Logo Leibniz Universität Hannover
Logo: Institut für Photogrammetrie und Geoinformatik/Leibniz Universität Hannover
Logo Leibniz Universität Hannover
Logo: Institut für Photogrammetrie und Geoinformatik/Leibniz Universität Hannover
  • Zielgruppen
  • Suche
 

Automatische auflösungsabhängige Anpassung von Bildanalyse-Objektmodellen (2008)

Bearbeitung:Janet Heuwold
Laufzeit:seit 01.12.2003

als Teil des DFG-Bündelprojektes "Abstraktion von Geoinformation bei der multiskaligen Erfassung, Verwaltung, Analyse und Visualisierung"

in Kooperation mit:

  • Institut für Kartographie und Geoinformatik, Universität Hannover
  • Institut für Photogrammetrie und Kartographie, Universität der Bundeswehr, München
  • Institut für Photogrammetrie, Institut für Kartographie und Geoinformation, Institut für Informatik, Universität Bonn
  • Institut für Photogrammetrie und Fernerkundung, Universität Karlsruhe

 
Forschungsgruppe: Automatische Bildanalyse und Geo-Information

Ansprechpartner: Janet Heuwold

Hintergrund und Ziel

Landschaftsobjekte bilden sich in Luft- und Satellitenbildern unterschiedlicher Auflösung ungleich ab. Während in Bildern hoher Auflösung viele Objektdetails erkennbar sind, können diese in der niedrigen Auflösung teilweise nicht mehr erkannt oder voneinander getrennt werden. Objekte, die in der hohen Auflösung als Flächen erscheinen, sind in der niedrigen nur noch als Punkte oder Linien zu erkennen. Wenn aus Luft- und Satellitenbildern mit Methoden der Bildanalyse automatisch Objekte extrahiert werden sollen, müssen diese vorab modelliert werden. Vor dem oben genannten Hintergrund unterscheiden sich die Modelle jedoch in Abhängigkeit von der Auflösung der untersuchten Bilder. Die mehrmalige Erstellung der Bildanalyse-Objektmodelle für unterschiedliche Auflösungen ist jedoch redundant, da die Modelle für niedrige Auflösungen aus denen für höhere abgeleitet werden können (bei ansonsten gleichen Bilddaten).
Das Ziel dieses Projektes ist es, Bildanalyse-Objektmodelle niedriger Auflösung aus denen höherer Auflösung automatisiert abzuleiten.

Methoden
Die multiskalige Anpassung wird beispielhaft für Straßen im Vorstadtgebiet durchgeführt. Die Bildanalyse-Objektmodelle sind dabei explizit als Semantische Netze repräsentiert. Zur Gewährleistung einer automatischen auflösungsabhängigen Anpassung müssen die Objektmodelle der hohen Auflösung bestimmte Randbedingungen hinsichtlich ihres Aufbaus erfüllen. Das Objekt muss vollständig beschrieben sein und die räumlichen Beziehungen der Objektteile müssen enthalten sein.
Im automatisierten Verfahren zur Auflösungsanpassung der Objektmodelle wird zuerst je nach Typ der Objektteile in der hohen Auflösung eine Entscheidung über die anzuwendende Strategie getroffen: Bei ausschließlich parallelen linienhaften Objektteilen kann die einfachere 1D Skalenanalyse angewendet werden, während bei flächenhaften Objektteilen mit nicht-paralleler Orientierung die komplexere 2D Analyse des Skalenraumes vorgenommen werden muss. Das anschließende Verfahren zur Auflösungsanpassung ist in drei Hauptschritte gegliedert. Zuerst wird das Objektmodell in Objektteile mit ähnlichem Skalenverhalten zerlegt. Dabei wird auch eine gegenseitige Beeinflussung von nahe gelegenen Objektteilen in der Zielauflösung berücksichtigt. Im Falle einer Beeinflussung muss das Skalenverhalten dieser benachbarten Objektteile gemeinsam in einer Gruppe betrachtet werden. Das Verhalten der Objektteile bei Veränderung der Auflösungen wird im folgenden Schritt in den Auflösungsmodellen im linearen Skalenraum analysiert. Eventuell eingetretene Skalenereignisse und die Veränderung des Aussehens der Objektteile in der neuen Auflösung werden mit einer Kombination von Algorithmen der Differentialgeometrie und der Bildverarbeitung ermittelt. Mittels Analyse-durch-Synthese wird das Skalenverhalten der Objektteil(gruppen) automatisch simuliert und analysiert. Die prädizierten Objektteile für die Zielauflösung werden in einem letzten Schritt zu einem einheitlichen Objektmodell fusioniert, das für die Extraktion des Objektes in der niedrigeren Auflösung geeignet ist.

