunstkorrektur 63
Abb. 3.16: Stark dunstbeeinflusstes multispektrales IKONOS-Satellitenbild der
Stadt Dresden und dessen dunstbereinigtes Korrekturergebnis 64
Abb. 3.17: Für den Bildfusionsvergleich verwendete panchromatische und multi
spektrale IKONOS-Originaldaten von San Diego, USA 65
XIII
Abbildungsverzeichnis
Abb. 3.18: Fusionsergebnisse der PC-Bildfusion mit unterschiedlichen
Resampling-Verfahren: cubic convolution, bilinear interpolation sowie
nearest neighbour interpolation 66
Abb. 3.19: Fusionsergebnisse IHS-Transformation, multiplikative Bildfusion,
Brovey-Transformation, AI F- Verfahren, Fusion nach Zhang 2002
sowie von Space Imaging panchromatisch geschärfte IKONOS-Daten 67
Abb. 3.20: 3D-Abbildung des Laserscanner-DGM für einen Ausschnitt der
Sächsischen Schweiz 68
Abb. 4.1 : Komponenten der eCognition-Software: Ebenenweise aufeinander
aufbauende Segmentgeometrie, Hierarchie und Semantik der
Segmente sowie die Wissensbasis zur Klassifikation 71
Abb. 4.2: Dialogfenster zur Eingabe der Segmentierungsparameter in eCognition 3 72
Abb. 4.3: Segmentierungsergebnisse bei unterschiedlicher Parameterwahl 73
Abb. 4.4: Zusammenhang zwischen Scale-Faktor und Anzahl der segmentierten
Bildobjekte sowie durchschnittlicher Objektgröße 74
Abb. 4.5: Lage des Untersuchungsgebietes Dresden-West in den Stadtgrenzen
Dresdens und innerhalb der IKONOS-Gesamtszene sowie multispek
traler Bildausschnitt 78
Abb. 4.6: Klassifikationsergebnisse mit Expert Classifier und eCognition 79
Abb. 4.7: Ausschnitte des Untersuchungsgebietes 80
Abb. 4.8: Grundlagen des Segmentierungsvergleichs: IKONOS-Fusionsbild
eines urbanen und eines ruralen Gebietes 85
Abb. 4.9: Vektor-Konvertierungsprobleme beim Minimum Entropy Approach 86
Abb. 4.10: Darstellung der 20 genutzten, visuell kartierten Referenzflächen 87
Abb. 4.11 : Segmentierungsergebnisse von CAESAR 3.1 und von den Data
Dissection Tools 88
Abb. 4.12: Segmentierungsergebnisse von eCognition 2.1 und 3.0 88
Abb. 4.13: Segmentierungsergebnisse der ERDAS-IMAGINE-Erweiterung Image
Segmentation und von InfoPACK 1.0 89
Abb. 4.14: Segmentierungsergebnisse des Minimum Entropy Approach und von
SPRING 4.0 90
Abb. 5.1 : Ländliches Testgebiet (Vordere Sächsische Schweiz) 98
Abb. 5.2: Klassifikationsergebnis des urbanen Testgebietes mittels eCognition,
Klassifikationsebene 3 101
Abb. 5.3: Klassifikationsergebnis des ländlichen Testgebietes mittels eCognition,
Klassifikationsebene 2 101
Abb. 6.1: Ablaufschema zur Erfassung von Biotop- und Nutzungstypen aus
IKONOS-Daten mittels eCognition 114
Abb. 6.2: Erstellter Entscheidungsbaum für die Ebene 3 und Möglichkeit der
automatischen Erstellung von Zugehörigkeitsfunktionen anhand
ausgewählter Testflächen mit dem Sample Editor 119
Abb. 6.3: Beispiele für unerwünschte Segmentierungseffekte 121
Abb. 6.4: Satellitenbild und Klassifikationsergebnis auf Ebene der Hauptgruppen
im Vergleich zur originalen BNTK 123
Abb. 6.5: Satellitenbild und Klassifikationsergebnis auf Ebene der Untergruppen
im Vergleich zur originalen BNTK 125
Abb. 6.6: Dialogfenster des Protocol Editors 127
Abb. 6.7: Typische Fehler bei der Segmentierung der CIR-Luftbilder: Verschmel
