Die EnMAP-Box Ziele, und Ausblick Sebastian van der Linden, Andreas Rabe, Pedro Leitão, Patrick Hostert sebastian.linden@geo.hu-berlin.de http://www.hu-geomatics.de 25.10.2010 2. Nationaler EnMAP-Workshop 2010
Ziele Bundesanzeiger vom 13.10.2009 ( EnMAP AO ) ( ) Innerhalb der Vorhaben entwickelte neue oder deutlich verbesserte Algorithmen und Auswerteverfahren, deren Qualität nachweislich ist, sollen Eingang in die EnMAP Toolbox finden. ( ) EnMAP-Box Version 1.1 wurde im Rahmen der EnMAP Summer School 2010 in Trier zusammen mit simulierten EnMAP Daten (vgl. Vorträge Karl Segl und Heike Bach) und drei Tutorials zur Verfügung gestellt
Ziele simpler und kostenfreier Einstieg in die Verarbeitung von hyperspektralen EnMAP Daten zur Erweiterung der Nutzergemeinde von Hyperspektraldaten Verbesserung der Ausbildung mit Blick auf Hyperspektraldaten, z.b. im Rahmen der EnMAP Summer Schools oder der Fernerkundungsausbildung an Hochschulen Nutzung aktueller Ansätze zur Verarbeitung von EnMAP Daten Möglichkeit einer individuellen Vorverarbeitung von EnMAP Daten Angebot einer Forschungsplattform zur Erprobung und zum Austausch neuer und innovativer Entwicklungen im Rahmen der EnMAP Nutzungsvorbereitungen Zuarbeit durch ECST, über AO geförderte Gruppen und die restliche Nutzergemeinde ( Evolving Toolbox )
Ziele Umfrage im Rahmen der Summer School: Wie häufig wird in Ihrer Arbeitsgruppe eigenständig programmiert? Wie schätzen Sie die Nutzbarkeit Ihrer Programmierungen bei Bereitstellung für die EnMAP-Box ein? Eigenständige Programmierung Nutzbarkeit 12 10 8 6 4 2 0 häufig gelegentlich selten/nie eingenständige Programmierung 8 7 6 5 4 3 2 1 0 direkt nutzbar überarbeiten neu umgesetzen Nutzbarkeit in der EnMAP Box
EnMAP-Box, v. 1.1
Programmierung in IDL Lizenzfreie Nutzung über Runtime Version, in Verbindung mit der IDL Virtual Machine oder im Rahmen einer IDL Lizenz Nutzung in 32 und 64 bit Systemen, verschiedene Betriebssysteme (Windows, Linux und MacOS in 12/2012) Einbindung von nicht IDL Methoden, z.b. JAVA über IDL JAVA Bridge (aktuell implementiert). Variante mit Kommandozeilen- Aufruf (IDL Spawn Befehl) erfolgreich erprobt Arbeit mit generischen Bildformaten BSQ/BIL mit Headerfile
Umfrage im Rahmen der Summer School (2): In welchen Sprachen könnte Ihre Arbeitsgruppe Algorithmen für die EnMAP-Box liefern? Sprache 12 10 8 6 4 2 0 IDL JAVA (allg.) JAVA für BEAM Andere Welche Spache
Angebot notwendiger Basisfunktionalitäten Data IO von Bildern, Spektraldatenbanken und Hilfsdaten Visualisierung Grundlegende Applikationen Support Vector Machines für Klassifikation und Regression Feature Selection für Klassifikation und Regression über Wrapper Approach Vollständige Integration der Regression von Bilddaten (mehrere Verfahren) Hilfsroutinen speziell für Hyperspektraldaten bzw. die Integration von Labor und Geländedaten Savitzky-Golay-Filter für Glättung oder Ableitung von Spektren
Konzepte zur Einbindung externer Methoden GUI routines user input (input/output filenames, parameters) image IO routines image data input (meta-info, bands, spectra, tiles, reference data for classification/regression) data processing routines e.g. Savitzky-Golay filter image IO routines image data output input (meta-info, bands, spectra, tiles, reference data for classification/regression) GUI routines open results (image to Bandslist, text reports) IDL routines (separate SAV file) GUI routines image IO routines data processing routines image IO routines GUI routines IDL-Java Bridge (JAR file) SPAWN command (e.g. C-exe, Java application)
IDL in Hyperspektralnutzergemeinde gängig Funktionalitäten zu Daten IO, Handling (z.b. Tile Processing) und Visualiserung können komplett nachgenutzt werden Einheitliche Struktur zur Einbindung von Tools/Applications Bibliothek von Programmbausteinen (z.b. Auto-managed Widgets) Beispiele zur Einbindung von JAVA oder C-executables erprobt
imagesvm Musterbeispiel für Algorithmeneinbindung IDL basierte Implementierung imagesvm 2.0 nutzte C-executable von LIBSVM über SPAWN Befehl (Kommandozeile) imagesvm 2.1 nutzt JAVA Version von LIBSVM mittels IDL JAVA Bridge imagesvm Beispiel für State-of-the-Art Methoden imagesvm in mehr als 10 internationalen, peer-reviewed Publikationen genutzt erlaubt SVM Klassifikation mit Standardparametrisierung ermöglicht gleichzeitig komplett Nutzer-bestimmte Parametrisierung Feature Selection über Wrapper Approach
Ausblick Für Entwickler Ein Tutorial zur Einbindung eigener Algorithmen inklusive Beispielen Weitere Programmierbausteine Hilfestellung zur Integration von Algorithmen Für Nutzer Tool zur Bandarithmentik und Feature Extraction Verfahren Weitere Applikationen durch Humboldt-Universität, z.b. Random Forests, Import Vector Machines Die EnMAP-Box Version 1.2 zum allgemeinen Download Zum nächsten Nutzerworkshop erste externe Entwicklungen
Herzlichen Dank für die Aufmerksamkeit! Dr. Sebastian van der Linden sebastian.linden@geo.hu-berlin.de www.hu-geomatics.de Tel: +49 30 2093 6872