Wzmocnienie procesu klasyfikacji obiektowej wielospektralnych ortofotomap lotniczych danymi z lotniczego skanowania laserowego

• Autorzy: Wężyk P. , Mlost J. , Pierzchalski M. , Wójtowicz-Nowakowska A. , Szwed P.

Warianty tytułu

EN

Enhancing the obia classification of multispectral aerial orthoimages using airborne laser scanning data

• Języki publikacji: PL

Abstrakty

PL

Klasyfikacja obiektowa (OBIA, ang. Object Based Image Analysis) jest nowatorską metodą analizy zobrazowań teledetekcyjnych, w której homogeniczne obiekty (segmenty), na które podzielony został obraz (za pomocą specyficznych algorytmów) poddawane są klasyfikacji. Dotychczasowe projekty wykazały, iż OBIA przeprowadzana na wysokorozdzielczych i wielospektralnych lotniczych ortofotomapach cyfrowych, wspierana modelami wysokościowymi, prowadzi do uzyskania bardzo dokładnych wyników. Stosunkowo niewiele prac koncentruje się na określeniu wpływu produktów pochodnych chmury punktów lotniczego skanowania laserowego (ang. Airborne Laser Scanning), takich jak wartość: odchylenia standardowego wysokości, gęstości punktów czy intensywności odbicia, na poprawę wyników klasyfikacji OBIA. W prezentowanej pracy poddano ocenie wzmocnienie procesu klasyfikacji OBIA danymi ALS na podstawie dwóch transektów badawczych („A” oraz „B”) o powierzchni 3 km2, położonych w okolicach Włocławka. Celem końcowym procesu analizy OBIA było uzyskanie aktualnej mapy klas pokrycia terenu. W opracowaniu wykorzystano lotnicze ortofotomapy cyfrowe oraz dane z lotniczego skaningu laserowego, pozyskane na przełomie sierpnia I września 2010 roku. Na podstawie punktów danych ALS wygenerowano warstwy pochodne takie jak: liczba odbić, intensywność, odchylenie standardowe, jak również wygenerowano znormalizowany Numeryczny Modelu Powierzchni Terenu (zNMPT). W wariancie pierwszym „I” wykorzystano dane uzyskane wyłącznie w nalocie fotogrametrycznym, tj. wielospektralne ortofotomapy lotnicze (kamera Vexcel) oraz indeksy roślinności (w tym NDVI i in.). Wariant drugi prac ”II” zakładał wykorzystanie dodatkowo danych z lotniczego skaningu laserowego. Określona dokładność klasyfikacji OBIA wykonanej w oparciu o cyfrową ortofotomapę lotniczą wyniosła 91.6% dla transektu badawczego „A” oraz 93.1% dla transektu „B”. Użycie danych ALS spowodowało podniesienie dokładności ogólnej do poziomu 95.0% („A”) oraz 96.9% („B”). Praca wykazała, iż zastosowanie danych ALS podnosi dokładność klasyfikacji segmentów o bardzo zbliżonych właściwościach spektralnych (np. rozróżnienie powierzchni dużych, płaskich dachów budynków od parkingów czy klas roślinności niskiej od średniej i wysokiej. Wprowadzenie warstw pochodnych ALS do procesu segmentacji poprawia także kształt powstających obiektów a tym samym klas końcowych. Analiza „surowych” danych ALS w postaci plików w formacie LAS otwiera dodatkowe możliwości, których nie daje wykorzystywanie rastrowych warstw takich jak zNMPT. Pojawiająca się w nowej wersji oprogramowania eCognition (TRIMBLE) możliwość operowania segmentami przestrzennymi jeszcze te możliwości klasyfikacji podnosi. Niewątpliwie sporym problemem w integracji informacji spektralnej (ortoobraz) oraz geometrycznej (ALS) jest efekt rzutu środkowego skutkujący przesunięciami radialnymi dla wysokich obiektów leżących w znacznej odległości od punktu głównego zdjęcia.

