T ávérzékelt felvételek objektum-alapú elemzése

1. Távérzékelt felvételekobjektum-alapú elemzése László István, Gera Dávid, Fekete István,Dezső Balázs, Giachetta Roberto

2. I. Szegmensalapú osztályozás Az osztályozás alapfeladata: A földfelszínt reprezentáló távérzékelt felvétel képpontjainak besorolása tematikus kategóriákba. A pontonkénti osztályozás gyakori tévedése: a pontokat nem a szomszédjaikkal együtt, hanem önmagukban vizsgálva sorolja be a legvalószínűbb osztályba.

3. Szegmensalapú osztályozás Szegmensalapú osztályozás: a környezeti információ kinyerése. A szegmens spektrálisan hasonló, szomszédos képpontok egybefüggő halmaza. Előny a természetből adódó homogenitások megőrzése. Hátrány a felszínborítások határpontjainak besorolásánál javítás: pontonkénti felülvizsgálat

4. Az objektum-alapúfelvétel-kiértékelés (OBIA) • Cél: a távérzékelt felvételek felosztása jelentéssel rendelkező objektumokra, és • az objektumok térbeli, spektrális és időbeli tulajdonságainak megállapítása. • Magába foglalja a szegmentálást, osztályozást és az attribútumok hozzárendelését. • Magasabb szintű cél: az emberi interpretáció utánzása, esetleg kiváltása.

5. A képszegmentálás néhány megvalósított módszere Összevonás-alapú (lentről fel) módszerek: • Szekvenciális csatolás módszere • Legjobb összevonás alapú (bestmerge) • Összevonásos gráfalapú szegmentálás Vágás-alapú (fentről le) módszerek: • Minimális átlagsúly-alapú vágás • Minimális arány-alapú vágás • Normált minimális vágás

6. Az osztályozási eljárás lépései • Szegmentálás: a képpontokat szegmensekbe soroljuk a spektrális és térbeli tulajdonságaik alapján. Eredmény:szegmens-térkép. • Clusterezés:felügyelet nélküli eljárás, nem használunk előzetes információt (referencia-adatokat). Clusterek:Képpontok/szegmensek kompakt csoportjai az intenzitástérben, amelyek felszínborításokat reprezentálnak.Eredmény:cluster-térkép.

7. Az osztályozási eljárás lépései • Tanulási fázis: A clusterek és a referencia-területek közötti kapcsolatok vizsgálata,a clusterek megcímkézése. • Osztályozási fázis:A képpontok vagy szegmensek besorolása felszínborítási kategóriákba.Eredmény:osztály-térkép. • Pontosságvizsgálat:tévesztési mátrix

8. Őszi búza Tavaszi árpa Őszi árpa Kukorica Silókukorica Napraforgó Cukorrépa Lucerna Vízfelszínek Nem mezőgazd. ter. Más szántóföldi növ. A legjobb összevonás-alapú módszer illusztrációja űrfelvétel (május) űrfelvétel (június) űrfelvétel (augusztus) szegmens-térkép(legjobb összevonás) cluster-térkép(legjobb összevonás) osztályozásieredmény(legjobb összevonás)

9. II. Objektum-alapú felvétel-kiértékelés:egy esettanulmány • Négy alkalmazást mutatunk be: • Nem támogatható területek, facsoportok lehatárolása (II.) • Vörösiszap-elöntés felmérése (III.a.) • Parlagfű-felmérés (III.b.) • Épített infrastruktúra felismerése városi környezetben (III.c.) • Objektum-alapú (OBIA) megoldás • Az alkalmazás szoftveres környezete: • Definiens / eCognition programcsomag • A beépített szegmentáló-algoritmusok használata • Osztályozás a szomszédsági információ figyelembe vételével • A parancsokat ún. szabályrendszerekbe szervezzük • Raszteres bemenet: színes infravörös ortofotók (< 1m)

10. A feladat leírása A Mezőgazdasági Parcella Azonosító Rendszerben (MePAR) a területek fontos jellemzője, hogy igényelhető-e rájuk mezőgazdasági támogatás. Az alkalmazás célja a legelős területeken megjelenő fás, bokros területek automatikus lehatárolása és a támogatható területekből való kivágása. A szuperfelbontású felvételeknél a szegmentálás alkalmazása már szükségszerű, nemcsak lehetőség! A képpontok általában nem értelmezhetők önmagukban.

