Wyniki wyszukiwania - Biblioteka Nauki

1

Object-oriented classification of Landsat ETM+ satellite image

100%

Lewiński S.

Journal of Water and Land Development

|

2006

|

tom no. 10

91-106

EN

This paper presents results of object-oriented classification of Landsat ETM+ satellite image conducted using eCognition software. The classified image was acquired on 7 May 2000. In this particular study, an area of 423 km² within the borders of Legionowo Community near Warsaw is considered. Prior to classification, segmentation of the Landsat ETM+ image is performed using panchromatic channel, fused multispectral and panchromatic data. The applied methods of classification enabled the identification of 18 land cover and land use classes. After the classification, generalization and raster to vector conversion, verification and accuracy assessment are performed by means of visual interpretation. Overall accuracy of the classification reached 94.6%. The verification and classification results are combined to form the final database. This is followed by comparing the object-oriented with traditional pixel-based classification. The latter is performed using the so-called hybrid classification based on both supervised and unsupervised classification approaches. The traditional pixel-based approach identified only 8 classes. Comparison of the pixel-based classification with the database obtained using the object-oriented approach revealed that the former reached 72% and 61% accuracy, according to the applied method.

PL

W artykule przedstawiono wyniki klasyfikacji obiektowej zdjęcia satelitarnego Landsat ETM+, uzyskane z zastosowaniem specjalistycznego oprogramowania eCognition. Klasyfikację wykonano na przykładzie zdjęcia zarejestrowanego 7 maja 2000 r., obrazującego obszar badawczy o powierzchni 423 km², znajdujący się w granicach powiatu legionowskiego w pobliżu Warszawy. Proces klasyfikacji obiektowej polega na rozpoznaniu obiektów, którymi są grupy pikseli spełniające założone kryterium jednorodności. Granice obiektów zostały zdefiniowane w czasie segmentacji zdjęcia, wykonanej na podstawie wartości pikseli kanału panchromatycznego skanera ETM+ oraz danych uzyskanych w wyniku połączenia wybranych kanałów wielospektralnych z kanałem panchromatycznym. Zastosowane metody klasyfikacyjne, związane nie tylko z wartościami spektralnymi charakteryzującymi poszczególne obiekty, lecz również z kryteriami parametrycznymi, umożliwiły identyfikację 18 klas pokrycia i użytkowania ziemi. Następnie wynik klasyfikacji został przetworzony funkcjami: generalizacji, konwersji formatu danych oraz poddany weryfikacji. Generalizację wykonano z zastosowaniem jednostki odniesienia wynoszącej 1 ha dla klas zabudowy i wody oraz 4 ha dla pozostałych klas. Następnie format klasyfikacji został zmieniony z rastrowego na wektorowy, w którym wykonano wygładzenie granic wydzieleń. Klasyfikacja została zakończona weryfikacją wektorowej bazy danych metodą interpretacji wizualnej. Całkowita dokładność klasyfikacji została oceniona na poziomie 94.6%. Po uwzględnieniu zmian wprowadzonych w czasie weryfikacji uzyskano końcową postać bazy danych. Wyniki klasyfikacji obiektowej zostały porównane z wynikami tradycyjnej (pikselowej) klasyfikacji, wykonanej z zastosowaniem algorytmu tzw. klasyfikacji hybrydowej, składającej się z następujących po sobie klasyfikacji nadzorowanej i nienadzorowanej. Rozpoznano jedynie 8 klas pokrycia i użytkowania ziemi. Dokładność tradycyjnej klasyfikacji oceniono przez porównanie jej z wynikami klasyfikacji obiektowej. Uzyskano wyniki na niskim poziomie, wynoszącym jedynie 72% i 61%, w zależności od przyjętej metody oceny.

2

Ocena możliwości wykorzystania tekstury w rozpoznaniu podstawowych klas pokrycia terenu na zdjęciach satelitarnych różnej rozdzielczości

100%

Lewiński S. , Aleksandrowicz S.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2012

|

tom Vol. 23

229--237

PL

Podjęto próbę prześledzenia możliwości podziału treści zdjęcia, stosowanego w klasyfikacji obiektowej, na dwie podstawowe klasy związane z „niskimi” i „wysokimi” wartościami tekstury w funkcji rożnej rozdzielczości zdjęć. Na podstawie kanału panchromatycznego zdjęcia KOMPSAT-2 o rozdzielczości 1 m przygotowano zestaw danych o rozdzielczości 1, 2, 4, 8, 16, 32 i 64 m. Następnie przetworzono je wybranymi funkcjami tekstury, które wykorzystywane są w toku klasyfikacji obiektowej: filtr Sobel, filtr Laplacian, suma filtrów Sigma, przekształcenie PanBF oraz funkcje Haralick’a: korelacja, homogeniczność i entropia. Na ich podstawie wykonano analizę rozróżnialności czterech podstawowych klas pokrycia terenu: tereny zabudowane, lasy, pola uprawne i woda. Dla każdej rozdzielczości i przekształcenia obliczono odległość Bhattacharya oraz odległość Jeffries-Matusita (J-M). Założono, że dwie klasy są dobrze rozróżnialne jeżeli wartość J-M jest większa od 1.7. Uzyskane wyniki w postaci odległości J-M przedstawione są w tabelach 1-7. W przypadku wszystkich siedmiu przekształceń najlepsze wyniki rozróżnialności klas zaobserwowano na zdjęciach o największej rozdzielczości. Natomiast wyraźne pogorszenie rozróżnialności nastąpiło w przypadku zdjęć o rozdzielczości 8 m i mniejszej. Zdecydowanie najlepsze wyniki uzyskano na podstawie przekształceń wykonanych filtrem Laplacian, a następnie Sobel, Sigma oraz przekształceniem PanBF. W porównaniu z nimi przydatność funkcji Haralick’a do podziału treści zdjęcia na dwie klasy tekstury okazała się zdecydowanie mniejsza. Przedstawione wyniki znajdują praktyczne zastosowanie w pracach nad doborem odpowiednich algorytmów klasyfikacyjnych zdjęć satelitarnych o bardzo wysokiej, wysokiej a także średniej rozdzielczości.