zung von spektral ähnlichen Wiesen- und Laubwaldflächen sowie
Entstehung fraktaler Segmente in Waldgebieten 129
XIV
Tabellenverzeichnis
Tab. 2.1: Einteilung von Fernerkundungsdaten nach ihrer räumlichen Boden
auflösung 8
Taxonomien von Fernerkundungsdaten 8
Existierende und in naher Zukunft geplante, zivile, hoch bzw. sehr
hoch auflösende optische Satellitensysteme in chronologischer
Reihenfolge nach deren Starttermin 10
Gegenüberstellung von Auswertungsverfahren 33
Anwendungsmöglichkeiten sehr hoch auflösender Fernerkundungs
daten in der Landschaftsplanung und Landschaftsökologie sowie
deren Nachbardisziplinen 41
Eigenschaften des IKONOS2-Sensors OSA 45
Qualitätsstufen der IKONOS-Bildprodukte 48
Aufnahmeparameter der verwendeten IKONOS-Szenen Dresden und
Vordere Sächsische Schweiz 50
Vergleichende Bewertung von analogem Luftbild und sehr hoch
auflösendem digitalen Satellitenbild 53
Übersicht derzeit verfügbarer digitaler Luftbildkameras 54
Entzerrungsfehler der orbitentzerrten IKONOS-Szenen (Produktlevel
Geo) sowie Fehler der daraus abgeleiteten passpunkt- bzw. orthorek
tifizierten Szenen 56
Wetterdaten der Station Lichtenhain-Mittelndorf, 01.08.2000, 9.50 Uhr 60
Erstellte Kalibrierungsdatei für die multispektralen IKONOS-Daten der
Sächsischen Schweiz 61
Genutzte Parameter im ATCOR-Modul ATCON 61
Verwendete Eingangsdaten zum Methodenvergleich zwischen Expert
Classifier und eCognition 78
Erkennungs- und Klassifikationsgüte im Vergleich 81
Vergleichende Gegenüberstellung der getesteten Segmentierungs
softwares 84
Vergleichende Gegenüberstellung der Segmentierungsergebnisse für
Referenzfläche 9 90
Ergebnisse des Segmentierungsvergleichs für 20 Testflächen 91
Zur Segmentierung mit eCognition verwendete Parameter für das
urbane und das rurale Testgebiet 99
Klassifikationsgüte des urbanen und ruralen Testgebietes 100
Vergleich von Berechnungsergebnissen auf Basis eines BNTK-
Objektes sowie jeweils eines ungeglätteten und geglätteten
segmentierten Objektes 105
Struktur des achtstelligen BNTK-Zahlencodes anhand eines Beispiels 110
Bewertung der IKONOS-Daten bezüglich der visuellen Erkennbarkeit
der sächsischen Biotoptypen und ihrer Segmentier- sowie Klassifizier
barkeit 115
Tab. 6.3: Verwendete Eingangsdaten, Parametereinstellungen sowie ange
strebtes Klassifikationsziel für die einzelnen Segmentierungsebenen 118
Tab. 6.4: Zur Objektfusion ausgewählte Klassen sowie Objektzahl (gerundet)
vor und nach ihrer Fusion 120
Tab. 6.5: Ergebnisse der Güteprüfung auf Ebene der BNTK-Hauptgruppen 122
XV
Tab .2.2:
Tab .2.3:
Tab .2.4:
Tab .2.5:
Tab. .3.1:
Tab. 3.2:
Tab. 3.3:
Tab. 3.4:
Tab. 3.5:
Tab. 3.6:
Tab. 3.7:
Tab. 3.8:
Tab. 3.9:
Tab. 4.1:
Tab. 4.2:
Tab. 4.3:
Tab. 4.4:
Tab. 4.5:
Tab. 5.1:
Tab. 5.2:
Tab. 5.3:
Tab. 6.1:
Tab. 6.2:
Tabellenverzeichnis
Tab. 6.6: Statistischer Vergleich der Ergebnisse auf Hauptgruppenebene mit
derBNTK 122
Tab. 6.7: Statistischer Vergleich der Ergebnisse auf Untergruppenebene mit
derBNTK 126
Tab. 6.8: Vor- und Nachteile der visuellen Interpretation analoger CIR-Luftbilder
und der segmentbasierten Klassifikation von IKONOS-Satellitenbild
daten 129
XVI
|
| adam_txt |
Inhaltsverzeichnis
Abbildungsverzeichnis XIII
Tabellenverzeichnis XV
