Entwicklung eines Verfahrens zur Klassifikation heterogener Räume auf der Basis hyperspektraler Flugzeugdaten

Abstract

Den Schwerpunkt dieser Arbeit bildet die Entwicklung eines Klassifikators mit dem Namen Spectral Library Comparison Classifier, der mit Hilfe einer umfassenden spektralen Bibliothek hyperspektrale Szenen ohne Vorwissen zum Untersuchungsgebiet klassifiziert. Basis der drei konzipierten Klassifikationskriterien bildet das spektrale Ähnlichkeitsmaß SID-SAM Mixed Measure, welches alle Pixelspektren aus dem Untersuchungsgebiet mit allen Trainingsspektren der spektralen Bibliothek auf den Grad der Übereinstimmung hin vergleicht. Für die drei Klassifikationskriterien werden die zehn besten Referenzspektren betrachtet. Zusätzlich werden fünf verschiedene Zuverlässigkeitsmaße entwickelt, um die Güte der Klassifikation interpretieren zu können. Dazu gehört auch die Summe der Klassengewichte, welche die Ungleichverteilung der Trainingsspektren in der spektralen Bibliothek als Einflussgröße auf das Klassifikationsergebnis numerisch beschreiben. In der Arbeit wird der Klassifikator auf fünf verschiedene Untersuchungsgebiete angewendet. Ein weiterer Bestandteil des Klassifikators bildet die räumliche und spektrale Clusteranalyse. Mit deren Hilfe ist es möglich, die Unvollständigkeit der spektralen Bibliothek zu berücksichtigen, um neue, potenzielle Trainingsspektren für die Ergänzung der spektralen Bibliothek abzuleiten. Zudem ist der Klassifikator aufgrund einer konsistenten Klassenhierarchie in der Lage eine Kompatibilität zu anderen Klassifikationsverfahren zu erzielen. Somit können die Klassifikationsergebnisse eines Untersuchungsgebietes nicht nur miteinander verglichen, sondern auch als Mosaikstein eines Ensemble Classifiers mit anderen Klassifikationsverfahren verknüpft werden. Zudem belegen die Klassifikationsergebnisse, dass die Klassifikation unabhängig von szenenbezogenen Kalibrierungsparametern funktioniert. Die Validierungsergebnisse des Untersuchungsgebietes Dresden zeigen, dass von den drei Klassifikationskriterien das nach dem Referenzspektrum mit der geringsten Albedoabweichung die zuverlässigsten Ergebnisse erzielt. Die Gesamtgenauigkeit dieses Klassifikationskriteriums liegt bei 89,8 % und der Kappa-Koeffizient beträgt 0,888. Diese Ergebnisse belegen, dass die Klassifikationsgüte des entwickelten Klassifikators sehr gut ist. Die höchste Klassifikationszuverlässigkeit wird bei den Materialklassen erzielt, die ausgeprägte spektrale Kontraste zu anderen Materialklassen vorweisen. Der Spectral Library Comparison Classifier ist somit in der Lage, sowohl natürliche als auch künstliche Materialoberflächen in heterogenen Räumen zu klassifizieren. Zusätzlich belegt die Gegenüberstellung der Validierungsergebnisse der umfassenden spektralen Bibliothek und einer reduzierten spektralen Bibliothek, dass bereits eine kleine Anzahl an repräsentativen Trainingsspektren ausreicht, um eine ausreichend gute Differenzierung spektral unterschiedlicher Materialklassen zu gewährleisten.