EN

An attempt was made to trace the possibility of division of the content of satellite images into two basic classes associated with the "low" and "high" values of the texture. This classification approach is applied during object-oriented classification and results are dependent on spatial resolution. On the basis of panchromatic channel of KOMPSAT-2 image of 1m resolution a data set with a resolution of 1, 2, 4, 8, 16, 32 and 64 m were prepared. Then images were processed using selected texture functions: Sobel, Laplacian and Sigma filters, transformation PanBF as well as Haralick functions: correlation, homogeneity and entropy. On the basis of texture images an analysis of discrimination of four basic land cover classes has been done: built-up areas, forests, agriculture areas and water. These classes were selected because built-up areas and forest belong to “high” texture and remaining two are usually represented by “low” values of texture. For each texture image form using different functions and spatial resolution, Bhattacharya distance and next Jeffries-Matusita (J-M) distance between land cover classes were calculated. Results are presented in tables 1, 2, 3, 4, 5, 6 and 7. They also include J-M distance between “low” and “high” texture. It was assumed that two classes are well seperated if the value of J-M distance is over 1.7. In the case of all seven texture transformations the best results of class discrimination were observed for images with the highest resolution. Distinct deterioration of discrimination between “low” and “high” texture took place in the case of images with a resolution of 8 m or less. By far the highest J-M values were obtained on the basis of Laplacian filter and next using Sigma filter, PanBF and the Sobel filter. In comparison usefulness of the Haralick function has proved much less. The presented results could be practically applied in the work on classification algorithms of very high, high and medium resolution satellite images.

3

The concept of the islands extraction in satellite images using mathematical morphology

100%

Kupidura P.

Roczniki Geomatyki

|

2009

|

tom T. 7, z. 2

69-73

EN

The neighborhood is one of the indirect features of the object which may be used in the interpretation of an image. Sometimes, this feature may be essential, as can be shown using an example of islands. According to the Oxford Dictionary (Internet edition) island is "a piece of land surrounded by water" so, as we can see, this element of landscape is defined by its neighborhood. The traditional, pixel-based classification is useless in such a case, taking into account only digital numbers of individual pixels. It is impossible to classify islands properly, using this kind of non-contextual algorithm. This paper proposes a mathematical morphology, with the potential to change the structure of an image depending on the different contextual features of the objects presented to it to resolve such a problem. The proposition is based on a relatively simple application of the close-hole operation presented in (Angulo, Flandrin. 2003). Although the application is simple, the operation itself is quite complicated, so its presentation in this article is essential for its understanding. Close-hole operation

PL

Artykuł przedstawia przykład zastosowania morfologii matematycznej w przetwarzaniu danych teledetekcyjnych. Wyspy, element krajobrazu definiowany wyłącznie przez swoje sąsiedztwo stanowi nierozwiązywalny problem dla bezkontekstowych przetworzeń cyfrowych typu tradycyjnej pikselowej klasyfikacji. Zastosowanie morfologicznej operacji wypełniania dziur pozwala stworzyć algorytm, który, bazując na cesze sąsiedztwa, umożliwia automatyczne wykrywanie wysp na zdjęciach satelitarnych. To stosunkowo proste zastosowanie morfologii matematycznej ukazuje jej duży potencjał w przetwarzaniu obrazów, również zdjęć lotniczych i satelitarnych.

4

Studies on pansharpening and object-based classification of Worldview-2 multispectral image

100%

Wyczałek I. , Wyczałek E.

|

2013

|

tom Vol. Spec.

109--117

EN

The new information contained in four additional spectral bands of high-resolution images from the satellite sensor WorldView-2 should provide a visible improvement in the quality of analysis of large-scale phenomena occurring at the ground. Selected part of the image of Poznan was analyzed in order to verify these possibilities in relation to the urban environment. It includes riverside green area and a number of adjacent buildings. Attention has been focused on two components of object-oriented analysis – sharpening the image and its classification. In terms of pansharpening the aim was to obtain a clear picture of terrain objects in details, what should lead to the correct division of the image into homogenous segments and the subsequent fine classification. It was intended to ensure the possibility of separating small field objects within the set of classes. The task was carried out using various computer programs that enable the development and analysis of raster data (IDRISI Andes, ESRI ArcGIS 9.3, eCognition Developer 8) and some own computational modules. The main scientific objective of this study was to determine how much information from new spectral image layers after their pansharpening affects the quality of object-based classification of land cover in green and building areas of the city. As a basis for improving the quality of the classification was above mentioned ability of using additional data from new spectral bands of WorldView-2 image. To assess the quality of the classification we used test that examines only the uncertain areas of the picture, that is these which lie on differently classified types of land cover. The outcome of assessment confirmed the thesis of the positive albeit small impact of additional spectral channels on the result of object-based classification. But also pansharpening itself only slightly improves the quality of classified image.

PL

Nowa informacja zawarta w czterech dodatkowych kanałach spektralnych wysokorozdzielczych obrazów z sensowa satelity WorldView-2 powinna zapewnić widoczną poprawę jakości analizy wielkoskalowych zjawisk zachodzących na ziemi. Analizowano wybrany fragment obrazu Poznania w celu sprawdzenia tych możliwości w odniesieniu do środowiska miejskiego. Obejmuje on nadrzeczną zieleń, obiekty sportowe i szereg sąsiednich budynków. Uwagę skoncentrowano na dwóch elementach analizy obiektowej – wyostrzeniu obrazu i jego klasyfikacji. Z punktu widzenia pansharpeningu celem było uzyskanie czystego obrazu szczegółów obiektów terenowych, co powinno doprowadzić do prawidłowego podziału obrazu na jednorodne segmenty i jego późniejszej szczegółowej klasyfikacji. To miało zapewnić możliwość oddzielenia małych obiektów terenowych w granicach zbioru klas. Zadanie zostało przeprowadzone za pomocą różnych programów komputerowych, które pozwalają na opracowanie i analizę danych rastrowych (Idrisi Andes, ESRI ArcGIS 9.3, eCognition Developer 8) i kilku własnych modułów obliczeniowych. Głównym celem naukowym tego studium było określenie, jak bardzo informacja z nowych warstw obrazu spektralnego po jego wyostrzeniu wpływa na jakość opartej na obiektach klasyfikacji pokrycia terenu naturalnych i zabudowanych fragmentów krajobrazu miieskiego. Jako podstawa do poprawy jakości klasyfikacji była wyżej wskazana możliwość korzystania z dodatkowych danych z nowych kanałów spektralnych zobrazowania WorldView-2. Aby ocenić jakość klasyfikacji wykorzystaliśmy test, który sprawdza tylko niepewne obszary obrazu, to jest te, które znajdują się pomiędzy różnymi rodzajami pokrycia terenu. Wynik oceny potwierdza tezę o pozytywnym choć niewielkim wpływie dodatkowych kanałów spektralnych na wynik klasyfikacji obiektowej. Ale także sam pansharpening tylko nieznacznie poprawia jakość klasyfikacji obrazu. Najlepsze wyniki dała klasyfikacja bazująca na ważonej, hipersferycznej transformacji przestrzeni barwnej (HCS/W).