 

Ergebnisse:
Ein Beispiel zur automatischen Anpassung eines Objektmodells zeigt die Leistungsfähigkeit des entwickelten Verfahrens. Das Modell eines komplexen Straßenarmes mit Fahrbahnmarkierungen (Linien und Symbole) im Kreuzungsbereich für Luftbilder einer Auflösung von 0.03m/pixel wurde an eine Zielauflösung von 0.8m/pixel mit dem neuen Verfahren angepasst.

Beispiel: Objektmodell zur Extraktion eines Straßenarmes im Kreuzungsbereich mit Richtungspfeil und Haltelinie in hoher Auflösung 0.03m/pix


Beispiel: Zwischenergebnisse Analyse-durch-Synthese: Blob-Merkmale in hoher und niedriger Auflösung auf synthetischen Bildern; a) synthetisches Bild hohe Auflösung, b) synthetisches Bild niedriger Auflösung, c) Extrema in hoher (rot) und niedriger Auflösung (grün), d) Blobausdehnungen in hoher (rot) und niedriger Auflösung (grün)

 

Beispiel: Automatisch angepasstes Objektmodell zur Extraktion eines Straßenarmes im Kreuzungsbereich mit Richtungspfeil und Haltelinie in niedriger Auflösung 0.8m/pix

 Fazit
Es konnte eine Methodik gefunden werden, mit der Objektmodelle zur Objektextraktion automatisch an eine niedrigere Auflösung angepasst werden können. In einem Beispielsystem wurde die automatische Anpassung für Straßenmodelle implementiert. Mit Hilfe des wissensbasierten Bildinterpretationssystem GeoAIDA konnten die entwickelten Methoden auch über die automatisch angepassten Objektmodelle verifiziert werden. Die entwickelten Methoden sind in der Lage sowohl einfache als auch komplexere Objektmodelle (auch unter Einbeziehung von lokalen Kontextobjekten) anzupassen, die eine flexiblere Modellierung der Objekte zulassen.

Publikationen

Pakzad, K.;Heller, J. (2004): Automatic Scale Adaptation of Semantic Nets: IntArchPhRS. Band XXXV, Teil B3. Istanbul, 2004, S. 325-330 | file |

Pakzad, K.;Heller, J. (2004): Automatic Scale Adaptation of Semantic Nets. In: Eckhard Seyfert (Hrsg.): Publikationen der DGPF. Band 13. Halle, 2004, S. 67-76 | file |

Heller, J.;Pakzad, K. (2005): Automatische auflösungsabhängige Anpassung variabler Straßenmodelle. In: Eckhard Seyfert (Hrsg.): Publikationen der DGPF. Band 14. Rostock, 2005, S. 57-64  | file |

Heller, J.;Pakzad, K. (2005): Scale-Dependent Adaptation of Object Models for Road Extraction: IntArchPhRS. Band XXXVI 3/W24, 2005, S. 23-28 | file |

Heller, J.;Pakzad, K. (2005): Adaption of Object Models for Road Extraction in Images of Different Resolution: 3rd URBAN Symposium, IntArchPhRS. Band XXXVI 8/W27. Tempe, 2005, 6 S., CD | file |

Heuwold, J.;Pakzad, K. (2006): Automatic Scale-Dependent Adaption of Variable Object Models : IntArchPhRS. Band XXXVI 2/W40. Hannover, 2006, S. 65-70 | file |

Heuwold, J. (2006): Verification of a Methodology for the Automatic Scale-Dependent Adaption of Object Models: IntArchPhRS. Band XXXVI/3. Bonn, 2006, S. 173-178 | file |

Heuwold, J. ; Pakzad, K. ; Heipke, C. (2007): Scale behaviour prediction of image analysis models for 2D landscape objects: PIA07, IntArchPhRS XXXVI. Band 3/W49A. München, 2007, S. 43-49 | file |

Heuwold, J.; Pakzad, K.; Heipke, C. (2008): Scale-dependent adaptation of image analysis object models incorporating local context objects: IntArchPhRS. Band XXXVII, Teil B3b. Peking, 2008, S. 435-440 | file |

Heuwold, J. ; Pakzad, K. ; Heipke, C. (2008): Automatic adaptation of image analysis models for 2D landscape objects to a coarser image resolution. In: PFG (2008), Nr. 3, S. 197-206 | file |

back to list