EN

Object Based Image Analysis (OBIA) is an innovative method of analyzing remote sensing data based not on the pixels, but on homogenous features (segments) generated by specific algorithms. OBIA based on high-resolution aerial orthophotography and powered by digital terrain models (nDSM) brings high accuracy analysis. Not many scientific papers brings implementation of ALS point cloud directly into OBIA image processing. Paper present study done on two test areas of approx. 3 km2, situated close to Wloclawek, representing different land use classes (transect “A” – urban area; transect “B” – rural and forest landscape). Geodata (digital aerial orthophotographs and Airborne Laser Scanning data) were captured almost at the same time (September 2010). Different raster layers were created from *. LAS file, like: intensity, number of returns, normalized elevation (nDSM). Two version (I and II) of OBIA classification were performed. First version (I) based only on aerial orthophotographs and different coefficients (like NDVI). Second variant of OBIA (wariant II) based additionally on ALS data. Total accuracy of variant I was 94.1% (transect “A”) and 92.6% (transect “B”). OBIA classification powered by ALS data provide to increase of the results up to 96.9% (transect “A”) and 95.0% (transect “B”) as well. Classification of objects with similar type of surface properties (like buildings and bare soil) was much better using ALS information. The ALS data improve also the shape of objects, that there are more realistic. Data fusion in OBIA processing brings new capabilities,. These capabilities are bigger thanks to processing based on 3-dimensional segments. The results of analysis would be more accurate, when orthoimages (“true ortho”) would be used, instead of standard orthophotographs. The running ISOK project in Poland will bring soon a huge data set (approx. 150 TB) of ALS and photogrammetry connected products. This situation requires suitable software to analyze it fast and accurate on the full automatic way. The OBIA classification seems to be a solution for such challenge.

Słowa kluczowe

PL

klasyfikacja obiektowa; OBIA; ortofotomapa cyfrowa; lotniczy skaning laserowy; projekt ISOK

EN

object-based image analysis; OBIA; digital aerial orthophoto; Airborne Laser Scanning; ISOK

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2012
• Tom: Vol. 23
• Strony: 467--476
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Wężyk P.

• Laboratorium GIS i Teledetekcji, KEkL, Wydział Leśny, UR w Krakowie, tel.: [phone] fax: [phone]

autor

Mlost J.

• ProGea Consulting, ul. Pachońskiego 9, 31-223 Kraków

autor

Pierzchalski M.

• ProGea Consulting, ul. Pachońskiego 9, 31-223 Kraków

autor

Wójtowicz-Nowakowska A.

• ProGea Consulting, ul. Pachońskiego 9, 31-223 Kraków

autor

Szwed P.

• ProGea Consulting, ul. Pachońskiego 9, 31-223 Kraków

Bibliografia

• 1. Auynirundronkool K., Deeudomchan K., Prakobya A., Jarnkoon V., Tintarasara M., Seechan M. Analysis of Economic Crop Reflectance by Field Spectral Signature: Case Study Sugarcane. http://www.a-a-r-s.org/acrs/proceeding/ACRS2008/Papers/TS%2013.6. pdf
• 2. Będkowski K., Wężyk P. 2010. Lotniczy skaning laserowy. Teledetekcja i fotogrametria obszarów leśnych. Geomatyka w Lasach Państwowych – cz. I podstawy. Centrum Informacyjne Lasów Państwowych, Warszawa, s. 326–343.
• 3. deKok R., Kozioł K., Wężyk P., 2005. Zastosowanie klasyfikacji obiektowej wysokorozdzielczych obrazów teledetekcyjnych oraz analiz przestrzennych GIS w kartowaniu drzewostanów. Roczniki Geomatyki, 3 (4), s. 99–108.
• 4. Lewiński S., 2006. Rozpoznanie form pokrycia i użytkowania ziemi na zdjęciu satelitarnym Landsat ETM+ metodą klasyfikacji obiektowej. Roczniki Geomatyki, 4 (3), s. 139–152.
• 5. Li Y., Lin Z. L., Shimamura H., 2008. Integrated method of building extraction from Digital Surface Model and imagery. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVII. Part B3b, s. 81–86.
• 6. Rottensteiner F., Trinde J., Clode S., Kubik K., 2005. Using the Dempster-Shafer method for the fusion of LIDAR data and multi-spectral images for building detection. Information Fusion, 6, s. 283–300.
• 7. Trimble eCognition Developer 8.64.0 Reference Book, 2010. s. 27–45.
• 8. Wężyk P., deKok R., Zajaczkowski G., 2004. The role of statistical and structural texture analysis in VHR image analysis for forest applications. A case study on QuickBird data in the Niepolomice Forest. Angewandte Geoinformatik, s. 770–775.
• 9. Wężyk P., 2006. Wprowadzenie do technologii skaningu laserowego w leśnictwie. Roczniki Geomatyki, 4 (4), s. 119–132.
• 10. Wężyk P., deKok R., Kozioł K., 2006. Application of the Object Based Image Analysis of VHR satellite images in land-use classification. Roczniki Geomatyki, 4 (3), s. 227–238.
• 11. Wężyk P., de Kok R., Szombara S., 2007. Zastosowanie obiektowo zorientowanej analizy obrazu (OBIA) wysokorozdzielczych obrazów satelitarnych w klasyfikacji obszaru miasta Krakowa. Archiwum Fotogrametrii, Kartografii i Teledetekcji, 17b, s. 791–800.