Dissertationen - DGK

Weitere Magazine

Empfehlungen

Info

Adresse der Deutschen Geodätischen Kommission: Deutsche Geodätische Kommission Alfons-Goppel-Straße 11 ! D – 80 539 München Telefon +49 - (0)89 - 23 031 -0 / -1113 ! Telefax +49 - (0)89 - 23 031 -1283 / -1100 E-mail hornik@dgfi.badw.de ! http://dgk.badw.de Prüfungskommission Vorsitzende: Univ.-Prof. Dr.-Ing. L. Meng Prüfer der Dissertation: Univ.-Prof.i.R. Dr.-Ing., Dr.-Ing.E.h. H. Ebner Univ.-Prof. Dr.-Ing. O. Hellwich, TU Berlin Univ.-Prof. Dr.-Ing. U. Stilla Die Dissertation wurde am 07.03.2006 bei der Technischen Universität München eingereicht und durch die Fakultät für Bauingenieur- und Vermessungswesen am 12.05.06 angenommen. © 2006 Deutsche Geodätische Kommission, München Alle Rechte vorbehalten. Ohne Genehmigung der Herausgeber ist es auch nicht gestattet, die Veröffentlichung oder Teile daraus auf photomechanischem Wege (Photokopie, Mikrokopie) zu vervielfältigen ISSN 0065-5325 ISBN 3 7696 5039 5
Zusammenfassung Diese Arbeit stellt einen Ansatz zur automatischen Extraktion von Straßen aus SAR-Bilddaten vor. Für die Extraktion werden explizit modellierte Eigenschaften von Straßen sowie deren Nachbarschaftsbeziehungen im lokalen und globalen Umfeld verwendet. Der vorgestellte Ansatz ist für offenes, ländliches Gebiet und für Bilddaten mit einer Bodenpixelgröße von ca. zwei Metern geeignet. Generell basiert der Ansatz zur automatischen Straßenextraktion auf der Extraktion von Linien aus SAR-Bilddaten. Für die differential-geometrische Linienextraktion wird eine SAR-spezifische Vorverarbeitung vorgestellt, mit der das Specklerauschen reduziert und die Messwerte radiometrisch kalibriert werden. Eine Vorklassifikation von städtischen und ländlichen Gebieten ermöglicht die Durchführung der Linienextraktion gezielt auf ländlichen Gebieten. Durch die Gruppierung und Bewertung der Linien nach geometrischen und radiometrischen Kriterien entstehen Hypothesen für Straßen, die mit Hilfe einer kürzesten Pfadsuche zu einem Straßennetz miteinander verbunden werden. Dieses Verfahren wird auf verschiedenen Szenen flugzeuggetragener SAR-Sensoren (E-SAR, AER II, AeS 1) angewendet. Eine Analyse der erzielten Ergebnisse zeigt die Stärken und Schwächen des Verfahrens auf. Für fehlerhafte Extraktionen, die auf spezielle Eigenschaften der SAR-Rückstreuung zurückzuführen sind, werden die Abbildungseigenschaften der verantwortlichen Objekte modelliert. Darauf aufbauend werden Verbesserungen hinsichtlich der Modellierung von Straßen und deren Nachbarschaften vorgenommen. So werden benachbarte Objekte, die das Erscheinungsbild von Straßen beeinflussen, wie Bäume, Brücken, bewegte Fahrzeuge und Verkehrsschilder, als Kontextinformation in die Straßenextraktion integriert. Dadurch können kleinere Lücken im extrahierten Straßennetz geschlossen und die topologische Korrektheit der extrahierten Straßen erhöht werden. Eine weitere Verbesserung der Straßenextraktion wird durch die Einführung von Städten aus der Vorklassifikation erzielt. Mit dieser Information können neue, sichere Startstücke für Straßen gewonnen werden, die die Vollständigkeit des extrahierten Straßennetzes verbessern. Darüber hinaus wird eine automatische Extraktion von Autobahnen vorgestellt, die auf einer expliziten Modellierung der geometrischen, radiometrischen und multi-skalen Eigenschaften von Autobahnen beruht. Die Leistungsfähigkeit dieses Verfahrens wird anhand von verschiedenen SAR-Szenen aus ländlichen und industriellen Gebieten demonstriert und durch einen Vergleich der Ergebnisse mit manuell erfassten Referenzdaten evaluiert. Eine Diskussion der Vorteile und Defizite des Verfahrens schließt die Arbeit ab.
