Serie Digitale Fotogrammetrie (2)
Basistechnieken in de Digitale
Fotogrammetrie
SERIE
Kenmerkextractie, matching en grensdetectie
photogrammetry, automation, theory
fotogrammetrie, automatisering, theorie
Wanneer men zich een beeld wil vormen van de auto
matiseringsmogelijkheden en vooral ook de onmogelijk
heden binnen de digitale fotogrammetrie, is het nuttig
om te beschikken over enige achtergrondinformatie
aangaande de werking van veel toegepaste algoritmen.
Dit artikel wil inzicht bieden in de basistechnieken die
ten grondslag liggen aan veel informatie-extraherende
processen binnen de digitale fotogrammetrie. We
beperken ons voornamelijk tot de low-level methoden,
omdat zij de fundamentele basis vormen voor alle daar
opvolgende verwerkingsstappen. Low-level technieken
grijpen direct in op het digitale beeld. Er is alleen
rudimentaire informatie over de beeldfunctie en het
toepassingsdomein in verwerkt.
Als gevolg van de groeiende behoefte
aan geo-informatie in alle schaaltypen
- zowel voor stedelijke als landelijke
gebieden - zal ook de behoefte aan het
fotogrammetrisch verwerken van beel
den een sterk groeiende tendens te
zien geven. Het valt te verwachten dat,
door het steeds intensiever inschakelen
van computertechnologie, het aantal
niet gespecialiseerde gebruikers in de
toekomst zal toenemen. Velen spreken
in dit verband over "democratisering
van de fotogrammetrie".
Wanneer men in z'n organisatie digi
tale fotogrammetrie wil invoeren, dan
wordt men geconfronteerd met een
breed scala aan vragen en keuzen. De
aanschaf van type en soort instrumen
tarium is zo'n belangrijke keuze. Een
andere belangrijke vraag is: welke
graad van automatisering kan worden
bewerkstelligd. Laten we van begin af
aan stellen dat men over de mate van
de te behalen automatisering geen al te
hoge verwachtingen mag koesteren.
dr.ir. M. J. P.
M. Lemmens,
universitair
docent GIS
Technologie
Subfaculteit
der Geodesie,
TU Delft.
Toch kunnen de volgende fotogrammetrische processen
thans in aanzienlijke mate geautomatiseerd worden uit
gevoerd:
bepaling van de inwendige en relatieve oriëntering;
bepaling van corresponderende punten bij de triangula
tie;
vervaardiging van digitale hoogtemodellen (DHM's);
vervaardiging van orthofoto's.
Voorts is men in staat om langs semi-automatische weg
grenzen en lineaire structuren, zoals wegen, te detecteren.
Wel is het zo dat de algoritmen om grenzen en lineaire
structuren te detecteren, thans nog weinig worden toege
past in commercieel verkrijgbare software. Maar het zal
niet lang meer duren voordat het zover is.
Ten grondslag aan al deze methoden ligt een aantal basis
technieken. Om een kijkje in de keuken te geven, willen we
in dit artikel in globale vorm deze basistechnieken schetsen.
We hebben deze daartoe opgesplitst in drie groepen: ken
merkextractie, matching en grensdetectie. In het navolgen
de besteden we afzonderlijk aandacht aan deze onder
werpen.
Kenmerkextractie
Beeldkenmerken wahrin men vaak geïnteresseerd is voor
bijvoorbeeld DHM-vervaardiging en kartering, zijn:
gebiedjes met een hoge mate van textuur (contrast);
hoekpunten van percelen;
grenzen van percelen;
lijnelementen, zoals wegen;
homogene gebieden in het beeld.
Textuurgebieden en hoekpunten zijn vooral interessant
voor area-based matchingdoeleinden. Door gebiedjes in
het beeld op te sporen met voldoende contrast, kan vooraf
al worden nagegaan of een matchingpoging al dan niet zal
slagen. Het principe van kenmerkextractie is dat gekeken
wordt naar verschillen in grijswaarden van buurpixels in
een bepaald gebied. Wanneer we willen weten of er vol
doende textuur in eeh gebiedje aanwezig is, dan kunnen we
de standaardafwijking van de grijswaarden bepalen. Daar
63
GEODESLA.
KEYWORDS
TREFWOORDEN