5

Segmentacja wysokorozdzielczego zobrazowania satelitarnego w celu rozpoznania kompleksów urbanistycznych

100%

Wyczałek I. , Wyczałek E. , Plichta A.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2004

|

tom Vol. 14

1--12

PL

Jednym z najbardziej dynamicznie rozwijających się obecnie podejść do rozpoznawania przedmiotów terenowych na obrazach teledetekcyjnych jest klasyfikacja obiektowa. Wywodzi się ona z procesu kognitywnego, poznawczego, realizowanego w naturalny sposób w mózgu człowieka oglądającego obraz lub zdjęcie, a mianowicie – przez uprzedni wstępny podział tegoż obrazu na segmenty o zbliżonych cechach wizualnych, wyróżniających te segmenty względem otoczenia. Segmentacja pozwala nie tylko na uporządkowanie treści rozpoznawanego obrazu, ale także dostarcza analitykowi znaczną liczbę parametrów, które mogą zostać użyte jako kryteria klasyfikacyjne. Jest to jedna z najważniejszych zalet tego podejścia. Przedmiotem pracy jest projekt i ocena jakości segmentacji wysokorozdzielczego obrazu teledetekcyjnego użytego do rozpoznawania obszarów o różnych funkcjach, współtworzących przestrzeń miasta. Do oceny wybrano jedno z najbardziej atrakcyjnych obecnie zobrazowań wykonywanych z pokładu satelity QuickBird. Analizowane zobrazowanie stanowi przetworzony techniką pan-sharpening obraz wielospektralny, przepróbkowany do rozdzielczości 0,60 m. Celem pracy jest ustalenie progów segmentacji w układzie hierarchicznym, oraz ocena cech segmentów dobranych do wyłonienia charakterystycznych kompleksów urbanistycznych. W podsumowaniu przedstawione zostaną możliwości wykorzystania wyników klasyfikacji obiektowej do badania zmian struktur urbanistycznych, w porównaniu z innymi obrazami teledetekcyjnymi badanego terenu oraz z danymi wektorowymi.

6

Aktualizacja mapy glebowo-rolniczej z wykorzystaniem klasyfikacji obiektowej (OBIA) zobrazowań teledetekcyjnych oraz analiz przestrzennych GIS

84%

Wężyk P. , Pierzchalski M. , Szafrańska B. , Kortas G.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2012

|

tom Vol. 23

477--488

PL

Aktualność map glebowo-rolniczych w Polsce sięga najczęściej lat sześćdziesiątych poprzedniego wieku, stąd wymagają one nie tylko konwersji z formy analogowej (papierowej) do cyfrowej, ale przede wszystkim weryfikacji treści w stosunku do rzeczywistych klas pokrycia i użytkowania terenu. Rozwój miast, wsi, dróg i innych inwestycji infrastrukturalnych, jaki nastąpił w minionych 50 latach oraz nasilenie się w ostatniej dekadzie procesów socjoekonomicznych skutkujących porzucaniem upraw rolnych i zajmowania tych terenów przez lasy, spowodował dużą dezaktualizację treści geometrycznej mapy glebowo-rolniczej. Przeprowadzenie weryfikacji treści geometrycznej mapy glebowo-rolniczej dla skali województwa małopolskiego wymagało zastosowania obiektowej klasyfikacji (OBIA, ang. Object Based Image Analysis) aktualnych zobrazowań teledetekcyjnych. Proces OBIA realizowano w oprogramowaniu eCognition Developer 8.64 (Trimble GeoSpatial). Należało go możliwie daleko zautomatyzować ze względu na dużą powierzchnię opracowania (ok. 15000 km2). Otrzymane wyniki skontrolowano na podstawie kilkuset powierzchni referencyjnych (wektoryzacja ekranowa dokonana przez operatora). Analizy przestrzenne GIS aktualizujące przebieg poligonów mapy glebowo-rolniczej o nowe powstałe obiekty zrealizowano w trybie wsadowym (Model Builder, Esri). Uzyskane wyniki wykazały, iż największe zmiany, tj. przyrost powierzchni (procentowo) zanotowano w przypadku klas: „Las” (Ls; +8.2%) oraz „Tereny zabudowane” (Tz; +6.3%), przy jednoczesnym ubytku wszystkich kompleksów (ID 1÷13) wykorzystywanych pod uprawy rolne o -10.5% (z czego -4.9% w rejonach górskich). Ubytek trwałych użytków zielonych (1z, 2z oraz 3z) na zaktualizowanej mapie glebowej oceniona na około (-4.2%). Zastosowane algorytmy weryfikacyjne oraz aktualizacyjne pozwalają stwierdzić, iż klasyfikacja obiektowa OBIA aktualnych zobrazowań teledetekcyjnych (satelitarnych i lotniczych) w połączeniu z daleko zautomatyzowanymi analizami przestrzennymi GIS może być wykorzystywana w procesie aktualizacji mapy glebowo-rolniczej.