11. A szegmentálás lépései • Negyedelőfa-alapú szegmentálás („fentről le”)-Egyszerű módszer a kezdeti szegmensek előállítására- A következő lépések számításigényének csökkentése • Több-felbontású (multiresolution) szegmentálás („lentről fel”)- Páronkénti régió-összevonási technika- Kritérium: spektrális és alakbeli homogenitás • Spektráliskülönbség-alapú szegmentálás („lentről fel”)- A több-felbontású szegmentálás eredményének finomítása- Spektrálisan hasonló, szomszédos szegmensek összevonása • Kontrasztvágás-alapú szegmentálás („fentről le”)- A szegmenseket világosabb és sötétebb részekre bontja, ha szükséges.

12. Az osztályozás Cél: a fás-bokros területek elkülönítése a legelőktől(de nem a fafajok szétválasztása) • Spektrális tulajdonságok: fafajok, a növényzet sűrűsége, megvilágítás • Térbeli tulajdonságok: geometria és mintázat A mintázat (textúra) • Inhomogenitás • Szürkeszint-egybeesési mátrix (GLCM) • Entrópia: a mintázat rendezetlensége, azaz véletlenszerűsége • Homogenitás: a GLCM elemeinek közelsége a főátlóhoz

13. A facsoportok lehatárolásának lépései Ortofotó Több-felbontású szegmentálás Kontrasztvágás-szegmentálás Osztályozás

14. III. Egyéb alkalmazásokIII.a. Vörösiszap-elöntés felmérése • A távérzékelés fontos feladata a légi- és űrfelvételeken látható környezeti és ipari katasztrófák felmérése. Az ár- és belvízfelmérés, az aszályfelmérés rendszeres feladatok. • A bemutatott alkalmazás a 2010. októberében bekövetkezett vörösiszap-elöntés hatását mérte fel szuper- és nagyfelbontású űrfelvételeken végzett szegmensalapú elemzésekkel. • Megoldás: szegmentálás, mintakiválasztás, statisztikai döntés; geometriaiés mintázati jellemzők, valamint vegetációs indexek felhasználása.

15. Vörösiszap-elöntés felmérése Lokális szegmentálási hiba… …kontrasztvágással javítva A végső objektumok Az elöntött területet ábrázoló űrfelvétel és az osztályozás végeredménye

16. III.b. Parlagfű-felmérés • A parlagfű pollenje erősen allergén • Szabálytalan térbeli és időbeli viselkedés • Hagyományosan: nagyfelbontású felvételek képpont-alapú feldolgozása • Kísérleti kutatás: szuperfelbontású felvételek szegmens-alapú kiértékelése Pixel-alapú, kalászos Szegmens-alapú, kalászos Pixel-alapú, szója Szegmens-alapú, szója

17. III.c. Épített infrastruktúra felismerése városi környezetben A projekt célja a városok terjeszkedésének, átrendeződésének vizsgálata. Az ortofotók spektrális információtartalma mellett magassági adatokat is felhasználunk. Szegmentálás: • Negyedelőfa-alapú • Több-felbontású • Spektrális különbség-alapú Osztályozás: • Nehéz az épületek és a lineáris objektumok (utak) elválasztása • Megoldás: az elnyúltság mértékének („density”) vizsgálata

18. Épített infrastruktúra felismerése városi környezetben A szegmentálás eredménye falusi, kertvárosi környéken: Jó szegmentálási eredmény: utak és háztetők

19. Épített infrastruktúra felismerése városi környezetben Hibás döntés: hosszú háztömb szürke lapos tetővel és az autókhoz hasonló kéményekkel, felépítményekkel Megoldás: digitális felületmodell (magasság!) felhasználása A tetőt tartalmazó, de spektrálisan az úthoz hasonló szegmens

20. Köszönöm a figyelmet!