Lehrveranstaltung Fernerkundung. Lehrveranstaltung Fernerkundung. Korrektur von Sensor-Fehlern. Typische Schritte in einem Fernerkundungsprojekt
|
|
- Meike Braun
- vor 6 Jahren
- Abrufe
Transkript
1 Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan Einführung, Strahlung, Sensoren Digitale Bilder, Bildstatistik& Kontraststreckung Bild Verbesserung & Indexe Geometrische Korrekturen & Georeferenzierung Multitemporale Veränderungen Überwachte - Unüberwachte Klassifizierung Genauigkeitsanalyse Typische Schritte in einem Fernerkundungsprojekt 1. Problemformulierung. 2. Datenbeschaffung (Karten, Bilder). 3. Auswahl der Hard- und Software. 4. Auswertung der Datenqualität (beschreibende Statistiken, Bilddarstellungen) 5. Fehler-Korrekturen: radiometrische (Sensor-bedingt und atmosphärisch), und geometrische Korrekturen. 6. Bildverbesserung (für digitale oder visuelle Auswertung). 7. Feldarbeiten (training areas). 8. Interpretation, Klassifizierung und Genauigkeitsanalyse (ground control points). 9. Transfer in ein GIS und Kombination mit anderen Daten. 10. Ergebnisdarstellung. Lehrveranstaltung Fernerkundung Korrektur von Sensor-Fehlern 1
2 Korrektur von Sensor-Fehlern Ein Sensor besteht aus vielen einzelnen Detektoren, welche Strahlung über einer definierten Bodenfläche (GIFOV) registrieren (16 Detektoren in Landsat TM, 3000 in SPOT multi-spektral). Im optimalen Fall sind diese Detektoren so kalibriert, dass sie exakt gleich arbeiten. Fällt ein Detektor aus, dann entsteht eine schwarze Linie im Bild (line drop). Korrektur von Sensor-Fehlern Falsch kalibrierte Detektoren zu korrigieren ist aufwendig und geschieht über die sog. transfer characteristics der Detektoren. Die Darstellung einer bestimmten Strahlungsintensität als Helligkeits/Grauwert soll für alle Detektoren identisch sein. Dies wird überprüft durch einen Vergleich mit den transfer characteristics der Detektoren. Salz and Pfeffer ff Effekt (speckles): Zufallspixel l über das Bild verteilt sind ausgefallen (0, schwarz) oder gesättigt (255). Nach Identifizierung: Korrektur durch Filter: moving window algorithm. Fehlenden unbekannten Werte (line drop) können aus den Nachbarpixeln oder Zeitreihen geschätzt (z.b. durch Interpolation) werden. Korrektur von Sensor-Fehlern Beispiel horizontaler Streifen (Landsat MSS band two) 2
3 Lehrveranstaltung Fernerkundung Topographische- und Atmosphärische Korrektur Auswirkungen von Atmosphäre und Topographie Dasselbe Objekt auf der Erdoberfläche kann mit unterschiedlichen spektralen und radiometrischen Werten registriert werden in Abhängigkeit von der atmosphärischen und topographischen Situation. Dunst kann das Bild verzerren und den Kontrast reduzieren. Der Sonneneinstrahlungswinkel zusammen mit der Topographie beeinflusst die Intensität der rückgestrahlten Energie: derselbe Waldtyp sieht z.b: in vollem Sonnenlicht anders aus als an einem beschatteten Hang. Atmosphären Korrektur Nur ein Teil der Strahlung, die auf die äußere Atmosphäre trifft, gelangt schließlich direkt an den Erdboden. Ein Teil der Strahlung wird in der Atmosphäre gestreut und gelangt dann teilweise als diffuses Licht an den Erdboden. Der Anteil diffuses Licht beträgt zwischen 10 and 100%, abhängig von der Zusammensetzung der Atmosphäre (Wolken, Wasserdampf, Aerosole), insbesondere im Bereich der kürzeren Wellenlängen. Bereiche des Spektrums mit einer guten Transmission durch die Atmosphäre werden atmosphärische Fenster genannt. Diffuses Licht bewirkt: dass Schatten weniger dunkel sind (positiv aus Sicht der Fernerkundung), dass der Kontrast reduziert wird (negativ). 3
4 Atmosphären Korrektur Streuung: - Luftmolekülen (Rayleigh Scattering); An einem klaren Tag bewirkt dieses Rayleigh Scattering dass der Himmel blau aussieht. - Partikeln aus Rauch und Staub ( µm) (= Mie Scattering), Betrifft auch die längeren Wellenlängen, aber insgesamt weniger. Wolken und Dunst sehen weißlich aus, da die Streuung an großen Partikeln für alle Wellenlängen in etwa gleich ist. - Wassertröpfchen (>10 µm; Nonselective Scattering); bewirkt, dass abgebildete Objekte Farbe und Kontrast verlieren. Dadurch wird die Auswertbarkeit von Bildern erschwert. Atmosphären-Korrektur Atmosphärenkorrektur bedeutet dass Pixel für Pixel die Grauwerte so korrigiert werden, dass die atmosphärischen Störungen eliminiert werden. Wenn z.b. Dunst gleichmäßig über das ganze Bild vorkommt, dann kann eine einheitliche Korrektur für das ganz Bild angewendet werden. Falls nicht, dann müssen verschiedene Bildteile unterschiedlich behandelt werden. Die Atmosphärenkorrektur verbessert den Kontrast eines Bildes. 4