Abkürzungsverzeichnis XVII
Urheberrechtlich geschützte Bezeichnungen und Daten XXI
Zusammenfassung XXIII
Abstract XXV
Teil I: Einführung, Grundlagen und Stand der Wissenschaft 1
1 Einführung und Problemstellung 3
1.1 Einleitung - Fernerkundung als Zukunftstechnologie 3
1.2 Hintergrund und Zielstellung der Arbeit 5
1.3 Aufbau der Arbeit 5
2 Grundlagen und Stand der Forschung: Vom Pixel zum Vektor
oder von der Fernerkundung zum GIS-Datensatz 7
2.1 Sehr hoch auflösende Fernerkundungssysteme 7
2.1.1 Einordnung in Systematiken von Fernerkundungsdaten 8
2.1.2 Entwicklung und Eigenschaften sehr hoch auflösender
Fernerkundungssensoren 8
2.1.3 Auswirkungen der sehr hohen geometrischen Auflösung auf die
Bildklassifikation 13
2.2 Auswertungsverfahren von Fernerkundungsdaten 16
2.2.1 Visuelle Interpretation 17
2.2.2 Pixelbasierte Auswertung 18
2.2.2.1 Schwellwertverfahren 19
2.2.2.2 Überwachte spektrale Klassifikationsverfahren 20
2.2.2.3 Unüberwachte spektrale Klassifikationsverfahren 21
2.2.2.4 Per-parcel-Klassifikation 22
2.2.2.5 Neuronale Netze 23
2.2.2.6 Weitere pixelbasierte Verfahren, Kombinationen und Variationen 24
2.2.3 Segmentbasierte Auswertung 25
2.2.3.1 Kantenbasierte Segmentierungsverfahren 28
2.2.3.2 Regionenbasierte Segmentierungsverfahren 29
2.2.3.3 Hybride Segmentierungsverfahren 30
2.2.3.4 Weitere Segmentierungsverfahren 31
2.2.4 Wissensbasierte bzw. Expertensysteme 31
2.2.5 Objekterkennung und -extraktion 32
2.2.6 Vergleichende Methodenbewertung 32
2.3 Probleme der Fernerkundung 34
2.3.1 Umbrüche in der Fernerkundung 34
2.3.2 Mangelnde Anwenderorientierung 36
2.3.3 Integration von GIS und Fernerkundung 37
2.4 Zum Einsatz der Fernerkundung in Landschaftsplanung und
Landschaftsökologie 39
IX
Inhaltsverzeichnis
Teil II: Datengrundlagen und Methodik 43
3 Datengrundlagen und Vorverarbeitung 45
3.1 IKONOS-Satellitenbilddaten 45
3.1.1 Allgemeine Charakterisierung 45
3.1.2 Beurteilung der Bildqualität 49
3.1.3 Vergleich Luftbild versus IKONOS-Satellitenbild 52
3.2 Vorverarbeitung der IKONOS-Daten 54
3.2.1 Geometrische Entzerrung 55
3.2.2 Atmosphärische und topographische Korrektur 58
3.2.3 Bildfusion 64
3.3 Weitere Datengrundlagen 68
3.3.1 Laserscanner-Höhenmodell 68
3.3.2 Aus IKONOS-Daten abgeleitete Indizes 69
3.3.3 Verwendete Geobasisdaten 69
4 Segmentbasierte Auswertungsmethoden 71
4.1 Der segmentbasierte Klassifikationsansatz eCognition 71
4.1.1 eCognition-Segmentierungsverfahren 72
4.1.2 eCognition-Klassifikationsverfahren 75
4.1.3 Bewertung von eCognition 76
4.2 Vergleich segmentbasierter und pixelbasierter Klassifikation 77
4.3 Vergleich aktuell verfügbarer Segmentierungsprogramme und deren
Segmentierungsqualität 83
4.3.1 Grundlagen und Methodik des Segmentierungsvergleiches 83
4.3.2 Visuelle Bewertung der Gesamtsegmentierungen 86
4.3.3 Quantitative Bewertung anhand von Testflächen 90
4.3.4 Vergleich mit ähnlichen Untersuchungen 92
4.3.5 Schlussfolgerungen aus dem Segmentierungsvergleich 92
Teil ///: Anwendung segmentbasierter Klassifikationsverfahren auf
IKONOS-Daten 95
5 Landschaftsanalyse durch die segmentbasierte Auswertung von
(KONOS-Daten 97
5.1 Segmentbasierte Klassifikation unterschiedlicher Testgebiete 97