EN

The analogue soil maps (paper sheets; scale 1:5000) were made in Poland most likely in the 60-ties of XX century. Today, they need not only conversion from analogue form to digital (raster or vector) format but also quick and objective map revision. Soil maps become outdated and they don't represent actual land use or land cover (LULC). Rapid growth of cities and the country side development as well as infrastructure constructions have to be included in up-dated soil map. During the last 50 years in Małopolska Voivodeship, many hectares of arable land were abandoned and changed in natural way (succession) in to the class forest. In year 2010 the Marshal office of Małopolska Voivodeship decide to convert the archive of analogue soil map to shape file with connected database. In 2011 another project was started with main goal of up-date of the soil map (about 15 000 km2). The special work-flow of geoinformation technologies was used for fulfill this goal. Object Based Image Analysis (OBIA) meets the criteria for fast and accurate Land Use & Land Cover (LULC) classification method of the RapidEye (from years 2010/2011) high resolution satellite images. Application of this object based classification method, together with GIS analysis ensures very high degree of work automation. The results obtained shows, that the most changes in a land cover were observed in urban areas (Tz; +6.3%) and forests (Ls; + 8.2%). The area of all other agricultural used soil complexes decreased in the same time about -10.5% (in the mountainous areas approx. -4.9%). The class pastures and meadows also decrease during the last 50 years about -4.2%. This project demonstrates success story of using the modern GIS techniques to verify and update soil map of Małopolska Voivodeship based on the OBIA of RapidEye satellite imaginary and aerial orthophotomaps (RGB).

7

Wybrane przykłady wykorzystania morfologii matematycznej w przetwarzaniu obrazów w teledetekcji

84%

Kupidura P. , Marciniak J. , Koza P. , Kowalczyk M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2008

|

tom Vol. 18a

323--332

PL

Morfologia matematyczna stanowi zbiór nieliniowych operacji, umożliwiających zmianę struktury obrazu cyfrowego. Jej specyficzna natura pozwala na przetwarzanie obrazów w zależności od kształtu, wielkości, tekstury czy sąsiedztwa obiektów obecnych na zdjęciu. W artykule przedstawiono wyniki uzyskiwane w projekcie MNiSzW Nr N526 034 32/3448, poświęconym w całości wykorzystaniu operacji morfologicznych w przetwarzaniu danych teledetekcyjnych. Wnioski wynikające z przeprowadzonych badań potwierdzają wysoką skuteczność morfologii matematycznej w wielu różnorodnych zastosowaniach, jak filtracja dolnoprzepustowa, wydzielanie na obrazie heterogenicznych typów obiektów, czy wykrywanie krawędzi obiektów. W artykule przedstawiono analizę możliwości wykorzystania funkcji morfologicznych w przetwarzaniu danych teledetekcyjnych. Zaprezentowano również założenia darmowego oprogramowania BlueNote, tworzonego w ramach projektu.

EN

The paper presents results of a research project concerning the application of mathematical morphology in remote sensing. Mathematical morphology was developed created in the 1960s by two Fench scientists: Jean Serra and George Matheron. Since then, the great progress in this discipline has led to the development of many different operators. Their most important advantage is involving important features of objects in the image, such as size, shape, texture, and neighbourhood. Because of that, selected morphological operators are used in digital image processing in many fields, including remote sensing. However, the analysis shows mathematical morphology to have an even greater potential in this field. The first line of thought presented is the object-oriented classification. The traditional, pixelbased algorithms are often ineffective when classifying selected heterogenic types of land cover. A morphological operator developed by Kupidura, involving a combination of results of opening and closing of the original image, allows to extract the class of orchards by using a simple pixelbased algorithm. The subsequent research showed that granulometric maps, first presented by Serra, which – for each pixel - generate a set of values denoting heterogeneity of the pixel neighbourhood, allow to extract the built-up class in a traditional classification process. The issue in which morphological operators prove their high efficiency is noise removal. Application of alternate filters allows to filter out both optical and microwave images with a high noise level. Noteworthy is that the filters show inpressive results wherever detail preservation is concerned. The project involved also experiments on edge detection with morphological gradient Preliminary results showed a high efficiency of those procedures comperable to Sobel’s gradient. An additional aim of the project was to develop software that would allow running any combination of morphological operators. The software called BlueNote will be available free of charge, which could lead to further increase of applications of mathematical morphology to remote sensing.

8

Analiza obiektowa jako metoda poprawy jakości klasyfikacji

84%

Adamczyk J. , Będkowski K.

Roczniki Geomatyki

|

2006

|

tom T. 4, z. 4

37-46

EN

A new method of object-based image classification is relevant in remote sensing and GIS. This approach allows to surmount several weaknesses of "classical" methods. It is also able to rival manual interpretation methods. The comparison of "classical" classification methods and objectbased methods was performed as a part of a project aimed at elaboration of a method of integration of archival remote sensing images for the purposes of multitemporal analyses and possibly effective utilization of images contained in database Image 2000 integrated with other archive data. Different methods of "classical" approach were compared and also some variants of object-based approach were tested. Quality assessment of image classification indicated that object-based approach allows to obtain better results than the per-pixel method. It was also found that this method has some limitations, related, inter alia, to subjectivity of the operator interpretation of satellite images. Krzysztof.Bedkowski@wl.sggw.pl

9

Klasyfikacja obiektowa użytków zielonych z wykorzystaniem wieloletnich zmian NDVI i filtracji kierunkowych obrazu satelitarnego

84%

Kosiński K. , Hoffmann-Niedek A.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2008

|

tom Vol. 18a

273--282

PL

W artykule przedstawiono algorytm półautomatycznej klasyfikacji obiektowej kompleksów krajobrazowo-roślinnych użytków zielonych na podstawie dwóch zobrazowań satelitów serii Landsat, wykonanych w odstępie 17 lat. NDVI z dwóch terminów, wskaźnik wieloletnich zmian NDVI oraz wskaźnik struktury pasowej wykorzystano do wydzielenia użytków zielonych spośród innych form użytkowania. Przedstawiono mapę poklasyfikacyjną okolic Bełchatowa. Wyróżniono 5 kategorii użytków zielonych.

EN

Semi-automated object classification of grasslands is presented. Landscape-vegetation complexes were distinguished on panchromatic data composites of two Landsat ETM+ images registered on 1999-09-10 and 2001-05-01. Bitemporal spectral data were used for classification. Two Landsat images were used: TM, 19870503 and 2001-05-01. Four indices were calculated: NDVI 1987-05-03, NDVI 2001-05-01, wzNDVI87/01 (NDVI change index), and WSP (strip structure index). The analysis confirmed the hypothesis that meadows may be distinguished from arable lands and from formerly arable sods after directional filtering of the index of multi-year NDVI change. Cluster analysis was performed to classify landscape-vegetation complexes. The full algorithm is described. Some errors found during terrain verification are discussed. A postclassification map of the Bełchatów environs (central Poland) was developed. Five grassland categories were distinguished.

