Ausgewählte Algorithmen der Segmentierung und Klassifikation zur thematischen Bildverarbeitung in der Fernerkundung

Abstract

Die rasant fortschreitende Entwicklung von Fernerkundungssensoren mit immer höheren geometrischen und spektralen Auflösungen erfordert neue Wege der Bildvorverarbeitung und der Bilderkennung. Um die anfallenden großen Datenraten und Datenvolumen adäquat bearbeiten zu können, werden effiziente und durchsatzoptimierte Algorithmen und Verfahren benötigt. Für die verschiedenen Stufen der Segmentierung werden hierzu neue Ansätze eines einheitlichen Rahmenwerkes eingesetzt und weiterentwickelt. Das hier angewendete Verfahren, das sogenannte Graphennetzwerk, zeichnet sich besonders durch seine hohe Rauschunterdrückung und durch seine Parallelisierbarkeit aus. Für bestimmte Aufgabenstellungen der Fernerkundung ist es im zunehmenden Maße nötig, hochwertige Datenprodukte (z. B. für Feuererkennung) bereits direkt an Bord der aufnehmenden Plattformen aus den Bilddaten in Echtzeit abzuleiten. Mit dieser Arbeit wird ein neues Konzept einer An-Bord-Verarbeitung für Satelliten entwickelt und realisiert: Am Beispiel des Kleinsatelliten BIRD (Bispectral InfraRed Detection) wird eine thematische Datenverarbeitung in Form einer multispektralen Klassifikation direkt auf dem Satelliten zum Einsatz kommen. Für diese Klassifikation wurde eine spezielle Hardware auf der Basis des Neuro-Prozessors NI1000 entwickelt.