Ανίχνευση Μεταβολών Κτηρίων στον Περιαστικό Χώρο από Εικόνες Quickbird με Αντικειμενοστραφή Διαδικασία στο Λογισμικό Erdas Imagine Objective

Abstract

Η έγκαιρη και έγκυρη ανίχνευση μεταβολών κτηρίων σε αστικό και περιαστικό περιβάλλον αποτελεί μείζονος σημασίας θέμα παγκοσμίως. Στη χώρα μας, η άναρχη και παράνομη δόμηση σε συνδυασμό με την πολύπλοκη νομοθεσία περί κατασκευαστικής αυθαιρεσίας επιβάλλουν την ανεύρεση άμεσης, γρήγορης και αξιόπιστης λύσης. Η εμπειρία του παρελθόντος έχει αποδείξει ότι η παράνομη δόμηση πρέπει να εμποδίζεται εν τη γενέσει της, πριν ολοκληρωθεί η παράνομη κατασκευή. Η αυτόματη ανίχνευση μεταβολών προσφέρει λύση στην ουσία του προβλήματος καθώς είναι μία λύση με άμεσα αποτελέσματα τα οποία είναι αντικειμενικά λόγω της ελάχιστης εμπλοκής του ανθρώπινου παράγοντα. Το στοιχείο αυτό καθιστά τα αποτελέσματα της μεθόδου αξιόπιστα και αδιαμφισβήτητα και άρα ιδανικά να προσφέρουν τη λύση στο πρόβλημα. Για την εκπόνηση της παρούσας διπλωματικής εργασίας, χρησιμοποιήθηκαν δύο, διαφορετικών χρονολογιών, πολυφασματικές εικόνες του δορυφόρου QuickBird που απεικόνιζαν περιοχή της Νοτιοανατολικής Αττικής με ανάλυση 60 εκατοστών στο παγχρωματικό(άσπρο - μαύρο) και 240 στο πολυφασματικό. Η πρώτη εικόνα λήφθηκε το 2004 και η δεύτερη το 2006. Η αυτόματη ανίχνευση μεταβολών στις δύο εικόνες υλοποιήθηκε στο αντικειμενοστραφές περιβάλλον του εμπορικού λογισμικού ERDAS Imagine Objective της Leica Geosystems. Η υλοποίηση της ανίχνευσης μεταβολών πραγματοποιήθηκε με τη μέθοδο σύγκρισης ανεξάρτητων αντικειμενοστραφών ταξινομήσεων στις εικόνες. Έτσι, μετά την παρουσίαση του επιστημονικού πεδίου και του προβληματισμού που οδήγησε στη συγκεκριμένη μελέτη στο πρώτο κεφάλαιο, ακολουθεί η ανασκόπηση στη διεθνή και εγχώρια βιβλιογραφία στο δεύτερο. Σε αυτό το κεφάλαιο παρουσιάζονται αναλυτικά οι μεθοδολογίες και προσεγγίσεις των τριών βασικών πυλώνων της μεθόδου που χρησιμοποιήθηκε. Οι πυλώνες αυτοί είναι (1) η αντικειμενοστραφής ανάλυση εικόνας, (2) η αυτόματη εξαγωγή κτηρίων από δορυφορικές απεικονίσεις και (3) η αυτόματη ανίχνευση μεταβολών. Έπειτα, στο τρίτο κεφάλαιο συναντάμε την αναλυτική παρουσίαση του λογισμικού Imagine Objective. Παρουσιάζονται τα επίπεδα εκτέλεσης ενός μοντέλου καθώς και οι διαθέσιμοι τελεστές επεξεργασίας των δεδομένων σε ψηφιδωτή και διανυσματική μορφή, και πάντα με στοιχειώδη μονάδα αναφοράς το αντικείμενο. Το τέταρτο κεφάλαιο αποτελεί την παρουσίαση και ανάλυση της μεθοδολογίας. Δημιουργούνται ανεξάρτητα μοντέλα εξαγωγής των κτηρίων για την κάθε ημερομηνία. Οι ανεξάρτητες εξαγωγές συγκρίνονται στο περιβάλλον του Objective για να προκύψει το αποτέλεσμα της ανίχνευσης των μεταβολών. Στο ίδιο κεφάλαιο πραγματοποιείται η αξιολόγηση των αποτελεσμάτων συγκρίνοντάς τα με ψηφιοποιημένα δεδομένα φωτοερμηνείας στο περιβάλλον του ελεύθερου λογισμικού Quantum GIS. Τη σύγκριση ακολούθησε ο υπολογισμός των δεικτών πληρότητας, ορθότητας και συνολικής ποιότητας τόσο της κάθε ανεξάρτητης εξαγωγής κτηρίων, όσο και της ανίχνευσης μεταβολών. Τα αποτελέσματα των εξαγωγών ήταν άκρως ικανοποιητικά αφού παρουσίασαν ορθότητα της τάξης του 85.9% η πρώτη εικόνα και 85.2% η δεύτερη και ποιότητα 67.0% και 67.5% αντίστοιχα. Παρουσιάστηκαν ωστόσο σφάλματα παράλειψης και συμπερίληψης που οφείλονταν στην παρουσία πολύ μικρών σε μέγεθος κτηρίων και την ύπαρξη περιοχών υποβάθρου με φασματικά χαρακτηριστικά όμοια με αυτά των κτηρίων, αντιστοίχως. Η ανίχνευση μεταβολών δε γνώρισε αναλόγως επιτυχή αποτελέσματα αφού η ορθότητα και η ποιότητα κυμάνθηκαν σε χαμηλά επίπεδα, μόλις 22.3% και 13.4% αντίστοιχα. Οι λόγοι που συντέλεσαν στον περιορισμό της ακρίβειας των αποτελεσμάτων αφορούσαν πρωτογενώς τη μέτρια γεωμετρική εγγραφή των δύο εικόνων, την περιορισμένη φασματική πληροφορία των δεδομένων όπως επίσης και τη μεγάλη σε έκταση και περίπλοκη περιοχή μελέτης. Επιπροσθέτως, υπήρξε διαφορετική προσέγγιση ανίχνευσης μεταβολής με τα δεδομένα ελέγχου καθώς το μοντέλο δύναται να ανιχνεύσει μεταβολή σε περιοχές όπου αρχικά δεν υπήρχε κτήριο και δημιουργήθηκε μετά, ενώ τα δεδομένα ελέγχου ανίχνευσαν ως μεταβολή την αλλαγή στο υλικό της οροφής αλλά και μικρές επεκτάσεις σε ήδη υπάρχοντα κτήρια. Η εργασία αυτή ολοκληρώνεται με το πέμπτο και τελευταίο κεφάλαιο όπου συνοψίζονται τα συμπεράσματα. Συνοψίζοντας, μπορούμε να θεωρήσουμε ότι η αυτόματη ανίχνευση μεταβολών με χρήση του Imagine Objective μπορεί να πραγματοποιηθεί με μεγάλη ακρίβεια σε τμήματα δορυφορικών εικόνων που δεν διαθέτουν υψηλά γεωμετρικά σφάλματα και μόνο για κτήρια που δεν προϋπήρχαν αρχικά και δημιουργήθηκαν μετά. Η αυτόματη εξαγωγή και ανίχνευση μεταβολών κτηρίων μπορεί να αποδώσει εξαιρετικά αποτελέσματα με χρήση υψομετρικής πληροφορίας από Ψηφιακά Μοντέλα Εδάφους και Επιφάνειας.

