Ημι-αυτόματη έρευνα για χώρους πολιτιστικής κληρονομιάς σε δορυφορικές εικόνες

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση
Σχήμα 1: Μέρος του ποταμού Lågen της Επαρχίας Vestfold, Νορβηγία. Οι αγροτικές περιοχές γύρω από τον ποταμό είναι γνωστές για το μεγάλο αριθμό σημείων πολιτιστικής κληρονομιάς και αναμένονται επίσης να περιέχουν ακόμα πολλά άγνωστα τέτοια σημεία
Σχήμα 2: μεγέθυνση του σημείου της εικόνας 1. Πιθανά σημεία πολιτιστικής κληρονομιάς θα εμφανίζονται τυπικά όπως φαίνονται εδώ (κόκκινα βέλη), είτε σαν σημεία σκοτεινότερα ή φωτεινότερα από το περιβάλλον τους.
Σχήμα 3: αποτέλεσμα της κατάτμησης της εικόνας του Σχήματος 2. Οι σκοτεινές ανιχνεύσεις σημειώνονται με γκρίζο ενώ οι φωτεινές με λευκό
Σχήμα 4: Αποτέλεσμα της προταξινόμησης που εφαρμόστηκε στην εικόνα του Σχήματος 3. Παρατηρούμε πως μακρές κατασκευές που συνδέονται με όρια χωραφιών κτλ.έχουν αποκοπεί
Σχήμα 5: αποτέλεσμα της ταξινόμησης στην εικόνα του Σχήματος 4
Σχήμα 6: αποτέλεσμα της τελικής ταξινόμησης που επικαλύπτεται σε τμήμα της αρχικής εικόνας

Πρωτότυπος Τίτλος: Semi-automatic search for cultural heritage sites in satellite images

Συγγραφείς: Lars Aurdal,Line Eikvil,Hans Koren,Anke Loska ( Norwegian Computing Center,Oslo, Norway-Norwegian Directorate for Cultural Heritage, Oslo, Norway)


1 Εισαγωγή

Αναγνωρίζεται γενικώς ότι η αυξανόμενη εντατική χρήση και τροποποίηση του τοπίου από τις σύγχρονες ανάγκες αποτελεσματικών υποδομών και χρήσεων γης (αγροτική παραγωγή, εξορύξεις, ενεργειακές πηγές, τουρισμός/αναψυχή κ.α.) ασκούν πίεση στους χώρους πολιτιστικής κληρονομιάς στο τοπίο. Σε αναγνώριση αυτού, η Νορβηγική Διεύθυνση Πολιτιστικής Κληρονομιάς (Riksantikvaren), το Νορβηγικό Ινστιτούτο για Έρευνες Πολιτιστικής Κληρονομιάς, το Νορβηγικό Διαστημικό Κέντρο και το Νορβηγικό Κέντρο Πληροφορικής σε συνεργασία με διάφορες τοπικές αρχές έχουν ξεκινήσει εργασίες με σκοπό τη δημιουργία μιας αποτελεσματικής μεθόδου για τον εντοπισμό, επισκόπηση και παρακολούθηση πιθανών σημείων πολιτιστικής κληρονομιάς σε τοπική και εθνική κλίμακα.

2 Μέθοδοι

Η λειτουργία του συστήματος βασίζεται σε δύο κεντρικά βήματα διαδικασιών, την κατάτμηση για τον εντοπισμό πιθανών σημείων πολιτιστικής κληρονομιάς, και την ταξινόμηση για να προμηθεύσει έναν αρχικό τύπο για κάθε εντοπισμένη περιοχή. Το βήμα της κατάτμησης βασίζεται στη χρήση προσαρμοζόμενου κατωφλιού (adaptive thresholding). Το βήμα της ταξινόμησης εξάγει έναν αριθμό από χαρακτηριστικά των διαφόρων κατετμημένων περιοχών και εφαρμόζει μια ταξινόμηση ελάχιστης απόστασης βασισμένη στα χαρακτηριστικά αυτά. Είναι σημαντικό να σκεφτούμε ότι το σύστημα είναι σχεδιασμένο να εντοπίζει υποψήφια σημεία και να μην υποστηρίζει πως αυτά είναι πραγματικά σημερία πολιτιστικής κληρονομιάς. Ακόμα και οι ειδικοί δεν μπορούν να ισχυριστούν κάτι τέτοιο βασισμένοι μόνο σε δορυφορικές εικόνες. Η επαλήθευση ενός τέτοιου πιθανού σημείου εξαρτάται πάντα από επιτόπια έρευνα (Grøn, 2003, Aurdal, 2005 και Aurdal,2006).