5 Einfache Techniken zur Atmosphärenkorrektur Haze Removal: Die verschiedenen Spektralkanäle werden durch Dunst in unterschiedlicher Weise beeinflusst: Rayleigh und Mie scattering betreffen vor allem die kurzen Wellenlängen, so dass wir erwarten können, dass Blau und Grün (im Histogramm) weiter e nach rechts verschoben sind als z.b. Rot und Infrarot. Dunsteinfluss auf die Atmosphäreneigenschaften Source: Campbell, 2002 Einfache Techniken zur Atmosphärenkorrektur Zero-brightness areas: Man nimmt Flächen mit (bekannter) Null-Rückstrahlung (z.b. homogene Schatten oder Wasser) und rechnet eine Regression der Grauwerte eines sichtbaren mit einem IR Kanal. Ohne atmosphärische Störungen geht diese Regression durch den Ursprung. Ist das nicht der Fall, dann sollte jedes Pixel in den sichtbaren Kanälen um diese Verschiebung des y-achsen-abschnittes korrigiert werden. 5
6 Beispiel für Atmosphärenkorrektur Vorher Nachher Topographischer Einfluss auf die spektrale Reflexion Source: Lillesand & Topographischer Einfluss auf die spektralen Reflexion Die absolute Differenz zwischen roter und IR Rückstrahlung hängt auch von Beleuchtungsgeometrie und Topographie ab. Die Berechung eines ratio sorgt für einheitliche Ergebnisse. Source: Lillesand & Kiefer
7 Lehrveranstaltung Fernerkundung Bildverbesserung Bildverbesserung Bildverbesserung: Anstelle der originalen Grauwerte werden Kombinationen von Grauwerten gebildet. Ratios Vegetationsindexe, NDVI. Hauptkomponenten-Analyse. t Vegetationsindizes In Forst- und Landwirtschaft, Ökologie,... besitzen Vegetationsindizes eine große Bedeutung und werden häufig verwendet. Jackson et al. 1983: A vegetation index should be particularly sensitive to vegetative covers, insensitive to soil brightness, insensitive to soil color, little affected by atmospheric effects, environmental effects and solar illumination geometry and sensor viewing conditions. Grüne Vegetation kommt aber meist nicht vollständig flächendeckend vor: die Rückstrahlung der Vegetation ist vermischt mit z.b. Schatten, Boden (Farbe und Struktur). Auch atmosphärische Einflüsse können die typischen Reflexionsmuster der Vegetation beeinflussen. Es wurden viele Vegetationsindizes entwickelt, um einige dieser Störfaktoren zu eliminieren. 7
8 Vegetationsindizes Bannari, Bonn, Morin, Huete A review of vegetation indexes. Remote Sensing Reviews 13: Indices sind oft korreliert mit Vegetations- / Wald-Attributen, die in Inventuren von Interesse sind Beispiel: Vegetationsindizes Quelle: Gillespie et al Predicting and quantifying the structure of tropical dry forests in South Florida and the Neotropics using spaceborne imagery. Global Ecology and Biogeography, 15: Bildverbesserung-Ratios Grüne Vegetation reflektiert sehr unterschiedlich im roten und im nahen IR Bereich des Spektrums. Source: Wilkie & Finn
9 Bildverbesserung-Ratios Differenze zwischen IR und Rot unterscheidet Vegetation von anderen Objekten. Die Differenz ist characteristisch für Vegetationstypen. Man kann diese Charakteristik der Rückstrahlung verwenden: - um Vegetation von Nicht-Vegetation zu unterscheiden; - um verschiedene Vegetationstypen zu unterscheiden. Die Rückstrahlungsintensität im roten und IR Bereich muss dann in zwei verschiedenen Kanälen des Sensors getrennt gemessen werden. Die Grauwerte dieser beiden Bänder kann man zu einem einzigen Wert kombinieren (Differenz oder Verhältnis) Der NDVI Ziel: Ausnutzen der beschriebenen Eigenschaften des Reflexionsmusters der Vegetation, indem ein Index berechnet wird: DVI = difference vegetation index DVI BVNIR BVred BVNIR RVI = ratio vegetation index RVI BVred DVI und RVI: Vergleiche sind schwierig, weil der Wertebereich je nach Bildort und aktuellen Bedingungen variieren kann. NDVI = Normalized Difference Vegetation Index Normalized : Wertebereich zwischen +1 und -1 BVNIR BVred NDVI BV BV NIR red Band Ratioing Nicht alle Kanal-Kombinationen lassen sich so einfach interpretieren wie NIR/rot. Die theoretisch mögliche Anzahl von Paaren von Kanälen zur n Berechnung eines Quotienten ist. 2 n 6 Für 6 Kanäle z.b. gibt es 15 Kombinationen, 2 2 wobei für jede Kombination der Quotient und sein Reziprok berechnet werden kann. Die beste Kanalkombination für einen bestimmten Zweck zu finden, ist oft eine Angelegenheit von trial and error! Es wurde ein Optimum Index Factor (OIF) entwickelt (aufbauend auf der Varianz der Spektralwerte pro Kanal und der Korrelation zwischen den Kanälen, mit dem die Gesamtinformation optimiert wird, nicht unbedingt aber die spezifische Information für eine bestimmte Anwendung. 9
