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.
42 3. Bisherige Arbeiten zur automatischen Straßenextraktion<br />
In dem Ansatz der TUM von Hinz (2001), Hinz und Baumgartner (2003) und Hinz (2004a) werden<br />
im dichten, urbanen Gebiet Straßen automatisch aus hoch auflösenden Luftbildern (< 0.2m) und<br />
einem digitalen Oberflächenmodell (DOM) extrahiert. Die Extraktion beruht auf einer expliziten Modellierung<br />
der Straße samt ihrer Teilobjekte und Kontextbeziehungen.<br />
Mit Hilfe des DOM werden zunächst Straßenschluchten als potentielle Regionen für Straßen in der Nähe<br />
von Häusern detektiert. Für die Lokalisierung von einzelnen Fahrspuren werden Bereiche zwischen<br />
Kanten und gruppierten Fahrbahnmarkierungen auf Homogenität geprüft. Bei Lücken in der Fahrspurdetektion<br />
wird ein spezielles Modul zur automatischen Erkennung von Fahrzeugen und Fahrzeugkolonnen<br />
aufgerufen (Hinz, 2004b), so dass Störungen der homogenen Straßenfläche erklärt werden können.<br />
Die Höheninformation aus dem DOM wird des Weiteren dazu verwendet, Schattenbereiche zu prädizieren<br />
und damit die Parameter für die Schwellwerte in Schattengebieten beispielsweise zur Detektion<br />
von Fahrbahnmarkierungen automatisch anzupassen. Ein anderes Problem sind die in Stadtgebieten<br />
vorkommenden Sichtverdeckungen durch hohe Gebäude. Dies wird mit einem Mehrbildansatz gelöst.<br />
So können aus der Kenntnis der Position der Bildaufnahme über das DOM potentielle Sichtverdeckungen<br />
berechnet und geeignete Bilder ausgewählt werden.<br />
In der hohen Auflösung ist es möglich durch explizite Modellierung und Verwendung von Straßenteilobjekten<br />
und Kontextinformationen eine sehr detaillierte und sogar Fahrbahn genaue Extraktion der<br />
Straßen zu erreichen.<br />
3.2.2 Verfahren für SAR-Bilddaten<br />
Die Verfahren zur Straßenextraktion aus SAR-Daten unterscheiden sich gegenüber optischen Bilddaten<br />
vor allem in der ersten Phase, der Detektion von Linien. Viele Standardverfahren zur Linien- und<br />
Kantenextraktion sind für optische Bilddaten und nicht für SAR-Bilddaten entwickelt worden. Der erste<br />
Teil dieses Abschnittes geht deshalb näher auf Arbeiten zur Extraktion von Linien aus SAR-Bilddaten<br />
ein. Im zweiten Teil werden dann Verfahren zur Straßenextraktion aus SAR-Bilddaten vorgestellt.<br />
Verfahren zur Extraktion von Linien aus SAR-Bilddaten<br />
Zur Extraktion von Linien haben sich generell gradienten- und Template-basierte Ansätze etabliert.<br />
Gradientenbasierte Ansätze betrachten die Bilddaten als verrauschte Werte einer Bildfunktion (Haralick<br />
und Shapiro, 1992). In dieser Bildfunktion werden Linien als Tal- und Rückenlinien detektiert.<br />
Einige der gradientenbasierten Verfahren basieren auf richtungsunabhängigen Ableitungen der Bildfunktion<br />
(Lindeberg, 1998; Steger, 1998a). Hierfür führen sie vorab eine Gauß’sche Glättung der<br />
Bilddaten durch, um die Ableitungen stabil zu ermitteln. Diese Verfahren haben sich insbesondere für<br />
optische Bilder durchgesetzt und sind wissenschaftlich und technisch ausgereift. Bei den Templatebasierten<br />
Ansätzen werden Templates d.h. Masken verwendet. Ein Template zur Detektion von Linien<br />
besteht aus drei Bereichen. Zur Bestimmung der Linie werden z. B. die Differenzen der Mittelwerte der<br />
Bereiche betrachtet. Diese Auswertung erfolgt für mehrere Richtungen. Die Richtung der maximalen<br />
Antwort wird als Linienrichtung angesehen.<br />
Mit den gradienten- und Template-basierten Ansätzen ergibt sich für optische Bilder eine konstante<br />
Fehlalarmrate (Constant False Alarm Rate, CFAR), d.h. die Anzahl der Fehlextraktionen ist unabhängig<br />
vom mittleren Grauwert. Bei SAR-Daten führt die Anwendung dieser herkömmlichen Detektoren<br />
zu „Scheinkanten“, die keine reale Bedeutung haben (Bovik, 1988). Der Grund für dieses Verhalten<br />
liegt im Speckle-Effekt, durch den mit zunehmendem Grauwert die Varianz im gleichen Maße ansteigt.<br />
Dadurch ergeben sich bei der Differenzbildung von Mittelwerten im höheren Grauwertbereich vermehrt<br />
Fehlextraktionen.<br />
Für die Gewährleistung einer konstanten Fehlalarmrate für die Kanten- bzw. Linienextraktion aus<br />
SAR-Bilddaten gibt es nach Borghys et al. (2000) generell zwei Herangehensweisen.<br />
1. Die Verwendung von Operatoren, die auf dem Verhältnis von Intensitäten anstatt der Differenz<br />
basieren. Speziell für SAR-Daten bedeutet dies, dass mit dem Verhältnis von Intensitäten eine<br />
konstante Fehlalarmrate erreicht werden kann.