Eigen intelligentie en
in mutatiesignalering
artifi
Hoe bereken je een mutatie op een
tijdserie van digitale beelden en
hoe maak je daar een zinvol bericht
van? Kunstmatige intelligentie is
daarbij bijzonder waardevol, maar
het wordt pas slim als je ook gebruik
maakt van je eigen kennis, de kennis
van de gebruiker en van open data.
42 I Geo-Info I 2019-4
Door Rob Beck
Digitale beeldbewerking suggereert dat
analoge beeldbewerking ook kan. Dat klopt.
Tot ver in de 2ie eeuw werd nog veel
onthoekt en aan 'kleur-dodging' gedaan,
enzovoort. Tot de digitale luchtfotocamera in
2005 doorbrak waren digitale beelden vooral
satellietopnamen. LANDSAT-i werd gelanceerd
in 1972. Ook die beelden werden de eerste
isjaar vooral fotografisch bewerkt.
Het extraheren van informatie uit beelden is in
veel opzichten de heilige graal van de beeld
bewerking: het blijft aanmodderen en als je
denkt dat je er bent, is dat in sprookjesland.
Het oog is moeilijk te verslaan en juist daarom
zegt een beeld 'meer dan 1000 woorden'.
De speurtocht is echter interessant en zelfs
kleine succesjes leiden tot nieuwe diensten.
Op figuur 1 is te zien dat bos is gekapt in de
periode tussen de opname van de beide
beelden. Om de mutatiemelding 'gekapt bos'
als een dienst aan de boswachter te leveren
moet echter aan nog een aantal voorwaarden
worden voldaan:
de boswachter moet nog niet weten dat er
op een bepaalde plaats bos is gekapt;
er moet geen vergunning zijn verleend;
de kap moet in het gebied liggen waar de
boswachter 'bevoegd gezag' is;
de kap moet niet zolang geleden zijn dat er
geen zicht meer is op succesvolle recher
chering;
de melding moet geen 'vals alarm' zijn.
Ook is het handig dat er een omschrijving
gegeven wordt van de verdwenen bomen
(aantal, oppervlak, soort, hoogte, eigenaar,
beheervorm, enzovoort). Kortom, er gaapt
nog een gat tussen de levering van een beeld,
de daarop volgende beeldanalyse en de
dienst waarmee de boswachter handelend
kan optreden. In dat gat zit de heilige graal
verstopt. Laten we op zoek gaan.
Classificatiealgoritmiek
Om op een beeld de 'open plek' te vinden is
een algoritme nodig dat onderscheid maakt
tussen bos en geen bos. Dat kan worden
uitgevoerd door van pixels (of bijvoorbeeld
van LiDAR-punten) voor 'bos' en 'open plek'
de waarden in de waarneming op te zoeken
(golflengtes, hoogte, enzovoort) en die te
beschrijven als bos en open plek en dat
vervolgens voor het hele beeld uit te voeren.
Oorspronkelijk werd voor deze pixelgewijze
classificatie vooral het 'maximum likelihood'-
algoritme gebruikt. Hoe beter je de klassen
kent, hoe beter het resultaat. Een open plek in
Figuur 1 links - Een satellietfoto. Figuur 1 rechts - Een aantal verdwenen bomen (in het oranje).