10 Tasseled cap transformation (Kauth & Thomas 1976) Entwickelt für landwirtsch. Anwendungen mit Landsat MSS. Vier Kanäle werden verwendet (blau, grün, rot, NIR), um neue Dimensionen zu berechnen, wobei die ersten beiden (brightness und greenness) oft schon 95% der Gesamtvarianz erklären. Vegetation Pixel in Landsat MSS - Brightness : Böden. Kanälen 4,5, and 6: - Greenness : Wachsende Vegetation. ti - Yellowness : Senescing vegetation. - Non-such : Grauwerte, die nicht den vorigen Dimensionen zugeordente werden können. (hier im 3D-Graf nicht abgeb.) Die konkrete Berechnung hängt vom Sensor ab! Source: Wilkie & Finn Tasseled cap transformation Aus den originalen spektralen Informationen werden nach einer mathematischen Transformation Indices (brightness, ) berechnet. Für Landsat MSS, ergeben sich als Transformationsvorschrift die folgenden einfachen linearen Gleichungen: Diese Idee kann auch auf andere Sensoren angewendet werden, z.b. Landsat TM: die sechs nicht-thermischen Kanäle können damit komprimiert werden auf die drei Dimensionen soils, vegetation, und transition = wetness. Tasseled cap transformation: Beispiel From: landcover.usgs.gov 10
11 Dimensionsreduktion In multivariaten Datensätzen ist für jedes Objekt eine Reihe von Werten (Messungen verschiedener Variablen) vorhanden, die ein hohes Maß an Information liefern aber auch die Auswertung erschwerden. Jede Variable erzeugt eine neue Dimension der Analyse. Aber nicht alle Variablen liefern dieselbe Menge an neuer Information. Da die Variablen an denselben Objekten beobachtet wurden, sind sie häufig korreliert. Oft kann man aus einem größeren Satz von m Variablen eine kleinere Anzahl k von Faktoren (= Hauptkomponenten) extrahieren, die den Datensatz so beschreiben, dass nicht viel Information verloren geht. Jeder Faktor ist eine Art künstliche Variable, die Anteile der Information der Original-Variablen enthalten. Anwendung auf Digitalbilder: Es gibt multivariate statistische Verfahren, die aus den Originalvariablen Hauptkomponenten so extrahieren, dass diese untereinander minimal korreliert sind: Hauptkomponentenanalyse = Principal components analysis (eine Variante der Faktorenanalyse) Wir können dann mit k Faktoren (anstelle von m Variablen), arbeiten, mit k<m. Für Digitalbilder haben wir oft m Kanäle, können aber nur k=3 3 für die Visualisierung verwenden. Wir können dann eine Principal Component Analysis, durchführen und die drei wichtigsten Faktoren identifizieren. Mit den ersten drei Faktoren können häufig schon 95% der Gesamtvariation erklärt werden. Diese drei Kanäle können dann verwendet werden, um Farbkompositen zu erstellen. Beispiel für Korrelation zwischen den Grauwerten in verschiedenen Kanälen (Landsat TM). 11
12 RGB Bild mit Hauptkomponenten des Landsat TM Bildes. Verwendung derselben drei Hauptkomponenten, aber unterschiedliche Zuteilung der Farben. Links: Mitte: Rechts: Source: Wilkie & Finn
Lehrveranstaltung Fernerkundung. Mod. 1 p. 1. Typische Schritte in einem Fernerkundungsprojekt. Bildgeometrie. Vorlesungs- und Übungsplan SS 2010
Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10
MehrLehrveranstaltung Fernerkundung. Digitale Bilder. Mod. 2 p. 1. Typische Schritte in einem Fernerkundungsprojekt. Vorlesungs- und Übungsplan SS 2010
Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10
MehrAVIS The Airborne Visible and Infrared Imaging Spectrometer
Ground Truth Center Oberbayern AVIS The Airborne Visible and Infrared Imaging Spectrometer AVIS ist ein flugzeuggetragenes Abbildendes Spektrometer 1 AVIS wurde am Lehrstuhl für Fernerkundung, Department
MehrForestHype Teilprojekt Biodiversität
ForestHype Teilprojekt Biodiversität Anne Clasen, Michael Förster, Birgit Kleinschmit Herzlich Willkommen. Welcome. Gliederung I Flächenhafte Auswertungen Studie 1 Vergleich und synergetische Nutzung von
Mehr9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
Mehr1. Julius-Kühn-Symposium
1. Julius-Kühn-Symposium Sensorik im Pflanzenbau Grundlagen, Systeme, Anwendungen 21. Juni 2012 im Julius Kühn-Institut, Quedlinburg Optische Sensoren in der Landwirtschaft: Grundlagen und Konzepte Dr.
