Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server

Hauptkomponenten-Transformation auswirkt.
Zur Unterteilung der Bilder in verschiedene Klassen wurden zwei Kriterien herangezogen. Das
erste Kriterium ist der mittlere Bewölkungsgrad. Klarer Himmel führt zu einem niedrigen Mittelwert
eines Cloud-Index Bilds, starke Bewölkung zu einem hohen Mittelwert. In beiden Fällen
ist die Bewölkungsdecke relativ homogen. Für mittlere Cloud-Index Werte lassen sich 2 Typen
von Bildern unterscheiden. Auf der einen Seite treten Bilder mit großflächigen Wolkenstrukturen
auf, die in sich homogen sind. Auf der anderen Seite gibt es Bilder mit starker Variabilität der
Wolken auch auf kleinen Skalen. Als zweites Kriterium zur Klassifikation soll somit die räumliche
Variabilität der Bilder berücksichtigt werden. Durch die Varianz läßt sich die Variabilität
eines Bildausschnittes nur ungenügend beschreiben. Die Varianz ermöglicht die Unterscheidung,
wie stark einzelne Pixelwerte vom Mittelwert abweichen. Groß- bzw. kleinskalige Strukturen lassen
sich mit Hilfe der Varianz nur insoweit unterscheiden, als die Variabilität auf kleinen Skalen
mit geringeren Abweichungen vom Mittelwert verbunden ist, als bei großskaligen Strukturen. Als
besser geeignetes Maß für die Variabilität wird der Mittelwert über die Beträge der Differenzen
zwischen benachbarten Pixeln in x- bzw. y-Richtung definiert:
var x =
var y =
N
1 x −1,N y
(N x − 1)N y
∑ |x i, j − x i+1, j |, (3.25)
i, j=1
N
1 x ,N y −1
N x (N y − 1)
∑
i, j=1
|x i, j − x i, j+1 |. (3.26)
Die Variabilität in y-Richtung und diejenige in x-Richtung sind stark korreliert, die Variabilität in
y-Richtung wurde zur Klassifikation herangezogen.
In Abb. 3.7 ist die Variabilität in y-Richtung über dem Mittelwert aufgetragen. Anhand dieser Graphik
wurden die Grenzen für Mittelwert und Variabilität so festgesetzt, daß sich für jede Klasse
ausreichend viele Beispiele ergeben und im Wesentlichen die oben beschriebenen Fälle charakterisiert
werden, was zu den in Tabelle 3.1 spezifizierten Klassen führt.
Menge Klasse 1 Klasse 2 Klasse 3 Klasse 4
Mittelwert mean≤60 mean>160 60