5.1.1 Segmentierungs-und Klassifikationsstrategie 98
5.1.2 Klassifikationsergebnisse 99
5.1.3 Diskussion der Ergebnisse 102
5.2 Segmentgeometrien als Berechnungsgrundlage von Landschafts
strukturmaßen 102
6 Automatisierte Aktualisierung digitaler Datensätze - Beispiel
Biotop- und Nutzungstypenkartierung 107
6.1 Einführung 107
6.2 Automatisierte Aktualisierung von GIS-Daten - Stand der Forschung 108
6.3 Die Biotop-und Nutzungstypenkartierung 110
6.3.1 Erstellung und Eigenschaften der BNTK-Daten 110
Inhaltsverzeichnis
6.3.2 Bewertung des Interpretationsverfahrens sowie der Datengrundlage 110
6.3.3 Beurteilung der Datenqualität 111
6.4 Segmentbasierte Biotop- und Nutzungstypenklassifikation anhand von
IKONOS-Daten 112
6.4.1 Vorüberlegungen 113
6.4.2 Methodisches Vorgehen 114
6.4.2.1 Eignungsbewertung der IKONOS-Daten 114
6.4.2.2 Verwendung von Zusatzdaten 117
6.4.2.3 Segmentierungsstrategie 117
6.4.2.4 Klassifikationsstrategie 118
6.4.3 Bewertung der Ergebnisse 121
6.4.4 Automatisierung und Übertragbarkeit der Bearbeitung 127
6.5 Segmentierung gescannter CIR-Luftbilder 128
6.6 Schlussfolgerungen und Ausblick zur Automatisierung der Biotop- und
Nutzungstypenkartierung 130
7 Schlussfotgerungen und Ausblick 133
Literaturverzeichnis 137
Danksagung 151
XI
Abbildungsverzeichnis
Abb. 2.1: Einteilung ausgewählter aktueller Fernerkundungssysteme nach den
in Tabelle 2.2 genannten Kriterien Aufnahmemodus, -medium und
-Plattform 9
Abb. 2.2: Entwicklung der Bodenauflösung ausgewählter Fernerkundungs
sensoren 11
Abb. 2.3: Entwicklungstrend (Trendlinie) der Bodenauflösung ziviler Erdbeo-
bachtungssatelliten 11
Abb. 2.4: Spektrale Auflösung derzeit verfügbarer sehr hoch auflösender
Satellitensensoren im Vergleich zu Landsat-7 ETM+ 12
Abb. 2.5: Beispiele aus IKONOS-Daten für mangelhafte spektrale Unterscheid
barkeit, spektrale Variabilität sowie die Bildauswertung störende
Details 15
Abb. 2.6: Verallgemeinerte Prozesskette der femerkundlichen Bilddatenverar
beitung in Form einer Informationspyramide 16
Abb. 3.1: Grauwertsensitivität der IKONOS-Spektralkanäle 46
Abb. 3.2: Illustration abwechselnder Aufnahmemodi benachbarter Bildszenen
durch IKONOS. 47
Abb. 3.3: Lage der verwendeten IKONOS-Bildszenen in Sachsen 49
Abb. 3.4: Darstellung der verwendeten IKONOS-Bildszenen 49
Abb. 3.5: Beispiele für Bildstörungen durch Reflexionseffekte in den IKONOS-
Bilddaten 51
Abb. 3.6: Histogramme der einzelnen Kanäle der IKONOS-Szene Dresden 51
Abb. 3.7: Abfolge der durchgeführten Vorverarbeitungsschritte für IKONOS-
Daten 54
Abb. 3.8: Die Überlagerung der orthorektifizierten IKONOS-Daten mit ATKIS-
Daten verdeutlicht die hohe Lagetreue. Die Daten der Biotopkartierung
zeigen dagegen teils erhebliche Abweichungen 57
Abb. 3.9: Streckung bzw. Stauchung einiger Bildbereiche infolge der Ortho
rektifikation. Die Infrarotdarstellung zeigt den Lilienstein vor und nach
der Orthorektifikation 57
Abb. 3.10: Verfahrensablauf zur atmosphärischen und topographischen Korrektur
mit ATCOR3 58
Abb. 3.11 : Aus dem DHM abgeleitetes Hangneigungsmodell. In der Elbe sowie
auf ebenen Hochflächen sind störende Artefakte deutlich erkennbar 59
Abb. 3.12: Dialogfenster ATCOR3 60