MehrBSc: Waldinventur und Fernerkundung I
Grundlagen der Fernerkundung (Remote Sensing) Definition und Überblick. Physikalische Grundlagen. Anwendungsmöglichkeiten. Luftbildmessung und auswertung. Literatur Franklin, S.E. 2001. Remote Sensing
MehrWas ist der Farbwiedergabeindex?
Was ist der Farbwiedergabeindex? Das Licht bestimmt die Farbe Unter der Farbwiedergabe einer Lichtquelle versteht man deren Eigenschaft, welche Farberscheinung ihr Licht auf Gegenständen bewirkt. Farbwiedergabe
MehrSatellitenbildeinsatz bei der österreichischen Waldinventur
Satellitenbildeinsatz bei der österreichischen Waldinventur Neue Wege mehr Information Überblick Allgemeines über Satellitenfernerkundung Warum Satellitenfernerkundung in der Waldinventur Projekt vorhandene
MehrObjekterkennung durch Vergleich von Farben. Videoanalyse Dr. Stephan Kopf HWS2007 Kapitel 5: Objekterkennung
Objekterkennung durch Vergleich von Farben 48 Farbräume (I) Definitionen: Farbe: Sinnesempfindung (keine physikalische Eigenschaft), falls Licht einer bestimmten Wellenlänge auf die Netzhaut des Auges
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrFernerkundung. Reflexionsspektrum von Chlorophyll. Das Reflexionsverhalten der Vegetation ist komplex. Bestimmt wird es durch:
Fernerkundung T Was versteht man unter Fernerkundung? Unter Fernerkundung versteht man die Auswertung von Luft- oder Satelliten- Bildern unter den verschiedensten Gesichtspunkten und meist unter Zuhilfenahme
MehrDachflächen-Analyse durch Überfliegung: Inventarisierung, Begrünungspotenzial und weitere Aspekte. Rot ist das neue Grün
Dachflächen-Analyse durch Überfliegung: Inventarisierung, Begrünungspotenzial und weitere Aspekte Wolfgang Ansel, Geschäftsführer Deutscher Dachgärtner Verband e.v. Stadt Karlsruhe / DLR Rot ist das neue
MehrPraktikum Beobachtungsnetze Versuch A. Remote Sensing. Abbildung 0.1: Quelle:
Praktikum Beobachtungsnetze Versuch A Remote Sensing Abbildung 0.1: Quelle: http://www.duden.de/rechtschreibung/satellit Zusatzskript September 2014 Inhaltsverzeichnis 1 Satelliten 1 1.1 Satelliteninstrumente.............................
MehrLUMIMAX Beleuchtungsworkshop. iim AG 19.03.2015
LUMIMAX Beleuchtungsworkshop iim AG 19.03.2015 Bedeutung der Beleuchtung Der Einfluss der Beleuchtung auf die Bildverarbeitungslösung wird häufig unterschätzt. Jede BV-Applikation benötigt ein optimales
MehrSensoren für die Stickstoff Düngung
Sensoren für die Stickstoff Düngung Prof. Dr. Bodo Mistele Amazone Active Seminar 2014 Wenn ein Landwirt über sein Feld geht, um den Düngerbedarf abzuschätzen, wonach schaut er? Indirekte Kennzeichen (Indikatoren)
Mehr6. Faktorenanalyse (FA) von Tests
6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...
