Berlin May 2009 Landnutzungsklassifikation auf multisensorischen und multispektralen Bilddaten Anforderungen und Lösungsansätze Carsten Lucht Rico Nestler Karl-Heinz Franke Zentrum für Bild- und Signalverarbeitung (ZBS) e.V. 15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
27
Embed
Landnutzungsklassifikation auf multisensorischen und ... · 2 Landnutzungsklassifikation auf multisensorischen und multispektralen Bilddaten - Anforderungen und Lösungsansätze 15.
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Berlin May 2009
Landnutzungsklassifikation auf multisensorischen und
multispektralen BilddatenAnforderungen und Lösungsansätze
Carsten LuchtRico Nestler
Karl-Heinz FrankeZentrum für Bild- und Signalverarbeitung (ZBS) e.V.
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
2
Landnutzungsklassifikation auf multisensorischen un d multispektralen Bilddaten - Anforderungen und Lösung sansätze
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
Inhalt
• Klassifikationsaufgabe und bestehende Anforderungen
• Vorbetrachtung zur Klassifikatorauswahl und
zur Strukturierung des Klassifikationsprozesses –
präferierter Lösungsansatz
• Konzept für die Evaluierung vorausgewählter Klassifikatoren
• Ergebnisse einer exemplarischen Erprobung
*) gefördert mit Mitteln des BMWi durch das DLR unter der Fördernummer 50 EE 0845; weitere Projektpartner: Jena-Optronik GmbH, FSU Jena und ZFL Bonn
Der Beitrag präsentiert Inhalte des aktuellen Verbundprojektes ENVILAND 2 *)
3
Landnutzungsklassifikation auf multisensorischen un d multispektralen Bilddaten - Anforderungen und Lösung sansätze
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
Klassen sind a priori bekannt (Ground-Truth, Feldarbeit), Lerndatensätze zur Klassenbeschrei-bung lassen sich erstellen (manuell oder mit Unterstützung durch Clusteranalyse / Schwellenextraktion)
6
Landnutzungsklassifikation auf multisensorischen un d multispektralen Bilddaten - Anforderungen und Lösung sansätze
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
• bei hoher Ortsauflösung überwiegen Vorteile der segmentbasierten Klassifikation(Filterwirkung und robuste Statistik, zusätzliche Segmentformmerkmale)
Strukturierung der Klassifikation
14
Landnutzungsklassifikation auf multisensorischen un d multispektralen Bilddaten - Anforderungen und Lösung sansätze
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
Landnutzungsklassifikation auf multisensorischen un d multispektralen Bilddaten - Anforderungen und Lösung sansätze
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
Erprobung – Ergebnisse zu Test 2 (mit Varianzmaße)
0.8970.9440. 9090.853Kappa AccuracyKappa ∈[-1,1]
0.9120.9530.9230.876Overall AccuracyOA∈[0,1]
Konfusionsmatrix(grauwertskaliert)
Fehlklassifikationen außerhalb der
Hauptdiagonale)
SVMKNNMVML
• deutliche Verbesserungen bei MV und KNN (im Gegensatz zu ML, aber auch SVM)
• insbesondere Rückgang der Fehlklassifikationen bzgl. „Siedlungen“
26
Landnutzungsklassifikation auf multisensorischen un d multispektralen Bilddaten - Anforderungen und Lösung sansätze
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
Erprobung – Ergebnisinterpretation
Fehlerbild für KNN-Klassifikation in Test 1
• Ergebnisse der Tests decken sich weitestgehend mit den Erwartungen aus der Vorbetrachtung
• Leistungsfähigkeit der Klassifikatoren korreliert mit deren Fähigkeiten bei der Klassenbeschreibung
!
Getestetes Beispiel ist nur exemplarischfür die Aufgabenstellung,Erhebliches Potential zur Optimierung bei Merkmalauswahl, Parametrierung der Klassifikation, Belehrung, ... (früher Stand der Projektbearbeitung)
� Ergebnisse stimmen optimistisch hinsichtlich der Lösbarkeit der Aufgabenstellung
27
Landnutzungsklassifikation auf multisensorischen un d multispektralen Bilddaten - Anforderungen und Lösung sansätze
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
Fazit• Landnutzungsklassifikation stellt sehr anspruchsvolle Bildverarbeitungsaufgabe dar
• Klassifikatoren mit hohem Freiheitsgrad bei der Klassenbeschreibung bzw.
bei der Ausformung von Trennflächen erforderlich
• Mischverteilungsklassifikator , SVM-Klassifikator , kNN-Klassifikator sowie
der Random-Forest-Klassifikator (noch keine Tests) mit hohem Potential,
um die Anforderungen der Aufgabenstellung zu erfüllen
• hochdimensionale Merkmalvektoren , welche auf der Basis von multi- bzw.
hyperspektralen, multisensorischen und multitempora len Bilddaten erstellt werden.
Ausblick: weitere Untersuchungen im Rahmen von ENVILAND 2 zur Entwicklung eines leistungsfähigen Klassifikationssystems und der Realiserung als Softwaremodul
28
Landnutzungsklassifikation auf multisensorischen un d multispektralen Bilddaten - Anforderungen und Lösung sansätze
15. Workshop Farbbildverarbeitung, Berlin, 8. / 9. Oktober 2009
Vielen Dank!Kontakt
Dr. Karl-Heinz FrankeZentrum für Bild- und Signalverarbeitung e.V.Gustav-Kirchhoff-Straße 598693 Ilmenau