Abb. 3.13: Gute Übereinstimmung der Testspektren gegenüber des Referenz
Spektrums zur Überprüfung der Kalibrierungsdatei für die Multi
spektraldaten 61
Abb. 3.14: Dialogfenster des Moduls ATCON und Originalbilddaten überlagert
mit der berechneten Dunstmaske 62
Abb. 3.15: Gegenüberstellung eines Ausschnittes des originalen IKONOS-Bildes
mit dem atmosphärisch und topographisch korrigierten Ergebnis sowie
dem Ergebnis ohne Dunstkorrektur 63
Abb. 3.16: Stark dunstbeeinflusstes multispektrales IKONOS-Satellitenbild der
Stadt Dresden und dessen dunstbereinigtes Korrekturergebnis 64
Abb. 3.17: Für den Bildfusionsvergleich verwendete panchromatische und multi
spektrale IKONOS-Originaldaten von San Diego, USA 65
XIII
Abbildungsverzeichnis
Abb. 3.18: Fusionsergebnisse der PC-Bildfusion mit unterschiedlichen
Resampling-Verfahren: cubic convolution, bilinear interpolation sowie
nearest neighbour interpolation 66
Abb. 3.19: Fusionsergebnisse IHS-Transformation, multiplikative Bildfusion,
Brovey-Transformation, AI F- Verfahren, Fusion nach Zhang 2002
sowie von Space Imaging panchromatisch geschärfte IKONOS-Daten 67
Abb. 3.20: 3D-Abbildung des Laserscanner-DGM für einen Ausschnitt der
Sächsischen Schweiz 68
Abb. 4.1 : Komponenten der eCognition-Software: Ebenenweise aufeinander
aufbauende Segmentgeometrie, Hierarchie und Semantik der
Segmente sowie die Wissensbasis zur Klassifikation 71
Abb. 4.2: Dialogfenster zur Eingabe der Segmentierungsparameter in eCognition 3 72
Abb. 4.3: Segmentierungsergebnisse bei unterschiedlicher Parameterwahl 73
Abb. 4.4: Zusammenhang zwischen Scale-Faktor und Anzahl der segmentierten
Bildobjekte sowie durchschnittlicher Objektgröße 74
Abb. 4.5: Lage des Untersuchungsgebietes Dresden-West in den Stadtgrenzen
Dresdens und innerhalb der IKONOS-Gesamtszene sowie multispek
traler Bildausschnitt 78
Abb. 4.6: Klassifikationsergebnisse mit Expert Classifier und eCognition 79
Abb. 4.7: Ausschnitte des Untersuchungsgebietes 80
Abb. 4.8: Grundlagen des Segmentierungsvergleichs: IKONOS-Fusionsbild
eines urbanen und eines ruralen Gebietes 85
Abb. 4.9: Vektor-Konvertierungsprobleme beim Minimum Entropy Approach 86
Abb. 4.10: Darstellung der 20 genutzten, visuell kartierten Referenzflächen 87
Abb. 4.11 : Segmentierungsergebnisse von CAESAR 3.1 und von den Data
Dissection Tools 88
Abb. 4.12: Segmentierungsergebnisse von eCognition 2.1 und 3.0 88
Abb. 4.13: Segmentierungsergebnisse der ERDAS-IMAGINE-Erweiterung Image
Segmentation und von InfoPACK 1.0 89
Abb. 4.14: Segmentierungsergebnisse des Minimum Entropy Approach und von
SPRING 4.0 90
Abb. 5.1 : Ländliches Testgebiet (Vordere Sächsische Schweiz) 98
Abb. 5.2: Klassifikationsergebnis des urbanen Testgebietes mittels eCognition,
Klassifikationsebene 3 101
Abb. 5.3: Klassifikationsergebnis des ländlichen Testgebietes mittels eCognition,
Klassifikationsebene 2 101
Abb. 6.1: Ablaufschema zur Erfassung von Biotop- und Nutzungstypen aus
IKONOS-Daten mittels eCognition 114
Abb. 6.2: Erstellter Entscheidungsbaum für die Ebene 3 und Möglichkeit der
automatischen Erstellung von Zugehörigkeitsfunktionen anhand
ausgewählter Testflächen mit dem Sample Editor 119