Mehr3 Fernerkundungsdaten
Fernerkundungsdaten 31 3 Fernerkundungsdaten Im Rahmen der Arbeit konnten sowohl Daten der Satellitenebene als auch flugzeuggetragenen hyperspektrale Sensoren untersucht werden. Eine Übersicht über grundlegende
MehrGrundlagen Fernerkundung - 2
Grundlagen Fernerkundung - 2 GEO123.1, FS2015 24. 2. 2015 Michael Schaepman, Hendrik Wulf 2/19/15 Page 1 http://earthobservatory.nasa.gov Department of Geography 2/19/15 Page 2 Department of Geography
MehrTermin3 Klassifikation multispektraler Daten unüberwachte Verfahren
Ziel Termin3 Klassifikation multispektraler Daten unüberwachte Verfahren Einteilung (=Klassifikation) der Pixel eines multispektralen Datensatzes in eine endliche Anzahl von Klassen. Es sollen dabei versucht
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrNeoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel
Neoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel Dieses Skript ist die allgemeine Basis eines Modells zur Simulation der ökonomischen Folgen technischer
Mehr2 Einführung in Licht und Farbe
2.1 Lernziele 1. Sie wissen, dass Farbe im Gehirn erzeugt wird. 2. Sie sind mit den drei Prinzipien vertraut, die einen Gegenstand farbig machen können. 3. Sie kennen den Zusammenhang zwischen Farbe und
MehrErweiterung einer Apparatur zur winkelabhängigen Bestimmung des Emissionsgrades bei hohen Temperaturen
Bayerisches Zentrum für Angewandte Energieforschung e.v. Erweiterung einer Apparatur zur winkelabhängigen Bestimmung des Emissionsgrades bei hohen Temperaturen M. Rydzek, T. Stark, M. Arduini-Schuster,
MehrC 6 der unbekannte Korrekturfaktor?
C 6 der unbekannte Korrekturfaktor? am Beispiel eines Linienlaser mit Bewertung nach DIN EN 60825-1 Bestimmung von C6 Kerkhoff.Thomas@bgetem.de // Stand: 2012-09 Beispiel eines Linienlasers Seite 2 Vor
MehrLichtarten und Lichtquellen
C&A Applikationsnotiz Nr.1 Lichtarten und Lichtquellen Der Unterschied zwischen den Begriffen Lichtquelle und Lichtart bewirkt in der Industrie nach wie vor Verwirrung. Auch wenn die Begriffe verstanden
MehrOptik Kontaktlinsen Instrumente Photo
Stand 09.04.2015 Seite 1 UV-Filter Die ultraviolette Strahlung sind kurzwellige, elektromagnetische Strahlen, welche eine Streuung erzeugen. Mit einem UV-Filter werden gerade diese Streulichter absorbiert.
Mehr9th NEMO-SpectroNet Collaboration Forum
9th NEMO-SpectroNet Collaboration Forum Jena, 15.12.2010 Color and Multi Spectral Imaging An Overview Dr. Ing. Thomas Fahlbusch, PhotonicNet GmbH, Hannover Farbaufnahme 1-Chipkamera Bayer Farbmosaik Chips
MehrLokale Beleuchtungsmodelle
Lokale Beleuchtungsmodelle Oliver Deussen Lokale Modelle 1 Farbschattierung der Oberflächen abhängig von: Position, Orientierung und Charakteristik der Oberfläche Lichtquelle Vorgehensweise: 1. Modell
MehrBerührungslose Erfassung von Biomassebildung und N-Status in Pflanzen
Berührungslose Erfassung von Biomassebildung und N-Status in Pflanzen J. L i e b l e r und F.-X. M a i d l IKB Abschluss-Symposium Weihenstephan 11. - 12. 10. 2005 Vortragsgliederung Einleitung Beschreibung
MehrKorrespondenzanalyse
Seite 1 von 5 Korrespondenzanalyse Ziel der Korrespondenzanalyse... 1 Anforderungen an die Daten (Stärke des Verfahrens)... 1 Einordnung in die multivariaten Verfahren... 1 Normierung der Daten... 1 Festlegung
MehrEinführung in die Astronomie und Astrophysik (I) Jürgen Schmitt Hamburger Sternwarte
Einführung in die Astronomie und Astrophysik (I) Jürgen Schmitt Hamburger Sternwarte Vorlesung: Stellarphysik II Was wird behandelt? Schwarzkörperstrahlung Raumwinkel und Intensität Eektivtemperatur Photometrische
MehrPhysik 2 (GPh2) am
Name: Matrikelnummer: Studienfach: Physik 2 (GPh2) am 17.09.2013 Fachbereich Elektrotechnik und Informatik, Fachbereich Mechatronik und Maschinenbau Zugelassene Hilfsmittel zu dieser Klausur: Beiblätter
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrWelche Strahlen werden durch die Erdatmosphäre abgeschirmt? Welche Moleküle beeinflussen wesentlich die Strahlendurchlässigkeit der Atmosphäre?