10

Klasyfikacja zorientowana obiektowo w inwentaryzacji obiektów Zielonej Infrastruktury na przykładzie dzielnicy Ursynów w Warszawie

84%

Pyra M. , Adamczyk J.

Teledetekcja Środowiska

|

2018

|

tom T. 59

29--49

PL

Zielona Infrastruktura jest koncepcją zintegrowanego podejścia do funkcjonalnego i przestrzennie powiązanego planowania obszarów zurbanizowanych wraz z ochroną elementów środowiska, która na przestrzeni ostatnich lat została doceniona przez podmioty odpowiedzialne za planowanie przestrzenne. Niniejsza praca przedstawia możliwości wykorzystania przetworzeń zobrazowań satelitarnych metodami klasyfikacji obiektowej w inwentaryzacji, planowaniu i monitorowaniu obiektów Zielonej Infrastruktury. Do tego celu wykorzystano zobrazowanie satelitarne pozyskane przez satelitę Pleiades w maju 2012 roku, reprezentujące obszar części dzielnicy Ursynów m.st. Warszawy. Wykorzystane w pracy metody klasyfikacji obiektowej wykazały wysoką efektywność w realizacji założonych zadań.

EN

Green Infrastructure is a conception of an integrated approach to functional and spatially related planning of urban areas, along with environmental protection, which in recent years has been appreciated by spatial planning specialists. This study presents the capabilities of using satellite image processing with Geographic Object-Based Image Analysis methods in the inventory, planning and monitoring of Green Infrastructure objects. For this purpose, a satellite image acquired by the Pleiades satellite in May 2012, representing the area of a part of the Ursynów district of the capital city of Warsaw, was used. The object-oriented classification methods used in this work showed high effectiveness in the implementation of the tasks defined.

11

Hybrid approach for mapping wetland habitats based on application of VHR satellite images

84%

Bochenek Z. , Shrestha S. , Malek I.

Geoinformation Issues

|

2013

|

tom Vol. 5, no. 1(5)

21--28

EN

The article presents results of work aimed at developing methods for classifying wetland habitats, based on different types of satellite data and on various classification approaches. Very high resolution WorldView-2 satellite images were used for the research work as basic input data. An object-oriented, rule-based approach was applied to achieve high accuracy of classification of wetland vegetation classes. As a result of the research a semi-automatic classification method has been prepared within the eCognition environment, which enables high accuracy of the resultant map (ca. 90%) to be reached. At the final stage of the research, applicability of radar Terra SAR-X images for vegetation classification was studied.

PL

W artykule zostały przedstawione wyniki prac ukierunkowanych na opracowanie metod klasyfikacji obszarów podmokłych, bazujących na różnych typach danych satelitarnych oraz na różnych podejściach klasyfikacyjnych. Do prac badawczych jako podstawowe materiały wykorzystano wysokorozdzielcze obrazy satelitarne WorldView-2. Zastosowano metodę klasyfikacji obiektowej do osiągnięcia wysokiej dokładności klasyfikacji zbiorowisk roślinnych na obszarach podmokłych. W wyniku prac utworzono półautomatyczną metodę klasyfikacji w środowisku eCognition, która umożliwia osiągnięcie wysokiej dokładności (rzędu 90%). W końcowej części prac badawczych przeprowadzono analizę stosowalności obrazów radarowych Terra SAR-X dla celów klasyfikacji typów roślinności.

12

Kartowanie pokrycia terenów zurbanizowanych przy zastosowaniu klasyfikacji obiektowej zintegrowanych geodanych lotniczego skanowania laserowego oraz zobrazowań GeoEye-1

84%

Tompalski P. , Wężyk P.

Roczniki Geomatyki

|

2011

|

tom T. 9, z. 2

121-132

PL

Głównym celem prezentowanych badań było opracowanie zautomatyzowanej metody kartowania klas pokrycia terenu występujących w przestrzeni miejskiej, na drodze integracji komplementarnych technologii, tj.: wysokorozdzielczych zobrazowań satelitarnych (GeoEye-1) oraz chmur punktów lotniczego skanowania laserowego (ALS). Cel cząstkowy polegał również na porównaniu dokładności klasyfikacji OBIA zbiorowisk roślinnych w oparciu o różne zestawy danych wejściowych, w stopniu możliwie maksymalnie zautomatyzowanym, bez stosowania jakichkolwiek pól treningowych. Jednocześnie autorzy postawili sobie za cel przedstawienie statystyk przestrzennych opisujących zieleń miejską w wymiarze 3D i zaproponowali szersze wykorzystanie danych ALS.

EN

The paper presents first results of advanced research concerning the use of integrated airborne laser scanning data and high resolution satellite images for the purpose of urban land cover mapping, particularly vegetation. Object-based image analysis was used for data processing, without any training areas and with three different approaches: A - only ALS data; B - based on GeoEye-1 satellite image only; C - based on both integrated datasets. Using integrated point clouds with spectral information stored in GeoEye-1 bands resulted in the best classification outcome (Kappa = 0.83), allowing detection of all classes that were the subject of analysis. Vertical structure assessment possibilities with the use of point cloud data were also shown in the paper.

13

Zastosowanie cech strukturalnych obrazu Landsat ETM+ w klasyfikacji obiektowej kompleksów krajobrazowo-roślinnych

84%

Kosiński K.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2007

|

tom Vol. 17a

385--394

PL

Kompleks krajobrazowo-roślinny zastosowano jako jednostkę podstawowa w rejestracji roślinności na kompozycji danych panchromatycznych LandsatETM+. Zastosowano sześć wskaźników struktury i tekstury: wariancje w oknie 5×5 pikseli (Var5×5), wskaźnik struktury pasowej (SSI) oraz trzy wskaźniki małych obiektów: obiektów wielkości 3×3 piksele (S3×3), jednego piksela (S1×1) i wskaźnik różnicowy (S3×3Dif). W obszarach miejskich możliwa jest identyfikacja kompleksów roślinności z zabudowa i kompleksów bez udziału roślinności.

