Bachelor

Fakultät 08
Segmentierung von hoher und niedriger Vegetation in Luftbildern mittels Deep Learning
Kategorie:
Abschlussarbeit
Status:
abgeschlossen
BetreuerIn:
Extern/e BetreuerIn:
Dr. Michael Wurm
Extern/e AutorIn:

Gabriel Alejandro Cevallos


Jahr:
2020
Abbildung 1: Das Eingangsbild als Kombination aus den Kanälen Blau, Grün und NDVI.
Abbildung 1: Das Eingangsbild als Kombination aus den Kanälen Blau, Grün und NDVI.

Eine der klassischen Aufgaben der Fernerkundung ist die Bodenbedeckungsanalyse mit Hilfe von Erdbeobachtungsdaten. Diese wird heutzutage mit sogenannten Verfahren des maschinellen Lernens, beispielsweise Random Forest oder Maximum Likelihood, überwacht oder unüberwacht durchgeführt. In der Arbeit wurde eine solche Analyse auf hochaufgelösten Orthophotos (siehe Abbildung 1) spezifisch für hohe und niedrige Vegetation durchgeführt. Hierfür wurde ein überwachtes Klassifikationsverfahren gewählt, welches aktuell große Aufmerksamkeit seitens der Fernerkundung erfährt und in sehr vielen Anwendungen der Bedeckungsanalyse Einzug hält, das so genannte Deep Learning. Konkret wurde eine Form dieses Verfahrens benutzt, mit der für die Pixel eines Eingangsbildes eine Klassenzugehörig zu einer vordefinierten Klasse ermittelt werden kann. Diese Aufgabe wird im Fachjargon als „Semantic Segmentation“ bezeichnet. Um diese Klassifikation ausführen zu können musste hierfür zunächst ein so genanntes Neuronales Netz trainiert werden. Das Ziel dieser Arbeit war es, die Nutzbarkeit des Verfahrens für die Vegetationsanalyse im urbanen Raum zu erproben und dessen Genauigkeit zu quantisieren. Hierfür sollte versucht werden, den von Orthophotos stammenden Pixeln eine Klassenzugehörigkeit zu einer der vordefinierten Klassen (Hohe Vegetation, Niedrige Vegetation und Hintergrund) zuzuordnen, siehe Abbildung 2. Es wurden folgende Genauigkeitsmaße für die Klassifikation ermittelt [Precision: 0.89 , Recall: 0.90, Kappa: 0.851].

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.