Spektren 1 Welche Strahlen werden durch die Erdatmosphäre abgeschirmt? Welche Moleküle beeinflussen wesentlich die Strahlendurchlässigkeit der Atmosphäre? Der UV- und höherenergetische Anteil wird fast
MehrComputergrafik 2010 Oliver Vornberger. Kapitel 18: Beleuchtung
Computergrafik 2010 Oliver Vornberger Kapitel 18: Beleuchtung 1 Ausgangslage am Ende der Viewing Pipeline liegt vor: P A Materialeigenschaften P B P C 2 Beleuchtungmodelle lokal: Objekt, Lichtquellen,
MehrRaman- Spektroskopie. Natalia Gneiding. 5. Juni 2007
Raman- Spektroskopie Natalia Gneiding 5. Juni 2007 Inhalt Einleitung Theoretische Grundlagen Raman-Effekt Experimentelle Aspekte Raman-Spektroskopie Zusammenfassung Nobelpreis für Physik 1930 Sir Chandrasekhara
MehrBildbearbeitungstechniken Lehrerinformation
Lehrerinformation 1/9 Arbeitsauftrag Ziel Zwanzig klassische Elemente der Bildbearbeitung werden vorgestellt. Die Sch arbeiten in Zweierteams und erarbeiten sich das Wissen zu je 1 2. Sie bearbeiten Bildausschnitte,
MehrFortgeschrittenenpraktikum: Ausarbeitung - Versuch 14 Optische Absorption Durchgeführt am 13. Juni 2002
Fortgeschrittenenpraktikum: Ausarbeitung - Versuch 14 Optische Absorption Durchgeführt am 13. Juni 2002 30. Juli 2002 Gruppe 17 Christoph Moder 2234849 Michael Wack 2234088 Sebastian Mühlbauer 2218723
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrPraktikum 2. Grauwert - Histogramme, Bimodalitätsanalyse Bildstatistik
Prof. W. Hillen, Medizinische Informatik FH - AC (Jülich)...\image\img_pk_02 ImageJ.doc Praktikum 2 Digitale Bildverarbeitung Grauwert - Histogramme, Bimodalitätsanalyse Bildstatistik Themen: Auswertung
MehrSonne. Diese Abbildung zeigt das Spektrum eines schwarzen Körpers (a) sowie das Sonnenspektrum über der Atmosphäre (b) und auf der Erde (c).
Sonne Durchmesser 1.392.000 km Temperatur im Kern 15 10 6 C Oberflächentemperatur 5600 C Abgestrahlte Leistung 6,35 kw/cm² Abgestrahlte Gesamtleistung 3,8 10 26 W Diese Abbildung zeigt das Spektrum eines
MehrAnnahmen des linearen Modells
Annahmen des linearen Modells Annahmen des linearen Modells zusammengefasst A1: Linearer Zusammenhang: y = 0 + 1x 1 + 2x 2 + + kx k A2: Zufallsstichprobe, keine Korrelation zwischen Beobachtungen A3: Erwartungswert
MehrBrechung des Lichts Arbeitsblatt
Brechung des Lichts Arbeitsblatt Bei den dargestellten Strahlenverläufen sind einige so nicht möglich. Zur Erklärung kannst du deine Kenntnisse über Brechung sowie über optisch dichtere bzw. optisch dünnere
MehrCharakterisierung und Identifikation technogener Substrate mit Hilfe der FTIR-Spektroskopie
Deckblatt Charakterisierung und Identifikation technogener Substrate mit Hilfe der FTIR-Spektroskopie - Masterarbeit - angefertigt am: Lehrstuhl Bodenkunde / Bodenökologie Geographisches Institut der Ruhr-Universität
MehrMakroökonomie: Übung 1
Makroökonomie: Übung 1 3.5.2010 1 Ziele der Übung Umgang mit Daten MS Excel verwenden Ergebnisse interpretieren Konzepte aus der Vorlesung anwenden 2 Aufgabe 2 Logarithmierte Zeitreihen Einen Ordner auf
MehrWie das unsichtbare Infrarotweltall seine Geheimnisse Preis gibt Cecilia Scorza
Wie das unsichtbare Infrarotweltall seine Geheimnisse Preis gibt Cecilia Scorza Einen großen Teil ihrer Information über die kosmischen Objekte erhalten die Astronomen im Infrarotbereich, einem Bereich
Mehr2 Physikalische Grundlagen
Fernerkundung Lernmodul 6 Projektpartner: Universität Karlsruhe - Institut für Photogrammetrie und Fernerkundung Datum: 04.09.2003 2 Physikalische Grundlagen Einleitung In der Fernerkundung werden Informationen
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse 1 Einsatz der Faktorenanalyse Verfahren zur Datenreduktion Analyse von Datenstrukturen 2 -Ich finde es langweilig, mich immer mit den selben Leuten zu treffen -In der Beziehung
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung. Einführung. Bildverarbeitung. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
MehrSPEKTRUM. Bilden Sie zu Beginn des Beispieles eine Blende oder einen Spalt ab und studieren Sie die Eigenschaften
SPEKTRUM Bilden Sie zu Beginn des Beispieles eine Blende oder einen Spalt ab und studieren Sie die Eigenschaften dieser Abbildung. Wie hängen Bildgröße und Brennweite der Abbildungslinse zusammen? Wie
