Automatisierung der thematischen Bildverarbeitung von Fernerkundungsdaten durch ausgewählte Verfahren

Abstract

Durch die rasant fortschreitende Entwicklung von Fernerkundungssensoren mit immer höheren geometrischen und spektralen Auflösungen müssen neue Wege der Bildvorverarbeitung und des Erkennungsprozesses gegangen werden. Um anfallende große Datenraten und Datenvolumina adäquat bearbeiten zu können, werden effiziente und automatisierbare Algorithmen und Verfahren benötigt. In bestimmten Aufgabenstellungen der Fernerkundung ist es im zunehmenden Maße nötig, Entscheidungen bereits direkt an Bord der aufnehmenden Plattformen aus den Bilddaten in quasi Echtzeit abzuleiten. Dieses ist ins besondere bei Feuererkennungs- bzw. Feuerwarnsystemen oder für Katastrophenwarnsysteme der vielfältigsten Art der Fall. Es wurde ein neues Konzept einer An-Bord-Verarbeitung für Satelliten entwickelt und realisiert: Am Beispiel des Kleinsatelliten BIRD (Bispectral InfraRed Detection) wird erstmalig eine thematische Datenverarbeitung in Form einer multispektralen Klassifikation direkt auf dem Satelliten zum Einsatz kommen. Dabei wird die Klassifikation auf der Basis des Neurochips NI1000 der Firma Nestor durchgeführt. Eine thematische Bildverarbeitung kann außerdem durch den Prozess der Segmentierung realisiert werden. Dazu werden neue Ansätze eines sogenannten Graphennetzwerkes unter der Anwendung von Merkmal-Ähnlichkeitskriterien verwendet. Das hier zur Anwendung gebrachte Verfahren zeichnet sich besonders durch seine algorithmische Effizienz u. a. in Form einer großen Rauschunterdrückung und durch seine Parallelisierbarkeit aus.