Objektorientierte Bildverarbeitung Methodische Grundlagen

Transkript

1 ARC GmbH Objektorientierte Bildverarbeitung Methodische Grundlagen Klaus Steinnocher, Florian Kressler Geschäftsfeld Umweltplanung ARC 1

2 ARC GmbH Einleitung! Digitale Bilder - digitale Bildverarbeitung?! Warum objekt-orientierte Bildverarbeitung?! Grenzen der pixel-basierten Klassifikation! Keine Berücksichtigung der Nachbarschaft! Keine Berücksichtigung des räumlichen Kontextes " Nicht geeignet für die komplexen Inhalte von Luftbildern 2

3 ARC GmbH Was bedeutet objekt-orientierte Bildverarbeitung?! Die Elemente der Verarbeitung sind Bildobjekte oder -segmente und nicht einzelne Pixel! Die Topologie der Objekte wird berücksichtigt! Verschiedene Maßstabsbereiche können kombiniert werden! Einzelne Pixel repräsentieren den kleinsten Maßstabsbereich und sind ein Sonderfall von Bildobjekten " Erkennen von realen Objekten 3

4 ARC GmbH Ablauf der objekt-orientierten Bildverarbeitung! Segmentierung des Bildes! Erstellen einer Klassifikationshierarchie! Klassifikation der Segmente! Identifizierung von Bildobjekten 4

5 ARC GmbH Grundlagen der Segmentierung! Ziel: Zerlegung des Bildes in homogene Bildsegmente! Methode: Multiresolution segmentation! Implementatierung: ecognition ( Baatz, M. & A. Schäpe (2000): Multiresolution segmentation an optimization approach for high quality multi-scale image segmentation. In Strobl, Blaschke & Greisebener (Edts): Angewandte Geographische Informationsverarbeitung XI. Beiträge zum AGIT-Symposium Salzburg Karlsruhe. Herbert Wichmann Verlag 5

6 ARC GmbH Parameter der Segmentierung! Scale (Maßstab)! Der Scale Parameter bestimmt die maximale Heterogenität, die in den resultierenden Segmenten auftritt. Je homogener das Bild, umso größer werden die Segmente bei einem vorgegebenen Scale Parameter.! Color (Farbe)! Gewichtet die Farbhomogenität gegen die Formhomogenität! Shape (Form)! Smoothness - glatte Form! Compactness - kompakte Form 6

7 ARC GmbH Echtfarben Orthophoto Auflösung 0.25 cm 7

8 ARC GmbH Segmentierung scale 25 color 0.8 shape 0.2 smooth 0.9 compact 0.1 8

9 ARC GmbH Segmentierung scale 25 color 1.0 shape 0.0 9

10 ARC GmbH Segmentierung scale 25 color 0.1 shape 0.9 smooth 0.9 compact

11 ARC GmbH Segmentierung scale 25 color 0.1 shape 0.9 smooth 0.0 compact

12 ARC GmbH Segmentierung scale 25 color 0.5 shape 0.5 smooth 0.5 compact

13 ARC GmbH Segmentierung! In Abhängigkeit des Datentyps, der Szene und des gewünschten Ergebnisses müssen passende Parameter definiert werden.! Die Qualität der nachfolgenden Klassifikation hängt in hohem Maße von den Ergebnissen der Segmentierung ab. " Nicht zu stark generalisieren, nicht zu viele Details! 13

14 ARC GmbH Segmentierungshierarchie Source: ecognition User Guide 3! Mehrere Segmentierungsebenen können erzeugt werden! Neue Ebenen entstehen durch Zusammenfassen kleinerer Segmente oder durch Zerlegen größerer Segmente! Die Grenzen der Segmente werden dabei immer erhalten 14

15 ARC GmbH Ergebnis der Segmentierung! Segmentierungshierarchie! Die Segmente werden durch Merkmale beschrieben:! Spektrale Werte! Form! Textur! Hierarchieebene! Räumliche Beziehung " Diese Merkmale werden für die Klassifikation verwendet 15

16 ARC GmbH Klassifikation! Überwachte Klassifikation auf Basis von Trainingsdaten! Schnell und einfach! Regelbasierte Klassifikation auf Basis von unscharfen Zugehörigkeitsfunktionen (fuzzy membership functions)! Zeitintensiver im Aufbau, erlaubt jedoch komplexere Objektbeschreibungen und ist leicht zu adaptieren! Vor einer Klassifikation muss eine Klassenhierarchie definiert werden 16

17 ARC GmbH Fuzzy membership function Beschreibt die Möglichkeit, dass ein Segment auf Grund der Ausprägung eines Merkmals einer bestimmten Klasse angehört 17

18 ARC GmbH Klassenhierarchie! Bildet die Wissensbasis für die Klassifikation von Bildobjekten! Enthält alle Klassen in hierarchisch strukturierter Form! Inheritance (Vererbung):! Parent classes vererben ihre Eigenschaften an ihre child classes! Änderungen in einer parent class verändert die child classes automatisch! Groups (Gruppen):! Fasst Klassen zu übergeordneter Klasse mit gemeinsamer semantischer Bedeutung zusammen 18

19 ARC GmbH Klassenhierarchie Inheritance: Wald ländlicher Wald städtischer Wald Grünland ländliches Grünland städtisches Grünland... Groups: ländliche Gebiete ländlicher Wald ländliches Grünland Städtische Gebiete städtischer Wald städtisches Grünland... 19

20 ARC GmbH Der Klassifikationsprozess! Die Klassifikation ist der Prozess, der die Klassen der Klassenhierarchie mit Objekten im Bild verknüpft! Mit der Zuordnung einer Klasse zu einem Bildobjekt wird die in der spezifischen Klassenbeschreibung formulierte Beziehung zu anderen Klassen auf das Bildobjekt übertragen! Das Ergebnis der Klassifikation ist ein Netzwerk klassifizierter Bildobjekte mit Attributen, eindeutigen Beziehungen untereinander und eindeutigen Beziehungen zu den Klassen der Klassenhierarchie 20

21 ARC GmbH Digitales Luftbild 21

22 ARC GmbH Segmentierung Level 1 22

23 ARC GmbH Segmentierung Level 2 23

24 ARC GmbH Segmente Level 2 24

25 ARC GmbH Klassifikation Level 2 Legende Acker 1 Acker 2 Acker 3 Acker 4 Acker 5 Acker 6 25

26 ARC GmbH Klassifikation Level 1+2 Legende Dach rot Dach grau versiegelt versiegelt Wiese Bäume Acker Schatten 26

27 ARC GmbH Klassifikation 2 Legende Dach rot Dach grau versiegelt versiegelt Wiese Bäume Acker Schatten 27

28 ARC GmbH Conclusio! Objektorientierte Klassifikation der pixel-basierten vorzuziehen! Segmentierung muss auf Bildmaterial und Fragestellung abgestimmt werden! Regelwerk kann generalisiert werden (d.h. geringer Aufwand bei wiederholter Anwendung)! Anwendungsbeispiel für die Raumplanung 28