Dissertationen - DGK

34 3. Bisherige Arbeiten zur automatischen Straßenextraktion
rungen im Maßstabsraum dar. Das Verhalten eines Objektes im Maßstabsraum wird als Maßstabsraumereignis
bezeichnet. Der Maßstabsraum an sich ist kontinuierlich und kann über einen Maßstabsparameter
σ skaliert werden. In der Signal- und Bildverarbeitung wird vor allem der lineare und der
Gauß‘sche Maßstabsraum verwendet. Niedrigere Auflösungsstufen können aus dem Originalbild durch
eine Faltung mit dem Gauß’schen Faltungskern gσ(x,y) erzeugt werden
gσ(x,y) = 1
2πσ 2 · e− x2 +y 2
2σ 2 , (3.1)
wobei x und y die Zeilen und Spalten des Bildes darstellen. Durch die Glättung im Maßstabsraum
nimmt zum einen der Detailreichtum des Bildes ab, wobei Punkte und Linien zum Teil beseitigt
werden. Zum anderen hat die Beseitigung von Detailstrukturen zur Folge, dass Objekte oft besser
extrahiert werden können. Beispielsweise werden Detailstrukturen wie Fahrbahnmarkierungen oder
Straßenteilobjekte eliminiert und erleichtern so die Extraktion. Grundsätzlich gilt, je kleiner der Maßstab
desto grundlegender sind die Eigenschaften, die in den Vordergrund treten (Mayer, 1998b). Bei
der Verwendung mehrerer Auflösungsstufen für die Objektextraktion müssen die jeweiligen Maßstabsraumereignisse
berücksichtigt werden. Aber nicht jeder Maßstab ist gleich gut für die Extraktion eines
Objektes geeignet. In neueren Arbeiten werden insbesondere die Modellierung und die Auswahl geeigneter
Auflösungsstufen betont (Mayer, 1998b; Mayer und Steger, 1998; Baumgartner et al.,
1999; Couloigner und Ranchin, 2000; Straub und Heipke, 2001; Pakzad und Heller, 2004).
In dieser Arbeit wird für Autobahnen das Maßstabsraumverhalten in verschiedenen Maßstäben modelliert.
3.1.2 Kontextmodell
Für die Bildanalyse einer natürlichen Szene ist die alleinige Modellierung des zu extrahierenden Objektes
meist nicht ausreichend. Die Abbildung natürlicher Objekte hängt in hohem Maße auch von
ihrer Umgebung ab. Beispielsweise wird die Sichtbarkeit und damit die Extraktion von Straßen stark
durch angrenzende Bäume oder Gebäude beeinträchtigt. Derartiges Wissen, das über das eigentlich zu
extrahierende Objekt hinausgeht, wird als Kontextwissen bezeichnet und kann in einem so genannten
Kontextmodell formuliert werden.
Der Begriff Kontext wird in der Literatur für die Nutzung sehr unterschiedlichen Wissens verwendet:
manchmal bezieht er sich lediglich auf Zusatzinformationen wie Aufnahmeparameter und Aufnahmebedingungen
(Burlina et al., 1995), manchmal auf die Pixelumgebung benachbarter Grauwerte
eines Objektes (Hellwich, 1997), manchmal auf die räumliche Beziehung einzelner Objektteile zu
einem zusammengesetzten Gesamtobjekt (de Gunst und Vosselman, 1997) und manchmal auf eine
möglichst vollständige Beschreibung der aufgenommenen Szene in der Umgebung des zu erkennenden
Objektes (McKeown et al., 1985; Strat und Fischler, 1995). In jüngeren Arbeiten (Mayer, 1998a;
Baumgartner, 2003; Hinz und Baumgartner, 2003) hat sich der Begriff Kontext eingebürgert als
Bezeichnung für die Beziehungen zwischen einem gesuchten Objekt und seiner Umgebung mit den sich
daraus ergebenden Abbildungen.
Kontext kann auf lokaler und globaler Ebene betrachtet werden. Im Lokalen bezieht er sich auf die
direkte Relation zwischen einem Objekt und dessen umgebenden Einflüssen. Im Globalen betrachtet
er die generelle Erscheinungsform des Objektes in Abhängigkeit des großräumigen Zusammenhangs
seines Auftretens.
Lokaler Kontext : Kontextobjekte
Mit lokalem Kontext werden die unmittelbaren Beziehungen zwischen dem zu extrahierenden Objekt
und seinen Nachbarobjekten bezeichnet. Diese Nachbarobjekte werden deshalb auch als Kontextobjekte
bezeichnet. Die Nachbarschaftsbeziehungen beinhalten z.B. geometrische Eigenschaften wie Nähe
und Parallelität. Die Kontextobjekte beeinflussen auch das Erscheinungsbild des gesuchten Objektes.
Das Objekt „Straße“ steht in Relation zu Kontextobjekten wie Gebäuden, Bäumen oder Fahrzeugen.