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.
68 4. Straßenextraktion für SAR-Bilddaten<br />
Clipping<br />
Die letzte getestete Methode zur Skalierung ist das Beschneiden des Grauwertbereichs (Clipping), d.h.<br />
Messwerte außerhalb definierter Grenzen werden durch einen Minimal- bzw. Maximalwert ersetzt (Abbildung<br />
4.15(c)). Bei SAR-Daten sind gerade einzelne, sehr große Amplituden- bzw. Intensitätswerte,<br />
z.B. bei metallischer Reflexion, für die hohe Dynamik verantwortlich. Bei einem Clipping ausschließlich<br />
der hohen Messwerte auf einen Sättigungswert wird die Erkennbarkeit von Straßen nicht beeinflusst,<br />
da es sich um dunkle Objekte handelt. Innerhalb des Minimal- und Maximalwertes werden die SAR-<br />
Messwerte linear auf 8bit skaliert. Die Vollständigkeitsrate der Straßenextraktion ist ähnlich hoch wie<br />
bei den linear skalierten Multilook-Amplitudendaten. Zudem hat sich gezeigt, dass durch das Clipping<br />
die Einstellung der Parameter für den Kontrast bei der Linienextraktion wesentlich erleichtert wird,<br />
da der Kontrast stärker hervortritt als in linear skalierten Daten.<br />
Zusammenfassend kann für die Skalierung der SAR-Messwerte für die Straßenextraktion festgehalten<br />
werden:<br />
• Die Log-Intensität eignet sich wegen der Spreizung der Grauwerte im unteren Grauwertbereich<br />
schlechter für die Straßenextraktion als linear skalierte Messwerte.<br />
• Eine lineare Dynamikreduzierung wirkt sich nicht auf die Linienextraktion aus. Dadurch kann bei<br />
Bedarf eine Transformation der Grauwerte auf 8bit vorgenommen werden.<br />
• Ein Beschneiden der Grauwerte auf den relevanten Grauwertbereich erleichtert die Extraktion<br />
von Linien und Straßen, da die Schwellwerte leichter einzustellen sind.<br />
Auf Basis dieser Ergebnisse wird für die Straßenextraktion das Clipping auf relevante Grauwertbereiche<br />
mit einer anschließenden linearen Skalierung eingesetzt.<br />
4.4 Ausrichtung auf relevante Bildbereiche<br />
Eine Einschränkung des Suchbereichs auf relevante Bildbereiche erhöht die Zuverlässigkeit der Extraktion<br />
und reduziert den Rechenaufwand. Mögliche Suchbereiche lassen sich durch eine Klassifikation<br />
oder Segmentation von Gebieten ermitteln. So ist es beispielsweise möglich, über Kontextgebiete Regionen,<br />
die von Interesse sind oder für die die Straßenextraktion vorrangig eingesetzt werden soll,<br />
automatisch auszuwählen. Nach dem Kontextmodell aus Abschnitt 3.1.2 werden für Straßen die globalen<br />
Kontexte Siedlung, offene Landschaft und Wald unterschieden. Für das vorgestellte Verfahren<br />
ist eine Extraktion von Straßen im offenem Gelände am erfolgversprechendsten. Daher wird in den<br />
Verfahrensablauf eine Klassifikation der globalen Kontexte integriert, damit die Straßenextraktion gezielt<br />
in der offenen Landschaft durchgeführt werden kann. Des Weiteren kann durch die Verwendung<br />
der Eigenschaft, dass Straßen in SAR-Bilddaten dunkel erscheinen, der Suchraum weiter eingeschränkt<br />
werden. Die Voraussetzung für diese Einschränkungen des Suchbereichs ist allerdings, dass Kontextgebiete<br />
und potentielle Straßenregionen mit ausreichender Zuverlässigkeit extrahiert werden können. Es<br />
folgt eine Beschreibung der Extraktion dieser Bereiche.<br />
4.4.1 Klassifikation von Kontextgebieten<br />
Die Klassifikation von Kontextgebieten basiert auf der Grundlage eines X- und L-Band Datensatzes<br />
bestehend aus den Polarisationen HH, HV, VV und VH im L-Band und der HH- und VV-Polarisation<br />
im X-Band. Dabei wird der Einfluss des lokalen Einfallswinkels als korrigiert vorausgesetzt. Die Klassifikation<br />
wurde von Herrn cand. geod. Stefan Kühn auf Basis der eCognition Software erarbeitet<br />
(Definiens, 2005; Kühn, 2001).<br />
Zunächst wird eine Segmentierung des Bildes vorgenommen. Darauf aufbauend erfolgt eine Klassifikation<br />
der Klassen „Siedlung“, „Wald“, „Schatten- und Wasserflächen“ sowie „niedrige Vegetation“. Die<br />
Klassifikation basiert auf einem vierstufigen Regelwerk. In der ersten Stufe werden in dem vorsegmentierten<br />
Bild die Klassen „Siedlung“, „Wald“, „Schatten“ und „Vegetation“ aufgrund frequenzabhängiger