Dissertationen - DGK
Dissertationen - DGK
Dissertationen - DGK
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
1. Einleitung<br />
1.1 Motivation<br />
Luft- und Satellitenbilder bilden in der Photogrammetrie und Fernerkundung die Basis für thematische<br />
Auswertungen und für die Extraktion von Objekten. Die Auswertung dieser Bilddaten findet<br />
heutzutage zunehmend neue Anwendungsgebiete, etwa in der Raum- und Verkehrsplanung, bei der<br />
Überwachung des Ökosystems oder bei Naturkatastrophen. Zu dem gestiegenen Bedarf an Informationen<br />
zählen auch aktuelle Daten über das Straßennetz. Für viele Aufgaben ist das Straßennetz von<br />
elementarer Bedeutung, beispielsweise werden digitale Straßendaten für die Routenplanung, Navigation<br />
und Planungsaufgaben benötigt. Besonders dringend ist z.B. auch der Bedarf an aktuellen Straßendaten<br />
nach Naturkatastrophen, um den Grad der Zerstörung der Infrastruktur zu ermitteln und die<br />
Hilfsmaßnahmen effektiv planen zu können. Straßen dienen ganz allgemein als wichtige Versorgungsund<br />
Kommunikationswege, auf die eine Gesellschaft essentiell angewiesen ist. Die automatische Extraktion<br />
von Straßen aus digitalen Bilddaten ist derzeit Gegenstand der Forschung (Stilla et al.,<br />
2005).<br />
In der Bildanalyse befassen sich seit einigen Jahren zahlreiche Forschungsarbeiten mit der vollautomatischen<br />
Objektextraktion. Die Schwierigkeit bei diesen Verfahren liegt darin, den Erkennungsprozess<br />
mit Methoden der Bildanalyse zu realisieren: die Erfassung von Strukturen, deren Gruppierung und<br />
die Zuweisung von Semantik. Diese Schwierigkeiten sind bisher nicht ausreichend gelöst.<br />
Zur Erfassung und Aktualisierung von Straßendaten werden Bilddaten in der Praxis immer noch manuell<br />
ausgewertet (Englisch und Heipke, 1998). Ein Operateur kann durch seine visuellen Fähigkeiten<br />
die Bilddaten meist problemlos interpretieren. Die manuelle, interaktive Erfassung ist jedoch recht<br />
zeitintensiv und kostenaufwändig. Zudem wächst der Wunsch nach kürzeren Zeiträumen zwischen den<br />
Aktualisierungen, was den Bedarf an automatischen Auswerteverfahren weiterhin erhöht.<br />
Ein möglicher Ansatz die automatische Erkennung von Straßen weiter voranzutreiben, besteht in der<br />
Nutzung zusätzlicher oder andersartiger Informationsquellen. Bisherige Forschungsarbeiten zur Straßenextraktion<br />
haben hauptsächlich optische Bilddaten verwendet, die im sichtbaren und im nahen<br />
Infrarot-Bereich des elektromagnetischen Spektrums Reflexionen der Erdoberfläche aufzeichnen. Die<br />
Nutzung von Radardaten zur Erkennung von Straßen ist bisher minimal ausgeschöpft worden.<br />
Radar ist ein aktives Verfahren, das selbst ausgesendete und an der Erdoberfläche reflektierte Mikrowellenstrahlung<br />
aufzeichnet. Aus diesem Verfahren ergeben sich eine Reihe von prinzipiellen Vorteilen<br />
gegenüber optischen Sensoren. Die wesentlichen Vorteile von Radar bestehen in der Unabhängigkeit<br />
der Aufnahme von der Tageszeit und wegen der hohen Durchlässigkeit der Atmosphäre für Mikrowellenstrahlung<br />
in der weitgehenden Unabhängigkeit von Witterungsverhältnissen. Eine Aufnahme<br />
mit Radarsensoren bietet sich insbesondere dann an, wenn die Aufnahme zeitnah und somit auch<br />
nachts oder bei ungünstigen Witterungsbedingungen erfolgen muss, wie etwa bei Erdbeben oder Überschwemmungen.<br />
Wegen der Wetterunabhängigkeit und des Tag- und Nachtbetriebs haben sie auch<br />
das Potenzial für eine regelmäßige, operationelle Überwachung der Erdoberfläche, beispielsweise zur<br />
Verkehrsüberwachung.<br />
Zur Bildauswertung werden vor allem Daten der höher aufgelösten SAR-Systeme (Synthetic Aperture<br />
Radar) verwendet. Die Auswertung von SAR-Daten hat sich seit dem Start des ersten europäischen<br />
Erdbeobachtungssatelliten ERS 1 im Jahr 1990 enorm entwickelt. Verschiedene Klassifizierungsverfahren<br />
zur thematischen Kartierung der Erdoberfläche haben sich ebenso wie Verfahren zur Erzeugung<br />
digitaler Geländemodelle und zur Bestimmung von Bewegungen der Erdoberfläche etabliert.<br />
Die ständig gestiegene Auflösung der SAR-Sensoren ermöglicht zunehmend auch die Erkennung von<br />
Straßen oder einzelnen Gebäuden. In dieser Arbeit soll das Potenzial von hoch aufgelösten SAR-<br />
Bilddaten für die automatische Extraktion von Straßen aufgezeigt werden. Dabei steht die Adaption<br />
eines automatischen Extraktionsverfahrens für Straßen an SAR-Bilddaten im Vordergrund der Arbeit.<br />
Es sollen aber auch die grundsätzlichen Vorteile und Schwierigkeiten von SAR-Bilddaten für die<br />
Erkennung von Straßen erörtert werden.<br />
9