MehrDebayeringverfahren. 19. Mai Thomas Noack, Nikolai Kosjar. SE Computational Photography - Debayeringverfahren
Debayeringverfahren Thomas Noack, Nikolai Kosjar 19. Mai 2010 Was bisher geschah... Reduktion der Herstellungskosten durch Einsatz von nur noch einem CCD-Sensor mit Bayer-Filter Problem: Bayer Image Full
MehrLösung zu Kapitel 11: Beispiel 1
Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten
MehrFotografie auf einer anderen Wellenlänge
Fotografie auf einer anderen Wellenlänge Digitale Infrarot-Fotografie von Dietmar v.d.linden Bosch-Fotogruppe Fotografie auf einer anderen Wellenlänge Grundlagen - Was ist Infrarot? Infrarotstrahlung (IR-Strahlung)
MehrVerwenden der Korrektur der chromatischen Aberration
Verwenden der Korrektur der chromatischen Aberration Frage Wie beseitige ich in JPEG- und TIFF- Bildern die durch chromatische Aberration hervorgerufenen Farbsäume? Antwort Die in Capture NX enthaltene
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 2C a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
MehrDigitale Reliefanalyse
Digitale Reliefanalyse Modul 211 Arbeitsverzeichnisse Ihre Arbeitsverzeichnisse finden Sie unter: home_stud/modul_211/kursx Legen Sie in Ihrem Arbeitsverzeichnis ein Unterverzeichnis mit Namen: Hoehen
MehrRapidEye Daten zur Erfassung von Pflanzenvielfalt in westlicher Himalaya-Region
RESA Workshop 15. -16. März 2016 RapidEye Daten zur Erfassung von Pflanzenvielfalt in westlicher Himalaya-Region Siddhartha Khare 1 Hooman Latifi 2 Sanjay Kumar Ghosh 1 1- Geomatics Engineering Group,Indian
MehrInhalte. Photogram. Aufnahmesysteme. HS BO Lab. für Photogrammetrie: Fotografische Aspekte 1
Inhalte Photogram. Aufnahmesysteme Metrische Kameras (Definition der Inneren Orientierung) Analoge Messkameras Fotografische Aspekte Digitalisierung analoger Bilder Digitale Messkameras HS BO Lab. für
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrDas lineare Gleichungssystem
26/27 Grundwissen Analytische Geometrie I m1 as lineare Gleichungssystem Man startet zuerst mit der Betrachtung eines linearen Gleichungssystem mit zwei Unbekannten.(Genaueres siehe Skript) Einführung
MehrStatistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
MehrKapitel 2.1: Die stochastische Sicht auf Signale Georg Dorffner 67
Kapitel 2.1: Die stochastische Sicht auf Signale 215 Georg Dorffner 67 Stochastische Prozesse Stochastische Prozesse sind von Zufall geprägte Zeitreihen x n f x, n 1 xn2,... n vorhersagbarer Teil, Signal
Mehr2. Physikalische Grundlagen
Fernerkundung Lernmodul 6 Projektpartner: UniversitÄt Karlsruhe - Institut für Photogrammetrie und Fernerkundung Datum: 04.09.2003 Einleitung In der Fernerkundung werden Informationen Über Objekte durch
MehrSatellitenfernerkundung
Satellitenfernerkundung Ein Werkzeug zur Beobachtung von Erde, Landoberflächen, Weltmeeren und der Erdatmosphäre. Quelle:SMD MISSION HANDBOOK der NASA, 2012 Inhalt: Zur Problemstellung Fernerkundung aus
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrWärmestrahlung. Einfallende Strahlung = absorbierte Strahlung + reflektierte Strahlung
Wärmestrahlung Gleichheit von Absorptions- und Emissionsgrad Zwei Flächen auf gleicher Temperatur T 1 stehen sich gegenüber. dunkelgrau hellgrau Der Wärmefluss durch Strahlung muss in beiden Richtungen
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrDigitale Bilder. Ein Referat von Jacqueline Schäfer und Lea Pohl Am
Digitale Bilder Ein Referat von Jacqueline Schäfer und Lea Pohl Am 06.05.2015 Inhaltsverzeichnis Einheiten Grafiktypen Bildformate Farbtiefe Farbbilder/ Farbräume Quellen Einführung in die Bildverarbeitung
MehrStatistische Verfahren für das Data Mining in einem Industrieprojekt
Statistische Verfahren für das Data Mining in einem Industrieprojekt Thorsten Dickhaus Forschungszentrum Jülich GmbH Zentralinstitut für Angewandte Mathematik Telefon: 02461/61-4193 E-Mail: th.dickhaus@fz-juelich.de
MehrFarbtiefe. Gängige Farbtiefen
Farbtiefe Die Anzahl der darstellbaren Farben ist abhängig von den Farbabstufungen, die in einem Pixel gespeichert werden. Die Anzahl der darstellbaren Farbtöne wird als Farbtiefe bezeichnet. Die Farbtiefe
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrBernhard Hill Forschungsgruppe Farbwissenschaft Fakultät für Elektrotechnik und Informationstechnik RWTH Aachen University Hill@ite.rwth-aachen.
