^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