Using Geomatica Software - Fernerkundung Jena - Friedrich ...
Using Geomatica Software - Fernerkundung Jena - Friedrich ...
Using Geomatica Software - Fernerkundung Jena - Friedrich ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Prozessablauf in XPACE, Problembereiche bei der Anwendung, Struktur der<br />
Klassifikation mit ANNs (Konstruktion, Trainingsphase, Klassifikationsphase,<br />
Hierarchical Classification, NN Klassifikator, Distance-Weighted k-NN, Narenda<br />
Goldberg non-iteratives und nicht-parametrisches Histogramm Clustering,<br />
Descision Tree Klassifikatoren, DTC vers. ANN, ANN Module in <strong>Geomatica</strong><br />
(Beschreibung der Advanced ANN Module in EASI/PACE), Übung zur überwachten<br />
Klassifikation,<br />
12. Termin: Textur, Definitionen, statistische Parameter 1er Ordng (Varianz,<br />
Mittelwert), statistische Parameter 2ter Ordng. (SGLD), Spatial Grey Level<br />
Dependence Matrices, Concurrence Matrix, Co-occurence Matrix, SGD-Matrix-<br />
Klassen: Contrast, Dissimilarity, Homogenität, Angular Second Moment (Energy,<br />
Entropy), GLCM Mean, Variance, Stdev, Correlation), statistische Parameter 3ter<br />
und nter Ordng. (Variogrammanalysen und -texturklassifikation), Textur zur<br />
Datensegmentierung, Link zu Segmentierungsmethoden, Mustererkennung,<br />
Textur in <strong>Geomatica</strong> (Modulüberblick und -anwendung von TEX ), Übung zur<br />
Texturklassifikation in EASI/PACE,<br />
13. Termin Genauigkeitsanalysen von Klassifikationsergebnissen<br />
(Evaluierungsgebiete, Trainingsgebiete, User- und Producer Genauigkeit, Error of<br />
Omission, Error of Comission, MLR (Maximum Likelihood Report) in <strong>Geomatica</strong>,<br />
Übung zur Klassifikationsgenauigkeit, Literaturhinweise zum Thema,<br />
14. Termin: Hyperspektrale Datenauswertung, Eigenschaften, Sensoren<br />
(Kurzüberblick), Datenredundanz, spectral Unmixing, Endmembers, Spectral<br />
Angle Mapper, MNF (Minimum Noise Fraction), Spectral Feature Fitting, Binary<br />
Encoding, Hyperspektrale Datenverarbeitung in ENVI und SAM in <strong>Geomatica</strong>,<br />
Ausblick auf die Objekt orientierte Klassifikation und Schnittmengen mit GIS<br />
(Landscape Metrics, Fragstat, r.le in GRASS), ULE (Lehrevaluierung),<br />
15. ggf. 15. Termin: Wiederholung aller Termininhalte in komprimierter Form,<br />
Fragestunde zur Klausur, Ergebnis-Diskussion der ULE Analyse<br />
1.3 Digitale Bildverarbeitung – die Grundlagen<br />
Einheiten der Speicherkapazität:<br />
1 Bit = -> 0 oder -> 1 - ( Ja ) oder ( Nein )<br />
1 Byte = 8 Bit = 1 Zeichen (=> 256 mögliche Ausprägungen)<br />
1 KiloByte = 1024 Bytes -> 1024 = 2(hoch 10)<br />
1 MB = 1 Megabyte = 1024 * 1024 Byte (1.048.576 Byte).<br />
Megabyte:<br />
Die Berechnung von einem Megabyte führt immer wieder zur Verwirrung,<br />
daher sei hier auf den Faktor hingewiesen, mit dem gerechnet werden muss:<br />
1024 Byte = 1 KiloByte,<br />
1024 KiloByte = 1 Megabyte.<br />
1024 Megabyte = 1 Gigabyte<br />
Um also von z.B. 123.456.789 Bytes auf Megabyte umzurechnen,<br />
rechnet man: (123.456.789/1024)/1024=117,73 MB, oder<br />
123.456.789/1048576=117,73 MB<br />
Dieser Faktor wird in allen Berechnungen, die in MegaByte ausgedrückt werden,<br />
verwendet. Unglücklicherweise halten sich z.B. einige Hardwarehersteller nicht an diese<br />
Konvention. Dies führt beim Kauf von Festplatten immer wieder zu Verwirrungen.