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 45<br />
gestörte Straßenabschnitte aus. Die Extraktion funktioniert dort gut. Bei stärker durch Störeinflüsse<br />
gekennzeichneten Straßenabschnitten werden dagegen keine Straßen gefunden.<br />
Dell’Acqua und Gamba (2001) vom Dipartmento di Elettronica, Università di Pavia stellen drei Extraktionsalgorithmen<br />
für Straßen in städtischen Gebieten vor, deren Ergebnisse in (Dell’Acqua et al.,<br />
2003) zu einem gemeinsamen Straßennetz miteinander fusioniert werden. Die Algorithmen wurden anhand<br />
von flugzeuggetragenen SAR-Daten entwickelt.<br />
Allen drei Algorithmen geht eine grobe Klassifikation in Straßen- und Nicht-Straßenpixel voraus. Die<br />
Durchführung der Klassifikation basiert auf einem Fuzzy C Means Ansatz. Die sich ergebenden Fuzzy-<br />
Zugehörigkeitswerte für jedes Pixel stehen den Extraktionsalgorithmen zur Verfügung. Der erste Algorithmus<br />
zur Straßendetektion besteht aus einer erweiterten Hough-Transformation (CWHT). Zur<br />
Detektion verschiedener Linienbreiten wird dieser Ansatz in mehreren Auflösungsstufen angewendet.<br />
Der zweite Ansatz ist eine modifizierte Version der rotierenden Hough-Transformation. Das Bild wird<br />
hierbei nach und nach gedreht und es werden jeweils nur horizontale und vertikale Segmente erfasst.<br />
Beide Ansätze können aufgrund der Hough-Transformation nur gerade Linien detektieren. Für die<br />
Erfassung gekrümmter Linien ist der dritte Ansatz zuständig. Er führt auf Grundlage des Klassifikationsergebnisses<br />
eine kürzeste Pfadsuche mittels Dynamic Programming durch. Ergebnisse sind u.a.,<br />
dass mit diesem Verfahren bei einer amerikanischen Stadt mit ihren sehr regelmäßigen Strukturen<br />
eine Vollständigkeit von rund 80% erreicht werden kann. In (Dell’Acqua et al., 2003) werden die<br />
Ergebnisse aus zwei orthogonalen Sichten fusioniert. Als Testgebiet dient der Innenstadtbereich einer<br />
italienischen Stadt. Die Vollständigkeit der Ergebnisse ist trotz der Fusion mit knapp über 20% recht<br />
niedrig, u.a. aufgrund der fehlenden Geradlinigkeit der Straßen.<br />
Chanussot et al. (1999) von der Université de Savoie, Frankreich präsentieren einen Ansatz zur<br />
Extraktion von linearen Strukturen und zur Fusion verschiedenartiger Linieninformationen. Die Detektion<br />
linearer Strukturen beginnt mit einer Filtervorverarbeitung gefolgt von einer morphologischen<br />
Linienextraktion. Anstelle eines klassischen Speckle-Filters wählen sie einen gerichteten Median-Filter<br />
in Richtung der größten Homogenität eines jeden Pixels. Auf den Speckle-reduzierten Bildern findet<br />
ausschließlich eine morphologische Linienextraktion statt. Linien werden hierbei aufgrund ihrer Form<br />
und ihrem geringeren Grauwert in Bezug zur Umgebung detektiert. Da es sich lediglich um einen<br />
Algorithmus der Phase 1 handelt, ergibt sich eine unvollständige und unkorrekte Detektion des Straßennetzes<br />
wie sie bei allen low-level Detektoren üblich ist.<br />
Katartzis et al. (2001) vom Department of Electronics and Informatics (ETRO) Vije Universität<br />
Brüssel kombinieren diesen Ansatz mit dem MRF-Ansatz von Tupin et al. (1998). Die Detektion<br />
der Liniensegmente wird von Chanussot und Lambert (1998) übernommen und durch einen Linientracker<br />
verfeinert. Die globale Verknüpfung der Linienstücke erfolgt mit einem leicht veränderten<br />
Bayesschen Netzwerk von Tupin et al. (1998). In dieser Modifikation können Straßen aufgrund der<br />
morphologischen Linienextraktion unabhängig von ihrer Breite und Richtung detektiert werden. Probleme<br />
treten bei stärker gekrümmten Straßen auf. Dieser Ansatz wurde zwar für optische Luftbilder<br />
entwickelt, ist aber aufgrund des Verfahrens von Chanussot et al. (1999) ebenso für SAR-Bilddaten<br />
anwendbar.<br />
Wang und Zheng (1998) führen nach einer Reihe von Vorverarbeitungsschritten die Straßenextraktion<br />
mittels einer Hough-Transformation durch. In der Vorverarbeitungsphase werden in einem ersten<br />
Segmentierungsschritt auf dem HH-polarisierten Amplitudenbild per Schwellwert dunkle, potentielle<br />
Straßenbereiche segmentiert. In einem zweiten Segmentierungsschritt wird unter Hinzunahme der<br />
VV-Polarisation die Segmentierung weiter verfeinert. Vor allem Schattenbereiche können mit der für<br />
Straßen gültigen Bedingung, dass die Intensität von Straßen in der VV-Polarisation größer ist als in<br />
der HH-Polarisation, ausgeschlossen werden. Die Detektion von Straßen erfolgt in einem morphologisch<br />
gefilterten Bild über eine Hough-Transformation. Dabei können nur gerade Straßen gefunden werden,<br />
was eine ziemliche Einschränkung für diesen Ansatz bedeutet. Die Vorverarbeitungsschritte sind dafür<br />
relativ robust an die SAR-Daten angepasst.