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:

  1. Einführungsveranstaltung: Vorbesprechung, Allegemeines, Anwesenheitspflicht, Informationen zu den Übungen und Tutorien, Lehrveranstaltungsinhalte, Literatur, Übungslisten, Gruppenaufteilung.

  2. 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,

  3. 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.

  4. 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).

  5. 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.

  6. 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.

  7. 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.

  8. 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.

  9. 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.

  10. 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).

  11. 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.

  12. 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.

  13. 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.

  14. 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.

  15. 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:

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