Zusammenfassung
Bei der überwachten multispektralen Klassifizierung von Fernerkundungsdaten mit Hilfe des Maximum-Likelihood-Verfahrens, ist zunächst der Überlappungsgrad der einzelnen Klassen nicht bekannt. In herkömmlichen Verfahren erfolgt die Auswahl der Trainingsgebiete, Klassen und Kanäle daher meist nur qualitativ. Liegen jedoch mehrere schwer zu trennende Klassen vor, so sind diese Verfahren unzureichend. Um zu einer optimierten Klassifizierung zu gelangen, werden mehrere quantitative Trennbarkeitsmaße aus statistischen Abstandsmaßen hergeleitet. Mit Hilfe dieser Maße ist es möglich eine objektivierte Auswahl von Trainingsgebieten, Klassen, Kanälen und Zusatzkanälen durchzuführen sowie eine recht genaue Abschätzung der zu erwartenden Fehlerwahrscheinlichkeiten für die Klassifizierung jeder einzelnen Klasse anzugeben. Am Beispiel der Klassifizierung von Baumarten und Baumschadstufen in Flugzeugscannerdaten des DAEDALUS ATM 1286 wird die entwickelte Methodik angewandt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Dennert-Möller, E. (1983): Untersuchung zur digitalen multispektralen Klassifizierung von Fernerkundungsaufnahmen mit Beispielen aus den Wattgebieten der deutschen Nordseeküste. Dissertation an der Universität Hannnover, WAFV Nr. 127.
Duda, R.O.; Hart, P.E. (1973): Pattern Classification and Scene Analysis. John Wiley & Sons, New York.
Haberäcker, P. (1977): Untersuchungen zur Klassifizierung multispektraler Bilddaten aus der Fernerkundung. DLR, Institut f. Nachrichtentechnik, DLR Forschungsbericht 77–72.
Haberäcker, P. (1985): Digitale Bildverarbeitung — Grundlagen und Anwendungen. Hanser Studienbücher; München, Wien, ISBN 3–446-14901–5, 377 S.
Haralick, R.M.; Shanmugan K.; Dinstein Its’hak (1973): Textural Features for Image Classification. IEEE Trans, on Sys. Man. Cyb., Vol. SMC-3, No. 6, S. 610–621.
Kailath, T. (1967): The Divergence and Battacharyya Distance Measures in Signal Selection. IEEE Trans. Comm. Theory, Vol. COM-15, S. 52–60.
Köhl, M. (1989): Die Überprüfung der Klassifizierung von Fernerkundungsdaten durch ein sequentielles statistisches Verfahren. BuL 57, S. 49–54
Kritikos, G.; Kübler, D.; Herrmann, K. (1985): Vergleichende Waldschadensklassifizierungen mit Scannerdaten aus verschiedenen Flughöhen. Proceedings der IUFRO Conference, 1985, Zürich, S. 183–187.
Kuntz, S. (1988): Untersuchungen zur Analyse computergestützter Waldschadensklassifizierungen. Dissertation an der Universität Freiburg, DLR-FB 89–38
Marill, T.; Green, D.M. (1963):On the Effectiverness of Recejstors in Recognition Systems. IEEE Trans. Inf. Theory, Vol. IT.9, S. 11–17.
Müller, R. (1987): Untersuchungen zum Einfluß des Beobachtungswinkels und der Atmosphäre auf die Klassifizierung von Waldschäden. Tagungsband des 2. DLR Statusseminars, Dez. 1987, S. 285–302.
Pfeiffer, B. (1985): Klassifizierung mit Zusatzinformation. in Digitale Bildverarbeitung (Hrsg. H.P. Bähr). H. Wichmann Verlag, Karlsruhe.
Reinartz, P. (1987): Statistische Untersuchungen zur Trennbarkeit von Waldschadensklassen. Tagungsband des 2. DLR Statusseminars, Oberpfaffenhofen, Dez. 1987, S. 303–310.
Reinartz, P.; Müller, R.; Kritikos, G. (1988): Neue Ansätze zur Optimierung der Klassifizierung von Wald- und Waldschadensdaten. Institut für Optoelektronik. DLR Oberpfaffenhofen Interner Bericht 10/88, 60 S.
Reinartz, P. (1989): Untersuchungen zur multispektralen Klassifizierung von schwer trennbaren Klassen mit Beispielen aus Waldschadensgebieten. Dissertation an der Universität Hannover, DLR-FB 89–55, 181 S.
Swain, P.H.; King, R.G. (1973): Two Effective Selection Criteria for Multispectral Remote Sensing. Proc. First J. Conf. on Pattern Recognition, IEEE Cont. No. 73 CHO 82 1–9 c S. 536–540.
Swain, P.H.; Davis, S.M. (1978): Remote Sensing — The Quantitative Approach. McGraw-Hill International Book Company New York — Toronto, 1978, 396 S.
Swain, P.H. (1980): Pattern Recognition for Remote Sensing. Intern. Arch. f. Photogrammetrie 23/B3.
Wacker, A.G. (1971): The Minimum Distance Approach to Classification. PhD Thesis, LARS Information Note 100771, Purdue University, West Lafagette, Indiana.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1990 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Reinartz, P. (1990). Beiträge zur Optimierung von multispektralen Klassifizierungen durch Trennbarkeitsmaße. In: Pillmann, W., Jaeschke, A. (eds) Informatik für den Umweltschutz. Informatik-Fachberichte, vol 256. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-76081-5_35
Download citation
DOI: https://doi.org/10.1007/978-3-642-76081-5_35
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-53171-5
Online ISBN: 978-3-642-76081-5
eBook Packages: Springer Book Archive