Bachelor

Fakultät 08
Slum-Detektion mit Hilfe der Schmittlet-basierten Bildanalyse angewendet auf optische Aufnahmen
Kategorie:
Abschlussarbeit
Status:
abgeschlossen
BetreuerIn:
Extern/e AutorIn:
Michael Apfel
Jahr:
2018

Einleitung

Das Ziel dieser Arbeit ist die erstmalige Anwendung der Schmittlets zur Merkmalsextraktion aus optischen Daten. Der Name „Schmittlets“ bezeichnet einen Satz runder und länglicher Filterkernels unterschiedlicher Größe und Ausrichtung, die in einem speziellen, äußerst robusten Verfahren in ein Intensitätsbild geschätzt werden. Ursprünglich sind Schmittlets zur Verbesserung von Radarintensitäten im multi-skaligen und multi-direktionalen Multi-looking entwickelt worden. Ein Nebenprodukt ist dabei das Bild mit den lokal am besten passenden („best-fitting“) Schmittlets, welches runde und längliche Elemente unterschiedlicher Orientierung des Bildinhalts widerspiegelt (Abbildung rechts oben). Das auf optische, panchromatische Aufnahmen übertragene und mit einem neuen Rauschmodell versehene Verfahren soll schließlich dazu eingesetzt werden, Slums von formeller Bebauung in der indischen Millionenstadt Mumbai abzugrenzen. Für die Klassifikation werden unterschiedliche Merkmale in einem Schwellwertverfahren getestet.


Methodik


Das optische Intensitätsbild (Abbildung links oben) wird in sogenannte Schmittlet-Koeffizienten zerlegt, deren Signifikanz über ein speziell dafür entworfenes Rauschmodell geschätzt wird mit dem Ziel, das lokal am besten passende Schmittlet herauszufinden. Das Ergebnis dieses Bearbeitungsschritts ist der Schmittlet-Index (Abbildung rechts oben), der die Größe und Ausrichtung der lokal am besten passenden Schmittlets über Helligkeit und Farbton widergibt. Nun gilt es, Bereiche mit ungeordneten Strukturen (mit hoher Wahrscheinlichkeit Slums) von Bereichen mit geordneten Strukturen (mit hoher Wahrscheinlichkeit geplante Bebauung) zu trennen. Dafür werden verschiedene Eigenschaften der Schmittlets wie Parallelität, Orthogonalität, Richtungsverhältnisse etc. näher untersucht. Zur Verfeinerung der zuvor binären Entscheidung Slum vs. Nicht-Slum, wird abschließend noch der NDVI hinzugezogen, um Vegetation innerhalb der Slumgebiete zu entfernen (Abbildung links unten).


Ergebnisse

Die rein visuelle Interpretation legt nahe, dass der Schmittlet-Index ein probates Mittel zur Unterscheidung von geordneten und ungeordneten Strukturen darstellt. Slum-ähnliche Strukturen im Bild werden erkannt. Jedoch sind auch zahlreiche Überschneidungen mit geplanter Bebauung und auch Vegetation zu verzeichnen. Um das Verfahren großflächig einsetz- und validierbar zu machen, müssen womöglich in einem weiteren Schritt multi-spektrale Bildkanäle und der Schmittlet-Index z.B. über die daraus abgeleiteten Merkmale und in ein höherentwickeltes Klassifizierungsverfahren wie z.B. die Histogrammklassifikation eingebracht und gemeinsam ausgewertet werden.

Suche

Suchen Sie
... Abschlussarbeiten, Projekte oder Publikationen zu einem bestimmten Thema? Dann verwenden Sie das Suchformular.

... oder von einem bestimmten Autor oder Betreuer? Dann können Sie auch auf den persönlichen Seiten nachsehen.