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.
3.2. Verfahren zur automatischen Straßenextraktion 37<br />
(a) Siedlung<br />
(b) Offene Landschaft (c) Wald<br />
Abbildung3.3. Beispiele für Kontextgebiete<br />
• Phase 2: globale Modellierung, in der die Verfolgung und Vervollständigung der extrahierten<br />
Stücke zu einem Straßennetz vorgenommen wird<br />
In Phase 1 werden Methoden aus dem Bereich der digitalen Bildverarbeitung zur Extraktion von Linien<br />
oder Kanten eingesetzt. Sie versuchen die Objekte aufgrund ihrer radiometrischen, geometrischen und<br />
statistischen Eigenschaften zu erfassen. Dabei kommen Methoden wie Segmentierung, Merkmalsextraktion,<br />
Polygonapproximation sowie Algorithmen zur Datenfusion und Gruppierung von Teilstrukturen<br />
zum Einsatz.<br />
In Phase 2 werden weniger bildbezogene Methoden angewendet, sondern eher Suchalgorithmen (Fischler<br />
et al., 1981; Vosselman, 1992; Geman und Geman, 1984), Markoff-Zufallsfelder (Tupin et al.,<br />
1998; Stoica et al., 2004), neuronale Netze (Bhattacharya und Parui, 1997) oder Dynamic Programming<br />
(Gruen und Li, 1997) sowie Ansätze mit verschiedenen Maßstäben (Baumgartner et al.,<br />
1999) oder Bewertungsmethoden (Zadeh, 1989; Shafer und Pearl, 1990).<br />
Da die Straßenextraktion aus optischen Bildern grundlegende Methoden für die Extraktion aus SAR-<br />
Bilddaten größtenteils beinhaltet, werden in Abschnitt 3.2.1 zunächst verschiedene Verfahren zur Straßenextraktion<br />
aus optischen Bildern vorgestellt. In Abschnitt 3.2.2 folgt die Darstellung der Arbeiten<br />
auf SAR-Bilddaten. Anschließend werden die Ansätze diskutiert und Folgerungen für diese Arbeit<br />
gezogen.