Dissertationen - DGK

92
6. Verbesserung der Straßenextraktion für SAR-Bilddaten
Im vorigen Kapitel wurde gezeigt, welche Schwierigkeiten bei der bisherigen Extraktion von Straßen
noch bestehen. Insbesondere benachbarte Objekte stellen für die Straßenextraktion ein Problem dar.
Dieses Problem tritt auch in optischen Bilddaten auf. Verschiedene Arbeiten, die sich mit der Extraktion
von Straßen aus optischen Bilddaten beschäftigen, unterstützen durch die gezielte Einführung von
Kontextwissen die Extraktion. Dieser Ansatz wird in dieser Arbeit auf SAR-Bilddaten übertragen,
denn gerade für die schräg aufgenommenen SAR-Bilder ist die Integration von Kontextwissen besonders
wichtig.
In diesem Kapitel werden für drei SAR-spezifische Problembereiche, die sich aus der Analyse der Ergebnisse
(Kapitel 5) ergeben haben, (Kontext-)Modelle vorgestellt und in die Straßenextraktion integriert,
um damit die Extraktion weiter zu verbessern.
Den ersten Problembereich bilden die Kontextobjekte. Der Einfluss von Kontextobjekten auf die Straße
wird in Abschnitt 6.1 modelliert und entsprechend der funktionalen Zusammenhänge werden die
Objekte Autos, Verkehrsschilder, Brücken und Bäume in die Extraktion integriert.
Der zweite Problembereich besteht in der Auswahl von Startsegmenten in der Nähe von Städten. In
Abschnitt 6.2 wird hierfür globales Kontextwissen eingesetzt, um Startstücke in der Nähe von Städten
zu generieren und zu integrieren.
Ein weiteres Problemfeld stellen die Autobahnen dar. Für das Erscheinungsbild von Autobahnen in
SAR-Bilddaten wird in Abschnitt 6.3 ein explizites Modell aufgestellt. Darauf aufbauend wird ein
Verfahren zur Extraktion von Autobahnen entwickelt, welches das Erscheinungsbild und das Maßstabsraumverhalten
dieser Objektklasse berücksichtigt.
6.1 Nutzen von lokalem Kontext: Kontextobjekte
In diesem Abschnitt wird der Nutzen von lokalem Kontext für die Straßenextraktion untersucht. Wie
Abbildung 6.1 zeigt, stören Kontextobjekte, wie z.B. Bäume oder verschmierte Fahrzeuge, die Extraktion.
Einige der störenden Kontextobjekte beinhalten aber auch ein hohes Maß an Evidenz für
eine Straße, wie z.B. Fahrzeuge, Brücken oder größere Verkehrsschilder. Andere Objekte, wie z.B.
Bäume oder Baumreihen, können sich entweder direkt neben einer Straße oder in größerer Entfernung
zu einer Straße befinden, so dass diese Objekte eher eine geringe Evidenz für Straßen beinhalten. Die
Vorgehensweise zur Integration von Kontextobjekten in die Straßenextraktion wird in Abschnitt 6.1.1
erläutert und die erzielten Ergebnisse werden in Abschnitt 6.1.2 beschrieben (bzw. in Wessel et al.
(2003)).
Bäume
Fahrzeug
mangelnder
Kontrast
Abbildung6.1. Fehlende Extraktion bedingt durch Bäume, mangelnden Kontrast und ein Fahrzeug