Abb. 6.3: Beispiele für unerwünschte Segmentierungseffekte 121
Abb. 6.4: Satellitenbild und Klassifikationsergebnis auf Ebene der Hauptgruppen
im Vergleich zur originalen BNTK 123
Abb. 6.5: Satellitenbild und Klassifikationsergebnis auf Ebene der Untergruppen
im Vergleich zur originalen BNTK 125
Abb. 6.6: Dialogfenster des Protocol Editors 127
Abb. 6.7: Typische Fehler bei der Segmentierung der CIR-Luftbilder: Verschmel
zung von spektral ähnlichen Wiesen- und Laubwaldflächen sowie
Entstehung fraktaler Segmente in Waldgebieten 129
XIV
Tabellenverzeichnis
Tab. 2.1: Einteilung von Fernerkundungsdaten nach ihrer räumlichen Boden
auflösung 8
Taxonomien von Fernerkundungsdaten 8
Existierende und in naher Zukunft geplante, zivile, hoch bzw. sehr
hoch auflösende optische Satellitensysteme in chronologischer
Reihenfolge nach deren Starttermin 10
Gegenüberstellung von Auswertungsverfahren 33
Anwendungsmöglichkeiten sehr hoch auflösender Fernerkundungs
daten in der Landschaftsplanung und Landschaftsökologie sowie
deren Nachbardisziplinen 41
Eigenschaften des IKONOS2-Sensors OSA 45
Qualitätsstufen der IKONOS-Bildprodukte 48
Aufnahmeparameter der verwendeten IKONOS-Szenen Dresden und
Vordere Sächsische Schweiz 50
Vergleichende Bewertung von analogem Luftbild und sehr hoch
auflösendem digitalen Satellitenbild 53
Übersicht derzeit verfügbarer digitaler Luftbildkameras 54
Entzerrungsfehler der orbitentzerrten IKONOS-Szenen (Produktlevel
Geo) sowie Fehler der daraus abgeleiteten passpunkt- bzw. orthorek
tifizierten Szenen 56
Wetterdaten der Station Lichtenhain-Mittelndorf, 01.08.2000, 9.50 Uhr 60
Erstellte Kalibrierungsdatei für die multispektralen IKONOS-Daten der
Sächsischen Schweiz 61
Genutzte Parameter im ATCOR-Modul ATCON 61
Verwendete Eingangsdaten zum Methodenvergleich zwischen Expert
Classifier und eCognition 78
Erkennungs- und Klassifikationsgüte im Vergleich 81
Vergleichende Gegenüberstellung der getesteten Segmentierungs
softwares 84
Vergleichende Gegenüberstellung der Segmentierungsergebnisse für
Referenzfläche 9 90
Ergebnisse des Segmentierungsvergleichs für 20 Testflächen 91
Zur Segmentierung mit eCognition verwendete Parameter für das
urbane und das rurale Testgebiet 99
Klassifikationsgüte des urbanen und ruralen Testgebietes 100
Vergleich von Berechnungsergebnissen auf Basis eines BNTK-
Objektes sowie jeweils eines ungeglätteten und geglätteten
segmentierten Objektes 105
Struktur des achtstelligen BNTK-Zahlencodes anhand eines Beispiels 110
Bewertung der IKONOS-Daten bezüglich der visuellen Erkennbarkeit
der sächsischen Biotoptypen und ihrer Segmentier- sowie Klassifizier
barkeit 115
Tab. 6.3: Verwendete Eingangsdaten, Parametereinstellungen sowie ange
strebtes Klassifikationsziel für die einzelnen Segmentierungsebenen 118
Tab. 6.4: Zur Objektfusion ausgewählte Klassen sowie Objektzahl (gerundet)
vor und nach ihrer Fusion 120
Tab. 6.5: Ergebnisse der Güteprüfung auf Ebene der BNTK-Hauptgruppen 122
XV
Tab .2.2:
Tab .2.3:
Tab .2.4:
Tab .2.5:
Tab. .3.1:
Tab. 3.2:
Tab. 3.3:
Tab. 3.4:
Tab. 3.5:
Tab. 3.6:
Tab. 3.7:
Tab. 3.8:
Tab. 3.9:
Tab. 4.1:
Tab. 4.2:
Tab. 4.3:
Tab. 4.4:
Tab. 4.5:
Tab. 5.1:
Tab. 5.2:
Tab. 5.3:
Tab. 6.1:
Tab. 6.2:
Tabellenverzeichnis
