Sitemap Contact Kalender Nieuw Home

Projectendatabank FEDRA

Presentatie

Onderzoeksacties

Personen

Zoeken

Ruimtelijke informatie-extractie voor urbane gebieden gebaseerd op hyper-spectrale data (URBAN)

Onderzoeksproject S0/00/011 (Onderzoeksactie S0)


Personen :


Beschrijving :

SITUERING

Dit voorstel hoort thuis in het onderzoeksdomein "Landbeheer, ruimtelijke ordening en cartografie".
Het doel van dit voorstel is nuttige informatie aangaande urbane en suburbane gebieden te extraheren uit hyperspectrale data, gebruik makend van de gegevens beschikbaar gesteld via de CASI-SWIR meetcampagne. Dit voorstel sluit aan op het STEREO-project "Ruimtelijke informatie-extractie voor locale en regionale overheden op basis van zeer-hoge-resolutie data". De terreingegeven en afgeleide producten gecreëerd in het vermelde project zullen gebruikt worden als validatiedata in dit onderzoeksproject over hyperspectrale data. Als test-site is het zuidelijk gedeelte van Gent gekozen. Dit voorstel is erop gericht twee types informatie over urbane en suburbane gebieden uit hyperspectrale data af te leiden: geometrische informatie en thematische informatie.

Via teledetectie bekomen beelden, zo ook hyperspectrale beelden, worden gekenmerkt door verplaatsingen van het relief en reliefverschillen. Deze gebeuren weg van het centrum van het beeld, dus in het geval van via teledetectie bekomen beelden betekent dit weg van de vlieglijn. Bij monoscopische analyse zijn deze verplaatsingen hinderlijk voor de interpretatie, classificatie en cartografie van de beeldinformatie. Echter waneer de scanningsbeelden worden gevlogen in strips met een overlapping van 60% kunnen deze verplaatsingen een meerwaarde geven, aangezien de beelden dan stereoscopisch kunnen verwerkt worden en daaruit extra informatie kan verkregen worden zoals enveloppe DEM’s en orthofoto’s.

Tot vrij recent was de beschikbaarheid van multispectrale data beperkt tot data met een relatief lage dimensionaliteit. De recente vooruitgang op het vlak van sensortechnologie, die het mogelijk maakt data op te nemen in honderden banden, gekend als hyperspectrale data, biedt het potentieel om meer gedetailleerde informatie dan voorheen te verzamelen, en dit met een grote nauwkeurigheid. De significante toename van de datacomplexiteit brengt echter met zich mee dat nieuwe methoden voor dataverwerking moeten worden ontwikkeld, om te verzekeren dat het grote aanbod van informatie, aanwezig in hyperspectrale data, maximaal benut kan worden. Tot op dit moment is het gebruik van hyperspectrale data in urbane teledetectie relatief beperkt. Niettemin is het duidelijk dat hyperspectrale data, bestaande uit fijne spectrale banden, een groot potentieel bezitten om de mogelijkheden tot het spectraal onderscheiden van verschillende stedelijke oppervlaktematerialen, te doen toenemen. Met gebruik van de conventionele multispectrale data is het onderscheid tussen sommige, spectraal vergelijkbare klassen vaak niet te maken (bijv. tussen gebouwen en diverse wegklassen). Gebruik van hyperspectrale data kan ook leiden tot een betere karakterisering van de ecologische toestand in urbane gebieden, door een thematisch meer gedetailleerde kartering van groene zones.

Voor het verwijderen van de reliëfsverplaatsingen in hyperspectrale beelden werd tot nu toe meestal een "extern" DEM gebruikt, zoals DEMs verkregen uit laseraltimetrie, luchtfotogrammetrie e.d. Door de opnamesituatie van hyperspectrale beelden te wijzigen tot een stereoscopische overlapping van twee beelden, is het echter mogelijk om een DEM te bekomen samen met de hyperspectrale beeldacquisitie. Het principe van DEM-generatie met twee overlappende beelden, afkomstig van pushbroom-scanners, is reeds succesvol getest op Aster beelden. Dit DEM kan niet alleen aangewend worden om de hyperspectrale beelden te ortho-rectificeren. De hoogte-gegevens die het DEM levert kunnen ook als extra informatie aan het classificatieproces toegevoegd worden. Hoogte-informatie, afgeleid uit het DEM, kan uitsluitsel geven over de functionele klasse (landgebruik) waartoe een spectraal gedetecteerd oppervlaktemateriaal behoort (bijv. gravel op daken of gravel op wegen). Het kan ook een betere diversificatie van functionele klassen mogelijk maken (bijv. de hoogte van een gebouw kan een belangrijk morfologisch criterium zijn bij het bepalen van de functie ervan).


DOELSTELLINGEN

Het doel van dit voorstel is te onderzoeken hoe hyperspectrale data kunnen bijdragen tot een beter onderscheid van de typering van stedelijke oppervlakken.
Het voorstel houdt een tweevoudig doel in. Ten eerste is het de bedoeling te onderzoeken wat de mogelijkheden zijn van gescande data, opgenomen in verschillende stroken met een overlappingspercentage van 60% om een enveloppe-DEM en een orthofoto te genereren, en de nauwkeurigheid van de opgenomen data na te gaan. Het tweede deel is het onderscheidend vermogen van hyperspectrale data vergelijken met dat van conventionele multispectrale zeer-hoge-resolutie data, toegepast op urbane en peri-urbane gebieden.

De specifieke doelstellingen zijn:

a) Een enveloppe DEM en orthofoto genereren uit stereoscopisch opgenomen hyperspectrale data met een relatief fijne resolutie (vb. 1 meter)

b) De nauwkeurigheid van het DEM afgeleid uit de gescande data vergelijken met de nauwkeurigheid van een DEM afgeleid uit luchtfoto’s van zeer hoge resolutie (3D-analyse) en de geometrische nauwkeurigheid van de orthofoto nagaan (2D-analyse)

c) Een statistische analyse uitvoeren op de karakteristieken van de verschillende bodemgebruiks- en bodembedekkings-klassen in het hyperspectrale domein door kruistabellen te berekenen tussen de banden (of groepen van banden) en de terreingegevens (gebaseerd op de interpretatie van luchtfotografie)

d) De verschillenden technieken evalueren voor de dimensionele reductie van de hyperspectrale data sets in de context van urbane teledetectie

e) De werking testen van verschillende multispectrale classificatie algoritmes, toegepast op hyperspectrale data

f) Het bepalen van het onderscheidend vermogen in stedelijk oppervlak-type, dat kan bereikt worden met hyperspectrale data, hierbij ook gebruik makend van de hoogte-informatie, afgeleid uit het onder a) vermeld DEM


Documentatie :

Over deze website

Uw privacy

© 2017 POD Wetenschapsbeleid