Satellitenbildverarbeitung im Rahmen des Verbundprojektes ENVILAND

Im Rahmen verschiedener Missionen zur Fernerkundung der Erdoberfläche, wie z.B. durch ENVISAT, Landsat, Ikonos, Quickbird, ERS und durch Flugzeug gestütztes E-SAR, entsteht multimodales Bildmaterial sowohl aus dem optischen Spektralbereich als auch Radar-Daten unterschiedlicher Polarität und Auflösung. Diese können zur Lösung vielfältiger Problemstellungen eingesetzt werden. Ziel des Verbundprojektes ENVILAND ist die automatische Erzeugung von Landoberflächenkartierungen im Ergebnis eines weitestgehend automatisierten Verarbeitungsprozesses. Damit sollen Aufgaben, wie z.B. die automatische Kartierung von Feldfruchtarten, die Ermittlung biophysikalischer Kenngrößen und die Erfassung der Änderungsdynamik, gelöst werden. Gegenstand der Arbeiten ist die Entwicklung einer prototypischen Software-Prozesskette. Jeder Prozessschritt übernimmt eine spezifische Aufgabe (Geokodierung, Kantenextraktion, Registrierung, Segmentierung, Klassifikation).

Der thematische Schwerpunkt des Zentrums für Bild- und Signalverarbeitung (ZBS) liegt hierbei auf der Entwicklung von Registrierungs- und Segmentierungsalgorithmen und deren leistungsfähiger Umsetzung. Zusätzlich wurden auch Algorithmen zur Klassifikation (z.B. Support-Vector-Machines) und Schwellwertextraktionsverfahren verfügbar gemacht und deren Anwendbarkeit getestet.

Die besonderen Herausforderungen liegen darin, dass messtypisch gestörtes Bildmaterial unterschiedlicher Modalität (SAR, optisch (VIS), NIR, TIR) registriert werden muss, unterschiedliche Auflösungen vorliegen und dabei zum Teil extreme Datenmengen verarbeitet werden müssen. In Bezug auf die Klassifikation ergibt sich die Notwendigkeit, ein überwachtes Lernverfahren mit der geforderten automatischen Verarbeitung in Einklang zu bringen.

Forschungsgegenstand ist die Entwicklung von neuartigen, strukturbasierten Verfahren zur pixelgenauen, automatischen Registrierung von Bildmaterial unterschiedlicher Modalität und zur Segmentierung. Die Segmentkarte soll Ausgangsbasis für eine objektorientierte Merkmalsextraktion und eine darauf aufbauende Klassifikation sein. Abbildung 1 und 2 zeigen erste Klassifikationsergebnisse der Segmentierung von Bildmaterial aus 6 Landsat-5- und 4 ASAR-Kanälen, bei denen eine Klassifikationsgenauigkeit von ca. 89% erzielt wurde.

Abbildung 1 Ausschnitt einer Landsat-5-Szene der Region Köln-Bonn (RGB-Komposit der Kanäle 5,4,3)

Abbildung 2 Ergebnis der SVM-Klassifikation (blau = urbane Region; gelb= Wasser; grün= Wald; weiß,rosa, hellrot= Landwirtschaft)