Tab. 6.6: Statistischer Vergleich der Ergebnisse auf Hauptgruppenebene mit
derBNTK 122
Tab. 6.7: Statistischer Vergleich der Ergebnisse auf Untergruppenebene mit
derBNTK 126
Tab. 6.8: Vor- und Nachteile der visuellen Interpretation analoger CIR-Luftbilder
und der segmentbasierten Klassifikation von IKONOS-Satellitenbild
daten 129
XVI |
| any_adam_object | 1 |
| any_adam_object_boolean | 1 |
| author | Neubert, Marco 1974- |
| author_GND | (DE-588)131578138 |
| author_facet | Neubert, Marco 1974- |
| author_role | aut |
| author_sort | Neubert, Marco 1974- |
| author_variant | m n mn |
| building | Verbundindex |
| bvnumber | BV022578426 |
| classification_tum | BAU 936d |
| ctrlnum | (OCoLC)255381864 (DE-599)BVBBV022578426 |
| discipline | Bauingenieurwesen Vermessungswesen |
| discipline_str_mv | Bauingenieurwesen Vermessungswesen |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01648nam a2200349 cb4500</leader><controlfield tag="001">BV022578426</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">00000000000000.0</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">070814s2006 abd| |||| 00||| ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3938807202</subfield><subfield code="9">3-938807-20-2</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)255381864</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV022578426</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-1028</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">BAU 936d</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Neubert, Marco</subfield><subfield code="d">1974-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)131578138</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten</subfield><subfield code="b">vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen</subfield><subfield code="c">Marco Neubert</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Berlin</subfield><subfield code="b">Rhombos-Verl.</subfield><subfield code="c">2006</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XXV, 152 S.</subfield><subfield code="b">Ill., graph. Darst., Kt.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="1" ind2=" "><subfield code="a">Fernerkundung und angewandte Geoinformatik</subfield><subfield code="v">1</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Zugl.: Dresden, Techn. Univ., Diss., 2006</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Satellitenbildauswertung - Bildauflösung - Bildsegmentierung - Landschaftsplanung - Landschaftsökologie</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="8">1\p</subfield><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="830" ind1=" " ind2="0"><subfield code="a">Fernerkundung und angewandte Geoinformatik</subfield><subfield code="v">1</subfield><subfield code="w">(DE-604)BV022578412</subfield><subfield code="9">1</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=015784648&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-015784648</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield></record></collection> |
| genre | 1\p (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV022578426 |
| illustrated | Illustrated |
