Modul GEO212 (Fernerkundung I) B.Sc. Geographie, 2. Studienjahr, Pflichtmodul,
Angebot:
jährlich im WS, Arbeitsaufwand 5LP, 150 Arbeitsstunden,
Arbeitsform:
Vorlesung & Selbststudium, praktische Übungen am Rechner in Gruppenarbeit & Selbststudium des Skriptes zu den Übungen,
Modulabschluss: durch Klausur (Noten 1-5)
Vorbereitung:
Wiederholung von Methoden der uni-, bi- und
multivariaten Statistik, Kenntnisse über Grundlagen der Informatik und
Mathematik, erweitertes Software Verständnis.
Inhalte:
Im
Modul „Fernerkundung I“ erlernen die Studierenden theoretische und praktische
Kenntnisse der digitalen Bildverarbeitung. Zusätzlich zur Vermittlung der
theoretischen Kenntnisse zur Bildverarbeitung werden die wichtigsten
Bildverarbeitungsschritte konsekutiv mit Beispieldatensätzen im Rahmen von
Übungen an aktueller Fernerkundungssoftware (z.Zt. Geomatica 9.1.6) zur
Bildverarbeitung erarbeitet. Lernziel ist der sichere und kritische Umgang
mit Datenprozessierungs- und Bildverarbeitungsmethoden der Fernerkundung sowie
bei der Interpretation fremder Ergebnisse. Ein Schwerpunkt auf
praktischen Übungen zur Bildverarbeitung mit einfachen Modulen der XPACE
Programmbibliothek.
Vollständige
Beschreibung der Lehrveranstaltungsinhalte im Detail:
-
Einführungsveranstaltung: Vorbesprechung, Allegemeines, Anwesenheitspflicht,
Informationen zu den Übungen und Tutorien, Lehrveranstaltungsinhalte, Literatur,
Übungslisten, Gruppenaufteilung.
-
Termin: Einführung
in die Software Geomatica (EASI/PACE, XPACE, MOdeller, Focus, GCPSWORKS, EASI
Programmierung), Einführung in das menschliche Sehen und Bildverstehen,
Reizverarbeitung, Aufbau des Auges, Stäbchen, Zapfen, Farbsehen, menschliche Signalverarbeitung,
Stereobildverarbeitung, Technologie digitaler Sensoren, CCD Sensor
Architektur, Zeilensensor vers. Framsesensor, Farbe bei der digitalen
Datenaufnahme, CCD und CMOS Sensor und
Aufnahmesysteme, Sensor Architekturen, Fillfaktor, Technik, Vor- und Nachteile,
-
Termin:
Grundlagen der
digtialen Bild- und Signalverarbeitung, Grundlagen der Fernerkundung (compressed),
Sensorik zwischen rämlicher und spektraler Auflösung, Detektorkonfigurationen,
das Pixel, Datenspeicherung, Datentypen,
Datenformate, Dateneinheiten, Bit, Byte, Megabyte, Datesatzgrößenberechnung,
BSQ, BIL, BIP, Anwendungen, Vor- und Nachteile, Auflösungsarten (räumlich,
spektral, radiometrisch, temporal), Software in der digitalen Bildverarbeitung
– ein Überblick, Byte Order, Bildpyramiden, Einführung in das Histogramm,
Prozesse in der industriellen BV und in der Fernerkundung,
Fernerkundungs-Bilddateiformate, das PCIDSK Dateiformat, Arbeiten mit Segmente
in Geomatica.
-
Termin:
Datenvorverarbeitung:
geometrische Korrektur, parametrische Verfahren, Interpolationsverfahren,
geometrische Verzerrungen bei Satellitendaten und Flugzeugdaten,
Entzerrung, Resamplingverfahren (NN BIL, CC), Polynome erster und nter
Ordnung, der RMS Error, systematische Korrektur von
Zeilenscannerdaten, Detaileinführung GCPWorks, Übung mit GCPWorks in Geomatica
(Image to Image Correction).
-
Termin:
Histogramm Transferfunktionen, das Histogramm, Lookup Tables, Histogramm
Equalisation, Linear Stretch, Äquidensitenstreckung, Histogramm Thresholding,
Histogramm Matching, Brightness Inversion, radiometrische Kalibrierung,
Atmosphärenkorrektur Überblick über verschiedene Ansätze (Modell basiert,
Dark-Pixel Subtraction, Empirical Line), Vorteile der AK,Strahlungskomponenten,
Units of electromagnatic radiation: "Radiant Flux Density per Unit Area per
Solid Angle, mW cm-2 sr-1 um-1 (= spectral radiance)), Gain-Settings, Reflectance vers. Radiance.
ATCOR2 in Geomatica, ATCOR2 und ATCOR3, topographische Korrektur (Kanalratios,
mit lokalem Beleuchtungswinkel, Berechng. des Einfallswinkels, Lambertsche
Methode, Civco Modifikation, Non-Lambertsche Methode mit Minneart Konstante, keine Übung.
