Αυτόματη ανίχνευση μεταβολών των κτισμάτων σε περιαστικό χώρο απο δορυφορικές απεικονίσεις πολύ υψηλής διακριτικής ικανότητας μέσω ανάπτυξης ασαφούς βάσης γνώσης σε αντικειμενοστραφές περιβάλλον ανάλυσης εικόνων.

Abstract

Ο καθορισμός των αστικών και περιαστικών μεταβολών είναι θέμα μείζονος σημασίας για την ελληνική πραγματικότητα. Η παρούσα μελέτη εστιάζει στη δημιουργία βάσης γνώσης για την αυτόματη ανίχνευση των μεταβολών που παρατηρούνται στον εξωαστικό χώρο και τη διερεύνηση των δυνατοτήτων μιας τέτοιας ανάλυσης στον ακριβή εντοπισμό τους. Για την επίτευξητων στόχων της παρούσας εργασίας χρησιμοποιήθηκε το πρόγραμμα eCognition DEFINIENS Imaging GmbΗ στου οποίου το περιβάλλον αναπτύχθηκε η βάσηγνώσης με χρήση αντικειμενοστραφούς ανάλυσης. Οι απεικονίσεις που χρησιμοποιήθηκαν λήφθηκαν από δορυφορικά δεδομένα ΙΚΟΝΟS και Quickbird για δύο περιοχές του περιαστικού χώρου για δύο διαφορετικές ημερομηνίες η καθεμία. Για κάθε περιοχή εφαρμόστηκαν ταξινομήσεις - μία για κάθε ημερομηνία. Στη συνέχεια συγκρίθηκαν σε αντικειμενοστραφές περιβάλλον οι ταξινομήσεις των δύο ημερομηνιών έτσι ώστε να εντοπιστούν οι διαφορές των αντικειμένων τους. Οι διαφορές στις οποίες εστιάζει η παρούσα μελέτη είναι αυτές που αφορούν στο αν ένα αντικείμενο δεν ήταν σπίτι στην πρώτη ημερομηνία και έγινε σπίτι στη δεύτερη ημερομηνία. Οι αναλύσεις των απεικονίσεων περιέλαβαν πέντε επίπεδα κατάτμησης με το πέμπτο να είναι το ανώτερο και πιο χονδρόκοκκο ενώ τα μεσαία επίπεδα τέσσερα και τρία ήταν πανομοιότυπα. Τα επίπεδα δύο και ένα προέκυψαν με αλγόριθμους ανακατασκευής σχημάτων των ανωτέρων τους. Στο επίπεδο ένα ταξινομήθηκαν τα τελικά αντικείμενα βάσει του αν αντιπροσωπεύουν κάποιο σπίτι ή όχι. Η αξιολόγηση των αποτελεσμάτων έγινε με βάση ψηφιοποιημένα απο φωτοερμηνεία δεδομένα των απεικονίσεων. Οι μεταβολές που προέκυψαν από την παρούσα μελέτη ήταν ουσιαστικά οι συγκρίσεις των δύο ταξινομήσεων των δύο ημερομηνιών για την ίδια περιοχή. Η τομή των επιπέδων των αυτόματα εξαγόμενα πολυγώνων και των πολυγώνων της φωτοερμηνεία εφαρμόστηκε στο περιβάλλον του QGIS. Βάσει των αποτελεσμάτων που έδωσε η επεξεργασία των επιπέδων στο QGIS υπολογίστηκαν τα σφάλματα συμπερίληψης, παράλειψης και οι δείκτες πληρότητας, ορθότητας και ποιότητας. Τα αποτελέσματα των σφαλμάτων και των δεικτών ήταν ιδιαίτερα ικανοποιητικά για την ανίχνευση των σπιτιών όχι όμως των μεταβολών τους. Στο σύνολό της η παρούσα εργασία καταδεικνύει πως η αυτόματη ανίχνευση των μεταβολών σε περιαστικό χώρο με το συγκεκριμένο είδος απεικονίσεων συναντά κάποιους περιορισμούς. Αυτό συμβαίνει γιατί τα σφάλματα των δύο απεικονίσεων μεταφέρονται τουλάχιστον στο διπλάσιο στην τελική επεξεργασία των μεταβολών. Η αντικειμενοστραφής ανάλυση των εικόνων είναι μια πολλά υποσχόμενη μέθοδος επεξεργασίας όσον αφορά στην ανίχνευση των κτιρίων όμως όσον αφορά στο κομμάτι τις ανίχνευσης των μεταβολών κρίνεται απαραίτητη η εισαγωγή κάποιων πρόσθετων δεδομένων όπως τα Ψηφιακά Μοντέλα Εδάφους ή δεδομένα Lidar.

Defining urban and suburban changes is of great importance in Greek urban fabric. During the last decades illegal urban fabric has led to a spectacular increase of informal settlements thus the need of monitoring changes in such areas is essential. The aim of this diploma thesis is to creata a fuzzy knowledge base within an object based image analysis system for automatic changr detection of urban and also assess its accuracy. The software used in order to achieve this goal was eCognition DEFINIENS Imaging GmbΗ. The image data imported to the software were high resolution satellite data from IKONOS and Quickbird. The data contained images of two different areas in Keratea, Attica in two dofferent dates. Two classification algorithms were developed in both areas at the two dates. The two classifications of the different dates were compared to each other using object based analysis in order to extract the changes that refer to buildings. The image analysis contained five levels of image segmantation and classification. The fifth and highest level was created in order to show the three basic landcovers of the area ; water, vegetation and impervious surface. The lowest levels were created for shadow and landcover extraction, while in level one the objects were classified as buildings and not buildings. The assesment of the results was based on digitised true data along with the automatically extracted houses which were importes in QGIS in order to calculate their intersection. For the evaluation three indexes were calculated ; completeness, correctness and quality. The eveluation proved that the automatic detection of buildings was satissfactory on either date or image. However the change detection did not perform effectively due to geometrical correction, deviation of buildings because of their height and limited spectral information of the input data. Integrating Lidar data in order to create Digital Surface Models (DSM) and true ortho images can enhance the performance of automatic change detection in complex environnent such as suburban areas. The outcomes can be inserted in an easily updated data base along with GIS processing and cadastral data in order to present the physical and human environment.