EN

Landscape vegetation complexes are used as the basic units for vegetation detection on Landsat ETM+ panchromatic data composition. Six structure and texture indexes are used: variance (Var5×5), strip structure index (SSI) and three small structure indexes: of size 3×3 pixels (S3×3), one pixel (S1×1) and differential index (S3×3Dif). Complexes of vegetation and buildings and complexes lack of vegetation may be distinguished in urban areas.

14

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

84%

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

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2012

|

tom Vol. 23

467--476

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.

15

Zastosowanie metody parametrycznej w klasyfikacji obiektowej obrazu satelitarnego SPOT

84%

Lewiński S. , Bochenek Z.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2008

|

tom Vol. 18a

355--364

PL

W artykule przedstawione są wyniki klasyfikacji obiektowej zdjęcia satelitarnego SPOT, o rozdzielczości przestrzennej 20 m. W klasyfikacji zastosowano zasady postępowania zbliżone do stosowanych w metodzie tzw. drzewa decyzyjnego. Podstawowe klasy pokrycia terenu są identyfikowane podczas sekwencji niezależnych procesów, w czasie których analizowane są obiekty jeszcze niesklasyfikowane w toku poprzednich procesów. Dodatkowo przyjęto założenie wykonania klasyfikacji bez stosowania metody Najbliższego Sąsiada (dostępnej w oprogramowaniu eCognition). Treść zdjęcia satelitarnego została podzielona z zastosowaniem parametrów charakteryzujących w sposób bezpośredni obiekty. Wykorzystano również specjalnie w tym celu opracowane funkcje. Algorytm postępowania rozpoczyna się od rozpoznania klasy wody, której obiekty są definiowane w wyniku procesu wielopoziomowej segmentacji. Następnie wykonywana jest nowa segmentacja dla pozostałych klas. Z treści zdjęcia zostaje wydzielana ogólna klasa lasów a po niej zabudowa; obie klasy dzielone są później na podklasy. Pozostałe, jeszcze nierozpoznane, obiekty dzielone są na łąki i pola. W drugim etapie klasyfikacji, na podstawie już sklasyfikowanych obiektów wyłaniane są dodatkowe klasy: tereny podmokłe, działki i sady, zieleń miejska, place budów oraz zmiany w lesie. W sumie rozpoznano 13 klas. Końcowy wynik klasyfikacji został opracowany z zastosowaniem procedury generalizacji mającej na celu uzyskanie danych spełniających kryterium jednostki odniesienia o wielkości 4 ha. Całkowita dokładność klasyfikacji wyniosła ponad 89%.

EN

The paper presents results of object-oriented classification of whole 20-meter resolution SPOT scene covering the Kujawy region. The classification approach applied in this work was similar to that used in the so-called decision tree method. The main land cover classes were identified in a sequence of independent processes, assuming that each subsequent process deals solely with objects not classified yet. Another assumption was to implement rule-based approach rather than the Standard Nearest Neighbor classifier (available in eCognition software). In this approach, contents of satellite image were characterized by various spectral/texture parameters directly describing individual land cover/land use classes; in addition, by pre-defined functions, determined on the basis of graphical analysis of feature space constructed for particular terrain objects were used. The classification process begins with recognition of water class the objects of which were delineated using multiresolution segmentation. New segmentation is prepared for the remaining land cover classes. Subsequently, the general forest class and the urban class are discriminated; at the next stage, both classes are divided into sub-categories. Consequently, broad agricultural and grassland classes are determined. At the second stage of classification, more detailed classes are discriminated within the general land cover categories: wetlands, orchards, urban green areas, construction sites, and deforestations. Overall, 13 land cover/land use categories were discriminated in the work presented. The final classification map was prepared using the aggregation procedure to obtain a map resolution fulfilling the 4ha size of Minimum Mapping Unit. The accuracy was assessed using the method of randomly distributed points; the number of points assigned to each class for checking was proportional to the acreage of that class. The overall accuracy of all classes checked in the verification process reached 89%. The method presented was applied to two other test sites in Poland: the regions of Podlasie and Wielkopolska. Despite differences in land cover/land use patterns, both regions were classified with a comparable, high accuracy.

16

Porównanie klasyfikacji obiektowej z tradycyjną klasyfikacją pikselową z punktu widzenia automatyzacji procesu tworzenia bazy danych o pokryciu i użytkowaniu terenu

84%

Lewiński S.

Roczniki Geomatyki

|

2007

|

tom T. 5, z. 1

63-70

EN

The capabilities of land cover and land use classes identification using object-oriented classification and traditional, so-called pixel-based classification are compared in the paper. The comparison is based on the Landsat satellite image showing a study area of over 423 km2, located within the borders of the Commune of Legionowo (near Warsaw). The results of both classifications were generalised, using a working unit of 1 ha for built-up areas and water and 4 ha for the remaining classes. Object-oriented classification was performed within eCognition software environment. The applied tools of object-oriented classification enabled identification of 18 classes. Subsequent generalisation caused changes only to the area constituting 1.1% of the entire study area. Classification accuracy assessment using the method of visual interpretation and creation of the final land cover and land use database was the final stage of works. The accuracy for the entire study area reached over 94%. Traditional pixel-based classification was performed using so-called hybrid classification, which involves performing supervised classification and then unsupervised classification for unclassified pixels. The pixel-based approach enabled identification of only 8 classes. In the process of generalisation, based on the same principles as in the case of object-oriented classification, 26% of the area of the analysed image was changed. The accuracy of pixel-based classification, assessed by comparing the post-generalisation image to the database obtained after the visual verification of object-oriented classification, reached 72% and 61%, according to the comparison method applied. The results of comparing these two methods of classification prove a significant advantage of objectoriented classification over traditional pixel-based classification. The tools of object-oriented classification enabled identification of twice as many number of classes and a high level of accuracy of the classification process. Moreover, object-oriented classification enables proper generalisation, necessary for creating a land use and land cover database with a defined level of spatial resolution of class recognition.

