Detektion von Referenzspektren in multisensoralen Bilddaten

Please use this identifier to cite or link to this item:
https://osnadocs.ub.uni-osnabrueck.de/handle/urn:nbn:de:gbv:700-2006052215
Open Access logo originally created by the Public Library of Science (PLoS)
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorProf. Dr. Manfred Ehlers
dc.creatorGreiwe, Ansgar
dc.date.accessioned2010-01-30T14:51:51Z
dc.date.available2010-01-30T14:51:51Z
dc.date.issued2006-05-22T12:49:04Z
dc.date.submitted2006-05-22T12:49:04Z
dc.identifier.urihttps://repositorium.ub.uni-osnabrueck.de/handle/urn:nbn:de:gbv:700-2006052215-
dc.description.abstractLiegen für ein Untersuchungsgebiet spektral und geometrisch hoch aufgelöste Daten unterschiedlicher Sensoren vor, liegt eine kombinierte Nutzung der Datenquellen zur Optimierung der Klassifikationsergebnisse nahe. In einem entscheidungsbasierten Fusionsansatz wird die Klassifikationsgenauigkeit von Bildsegmenten geometrisch hoch aufgelöster Bilddaten durch die Einbindung zusätzlicher Materialinformationen gesteigert. Diese werden aus den Ergebnissen eines Klassifikationsverfahrens zur Materialdetektion, dem Spectral Angle Mapper, abgeleitet. Die zur Auswertung der hyperspektralen Bilddaten notwendigen Referenzspektren wurden in den Untersuchungen bislang manuell definiert. Nachteil dieser manuellen Referenzspektrenselektion ist die subjektive Auswahl der hyperspektralen Bildpixel, deren Spektren als Referenz in die Analyse eingehen. In dieser Arbeit wird ein Verfahren zur automatischen segmentbasierten Referenzspektrenselektion vorgestellt, dessen Konzept auf der Berechnung der spektralen Ähnlichkeit so genannter Referenzkandidaten und die anschließende Gruppierung ähnlicher Bildpixel basiert. Ein Maß für die spektrale Ähnlichkeit der Referenzkandidaten wird durch die Berechnung der Korrelationskoeffizienten ihrer Reflektanzspektren ermittelt. Die Gruppierung spektral ähnlicher Kandidaten erfolgt durch ein dichte-basiertes Clustering. Die Referenzspektren werden abschließend durch die Mittelung der Einzelspektren eines Clusters erzeugt.Die Leistungsfähigkeit des vorgestellten Gesamtkonzeptes zur automatisierten segmentbasierten Referenzspektrenselektion wird in einer Konzeptstudie mit ausgewählten Referenzflächen für elf unterschiedliche Materialien demonstriert. In einer abschließenden Auswertung eines Testgebietes wird die Anwendbarkeit des Konzeptes nachgewiesenger
dc.language.isoger
dc.subjectAbbildende Spektroskopie
dc.subjectFernerkundung
dc.subjecthyperspektral
dc.subjectReferernzspektren
dc.subjectEndmember
dc.subject.ddc520 - Astronomie, Kartographieger
dc.subject.ddc004 - Informatikger
dc.titleDetektion von Referenzspektren in multisensoralen Bilddatenger
dc.typeDissertation oder Habilitation [doctoralThesis]-
thesis.locationOsnabrück-
thesis.institutionUniversität-
thesis.typeDissertation [thesis.doctoral]-
thesis.date2006-05-16T12:00:00Z-
elib.elibid556-
elib.marc.edtjost-
elib.dct.accessRightsa-
elib.dct.created2006-05-15T14:37:01Z-
elib.dct.modified2006-05-22T12:49:04Z-
dc.contributor.refereeProf. Dr. Hermann Kaufmann
dc.subject.dnb31 - Geowissenschaftenger
vCard.ORGFB6ger
Appears in Collections:FB06 - E-Dissertationen

Files in This Item:
File Description SizeFormat 
E-Diss556_thesis.pdfPräsentationsformat11,8 MBAdobe PDF
E-Diss556_thesis.pdf
Thumbnail
View/Open


Items in osnaDocs repository are protected by copyright, with all rights reserved, unless otherwise indicated. rightsstatements.org