informatie
digitale beelden
digitaal bestand
Fig. 7. Landsat-beeld
Flevopolder.
Fig. 8. Perceelgrenzen,
behorend bij
Landsat-beeld
van fig. 7.
Een geheel ander lopend project is de internationale
OEEPE-test: Feature based segmentation", waarvan
ons laboratorium „centre pilot" is en ir. M. J. P. M.
Lemmens de projectleider is [5].
Het gaat hierbij om het detecteren van lijnen in kunst
matige en natuurlijke beelden. Eén van de belangrijkste
problemen in de digitale beeldanalyse is het extraheren
van relevante lijnen en grenzen ten behoeve van onder
andere het lokaliseren van objecten zoals huizen, wegen,
enz.
Vier buitenlandse instituten hebben aan deze test mede
werking verleend en in totaal zijn hiermee tien methoden
van grensdetectie met elkaar vergeleken. Hierbij zijn de
in Delft ontwikkelde methoden niet meegeteld. De resul
taten van dit onderzoek zullen via de OEEPE worden ge
publiceerd.
Een derde voorbeeld dat ik hier wil noemen betreft het
segmenteren van lucht- en satellietopnamen door een
combinatie van randdetectie en „region growing". Deze
methode is een gezamenlijke inspanning van ir. Lem
mens en ir. R. J. Wicherson; laatstgenoemde heeft hier
aan gewerkt voor zijn afstudeeronderwerp [6] [7],
Het betreft een beeldsegmentatie met de twee bekende
benaderingen
randgerichte benadering, die goed de ligging van de
grenzen aangeeft, maar geen gesloten contouren
geeft;
gebiedsbenadering, die gebieden aangeeft met
steeds gesloten contouren.
Door deze twee elkaar aanvullende methoden te inte
greren, worden de voordelen van elk van deze methoden
gecombineerd, hetgeen een „fraai" resultaat geeft.
Slechts één voorbeeld met een natuurlijk beeld zal hier
worden gegeven. Het betreft een uitsnede uit een satel
lietbeeld, een Landsat-beeld, van 128 x 128 pixels, een
gedeelte van de Flevopolder; resolutie 30 x 30 m (fig. 7).
Het beeld bevat voornamelijk percelen. De verschillen in
grijswaarden tussen de percelen is gering. Met de ge
combineerde beeldsegmentatiemethode worden de vol
gende segmenten gevonden, zoals in fig. 8 is te zien.
Bij een correcte instelling worden alle grenzen gevonden;
te kleine gebieden zijn verwijderd. De gevonden grenzen
kunnen worden overgebracht naar een kaart of digitaal
bestand, of anderszins worden verwerkt.
Een enkele lijn met hier en daar een blikvanger uit het
bonte tafereel van de fotogrammetrie heb ik genoemd.
Wel wil ik hier kwijt dat het boeiend is om aan zo'n ont
wikkeling mee te werken.
Mocht u uit het voorgaande concluderen dat de genoem
de onderzoeksprojecten verschillende opzichzelfstaande
ontwikkelingen zijn en geen samenhang hebben, dan
moet ik dat snel even herstellen. Het gaat hierbij om het
volgende.
We hebben een digitaal beeld, een matrix van getallen op
verschillende manieren ontstaan (satellietbeeld, gescan
de luchtfoto, enz.); hieruit willen we informatie extraheren
en vastleggen in een digitaal bestand, bijvoorbeeld GIS.
Hierbij gaat het niet alleen om het automatisch opsporen
van punten en lijnen, de geometrie, maar ook de daaraan
gekoppelde:
semantische gegevens;
kwantitatieve en kwalitatieve gegevens;
herkenning van objecten.
Ik zou het willen omschrijven als „informatie-overdracht"
van beeld naar bestand met behulp van computertechno
logie, digitate fotogrammetrie, schematisch weergegeven
in fig. 9. Het is een uitwisseling van gegevens, van infor
matie, tussen digitaal beeld en digitaal bestand.
Ai
Fig. 9. informatie-overdracht tussen digitaal beeld en digitaal be
stand.
Overzien we de ontwikkeling van de fotogrammetrie sinds
het begin van de jaren vijftig, dan zijn er ruwweg drie
stadia te onderscheiden: analoog, analytisch en digitaal.
De analoge en analytische methoden hebben veel over
eenkomst. Bijzonder essentieel voor beide methoden is
de rol van de operateur: stereoscopisch zien en meten,
interpreteren, enz.
Bij de digitale fotogrammetrie is daarentegen de opera
teur vervangen door apparatuur en programmatuur. Daar
liggen dan ook direct de grootste problemen en de meest
interessante uitdagingen.
158
NGT GEODESIA 93 - 4