17

Metoda szacowania liczby drzew w drzewostanie sosnowym z wykorzystaniem danych ALS oraz ortoobrazow

67%

Wezyk P. , Tompalski P. , de Kok R. , Szostak M. , Kukawski M.

Sylwan

|

2010

|

tom 154

|

nr 11

773-782

18

Determination of the number of trees in the Bory Tucholskie National Park using crown delineation of the canopy height models derived from aerial photos matching and airborne laser scanning data

67%

Wężyk P. , Hawryło P. , Szostak M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2016

|

tom Vol. 28

137--156

EN

In recent years the term "precise forestry" has been used more and more often, referring to a modern and sustainable model of forest management. Functioning of such management of wood biomass resources is based, among others, on precisely defined and log-term monitored selected forest taxation parameters of single trees and whole forest stands based on modern geoinformation technologies, including Airborne Laser Scanning (ALS) and digital photogrammetry. The purpose of the work was the analysis of the usefulness of the CHM (Canopy Height Model) generated from the image-based point cloud or ALS technology to define the number of trees using the method of the segmentation of single Scots pine (Pinus sylvestris L.) crowns. The study was carried out in the Scots pine stands located in the Bory Tucholskie National Park (Poland). Due to the intentional lack of certain silviculture treatments, over the recent decades, these forest stands have been characterized by relatively high tree density, compared to managed forests. The CHM was generated from digital airborne photos (CIR composition; GSD 0.15 m) and on the other hand - from the ALS point clouds (4 points/m2 ; ISOK project). To generate point clouds from airborne photos using stereomatching method, the PhotoScan Professional (Agisoft) software was applied. The CHM coming from the Image-Based Point Cloud (CHM_IPC; GSD: 0.30 m) and ALS data (CHM_ALS; GSD: 0.75 m) were generated using FUSION (USDA Forest Service) software. The segmentation of tree crowns was carried out in eCognition Developer (TRIMBLE GeoSpatial) software. Apart from height models, also spectral information was used (so-called true CIR orthophotomaps; GSD: 0.3 and 0.75 m). To assess the accuracy of the obtained results, the ground truth data from 248 reference areas were used. The carried out analyses showed that in forest stands of younger age classes (< 120 years) better results were achieved applying the method of image matching (CHM_IPC), while in the case of older stands (> 120 years) the accuracy of the detection rate of tree crowns was the highest when CHM_ALS model was applied. The mean percentage error (defined by the number of trees, based on the detection of single pine crowns), calculated based on 248 ground truth areas was 0.89%, which shows a great potential of digital photogrammetry (IPC) and GEOBIA. In case of almost full nationwide cover in Poland of airborne digital images (present IPC models) and ALS point clouds (DTM and DSM), at almost 71% forest stands in the Polish State Forests National Forest Holding (PGL LP), one can assume wide application of geodata (available free of charge) in precise modelling of selected tree stand parameters all over Poland.

PL

W ostatnich latach coraz częściej w odniesieniu do nowoczesnej i zrównoważonej gospodarki leśnej używa się terminu "precyzyjne leśnictwo". Funkcjonowanie takiego modelu zarządzania zasobami biomasy drzewnej opiera się m.in. na dokładnie określonych i monitorowanych cyklicznie wybranych parametrach taksacyjnych drzewostanów i pojedynczych drzew w oparciu o nowoczesne technologie geoinformacyjne, w tym lotnicze skanowanie laserowe (ang. ALS) oraz fotogrametrię cyfrową. Celem pracy była analiza przydatności Modelu Koron Drzew (ang. CHM) generowanego z chmur punktów pochodzących z automatycznego dopasowania cyfrowych zdjęć lotniczych (ang. Image-Based Point Cloud) lub z technologii ALS w celu określania liczby drzew metodą segmentacji pojedynczych koron sosen. Badania realizowano w drzewostanach sosnowych (Pinus sylvestis L.) na obszarze Parku Narodowego "Bory Tucholskie". Drzewostany te poprzez celowe zaniechanie w ostatnich dekadach pewnych zabiegów hodowlanych charakteryzowały się stosunkowo dużym zagęszczeniem drzew w porównaniu do drzewostanów gospodarczych. Model Koron Drzew wygenerowano w jednym wariancie ze zdjęć lotniczych CIR (GSD 0.15 m) a w drugim z chmur punktów ALS (4 pkt/m2 ; CODGiK ISOK). Do generowania chmur punktów ze zdjęć lotniczych metodą dopasowania zastosowano oprogramowanie Photoscan Professional (Agisoft). Modele Koron Drzew pochodzące z dopasowania zdjęć lotniczych (CHM_IPC; GSD: 0.30 m) oraz z danych ALS (CHM_ALS; GSD: 0.75 m) zostały wygenerowane w oprogramowania FUSION (USDA Forest Service). Segmentację koron prowadzono w oprogramowaniu eCognition Developer. Oprócz modeli wysokościowych wykorzystano także informację spektralną (tzw. prawdziwe ortofotomapy CIR; GSD: 0.3 i 0.75 m). Do oceny dokładności otrzymanych wyników wykorzystano dane pochodzące z 248 powierzchni referencyjnych. Przeprowadzona analiza wykazała, że w drzewostanach młodszych klas wieku (< 120 lat), lepsze wyniki można osiągnąć stosując metody dopasowania zdjęć (CHM_IPC) natomiast w drzewostanach starszych (> 120 lat) dokładność wykrywania koron drzew jest najwyższa przy stosowaniu wariantu CHM_ALS. Średni błąd procentowy określania liczby drzew w oparciu o detekcję pojedynczych koron sosen obliczony na podstawie 248 powierzchni referencyjnych wyniósł 0.89% co świadczy o ogromnym potencjale fotogrametrii cyfrowej (metod dopasowania zdjęć) oraz analizy obrazu (OBIA; Object-Based Image Analysis). W aspekcie niemal całkowitego pokrycia kraju danymi ALS oraz blisko 70% udziału drzewostanów sosnowych w Lasach Państwowych można założyć szerokie wykorzystanie tych nieodpłatnie dostępnych geodanych w celu zbudowania modelu precyzyjnego leśnictwa dla obszaru całego kraju.