Κατάτμηση

Η κατάτμηση είναι η διαδικασία διαίρεσης των σημείων των δορυφορικών εικόνων σε διαφορετικές περιοχές βασισμένων μόνο στα φασματικά χαρακτηριστικά τους. Η σύγχρονη μέθοδος κατάτμησης δουλευει με παγχρωματικές εικόνες, και λειτουργεί ταυτοποιώντας περιοχές που είναι περισσότερο σκούρες ή φωτεινές από το περιβάλλον τους. Αυτό αποκτάται με τη χρήση της μεθόδου Niblack (Niblack, 1986) για επιλογή με κατώφλια.Η μέθοδος χρησιμοποείται σε δύο στάδια, πρώτα βρίσκει σκούρες περιοχές και έπειτα φωτεινές.

Η μέθοδος Niblack δουλεύει εκτιμώντας τη μέση τιμή και διασπορά σε ένα τοπικό παράθυρο (local window) W. Ένα τοπικό κατώφλι tW,bright υπολογίζεται πολλαπλασιάζοντας την τοπική τυπική απόκλιση σW με ένα συντελεστή βαρύτητας ω και προσθέτοντάς τον στον τοπικό μέσο μW. Άρα ο μαθηματικός τύπος για την επιλογή κατωφλιού δίνεται από:

TW,bright = μW +ω σW

Αυτό το κατώφλι μπορεί να χρησιμοποιηθεί για να βρει περιοχές φωτεινότερες από το τοπικό περιβάλλον τους. Για να βρούμε περιοχές που είναι σκοτεινότερες από το τοπικό περιβάλλον τους, ένα άλλο κατώφλι tW,dark υπολογίζεται ως το γινόμενο της τοπικής διασποράς με έναν (πιθανά διαφορετικό) συντελεστή βαρύτητας και αφαιρώντας τον από τον τοπικό μέσο, άρα:

TW,dark = μW -ω σW

Ο λόγος που χρησιμοποιούμε έναν τοπικά προσαρμοζόμενο αλγόριθμο είναι ότι η τοπική φωτεινότητα διαφέρει από πεδίο σε πεδίο και αυτό που ψάχνουμε είναι στην ουσία περιοχές που ξεχωρίζουν από το τοπικό τους περιβάλλον. Η επίδοση αυτού του αλγορίθμου εξαρτάται από το μέγεθος του παραθύρου W πάνω στο οποίο υπολογίζουμε τους τοπικούς μέσους και τις διασπορές όπως επίσης και την επιλογή της κατάλληλης τιμής για τον συντελεστή βαρύτητας ω. Από τη στιγμή που οι σκοτεινές και φωτεινές περιοχές εντοπίζονται με αυτόν τον τρόπο, τις μετα-επεξεργαζόμαστε (post process ) με το να αφαιρούμε τις περιοχές που αποτελούν πολύ λίγα εικονοστοιχεία. Επίσης ελέγχουμε αν η φυσική έκταση (physical extent) της περιοχής είναι πολύ μεγάλη, περιοχές με πλάτη ή ύψη πάνω από κάποιο κατώφλι εξαιρούνται περαιτέρω επεξεργασίας. Τέλος, επαληθεύουμε ότι οι περιοχές έχουν μια λογική αντίθεση (contrast) με το περιβάλλον τους κοιτώντας τη διασπορά ενός μέρους που ορίζεται από κάθε περιοχή και ένα κανάλι εικονοστοιχείων που περιβάλλουν κάθε περιοχή.

Ταξινόμηση

Η ταξινόμηση εφαρμόζεται σε περιοχές που σχηματίζονται από την κατάτμηση. Στη διαδικασία αυτή, τα χωρικά και φασματικά χαρακτηριστικά των κατετμημένων περιοχών λαμβάνονται υπόψη ώστε να καθορίσουν αν πρόκειται για πιθανά μέρη πολιτιστικής κληρονομιάς ή όχι.κατά τη διάρκεια της ταξινόμησης, τα χαρακτηριστικά εξάγονται από τις κατετμημένες περιοχές αγνώστου τάξης. Βασισμένος στις περιγραφές στατιστικής κατηγορίας (statistical class descriptions), χρησιμοποιείται ένας ταξινομητής ελάχιστης απόστασης ώστε να καθορίζει την περισσότερο πιθανή κατηγορία για κάθε περιοχή. Οι κατηγορίες που έχουν οριστεί αυτή τη στιγμή αποτελούνται από δύο κατηγορίες που αντιπροσωπεύουν πιθανά ενδιαφέρουσες περιοχές, και τέσσερις κατηγρορίες διαφορετικών τύπων περιοχών «θορύβου». Ειδικότερα, χρησιμοποιούμε τις παρακάτω κατηγοριοποιήσεις: 1. Πιθανό μέρος πολιτιστικής κληρονομιάς, φωτεινό. 2. Πιθανό μέρος πολιτιστικής κληρονομιάς, σκοτεινό. 3. Οργωμένο αυλάκι (Plow furrow), φωτεινό. 4. Άλλος θόρυβος, φωτεινός. 5. Άλλος θόρυβος, σκοτεινός. 6. Αντικείμενο, σκοτεινό (τυπικά αυτό θα αποτελείται από κτίρια)

