^v *«fc WT T\ ^,cOao O Aclwt conrai^t output ~Q r\ «4 V>}/V.ü.-.^. 0 D ^°- T7" Methode B: Superresolutie kartering In privé tuinen werden struiken waarbij 660/0 van soms voor bomen aangezien correct werden H»m I V Do d5 0 J v* A Negative change Pesilive change No change Fig. 2 Resultaten voor geoptimaliseerde contouren voor het testgebied in Delft. Links de geoptimaliseerde contouren voor de beelden uit 2006 (boven) en 2008 (onder). Rechts de waargenomen veranderingen 2006-2008 uit de actieve contouren (boven) en de referentie (onder). (Bron: PhD thesis J.PArdila, ook gepubli ceerd in Remote Sensing of Environment). van minder dan drie meter werden vaak gemist (onderdetectie), terwijl in privétui- nen struiken soms voor bomen werden aangezien (overdetectie). Wanneer de tui nen buiten beschouwing werden gelaten was de totale fout minder dan 24%. Voor satellietbeelden die voor monitoring van bomen niet genoeg ruimtelijke resolutie hadden in de multi-spectrale banden, maar wel een vier keer zo gedetailleerde infor matie in de panchromatische band, zoals Geoeye, QuickBird of IKONOS werd een superresolutie (SRM) benadering ontwikkeld. Daarbij heeft de classificatie een hogere ruimtelijke resolutie dan het oorspronkelijke multi-spectrale beeld. Eerst wordt iedere pixel geclassificeerd, waarbij het percentage bedekking van iedere klasse in de pixel geschat wordt op basis van spectrale ken merken (zie Fig.ia). Vervolgens wordt iedere pixel opgedeeld in sub-pixels voor het berei ken van de gewenste ruimtelijke resolutie, in dit geval die van het panchromatische beeld. Aan iedere klasse wordt een aantal subpixels toegekend op basis van het bedekkings-percentage van die klasse in de pixel (Fig.ib). De locatie van subpixels binnen de pixel wordt geoptimaliseerd met Markov Random Fields, zodat subpixels met dezelfde klasse elkaar zoveel mogelijk raken (Fig.ic). Binnen het proces van herschikking van subpixels kan ook extra informatie (voor kennis) gebruikt worden, zoals, in dit geval, de informatie uit de panchromatische band. Voor de Enschedese wijk Bothoven produ ceerde deze SRM-methode een kaart van de boomkronen met een resolutie van 0,6 m, gebaseerd op een 2,4 m resolutie multi- spectraal en een 0,6 m panchromatisch Quickbird-beeld, de boomkronen geïdentificeerd. Meer dan de helft van de fouten werd veroorzaakt door boomkronen met een diameter kleiner dan 3 meter, terwijl vrijwel alle grotere bomen correct werden geïden tificeerd. Met deze methode werden meer bomen correct geïdentificeerd dan met vergelijkbare methodes, zoals "maximum 6 Geo-lnfo 2012-9

Digitale Tijdschriftenarchief Stichting De Hollandse Cirkel en Geo Informatie Nederland

Geo-Info | 2012 | | pagina 8