19

Mapy podstawowych form pokrycia i użytkowania terenu zlewni Raby powyżej Zbiornika Dobczyckiego - porównanie dokładności klasyfikacji pikselowej i obiektowej obrazów LANDSAT TM

67%

Badurska M. , Drzewiecki W. , Tokarczyk P.

|

tom T. 42

15--21

EN

The research presented in the paper has been aimed at mapping the basic types of land-use in the upper Raba watershed (south Poland). The maps have been prepared for a study of the influence of land-use changes within the watershed on the sediment yields introduced into the reservoir. Because the erosion models used for sediment yields prediction need only to identify the main land-use / land cover classes (arable land, meadows and pastures, forests, waters, developed areas), the maps have been based on classification of middle-resolution satellite images (Landsat TM). In the research the results of traditional pixel-based classification were compared to the ones obtained in the object based approach. Six different Landsat TM images were classified. The methodology of both classification approaches have been described in the paper. The accuracy assessment of the classification results was based on their comparison with the land use types defined by the photo interpretation of colour composite images. The assessment was done by two operators. Each of them used different set of two hundred and fifty randomly generated sample points. In most cases the pixel-based approach resulted in higher overall accuracy. However, if overall accuracy confidence intervals are taken into consideration, none of the methods can be definitely recognised as a better one.

20

Wykorzystanie danych fotogrametrycznych do inwentaryzacji zieleni na terenach zurbanizowanych

67%

Kubalska J. , Preuss R.

|

tom Vol. 26

75--86

PL

Niniejszy artykuł omawia metodykę wykonania inwentaryzacji zieleni na obszarze zurbanizowanym z wykorzystaniem danych fotogrametrycznych w postaci „prawdziwej” barwnej ortofotomapy (trueortho) w podczerwieni (CIR) oraz Numerycznego Modelu Pokrycia Terenu (NMPT) utworzonego z danych pochodzących z lotniczego skaningu laserowego (ALS) lub alternatywnie z automatycznej korelacji obrazów zdjęć lotniczych. Proces inwentaryzacji zieleni został przeprowadzony metodą klasyfikacji na podstawie analizy cech zawartych w pikselach georeferencyjnego trueortho z jednoczesnym uwzględnieniem danych wysokościowych NMPT w postaci grid. Dla przeprowadzenia tej klasyfikacji zastosowano oprogramowanie Erdas Imagine. Właściwy proces klasyfikacji był poprzedzony utworzeniem danych wejściowych do tego zadania. Dane te uzyskano w wyniku przetwarzania cyfrowych zdjęć lotniczych wykonanych kamerą UltraCam firmy Vexcel o rozdzielczości terenowej GSD = 10cm oraz chmury punktów pozyskanych techniką ALS. Przetwarzanie to obejmowało wygenerowanie Numerycznego Modelu Terenu w środowisku SCOP++ oraz Numerycznego Modelu Pokrycia Terenu w środowisku Opals i Inpho. Porównanie utworzonych NMPT z dwóch różnych źródeł danych wykazało ich pełną spójność i jednorodność oraz możliwość zastosowania obydwu modeli do generowania produktu trueortho z cyfrowych zdjęć lotniczych. Prace wykonano na fotogrametrycznej stacji cyfrowej INPHO. „Prawdziwą” cyfrową ortofotomapę generowano zarówno ze zdjęć czarnobiałych w podczerwieni (NIR) jak i zdjęć barwnych (CIR). Przeprowadzona klasyfikacja zieleni w oprogramowaniu Erdas Imagine dowiodła, iż oprogramowanie to w zupełności nadaje się do przeprowadzenia klasyfikacji na podstawie cech zawartych w pikselach z jednoczesną analizą danych wysokościowych. Wykorzystanie równoczesne zarówno danych z lotniczego skaningu laserowego jak i zdjęć barwnych w podczerwieni pozwoliło na wykonanie dokładnej klasyfikacji zieleni na bardzo trudnym terenie, jakim jest zabudowany obszar miejski. Rezultaty klasyfikacji poddano ocenie dokładności poprzez ich wizualną weryfikację w aplikacji Google Street View. W czasach, gdy platformy lotnicze posiadają na swoim pokładzie jednocześnie rejestrujące dwa sensory t.j. wysokorozdzielczą kamerę cyfrową oraz skaner laserowy fuzja danych staje się powszechnie stosowaną metodą. Dzięki temu możliwe jest połączenie zalet obydwu typów danych, a przeprowadzona inwentaryzacja roślinności na obszarze miasta jest jednym z wielu możliwych zastosowań połączenia danych ALS i CIR.

EN

This paper discusses the methodology of the implementation of an inventory of vegetation in an urban area using photogrammetric data in the form of color NIR "true-orthophotomap" (true-ortho) and the digital surface model (DSM) created with data from airborne laser scanning, or alternatively, with an automatic correlation of images. The vegetation inventory was conducted by classification on the basis of the characteristics contained in pixels of georeferenced true-ortho while taking into account the elevation data in the form of gridded DSM. To carry out the classification Erdas Imagine software was used. The correct classification process was preceded by the creation of the input data for this task. This data was obtained from the processing of digital aerial photos taken by a Vexcel UltraCam camera with the ground resolution GSD = 10cm and point clouds acquired from ALS. This processing included the generation of digital terrain model in the SCOP++ environment and the digital surface model in an Opals and Inpho environment.The Comparison of DSM created from two different sources of data showed the overall consistency and uniformity and the ability to use both models to generate a true-ortho product from digital aerial photographs. The work was performed on an INPHO photogrammetric workstation. "True-ortho" was generated from both the black and white NIR images and colour images. The classification carried out with the Erdas Imagine software proved that this software is suitable for classification based on the features extracted from the pixels with the simultaneous analysis of elevation data. Simultaneous use of data both from airborne laser scanning and colour infrared images made it possible to make an exact classification of vegetation on very difficult terrain, like built up urban areas. The results of the classification accuracy were evaluated by the visual verification in Google Street View application. At a time when airborne platforms are equipped by both sensors, ie high resolution digital camera and laser scanner, data fusion is a commonly used approach. This makes it possible to combine the advantages of both types of data, and carrying out an inventory of the vegetation in the town area is one of many possible applications of the combined data from ALS and CIR.