Σύγκριση παραδοσιακών και αντικειμενοστραφών τεχνικών τηλεπισκόπησης,κάλυψης-χρήσης γης απο τηλεπισκοπικά δεδομένα Quickbird στην επαρχία Πάφου

Abstract

Η διπλωματική εργασία αφορά την ταξινόμηση 3 τηλεπισκοπικών απεικονίσεων από το δορυφόρο Quickbird, με τη χρήση 2 διαφορετικών μεθοδολογιών, και τη σύγκριση αυτών. Η πρώτη μεθοδολογία είναι αυτή της «κλασσικής» ταξινόμησης- pixel by pixel- με χρήση του αλγόριθμου της μεγίστης πιθανοφάνειας και η δεύτερη μεθοδολογία είναι η αντικειμενοστραφής ταξινόμηση με χρήση της ασαφούς λογικής. Τα δεδομένα που χρησιμοποιήθηκαν για την εργασία αυτή είναι 3 δορυφορικές τηλεπισκοπικές απεικονίσεις διακριτικής ικανότητας 0.6m από το δορυφόρο Quickbird με χρόνο λήψης τον Οκτώβριο του 2003. Τα δεδομένα απεικονίζουν περιοχές από την επαρχία Πάφου, στην Κύπρο, και έχουν μέγεθος 1020*1020 εικονοστοιχεία. Η επεξεργασία των δεδομένων έγινε με τη χρήση των λογισμικών eCognition της demo έκδοσης 2.1 που χρησιμοποιεί μια νέα προσέγγιση στο χώρο της ανάλυσης εικόνας η οποία είναι η αντικειμενοστραφής ανάλυση. Αυτή η μέθοδος επιτρέπει την επεξεργασία των δεδομένων σε επίπεδο αντικειμένων και όχι μεμονωμένων εικονοστοιχείων όπως γίνεται με το δεύτερο λογισμικό που χρησιμοποιήθηκε, το ER Mapper έκδοση 7.1. Στην ανασκόπηση του επιστημονικού πεδίου, καταγράφηκαν οι μεθοδολογίες που χρησιμοποιήθηκαν οι σημερινές τεχνολογικές δυνατότητες, έγινε καταγραφή των τηλεπισκοπικών δορυφόρων που υπάρχουν, των δυνατοτήτων τους και των περιορισμών τους, καθώς και τι περιμένουμε στο άμεσο μέλλον σε θέματα του τομέα. Αναφορά γίνεται και για το κόστος απόκτησης δορυφορικών απεικονίσεων. Επόμενο θέμα είναι η φωτοερμηνεία των εικόνων και η επιλογή των θεματικών κατηγοριών που χρησιμοποιήθηκαν στις 2 μεθοδολογίες ταξινομήσεων. Πρώτη εφαρμογή ήταν με την παραδοσιακή μέθοδο ταξινόμησης όπου ακολουθήθηκε επιβλεπόμενη ταξινόμηση και αφού επιλέγηκαν οι περιοχές εκπαίδευσης, με τη χρήση του αλγόριθμου της μέγιστης πιθανοφάνειας έγιναν οι ταξινομήσεις. Δεύτερη εφαρμογή ήταν η ταξινόμηση των 3 εικόνων με τη χρήση αντικειμενοστραφών τεχνικών ταξινόμησης όπου μετά από την κατάτμηση των εικόνων σε 2 ή 3 επίπεδα ανάλογα με την εικόνα, δημιουργήθηκαν και τα ανάλογα επίπεδα ταξινόμησης και στο τέλος με την συγκέντρωση της πληροφορίας στο πρώτο επίπεδο έγινε και η τελική ταξινόμηση. Ακολουθεί η συγκέντρωση των ταξινομήσεων από όλες τις μεθοδολογίες και η σύγκρισή τους τόσο σε επίπεδο οπτικής σύγκρισής με ποιοτικό κυρίως χαρακτήρα όσο και με παράταξη των εμβαδών των κατηγοριών τους για ποσοτική σύγκριση. Στο τέλος παραθέτονται τα συμπεράσματα σχετικά με την σύγκρισή των μεθοδολογιών και οι προοπτικές τους.

The thesis is about the classification of three very high spatial resolution Quickbird data , used with two different methodologies, and their comparison. The first methodology uses pixel-based approach with Maximum likelihood algorithm and the second one uses an object-based approach. The data used for this purpose was; three satellite high spatial (0.6m) imagery from Quickbird and it was collected during October 2003. The data depict subsets from the Pafos district, in Cyprus, and their size is 1020*1020 pixels. The software used for data analysis was eCognition demo, release 2.1 which applies for a new approach in image analysis, object oriented analysis.Object-oriented image analysis uses an object base instead of the classic pixel-based approach, like in the second software that was used with ER Mapper release 7.1. During the examination in the scientific field the methodologies that were used, were recorded, the current technological abilities, the satellites currently in orbit and what we have to expect in the future, in this area of subject. There are also some reports for the cost of acquiring satellite depictions. Next subject is the photo interpretation of pictures and the choice of the thematic categories that were used in the two methodologies of classification. The first application was done using the traditional method of classification, the supervised classification. After the educational regions were determined, the classifications were done using the algorithm of maximum likelihood. The second application was about the classification of three pictures with the use of object-oriented techniques, where segmentation of pictures in 2 or 3 levels was depended by the picture. Proportional levels were also created and in the end, after concentrating the information in the first level, there was also done and the final classification. The concentration of the classifications, from all the methodologies, and their optical and qualitative comparison follows. Ultimately, the conclusions with regard to the comparison of methodologies and their prospects are listed.