A General Framework for Fast and Interactive Classification of Optical VHR Satellite Imagery Using Hierarchical and Planar Markov Random Fields

Abstract

In diesem Artikel wird ein Rahmenwerk von Methoden für eine rasche und interaktive Klassifikation hochauflösender optischer Satellitenbilder im Rahmen von Notfall- und Krisenkartierungen sowie einer Vielzahl anderer Anwendungen vorgestellt. Mittels eines hybridenMarkov-Modells, welches ein hierarchisches, gerichtetes und ein ungerichtetes, planares Markov-Zufallsfeld (MRF) kombiniert, werden Bildinformationen auf mehreren Skalen sowie hierarchische und räumliche Kontextinformationen in den Klassifikationsprozess einbezogen. Die Klassifikation erfolgt mittels der bekanntenMaximum a Posteriori (MAP) sowie der Mode of Posterior Marginals (MPM) Inferenz. Des Weiteren wird ein modifizierter MAP Ansatz vorgestellt, welcher unter bestimmten Voraussetzungen bessere Ergebnisse als die ursprünglichen Methoden liefern kann. Dabei wird „unsichere“ Bildinformation, wie zum Beispiel aus Bereichen, welche Mischklassen aufweisen, nicht in den Inferenzprozess einbezogen. Die Effektivität des Rahmenwerks sowie der modifizierten MAP Berechnung wird an zwei Beispielen demonstriert.