Τα χαρακτηριστικά που χρησιμοποιούνται τώρα για να χαρακτηρίσουν τις περιοχές είναι τα ακόλουθα:

1.Περιπλοκότητα: Αυτή υπολογίζεται σαν το λόγο ανάμεσα στην περίμετρο και το εμβαδό μιας περιοχής.όταν η περίμετρος έχει μεγάλο μήκος σε σχέση με το εμβαδό που περικλείεται από αυτήν, η περιοχή έχει ένα σύνθετο σχήμα. Αναμένουμε περιοχές που αντιστοιχούν σε μέρη πολιτιστικής κληρονομιάς να έχουν χαμηλή πολυπλοκότητα σε σύγκριση με διάφορους άλλους τύπους περιοχών όπως οργωμένα αυλάκια.

2.Ποιότητα ορίου: Αυτή υπολογίζεται από το άθροισμα της διαβαθμισμένης πληροφορίας μαζί με το όριο της περιοχής (και ομαλοποιώντας με το μήκος του ορίου). Αυτό προσφέρει ένα μέτρο της ποιότητας του ορίου της περιοχής. Αν αυτό το μέτρο είναι υψηλό σημαίνει πως όλο το όριο είναι καλά ορισμένο, αν είναι χαμηλό, τουλάχιστον μέρη του ορίου είναι μερικώς ορισμένα. Αναμένουμε σημεία πολιτιστικής κληρονομιάς να έχουν καλά ορισμένα όρια.

3.Αναλογία διαστάσεων: Αυτή υπολογίζεται σαν το λόγο των μηκών των μεγαλύτερων και των μικρότερων αξόνων μιας έλλειψης προσαρμοσμένης στην περιοχή. Μακρόστενες περιοχές θα έχουν ένα μεγάλο λόγο μεταξύ αυτών των αξόνων. Περισσότερο συμπαγή αντικείμενα θα έχουν μικρότερο αντίστοιχο λόγο. Αναμένουμε τα σημεία πολιτιστικής κληρονομιάς να έχουν μια σχετικά χαμηλή αναλογία διαστάσεων.

4.Ομοιομορφία: Αυτή είναι η τυπική απόκλιση των γκρίζων επιπέδων μες στην περιοχή. Σχετικά ομοιογενείς περιοχές θα έχουν χαμηλή τυπική απόκλιση των εικονοστοιχείων της περιοχής. Ομοίως, αν τα εικονοστοιχεία έχουν πολύ διαφορετικές φασματικές τιμές, τότε η τυπική απόκλιση θα είναι υψηλή. Τα σημεία πολιτιστικής κληρονομιάς θα είναι τυπικά ενιαία σε σέση για παράδειγμα με τα οργωμένα αυλάκια .

5.Αντίθεση: Αυτή είναι η διαφορά στις μέσες τιμές των γκρίζων επιπέδων μες στην περιοχή και σε ένα μέρος γύρω από την περιοχή. Αυτό είναι ένα σημαντικό μέτρο αντίθεσης και προσφέρει έναν δείκτη του πόσο καλά ξεχωρίζει η περιοχή από το περιβάλλον της. Τα σημεία πολιτιστικής κληρονομιάς έχουν υψηλότερη αντίθεση από ορισμένες περιοχές αλλά χαμηλότερη αντίθεση από ό,τι κτίρια για παράδειγμα. Το σύστημα δοκιμάστηκε να ανιχνεύει εντοπισμένες περιοχές από τα μέρη γύρω από τον ποταμό Lågen στην Επαρχία Vestfold. Αυτές σημειώθηκαν έπειτα με μια ετικέτα που αντιστοιχεί στις κατηγορίες ανωτέρω.Βασισμένοι σε αυτήν τη χειρωνακτική ανίχνευση, εξάγαμε τα χαρακτηριστικά που περογράφονται ανωτέρω τόσο από τις ενδιαφέρουσες όσο και από τις μη ενδιαφέρουσες περιοχές. Είναι έτσι πιθανό να εξάγουμε μια στατιστική περιγραφή των ενδιαφερουσών και των μη ενδιαφερουσών κατηγοριών. Αυτή η στατιστική περιγραφή εισάγεται λοιπόν στον ταξινομητή ώστε να ταξινομήσει τις κατετμημένες περιοχές.


