Dissertationen - DGK
Dissertationen - DGK
Dissertationen - DGK
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4.2. Modifikation des TUM-LOREX-Ansatzes für SAR-Bilddaten 59<br />
4.2 Modifikation des TUM-LOREX-Ansatzes für SAR-Bilddaten<br />
Diese Arbeit setzt auf einer bestehende Software zur Straßenextraktion aus optischen Bilddaten der<br />
Technischen Universität München (TUM-LOREX) auf. Der TUM-LOREX-Ansatz sieht einen sequentiellen<br />
Ablauf von einzelnen Operatoren vor. Dieser sequentielle Ablauf der Extraktion wird auch in<br />
dieser Arbeit fortgeführt. In diesem Abschnitt wird ein Überblick über den für SAR-Bilddaten modifizierten<br />
Ablauf der Straßenextraktion gegeben. Zusätzliche Modellerweiterungen werden in Kapitel 5<br />
und 6 vorgestellt.<br />
Nach der Einteilung aus Abschnitt 3.2 kann die Extraktion grundsätzlich in zwei Phasen unterteilt werden.<br />
Die Phase 1 besteht aus der Linienextraktion inklusive der Nachbearbeitung und der Bewertung<br />
der Linien. Für die Phase 2 ergeben sich mit der Auswahl von Startstücken und dem Netzwerkaufbau<br />
grundsätzlich die gleichen Aufgaben wie für optische Bilddaten. Sie ist eher als datenunabhängig einzustufen.<br />
Dadurch können dort prinzipiell die gleichen Verfahren wie bei optischen Bilddaten eingesetzt<br />
werden. Die Modifikation der TUM-LOREX-Software konzentriert sich daher auf die Phase 1.<br />
Die Neuerungen und Anpassungen für SAR-Bilddaten wurden in den Extraktionsablauf des TUM-<br />
LOREX-Ansatzes integriert (Abbildung 4.7). Im Folgenden wird ein Überblick über die neue, modifizierte<br />
Extraktionsstrategie für SAR-Bilddaten gegeben. Die SAR-spezifischen Neuerungen und Anpassungen<br />
werden in den nachfolgenden Abschnitten (4.3, 4.4) näher erläutert. Der TUM-LOREX-Ansatz<br />
wurde bereits in Abschnitt 3.3 dargestellt.<br />
Auswahl der Datengrundlage<br />
Basierend auf den Überlegungen im vorangegangenen Abschnitt sollte eine Vorauswahl der SAR-<br />
Bilddaten stattfinden. In der Analyse der potentiellen SAR-Datengrundlagen (Abschnitt 4.1) hat sich<br />
gezeigt, dass vor allem Betragsbilder hoch auflösender SAR-Sensoren sinnvoll für eine Detektion von<br />
Straßen sind. Ebenso haben sich im X-Band die HH-Polarisation und im L-Band die VV-Polarisation als<br />
geeignet herausgestellt. Auch die Auswertung mehrerer Frequenzen scheint sinnvoll, damit ergänzende<br />
Informationen die Extraktion stützen können. Die ausgewählten Bilddaten sind für die Straßenextraktion<br />
weiter aufzubereiten.<br />
SAR-spezifische Vorverarbeitung<br />
Für die Bereitstellung einer geeigneten Datengrundlage werden die für SAR-Bilddaten üblichen Vorverarbeitungsschritte<br />
für die Extraktion von Straßen optimiert. Im Rahmen dieser an Straßen angepassten,<br />
SAR-spezifischen Vorverarbeitung spielen insbesondere folgende Korrekturen eine Rolle<br />
• Korrektur der Einfallswinkelabhängigkeit<br />
• Reduzierung des Specklerauschens und<br />
• Skalierung der SAR-Messwerte.<br />
Die Reduzierung des Specklerauschens und die Skalierung der SAR-Messwerte erfolgen vor allem im<br />
Hinblick auf die verwendete Linienextraktion. Diese Vorverarbeitungsschritte werden in Abschnitt 4.3<br />
näher erläutert.<br />
Ausrichtung auf relevante Bildbereiche<br />
Im Rahmen der Extraktion gilt es, zunächst die sicheren und leichter zu extrahierenden Straßenstücke<br />
zu detektieren, um ausgehend von diesen Straßenstücken, das Straßennetz weiter zu vervollständigen.<br />
Zur Vermeidung der Extraktion von unkorrekten Hypothesen wird der Suchraum vor der Extraktion<br />
auf ländliche Bereiche ausgerichtet. Hierfür erfolgt eine Klassifikation der Kontextgebiete „Wald“,<br />
„Siedlung“ und „offene Landschaft“. Zur Klassifikation werden die Merkmale dieser Gebiete im X- und<br />
L-Band herangezogen. Zur weiteren Eingrenzung des Suchraums erfolgt eine Segmentierung niedriger<br />
Grauwertbereiche. Durch diese Eingrenzungen der SAR-Szene auf potentielle Straßenregionen wird die<br />
Extraktion von unkorrekten Hypothesen reduziert.