The timely and reliable building change detection in urban and suburban environment is a major issue worldwide. In Greece, the unregulated and informal construction in conjunction with the complex legislation on manufacturing arbitrariness imposes the finding of a direct, rapid and reliable solution. Past experience has shown that the informal construction must be prevented before its completion, as measures against its development can be taken more easily. The automatic change detection offers an impartial solution with immediate effect as it minimizes the involvement of the human factor. This renders the results of the method reliable and indisputable, hence ideal to offer the solution.

For the preparation of this diploma thesis, two bi-temporal multispectral images from the QuickBird satellite were used, which depict a region of south-eastern Attica with panchromatic (black and white) resolution at 60 cm and multispectral resolution at 240 cm. The first was taken in 2004 and the second in 2006. The implementation of the automatic change detection between these two images was made in the, object-oriented, environment of the Leica geosystems commercial software, ERDAS Imagine Objective.

The implementation of the change detection was carried out by the comparison of independent, object-based, classifications in the images. Thus, after the presentation of the scientific field and the reasons that led to this specific study in the first chapter, following the review to the international and domestic bibliography in the second. In this chapter are presented the methodologies and approaches of the three main pillars of the method used. The pillars are (1) the Object-Based Image Analysis, (2) the automatic building extraction from satellite imagery and (3) the automatic change detection.

Subsequently, in the third chapter is given a detailed presentation of the software Imagine Objective. More specifically, the whole procedure levels of a model as well as the available object processing operators which perform a variety of functions on both raster and vector domain are presented.

The fourth chapter constitutes the presentation and analysis of the methodology. Independent models were created in order to extract separately the buildings of each image. The independent extractions compared to the environment of Objective to obtain the change detection result. In the same chapter is also carried out an assessment of the results by comparing them with digitized data of photo-interpretation, in the environment of the free software, Quantum GIS. The comparison has followed by the calculation of indices of completeness, correctness and overall quality both for the independent building extraction and change detection.

The results of extraction were very satisfactory after they presented correctness of the order of 85.9% and 85.2% and quality 67.0% and 67.5% for the first and second dataset respectively. However, omission and commission errors were emerged due to the presence of large amount of very small buildings and the existence of background areas with similar spectral characteristics to those of buildings respectively.

The change detection did not produce proportionally successful results since the correctness was 22.3% and the quality 13.4%. The reasons which have contributed to the lesser accuracy of the change detection results were primary, due to the mediocre geometric registration of two images, the limited spectral information of the data as well as the large extent and complexity of the study area. In addition, there has been a different approach of change detection with the photo-interpreted data. The model may only detect change in areas where initially there was no building and it was created afterwards while the photo-interpreted data detected as change the substitute of the material of the roof and small extensions in existing buildings.

This work is completed with the fifth and final chapter where are summarized the conclusions. To sum up, can be assumed that the automatic change detection using ERDAS Imagine Objective can be carried out with excellent accuracy in subsets of satellite images that do not have high geometric errors and only for buildings that didn’t exist initially and were constructed afterwards. The automatic extraction and change detection of buildings can yield excellent results taking advantage of height information generated by Digital Terrain and Surface Models.