berichte 2011 - Förderergesellschaft der Geodäsie und ...

50
AUTOMATISCHE INTERPRETATION MULTITEMPORALER F ERNERKUNDUNGSDATEN UN-
TERSCHIEDLICHER AUFLÖSUNG (DFG-EINZELPROJEKT, THORSTEN H OBERG)
Die Zahl optischer Fernerkundungssatelliten und somit die Verfügbarkeit
von Daten in unterschiedlichen Auflösungsstufen hat sich in den
vergangenen Jahren rasant gesteigert. Somit bieten sich neue
Möglichkeiten zur Verbesserung der Klassifikationsgenauigkeit von
Landnutzungsklassen oder zur Detektion von Veränderungen in einer
höheren Frequenz.
Die Beschaffung hochaufgelöster Daten (ca. 1 Meter Bodenauflösung) ist
allerdings zumeist sehr teuer, während Daten in einer mittleren Auflösung
(ca. 30 Meter Bodenauflösung) deutlich günstiger sind. Letztere haben
jedoch einen wesentlich geringeren Informationsgehalt.
In dem Projekt wurde eine Methode entwickelt, die eine kombinierte
Auswertung beliebiger Daten unterschiedlicher Auflösung ermöglicht. Auf
diese Weise wird zum einen die Klassifikationsgenauigkeit erhöht, zum
anderen ist das Verfahren in der Lage, Veränderungen zu erkennen.
Diese beiden Zielsetzungen wurden in bisherigen Arbeiten stets getrennt
betrachtet. Zudem können unterschiedliche Klassenstrukturen in den
einzelnen Auflösungsstufen berücksichtigt werden, welche z.B. durch das
Verschmelzen einzelner Klassen einer höheren Auflösungsstufe zu einer
übergeordneten Klasse in der niedrigeren Auflösungsstufe entstehen.
Die Methode basiert auf einem Verfahren aus der Mustererkennung, den
Conditional Random Fields (CRF). Diese ermöglichen die Nutzung
zeitlicher und räumlicher Kontextinformation sowohl auf Basis von
Information, die aus den Daten gewonnen werden, als auch durch
Integration von Modellwissen. Auf diese Weise können zum Beispiel
Wahrscheinlichkeiten für den Übergang einer Landnutzungsklasse zu
einer anderen Klasse in die Analyse integriert werden.
Das Beispiel zeigt die Ergebnisse einer Auswertung einer Ikonos-Szene
(4 Meter Bodenauflösung), welche zu einem früheren Zeitpunkt
aufgenommen wurde, mit einer Landsat-Szene (30 Meter
Bodenauflösung). In der Landsat-Szene wurden 12 großräumige
Veränderungen von Acker- bzw. Waldflächen zu Siedlungsflächen
simuliert – siehe Veränderungsmaske. Für diese Szene konnte zum einen
die Klassifikationsgenauigkeit um 15% im Vergleich zu einer
Standardklassifikation gesteigert werden, zum anderen wurden 70% aller
Pixel, die einer Änderung unterworfen waren, korrekt klassifiziert.
VON LINKS NACH RECHTS: REFERENZ; VERÄNDERUNGSMASKE; ERGEBNIS EINER STANDARD-MAXIMUM-
LIKELIHOOD-KLASSIFIKATION; ERGEBNIS DER AUF CRF-BASIERENDEN METHODE (JEWEILS LANDSAT): KLAS-
SEN: GELB: ACKER/GRÜNLAND; GRÜN: WALD; ROT: SIEDLUNG; WEIßE RECHTECKE: TRAININGSGEBIETE.