3 Αποτελέσματα

Οι ανεπτυγμένες μέθοδοι δοκιμάστηκαν με δύο δορυφορικές εικόνες αγροτικών περιοχών γύρω από τον ποταμό Lågen της Επαρχίας Vestfold όπως επίσης και γύρω από την Κοινότητα Rygge στην Επαρχία Østfold της Νορβηγίαςτα αρχικά αποτελέσματα είναι ελπιδοφόρα. Τα ακόλουθα σχήματα εξηγούν τα ανακτηθέντα αποτελέσματα από την εικόνα του ποταμού Lågen. Αυτή η περιοχή είνια πλούσια σε γνωστά σημεία πολιτιστικής κληρονομιάς και αναμένεται να περιέχει ακόμα μεγάλο αριθμό αγνώστων σημείων. Το Σχήμα 1 δείχνει την υποδιαίρεση της εικόνας της Lågen.αυτή η περιοχή περιέχει ανασκαφές (ταφικά αναχώματα της Εποχής του Χαλκού) όπως επίσης και διάφορες τοποθεσίες γνωστών σημείων πολιτιστικής κληρονομιάς. Η περιοχή αναμένεται να περιέχει διάφορα άγνωστα σημερία. Για αυτήν την τοποθεσία, δεδομένα από χάρτες που δίνουν το όριο των αγροτικών καλλιεργειών είναι άμεσα διαθέσιμα. Αυτό τροποποιήθηκε σε μάσκες που οριοθετούν την επεξεργασία μόνο σε αγροτικές περιοχές. Το Σχήμα 2 δείχνει μια υποδιάιρεση αυτής της δορυφορικής εικόνας (από το χαμηλότερο κεντρικό σημείο της εικόνας στο Σχήμα 1). Εδώ ένας αριθμός από πιθανά μέρη υποδεικνύονται με κόκκινα βέλη.στο βήμα της κατάτμησης ψάχνουμε να εντοπίσουμε αυτά και άλλα πιθανά σημεία βασισμένοι κυρίως στην αντίθεσή τους με το τοπικό περιβάλλον. Το αποτέλεσμα του βήματος της κατάτμησης φαίνεται στο Σχήμα 3. Σε αυτήν την εικόνα, περιοχές που είναι σκοτεινότερες από τις τοπικές περιβάλλουσές τους σημειώνονται με κόκκινο και αυτές που είναι φωτεινότερες με πράσινο. Να παρατηρήσουμε ότι τα τρία σκοτεινά σημεία που σημειώνονται με βέλη στο Σχήμα 2 έχουν όλα ανιχνευθεί. Επίσης, έχουν ανιχνευθεί και άλλες περιοχές. Με σύγκριση του Σχήματος 2 και 3 βρίσκουμε ότι μερικές εντοπισμένες περιοχές είναι αμφανή λάθη. Ας πούμε, μέρος του δρόμου που διασχίζει το κάτω δεξί κομμάτι της εικόνας στο Σχήμα 2, θεωρήθηκε ένα φωτεινό σημείο. Οργωμένα αυλάκια, όρια χωραφιών και μικρές ομάδες δένδρων επίσης έχουν ανιχνευθεί λανθασμένα. Παρακάτω δίνονται οι λόγοι που συμβαίνει αυτό: Πρώτα απ΄π όλα, είναι απαραίτητο να θυμόμαστε πως το βήμα της κατάτμησης θα λαμβάνει υπόψη μόνο την τις τιμές έντασης των τοπικών εικονοστοιχείων , έτσι καμία συναφής πληροφόρηση δε χρησιμοποιείται σε αυτό το στάδιο. Δευτερευόντως, οι παράμετροι της διαδικασίας κατάτμησης ρυθμίζονται επίτηδες σε τιμές οι οποίες κάνουν αυτή τη διαδικασία πολύ ευαίσθητη. Αυτό γίνεται για να μην χαθούν πιθανές ανιχνεύσεις στο βήμα της κατάτμησης.