-
Termin:
Spektrale Transformationen,
spektrale Eigenschaften von Vegetation, Aufbau eines Blattes, Vegetationsindizes,
Red Edge, NDVI (Normalized
Difference Vegetation Indice) andere Ratios, HKT (Transformation) - PCT (Principal
Component Transformation, Theorie und Beispiele für praktische Anwendungen,
Tasseled Cap Transformation im Vergleich zur PCT - Vorteile und Nachteile, Kanalratios
und PCT in Geomatica und
EASI/PACE, Übung zur PCA in XPACE.
-
Termin:
Räumliche Transformationen,
Filterungen im Ortsbereich,
Image Domain Filterverfahren, Randpixelproblematik, Highpass, Lowpass, Highboost etc., statistische
Filter (Mean, Median, Gaussian, MinMax), morphologische Filter, Kantendetektoren,
Zero-Sum Filter (Laplace, Sobel, Prewitt, subtraktive Glättung), Adaptive Filterverfahren
(Frost, Lee), Filterungen in Geomatica,
Übungen zu Highpass, Lowpass und ZeroSum-Filterungen in EASI/PACE und
Imageworks.
-
Termin:
Filterungen im Frequenzraum,
Fourier-Transformation, Step-Funktion, 1-D-Step-Funktion und Umsetzung durch
Amplitude und Frequenz, 2-D DFT, die Fouriersynthese, Phase und Magnitude,
Powerspektrum, Reduzierung von Bildrauscheanteilen, SNR (Signal to Noise), FFT
in Geomatica, Übung zur Noisreduzierung mittels Medianfilter und
FourierTransformation unter Verwendung von EASI/PACE Programmmodulen.
-
Termin:
Datenfusion,
Auflösungsproblematik: high res. spectral
vers. spatial resolution, Datenfusionsprozesstypen, Ziele der Datenfusion,
IHS,
Hexcone Farbmodel, Farbraum-Projektion,
Intensity, Hue, Saturation,
PCA/PCS
Fusion (Principal Component Substitution (PCS),
COS-Verfahren,
Pansharpening, Arithmetische
Kombinationen -
Fusion,
Theorie die
Farbraumtransformationen,
HIS-RGB in Geomatica,
SVR Fusion, Übung zur Datenfusion in EASI/PACE.
-
Termin:
Parametrische Klassifikatoren:
Gliederung der Klassifikationsverfahren (unüberwachte -überwachte Verfahren;
parametrische - nicht-parametrische Verfahren),
unüberwachtes
Clustering, K-Means, ISODATA, Min Distance to
Mean, Parallelepiped Classifier, MLC
(Maximum Likelihood Klassifikation), Verfahrensgliederung bei der überwachten
Klassifikation (Definition von Trainingsgebieten, Definition von
Evaluierungs(Test)gebieten Klassifikation, Genauigkeitsanalyse),
kombinierte Verfahren, Postklassifikations
Smoothing,
ISODATA Clustering
in Geomatica,
Übung zur unüberwachten Klassifikation in Geomatica (EASI/PACE).
-
Termin:
Nicht
parametrische Verfahren,
Gliederung der Klassifikationsverfahren
(unüberwachte -überwachte Verfahren; parametrische - nicht-parametrische
Verfahren), Level Slicing, (Box-Classifier),
ANN (Artifical
Neural Networks) - Einführung in Theorie, Anwendungen und Programme in EASI/PACE,
Prozessablauf in XPACE, Problembereiche bei der Anwendung,
Struktur der Klassifikation mit ANNs
(Konstruktion, Trainingsphase, Klassifikationsphase, Hierachical Classification, NN Klassifikator, Distance-Weighted k-NN,
Narenda Goldberg non-iteratives und
nicht-parametrisches Histogramm Clustering, Descision Tree Klassifikatoren, Vergleich
des DTC
vers.
ANN, ANN Module in
Geomatica (Beschreibung der Advanced ANN Module in EASI/PACE), Übung zur
überwachten Klassifikation.
-
Termin:
Textur, Definitionen,
statistische Parameter 1er Ordng (Varianz, Mittelwert), statistische Parameter
2ter Ordng. (SGLD), Spatial Grey Level Dependence Matrices, Concurrence
Matrix, Co-occurence Matrix, SGD-Matrix-Klassen: Contrast, Dissimilarity,
Homogenität, Angular Second Moment (Energy, Entropy), GLCM Mean, Variance,
Stdev, Correlation), statistische Parameter 3ter und nter Ordng. (Variogrammanalysen
und -texturklassifikation),
Textur zur Datensegmentierung, Link zu Segmentierungsmethoden,
Mustererkennung, Textur in Geomatica (Modulüberblick und -anwendung von TEX ), Übung
zur Texturklassifikation in EASI/PACE.
-
Termin
Genauigkeitsanalysen von
Klassifikations-ergebnissen (Evaluierungsgebiete, Trainingsgebiete, User- und
Producer Genauigkeit, Error of Omission, Error of Comission, MLR (MAximum
Likelihood Report) in Geomatica, Übung zur Klassifikationsgenauigkeit,
Literaturhinweise zum Thema.