Bernhard Hill Forschungsgruppe Farbwissenschaft Fakultät für Elektrotechnik und Informationstechnik RWTH Aachen University Hill@ite.rwth-aachen.de Sl jl Ziel der Studie Die Farbwahrnehmung einer Oberflächenfarbe
MehrMultivariate Statistik
Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)
MehrNÜTZLICHE TIPPS FÜR OPTIMALE SCANS
Bedingungen, um gute Scans zu erhalten Die Faktoren, von denen das Ergebnis eines Scans abhängt, sind einerseits die Umgebung sowie die Konfiguration und Kalibrierung des Scanners, aber auch das zu scannende
MehrDunkle Putze - TSR-Wert im Bezug zum Hellbezugswert. Dr. Andreas Weier
Dunkle Putze - TSR-Wert im Bezug zum Hellbezugswert Dr. Andreas Weier Inhaltsverzeichnis Einführung Hellbezugswert HBW Grundlagen, Bedeutung Total Solar Reflectance TSR Grundlagen, Bedeutung zur Bewertung
MehrFadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
Mehrdie Planung eindrucksvoll präsentieren
Ambientes Licht die Planung eindrucksvoll präsentieren Fotorealismus Linsensystem, Blende, Schärfentiefe/Tiefenschärfe Fotorealismus Materialeigenschaften, Oberflächenstruktur, Reflektion, Absorption Fotorealismus
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
Mehr6. Tonwertkorrektur. HBS Gimp 2
6. Tonwertkorrektur Im vorigen Kapitel wurde gezeigt, wie man Bild vom Scanner oder der Digitalkamera grob korrigiert. In Kapitel 6 beschäftigen wir uns mit den anschließend durchzuführenden Arbeiten,
MehrAG Umweltinformationssysteme
AG Umweltinformationssysteme Automatisierte Erfassung von Landschaftselementen mit Methoden der objektorientierten Bild- und Datenanalyse und Geoinformationssystemen Automatisierte Erfassung von Landschaftselementen
MehrÜbungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho
Übungen (HS-2010): Urteilsfehler Autor: Siegfried Macho Inhaltsverzeichnis i Inhaltsverzeichnis 1. Übungen zu Kapitel 2 1 Übungen zu Kontingenz- und Kausalurteile 1 Übung 1-1: 1. Übungen zu Kapitel 2 Gegeben:
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrEin- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
MehrZusammenhangsanalyse in Kontingenztabellen
Zusammenhangsanalyse in Kontingenztabellen Bisher: Tabellarische / graphische Präsentation Jetzt: Maßzahlen für Stärke des Zusammenhangs zwischen X und Y. Chancen und relative Chancen Zunächst 2 2 - Kontingenztafel
MehrDer neue HP ColorSphere Toner. Eine neue Formel und eine neue Technologie als Ergebnis von über 20 Jahren Forschung
Der neue HP ColorSphere Toner Eine neue Formel und eine neue Technologie als Ergebnis von über 20 Jahren Forschung Beim Laserdruck, das heißt beim elektrofotografischen Druckprozess (EP), wird die Bedeutung
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.
MehrGrundlagen der Lichttechnik. DI(FH) Horst Pribitzer MA39 Lichttechniklabor
Grundlagen der Lichttechnik DI(FH) Horst Pribitzer MA39 Lichttechniklabor Gliederung & Ziele Was ist überhaupt Licht Menschliche Strahlungsmessgerät = AUGE Kenngrößen der Lichttechnik Messtechnik Wertschätzung
MehrPrinzip Weißlicht-Interferometer
Prinzip Weißlicht-Interferometer Aufbau: Michelson-Interferometer Verwendet weißes Licht Geringe Kohärenzlänge Interferenz nur für identische Teilwege Streifensysteme (für jede Farbe) Verschiebung eines
MehrDigitales Landbedeckungsmodell für Deutschland (DLM-DE) - Aktualisierung
Nationales Forum für Fernerkundung und Copernicus 2014 Berlin, 09.04.2014 Digitales Landbedeckungsmodell für Deutschland (DLM-DE) - Aktualisierung 2012 - Dr. Michael Hovenbitzer Bundesamt für Kartographie
MehrVortrag von Wolny B. am 4.11.2009
PHOTOSYNTHESE Vortrag von Wolny B. am 4.11.2009 AUS BIOCHEMIE (SCHÜLLER, TEIGE WS2008) Vortrag von Wolny B. am 4.11.2009 AUS BIOCHEMIE (SCHÜLLER, TEIGE WS2008) Vortrag von Wolny B. am 4.11.2009 AUS BIOCHEMIE
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrÜber die Bedeutung der zwei Zahlen m und x 1 für das Aussehen des Graphen wird an anderer Stelle informiert.
Lineare Funktionen - Term - Grundwissen Woran erkennt man, ob ein Funktionsterm zu einer Linearen Funktion gehört? oder Wie kann der Funktionsterm einer Linearen Funktion aussehen? Der Funktionsterm einer
MehrKapitel XII - Einführung in die Zeitreihenanalyse
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Einführung in die Zeitreihenanalyse Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
Mehr