Το Σχήμα 4 δείχνει το αποτέλεσμα της εφαρμογής του βήματος προταξινόμησης στο αποτέλεσμα από την κατάτμηση του Σχήματος 3. Παρατηρούμε ότι σημεία του δικτύου του δρόμου που αρχικά είχαν εντοπιστεί στο βήμα της κατάτμησης πλεόν εξαιρούνται από περαιτέρω διαδικασία. Η εικόνα του Σχήματος 4 εισάγεται τώρα στο βήμα της ταξινόμησης για περαιτέρω ανάλυση των ανιχνεύσεων. Στη διαδικασία της ταξινόμησης, τα χαρακτηριστικά εξάγονται από κάθε περιοχή και οι περιοχές έπειτα αναλύονται βάσει αυτών των χαρακτηριστικών. Η τελική κατηγορία μιας περιοχής καθορίζεται από την εύρεση της στατιστικά περισσότερο πιθανής κατηγορίας δεδομένων των χαρακτηριστικών. Το αποτέλεσμα του βήματος της ταξινόμησης φαίνεται στο Σχήμα 5. Αυτό το Σχήμα δείχνει μόνο τις περιοχές που ανήκουν είτε στην κατηγορία 1 ή 2, δηλαδή, τις δύο κατηγορίες που αντιστοιχούν σε πιθανά σημεία πολιτιστικής κληρονομιάς.

Παρατηρείται μεγάλη μείωση στο συνολικό αριθμό των περιοχών. Αφού ο ταξινομητής εφαρμόζει μια μεπτομερέστερη ανάλυση των περιοχών από ό,τι τα προηγούμενα βήματα, θα είναι περισσότερο επιλεκτικός. Το αποτέλεσμα της ταξινόμησης του Σχήματος 5 φαίνεται επίσης στο πάνω μέρος της αρχικής εικόνας στο Σχήμα 6. Παρατηρείται πως για να διευκολυνθεί η ερμηνεία, η αντίθεση έχει τεχνητά ενισχυθεί σε αυτήν την εικόνα. Εκτός από τα τρία πιθανά σημεία που σημειώνονται με βέλη στο Σχήμα 2, το σύστημα έχει επίσης εντοπίσει πολλά άλλα σημεία ως πιθανά σημεία πολιτιστικής κληρονομιάς. Σε αυτήν την περιοχή, η μάσκα για τα καλλιεργούμενα χωράφια δεν είναι επαρκώς ακριβής, και τα δέντρα ήταν παρόντα στις περιοχές που επεξεργάστηκαν. Αυτό οδηγεί συχνά σε λάθος ανιχνεύσεις. Επίσης, μερικές κατασκευές οργωμένων αυλακιών έχουν ταξινομηθεί σαν σημεία πολιτιστικής κληρονομιάς στο κάτω αριστερό χωράφι της εικόνας.

4 Συμπεράσματα και μελλοντικές εργασίες

Οι μέθοδοι δοκιμάστηκαν με δύο δορυφορικές εικόνες με ελπιδοφόρα αποτελέσματα. Η επιλεγμένη προσέγγιση μπορεί να δοκιμαστεί με κριτήρια ταξινόμησης που θέτουν ειδικοί αρχαιολόγοι. Η δοκιμασία του συστήματος μέχρι στιγμής έχει γίνει από χρήστες μη ειδικευμένους στην αρχαιολογία. Στο εγγύς μέλλον, οι αρχαιολόγοι θα μπορούν να εισάγουν μόνοι τους δεδομένα, και αυτό είναι σημαντικό για να εντοπίσουν πιθανές μεθοδολογικές αδυναμίες του συστήματος καθώς επίσης θα προσφέρει σημαντική ανατροφοδότηση στη λειτουργικότητα του γραφικού περιβάλλοντος χρήστη. Μια μεθοδολογική βελτίωση που προβλέπεται για το εγγύς μέλλον είναι η ένταξη πολυφασματικών δεδομένων στη διαδικασία ταξινόμησης. Τώρα, μόνο χαρακτηριστικά που εξάγονται από παγχρωματικά δεδομένα χρησιμοποιούνται στο βήμα της ταξινόμησης. Οι τωρινές μέθοδοι κατάτμησης και ταξινόμησης έχουν σχεδιαστεί να παράγουν ένα μεγάλο αριθμό ψευδών θετικών αποτελεσμάτων (false positives). Αυτό είναι ευνοϊκό στο βαθμό που μειώνει τον κίνδυνο αποκλεισμού σημείων ενδιαφέροντος. Ωστόσο, αν ο αριθμός ψευδών θετικών αποτελεσμάτων γίνει πολύ μεγάλος ο χρήστης θα ξοδεύει πολύ χρόνο στον έλεγχο των ανιχνευμένων περιοχών.


Πηγή:http://www.academia.edu/2465816/FROM_SPACE_TO_PLACE._IInd_International_Conference_on_Remote_Sensing_in_Archaeology