Seite 1: DEUTSCHE GEODÄTISCHE KOMMISSION be
Seite 6 und 7: Summary This thesis presents an app
Seite 8 und 9: 4 Straßenextraktion für SAR-Bildd
Seite 11 und 12: 1. Einleitung 1.1 Motivation Luft-
Seite 13 und 14: 2. Radar mit synthetischer Apertur
Seite 15 und 16: 2.1. Grundprinzip und Auflösung ab
Seite 17 und 18: t 1 t 2 t 3 t n R L sa a P 2.2. Ge
Seite 19 und 20: 2.2. Geometrisch bedingte Abbildung
Seite 21 und 22: 2.3. Radiometrische Eigenschaften 1
Seite 23 und 24: 2.3. Radiometrische Eigenschaften 2
Seite 25 und 26: 2.4. Statistische Eigenschaften 23
Seite 27 und 28: Weitere Modelle und Verteilungen f
Seite 29 und 30: 2.5. SAR-Polarimetrie 27 Bei einem
Seite 31 und 32: 2.6. SAR-Systeme 29 Der von Entropi
Seite 33 und 34: 3. Bisherige Arbeiten zur automatis
Seite 35 und 36: 3.1. Modellierung und Strategie 33
Seite 37 und 38: 3.1. Modellierung und Strategie 35
Seite 39 und 40: 3.2. Verfahren zur automatischen St
Seite 49 und 50: 3.3 Der TUM-LOREX-Ansatz 3.3. Der T
Seite 51 und 52: Fuzzy-Wert 1 0 a b Bewertungsmaß F
Seite 53 und 54: 3.3. Der TUM-LOREX-Ansatz 51 Distan
Seite 55 und 56:
4.1. Abbildungseigenschaften von St
Seite 57 und 58:
Seite 59 und 60:
Seite 61 und 62:
4.2. Modifikation des TUM-LOREX-Ans
Seite 63 und 64:
Fuzzy-Wert 1 0 4.3. SAR-spezifische
Seite 65 und 66:
4.3. SAR-spezifische Vorverarbeitun
Seite 67 und 68:
4.3. SAR-spezifische Vorverarbeitun
Seite 69 und 70:
Logarithmische Skalierung 4.3. SAR-
Seite 71 und 72:
4.4. Ausrichtung auf relevante Bild
Seite 73 und 74:
4.5. Extraktion und Bewertung 71 Di
Seite 75 und 76:
4.5. Extraktion und Bewertung 73 ei
Seite 77 und 78:
(a) Extraktion mit SAR-Vorverarbeit
Seite 79 und 80:
4.5. Extraktion und Bewertung 77 F
Seite 81 und 82:
(a) Extraktion (b) Manuell erfasste
Seite 83 und 84:
4.5. Extraktion und Bewertung 81 De
Seite 85 und 86:
5.1. Analyse der Stärken und Schw
Seite 87 und 88:
5.1. Analyse der Stärken und Schw
Seite 89 und 90:
Entfernung (a) SAR-Signatur von Bä
Seite 91 und 92:
tsa zurückgelegt hat 5.2. Abbildun
Seite 93 und 94:
5.3. Folgerungen für die Extraktio
Seite 95 und 96:
6.1.1 Integration der Kontextobjekt
Seite 97 und 98:
6.1. Nutzen von lokalem Kontext: Ko
Seite 99 und 100:
(a) Ausschnitt aus Datensatz Ländl
Seite 101 und 102:
(a) Ausschnitt aus Datensatz Ländl
Seite 103 und 104:
6.3.2 Extraktion von Autobahnen 6.3
Seite 105 und 106:
6.3. Separate Behandlung von Autoba
Seite 107 und 108:
7.2. Diskussion 105 aufgrund der ge
Seite 109 und 110:
7.3. Ausblick 107 Merkmale können
Seite 111 und 112:
A.3. Algorithmus von Dijkstra 109 e
Seite 113 und 114:
A.4. Prozessierung der Rohdaten in
Seite 115 und 116:
Verzeichnis der Abkürzungen und Va
Seite 117 und 118:
Literaturverzeichnis Arsenault, H.
Seite 119 und 120:
Literaturverzeichnis 117 Fischler,
Seite 121 und 122:
Literaturverzeichnis 119 Kuan, D.,
Seite 123 und 124:
Literaturverzeichnis 121 Stilla, U.
Seite 125 und 126:
Dank An erster Stelle danke ich mei
Alle anzeigen

Dissertationen - DGK

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?