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.
4.4. Ausrichtung auf relevante Bildbereiche 69<br />
und polarimetrischer Merkmale klassifiziert. Eine Klassifikation von Schattenflächen ist durch die niedrige<br />
Intensität von Schatten im X-Band möglich. Die kreuzpolarisierten Kanäle des L-Bandes (HV und<br />
VH) ermöglichen die Klassifikation von Wald. In den nachfolgenden Stufen werden die Klassen räumlich<br />
so aggregiert, dass Schatten lokal nur in Verbindung mit Wald bestehen kann. Außerdem werden<br />
Schatten- und Waldflächen, die vollständig von Siedlungsbereichen umgeben sind, der Klasse Siedlung<br />
zugeordnet. Abbildung 4.18 zeigt das Ergebnis der Klassifikation.<br />
Eine Übertragbarkeit auf andere Testgebiete ist aufgrund des regelbasierten Verfahrens möglich. Allerdings<br />
sind die Klassifizierungsparameter anzupassen, so dass die Extraktion in diesem Punkt nur<br />
bedingt automatisch abläuft.<br />
Mit der hier verwendeten polarimetrischen Datengrundlage im X- und L-Band lässt sich eine Klassifikation<br />
der Kontextgebiete für Straßen recht zuverlässig vornehmen, da es sich um Bildbereiche handelt,<br />
die ein eindeutig unterschiedliches Rückstreuverhalten aufweisen. Der weiter gehende Extraktionsablauf<br />
kann sich dadurch auf die offene Landschaft beschränken. Neben dem hier vorgestellten Verfahren<br />
gibt es noch weitere Klassifikationsverfahren, die für diese Datengrundlage entwickelt worden sind (z.B.<br />
Herold et al., 2000a).<br />
(a) Ausgangsszene (b) Klassifikationsergebnis: offene Landschaft (schwarz), Siedlung<br />
(dunkelgrau), Wald (weiß) und Schatten (hellgrau)<br />
Abbildung4.18. Klassifikation der Kontextgebiete aufgrund multifrequenter und multipolarimetrischer Datensätze<br />
4.4.2 Segmentierung potentieller Straßenregionen<br />
Zur weiteren Einschränkung des Suchraums für die Straßenextraktion wird die Intensität der Rückstreuung<br />
herangezogen. Da sich Straßen wie in Abschnitt 4.1 beschrieben im Allgemeinen in SAR-Bilddaten<br />
dunkel abbilden, ist es allein aufgrund einer Schwellwertbildung möglich, Bereiche, die potentiell Straßen<br />
beinhalten, zu extrahieren. Um möglichst sicher alle Straßen zu erfassen, wird im Anschluss an<br />
die Extraktion von dunklen Pixeln eine morphologische Dilatation durchgeführt. Dies hat zur Folge,<br />
dass nicht nur niedrige Grauwerte sondern auch ihre Umgebung als potentielle Regionen für Straßen<br />
detektiert werden. Durch diese Art der Extraktion von Gebieten mit niedrigen Grauwerten werden<br />
allerdings nicht nur Straßenpixel ausgewählt, sondern auch andere Objekte wie beispielsweise Schattengebiete,<br />
Wasserflächen oder einzelne, dunkle Regionen. Dadurch liefert die Schwellwertbildung nur<br />
einen recht unzuverlässigen Hinweis auf potentielle Straßen (Abbildung 4.19(a)).<br />
In dieser Arbeit wird der Suchraum für Straßen auf segmentierte potentielle Straßenregionen innerhalb<br />
der klassifizierten offenen Landschaft begrenzt (Abbildung 4.19(b)), um dadurch gleichzeitig sowohl<br />
Fehlextraktionen zu vermeiden als auch die Rechenzeit zu reduzieren.