| index_date | 2024-07-02T18:15:48Z |
| indexdate | 2024-07-09T21:00:48Z |
| institution | BVB |
| isbn | 3938807202 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-015784648 |
| oclc_num | 255381864 |
| open_access_boolean | |
| owner | DE-1028 |
| owner_facet | DE-1028 |
| physical | XXV, 152 S. Ill., graph. Darst., Kt. |
| publishDate | 2006 |
| publishDateSearch | 2006 |
| publishDateSort | 2006 |
| publisher | Rhombos-Verl. |
| record_format | marc |
| series | Fernerkundung und angewandte Geoinformatik |
| series2 | Fernerkundung und angewandte Geoinformatik |
| spelling | Neubert, Marco 1974- Verfasser (DE-588)131578138 aut Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen Marco Neubert Berlin Rhombos-Verl. 2006 XXV, 152 S. Ill., graph. Darst., Kt. txt rdacontent n rdamedia nc rdacarrier Fernerkundung und angewandte Geoinformatik 1 Zugl.: Dresden, Techn. Univ., Diss., 2006 Satellitenbildauswertung - Bildauflösung - Bildsegmentierung - Landschaftsplanung - Landschaftsökologie 1\p (DE-588)4113937-9 Hochschulschrift gnd-content Fernerkundung und angewandte Geoinformatik 1 (DE-604)BV022578412 1 HBZ Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=015784648&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p cgwrk 20201028 DE-101 https://d-nb.info/provenance/plan#cgwrk |
| spellingShingle | Neubert, Marco 1974- Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen Fernerkundung und angewandte Geoinformatik Satellitenbildauswertung - Bildauflösung - Bildsegmentierung - Landschaftsplanung - Landschaftsökologie |
| subject_GND | (DE-588)4113937-9 |
| title | Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen |
| title_auth | Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen |
| title_exact_search | Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen |
| title_exact_search_txtP | Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen |
| title_full | Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen Marco Neubert |
| title_fullStr | Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen Marco Neubert |
| title_full_unstemmed | Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen Marco Neubert |
| title_short | Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hoch auflösender Satellitenbilddaten |
| title_sort | bewertung verarbeitung und segmentbasierte auswertung sehr hoch auflosender satellitenbilddaten vor dem hintergrund landschaftsplanerischer und landschaftsokologischer anwendungen |
| title_sub | vor dem Hintergrund landschaftsplanerischer und landschaftsökologischer Anwendungen |
| topic | Satellitenbildauswertung - Bildauflösung - Bildsegmentierung - Landschaftsplanung - Landschaftsökologie |
| topic_facet | Satellitenbildauswertung - Bildauflösung - Bildsegmentierung - Landschaftsplanung - Landschaftsökologie Hochschulschrift |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=015784648&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| volume_link | (DE-604)BV022578412 |
| work_keys_str_mv | AT neubertmarco bewertungverarbeitungundsegmentbasierteauswertungsehrhochauflosendersatellitenbilddatenvordemhintergrundlandschaftsplanerischerundlandschaftsokologischeranwendungen |