-
Termin:
Hyperspektrale Datenauswertung, Eigenschaften, Sensoren (Kurzüberblick),
Datenredundanz, spectral Unmixing, Endmembers, Spectral Angle Mapper, MNF
(Minimum Noise Fraction), Spectral
Feature Fitting, Binary Encoding, Hyperspektrale Datenverarbeitung in ENVI und
SAM in Geomatica, Ausblick auf die Objekt orientierte Klassifikation und
Schnittmengen mit GIS (Landscape Metrics, Fragstat, r.le in GRASS), ULE.
-
Termin:
Wiederholung aller Termininhalte in komprimierter Form, Fragestunde zur
Klausur, Ergebnis-Diskussion der ULE Analyse
Zusatztermine: Kompressionsverfahren in der BV; die methodische Schnittmenge
Fernerkundung/Photogrammetrie/GIS.)
Klausur: 2. Woche der
semesterfreien Zeit: (2 Stunden). Keine zusätzlichen Materialien zugelassen.
Hilfsmittel: Taschenrechner.
Geomatica Übungen: (alle Übungen werden in der aktuellen
Version der Software Geomatica (derzeit in Version 9.1.6) mit den
Bildverarbeitungsmodulen unter EASI/PACE bzw. XPACE durchgeführt):
Vorlesung |
Übung |
Einführung in GEO212 |
- |
Human Visual Recognition |
Datenimport und PCIDSK Datenbank
Layout (FIMPORT, PCIMOD, III) |
Grundlagen der BV |
Databasehandling (ASl, CDL, MCD,
LOCK, UNLOCK) |
Geometrische Korrektur |
Geometrische Korrektur (GCPWORKS) |
Spektrale Transformationen |
NDVI und PCA (PCIMOD, MODEL, THR,
MAP, ASL, CDL, PCA) |
Radiometrische Korrektur |
--- |
Transformationen im Ortsraum (spatial transf.) |
Filterung im Ortsbereich (PCIMOD,
EASI/PACE Database Filtering) |
Transformationen im Frequenzraum(freq.transf) |
Filterung im Frequenzbereich (PCIMOD,
FTF, FFREQ, FTI) |
Datenfusion |
RGB-IHS Transformation und IHS
Fusion |
Param. Klassifikation |
Klassifikation – Clustering (PCIMOD,
ISOCLUS, KCLUS) |
Nicht-Param.Klassifikation |
Klassifikation – MLC (CSG, CSR,
CHNSEL, SIGSEP, PCIMOD, MLC, SIEVE) |
Texturanalyse / Genauigkeiten |
Texturanalyse (PCIMOD, TEX) |
Accuracy Assessment/ Hyperspektrale Datenanalyse (in einer VL
zusammengelegt) |
Genauigkeitsanalyse (MLR) |
|
Reserve-Übung zum Thema: EASI Batch Datenprozessierung |
Recommended Textbooks:
-
Schowengerdt, R.A., 1997. Remote Sensing – Models and Methods for Image
Processing, 2nd Edition, Academic Press, Elsevier Science, 2nd edition, 522
pages.
-
Lillesand, T.M., Kiefer, R.W. Chipman, J.W., 2004. Remote Sensing and Image
Processing, 5th Edition, John Wiley & Sons.
-
Richards J.A., Xiuping Jia, 1999. Remote Sensing Digital Image
Analysis, An Introduction.
Springer-Verlag, Berlin.
340
pages.
-
Curran P.J., 1986. Principles of Remote sensing. Essex, Longman
Group, 282 pp.
-
Campbell J.B., 1987. Introduction to Remote Sensing. New York, Guilford Press.
-
Gonzalez R.C. & P. Wintz, 1987. Digital Image Processing.
Addison-Wesley Pub. 503 pp.
(sehr technisch).
-
Mather, P.M., 1999. Computer Processing of Remotely-Sensed Images, John Wiley
and Sons Ltd, 2nd edition, 306 pages.
-
Sabins F.F., 1987. Remote Sensing: Principles and
Interpretation. Freeman and Company, New York, 449
pages.
-
Jenssen J.R., 2000. Remote Sensing of the Environment. Prentice
Hall Int. London, 544pp.
-
Jähne, B., 2002. Digitale Bildverarbeitung, Springer-Verlag, 5te Auflage,
Berlin.
- Nixon, M., Aquado, A.,
2002. Feature Extraction and Image Processing, Newnes, 368 pages
-
CCRS, Fundamentals of Remote Sensing, Online Tutorial.
- ERDAS Field Guide ...
-
Hese, S.,
2004. Geomatica Script
zu GEO212.
Recommended References:
Journals:
Internet:
Software Websites:
Dishonesty policy:
Work must be original. Cheating in
any form will lead to a failing mark.
Last update: 12.12.2005
Sören Hese
|