n
i
Pin
més/
P
t§
11
s
m
i
•nss
p
1
11
l
Hf
§t
P
'M
ÜL<x<2)'c>
1
M
mm
SliS
1
m
pp
v <X(
w
W'
PP:
Pp
Ppx
pp
PP
pp
pp
Pp
pp
pp
Bij multispectrale beelden dient een functie F(gty,k
1,. .,n, met n het aantal banden, te worden genomen
van de spectrale banden alvorens grensdetectie kan wor
den toegepast. De meest eenvoudige functie is, dat één
karakteristieke band wordt genomen, maar de banden
kunnen bijvoorbeeld ook bij elkaar worden opgeteld
(eventueel gewogen) en door hun (gewogen) aantal ge
deeld. Ook kunnen de banden apart een bewerking
ondergaan, waarna de grenzen uit doorsneden of vereni
gingen van de bewerkte beelden worden bepaald.
Thematische koppeling
Wanneer het beeld op grond van z'n multispectrale of
texturele eigenschappen is geclassificeerd, kan de GIS-
informatie worden benut voor:
het verwijderen van foute classificaties;
het opsporen van attribuutveranderingen;
- bepaling van de (benaderde) positie van nieuwe gren
zen.
De methodieken om dit te realiseren, kunnen worden
ondergebracht in drie opeenvolgende fasen, waarbij de
volgende stap alleen wordt uitgevoerd indien de voor
gaande stap daartoe aanleiding geeft. Deze stappen zijn:
histogram check;
cluster search;
boundary approximation.
Bij de histogram check worden foute classificaties ver
wijderd en wordt gekeken of het label signifant is gewij
zigd. Bij de cluster search wordt onderzocht of, wanneer
voor het perceel twee of meer significante labels zijn
geconstateerd, deze labels aaneengesloten gebieden
vormen of dat de pixels willekeurig over het perceel zijn
verspreid. Bij de boundary approximation worden de
nieuwe grenzen globaal in ligging bepaald. Voor sommi
ge toepassingen zal dit voldoende nauwkeurig zijn, maar
voor die waarvoor een hoge nauwkeurigheid is vereist,
zal moeten worden teruggegaan naar het grijswaarde
beeld voor hoogwaardige grensdetectie, zoals die zijn be
schreven bij de positionele koppeling.
Histogram check
Per perceel wordt per klasse het aantal pixels bepaald,
dat het betreffende label heeft. Dit kan worden uitgezet in
een histogram. In fig. 10 wordt het geclassificeerde per
ceel getoond van het perceel in fig. 5, op tijdstip T ge
labeld met L4. Labels met een gering aantal pixels dui
den op een fout in de classificatie. Het histogram in fig.
10 toont, dat label 3 ook vaak voorkomt. Het is onwaar
schijnlijk dat dit alleen te wijten is aan een foute classifi
catie. Vermoedelijk hebben delen van het perceel een
ander attribuut gekregen, d.w.z. er zijn een of meerdere
nieuwe grenzen gevormd. Deze veronderstelling kan wor
den getoetst in de cluster search. Een algoritme voor de
histogram check wordt gegeven in [11].
Cluster search
Om te toetsen of label 3 werkelijk een gebied vormt of dat
de pixels willekeurig zijn verspreid, wordt een ruimtelijke
clustermethode toegepast. Zulke clustermethoden wor
den region growing genoemd en de meest geavanceer
de, zoals de split and merge methode houden rekening
met statistische karakteristieken. Daar het beeld bestaat
uit labels, waarvan de stochasticiteit niet meer behoeft te
worden meegenomen in deze fase, kan worden volstaan
met neighbour search. Dit is een zoekalgoritme om aan-
eengrenzende pixels met dezelfde eigenschappen bij
180 NGT GEODESIA 89 - 4
3),c)
(X(1
).C) j
).C)
y=c
WT.
'F'%.
v.'///,
Wv'"
1 2 3 4 5 6
Fig. 10. In de oude toestand heeft het perceel label 4. Het perceel
is echter gesplitst; het rechter gedeelte heeft label 3 gekregen. Dit
kan worden geconstateerd met de histogram check gevolgd door
cluster search. De nieuwe grens wordt in positie bepaald in de boun
dary approximation. Uit fig. 5 blijkt, dat er ook een grens is ver
dwenen. Dit kan niet via de thematische koppeling worden geconsta
teerd. Hiervoor is de positionele koppeling nodig.
elkaar te zoeken. De mate waarin de pixels een gebied
vormen, kan worden uitgedrukt in een samenhangend-
heidsmaat. Wanneer deze een bepaalde drempel over
schrijdt, is een nieuw perceel gevormd.
Boundary approximation
Bij de boundary approximation wordt gebruik gemaakt
van binaire lijnvolgingsprocedures. Lijnvolging is het
onderwerp van de volgende paragraaf.
Vectoriseren
Zowel de thematische als positionele lijn sporen nieuwe
grenzen op. Om tot een adequate opslag van deze gren
zen te komen, dienen de rasterlijnen te worden gevectori-
seerd. Dit vectoriseringsproces kan worden gesplitst in
drie stappen:
lijnvolging en chain codering;
grove vectorisering met behulp van de koordeigen-
schap;
uiteindelijke vectorisering.
Bij lijnvolging worden aaneengesloten randpixels, die
onderdeel vormen van een grens, opgespoord. Deze
keten wordt efficiënt opgeslagen met de Freeman of
chain code. Hierbij wordt het startpixel in coördinaten
vastgelegd en elk volgend pixel relatief ten opzichte van
het voorgaande vastgelegd met een code. Er zijn acht
mogelijke richtingen; de codes zijn van 0 tot 7 (fig. 11).
Bij de grove vectorisering worden pixels verwijderd, die
zeker op een rechte lijn liggen. Een digitaal lijnstuk is
slechts dan recht wanneer het de koordeigenschap heeft
