elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Imprint | Privacy Policy | Contact | Deutsch
Fontsize: [-] Text [+]

Automatisierte OBIA Erfassung von urbanem Grün aus UltraCam X Fernerkundungsbilddaten und Höheninformationen

Arnold, Lars (2013) Automatisierte OBIA Erfassung von urbanem Grün aus UltraCam X Fernerkundungsbilddaten und Höheninformationen. Bachelor's, Beuth Hochschule für Technik Berlin.

Full text not available from this repository.

Abstract

In Zusammenarbeit zwischen der BHT, dem DLR und der Senatsverwaltung für Stadt und Umwelt, Berlin wurden für diese Bachelorarbeit Methoden zur automatischen Baumextraktion in urbanen Gebieten untersucht. Hochauflösende Luftbilder der UltraCam X und ein normiertes digitales Oberflächenmodell (nDOM) wurden genutzt, um eine automatisierte Regelkette für die Baumerkennung zu entwickeln und zu implementieren. Das nDOM ist aus der Differenz des digitalen Geländemodells (DGM) und des digitalen Oberflächenmodells (DOM) ermittelt worden. Um den Extraktionsalgorithmus zu testen sind zwei Erprobungsgebiete gewählt worden, die eine hohe Vielfalt an Baumparameter, wie der Morphologie, der Baumdichte und -höhe auswiesen. Drei Klassen, die diese Eigenschaften repräsentieren, wurden definiert: einzeln stehende Bäume, Baumgruppen und dichte Baumflächen. Eine objektbasierte Bildanalyse (OBIA) wurde angewendet, um die Objektklasse der Bäume von anderen Klassen zu trennen. Ein geographisches Informationssystem kam zum Einsatz, um die Lage und Höhe der Bäume zu bestimmen. Im Anschluss daran ist die Fläche der Baumkrone ermittelt worden. Zur Simulation realer geometrischer und morphologischer Parameter urbaner Bäume ist das nDOM durch kontrollierte Reduktion der räumlichen Auflösung geglättet worden. Die besten Resultate werden für einzeln stehende Bäume erzielt. Mit wachsender Baumdichte steigt das Risiko einer Fehlklassifizierung. Dennoch konnte gezeigt werden, dass die entwickelte Methode auch bei höherer Baumdichte gute Ergebnisse liefert. Ein Vollständigkeits- und Genauigkeitsanalyse wurde durchgeführt. Fehler in den vorliegenden Referenzdaten waren einschränkend. Es konnte dennoch gezeigt werden, dass der entwickelte Algorithmus akzeptable Ergebnisse erbrachte, die mit einem validen Referenzdatensatz sicher verbessert werden können. Die große Variabilität urbaner Baumarten im Vergleich zu Waldgebieten erforderte spezielle Techniken für die automatische Baumextraktion in der Stadt, die in die Regelkette implementiert worden sind. Der Vorteil der getesteten Methode ist die schnelle und umfassende Bestandsaufnahme urbaner Bäume im Auflösungsbereich eines halben Meters. Die vorliegende Arbeit leistet einen Beitrag zur Entwicklung der automatisierten Baumerkennung in urbanen Gebieten.

Item URL in elib:https://elib.dlr.de/111088/
Document Type:Thesis (Bachelor's)
Title:Automatisierte OBIA Erfassung von urbanem Grün aus UltraCam X Fernerkundungsbilddaten und Höheninformationen
Authors:
AuthorsInstitution or Email of AuthorsAuthors ORCID iD
Arnold, LarsUNSPECIFIEDUNSPECIFIED
Date:2013
Refereed publication:No
Open Access:No
Gold Open Access:No
In SCOPUS:No
In ISI Web of Science:No
Number of Pages:55
Status:Unpublished
Keywords:object based image analysis, building extraction, very high resolution data
Institution:Beuth Hochschule für Technik Berlin
Department:Fachbereich Bauingenieur- und Geoinformationswesen
HGF - Research field:Aeronautics, Space and Transport
HGF - Program:Space
HGF - Program Themes:Earth Observation
DLR - Research area:Raumfahrt
DLR - Program:R EO - Erdbeobachtung
DLR - Research theme (Project):R - Vorhaben Optische Technologien und Anwendungen
Location: Berlin-Adlershof
Institutes and Institutions:Institute of Optical Sensor Systems > Sensor Concepts and Applications
Deposited By: Bucher, Tilman
Deposited On:10 Feb 2017 11:25
Last Modified:10 Feb 2017 11:25

Repository Staff Only: item control page

Browse
Search
Help & Contact
Information
electronic library is running on EPrints 3.3.12
Copyright © 2008-2017 German Aerospace Center (DLR). All rights reserved.