Η ΣΥΜΒΟΛΗ ΤΟΥ eCognition ΣΤΗΝ ΧΑΡΤΟΓΡΑΦΗΣΗ ΓΕΩΜΟΡΦΟΛΟΓΙΚΩΝ ΣΧΗΜΑΤΙΣΜΩΝ ΑΠΟ ΨΗΦΙΑΚΟ ΜΟΝΤΕΛΟ ΕΔΑΦΟΥΣ

Από RemoteSensing Wiki

Η ΣΥΜΒΟΛΗ ΤΟΥ eCognition ΣΤΗΝ ΧΑΡΤΟΓΡΑΦΗΣΗ ΓΕΩΜΟΡΦΟΛΟΓΙΚΩΝ ΣΧΗΜΑΤΙΣΜΩΝ ΑΠΟ ΨΗΦΙΑΚΟ ΜΟΝΤΕΛΟ ΕΔΑΦΟΥΣ

ΣΥΓΓΡΑΦΕΙΣ: Αργιαλάς Δημήτριος, Τζώτσος Άγγελος

ΠΗΓΗ: http://users.ntua.gr/argialas/cv_argialas_demetre_gb_2013.pdf

Εικόνα 1:(α) Το ψηφιακό μοντέλο εδάφους GTOPO30 τμήματος της περιοχής μελέτης, (β) η εικόνα της κλίσης που προέκυψε από το ΨΜΕ.

Εικόνα 2:(α) Κατάτμηση του ΨΜΕ με συντελεστή κλίμακας κ=50, (β) Κατάτμηση του ΨΜΕ με συντελεστή κλίμακας κ=12, (γ) Κατάτμηση του ΨΜΕ με συντελεστή κλίμακας κ=3 (αρχικό μέγεθος), (δ) Κατάτμηση ΨΜΕ με κ=3 (μεγέθυνση στην οποία διακρίνεται το μέγεθος των αντικειμένων.

Σχήμα 1:(α) Ορισμός ασαφούς συνάρτησης για την κατηγορία λεκανών (basins like), (β) Ορισμός ασαφούς συνάρτησης συμμετοχής για την κατηγορία ορεινών όγκων (mountain like).

Εικόνα 3:Συνολικά, με μαύρο παρουσιάζονται οι λεκάνες, με άσπρο ι ορεινοί όγκοι και με γκρι οι πρόποδες. Συγκεκριμένα, στις επιμέρους εικόνες παρουσιάζονται: (α) Ταξινόμηση της πρώτης φάσης οριοθέτησης των σημασιολογικών αντικειμένων, (β) Ενδιάμεσο αποτέλεσμα της οριοθέτησης των σημασιολογικών αντικειμένων. Η ταξινόμηση προέρχεται από τη δεύτερη φάση. Παρουσιάζονται με κόκκινο χρώμα τα λάθος ταξινομημένα αντικείμενα από τις κατηγορίες mountain like και piedmont like. Με μπλε χρώμα εμφανίζονται οι λάθος ταξινομημένες λεκάνες, (γ) Ενδιάμεσο αποτέλεσμα τρίτης φάσης. Με κόκκινο χρώμα ταξινομούνται οι λάθος ταξινομημένοι πρόποδες, (δ) Η τελική χαρτογράφηση των γεωμορφολογικών σχηματισμών.

Εικόνα 4: (α) Ιεραρχία κληροδότησης για την δεύτερη φάση οριοθέτησης των γεωμορφολογικών σχηματισμών, (β) Ορισμός της κατηγορίας των λάθος ταξινομημένων βουνών που επαναταξινομούνται ως πρόποδες (δεύτερη φάση) με το κριτήριο της απόστασης από τα σωστά ταξινομημένα βουνά.

Εικόνα 5: Αριστερά: Η ιεραρχία δομής της δεύτερης φάσης οριοθέτησης των αντικειμένων ενδιαφέροντος. Με βάση αυτή την ιεραρχία συνενώνονται οι κατηγορίες που βρίσκονται στην ίδια ομάδα δομής. Δεξιά: Ο φυσιογραφικός χάρτης του Atwood.

ΕΙΣΑΓΩΓΗ

Σκοπός της παρούσας έρευνας ήταν η διερεύνηση προχωρημένων τεχνικών Ψηφιακής Τηλεπισκόπησης στη χαρτογράφηση γεωμορφολογικών χαρακτηριστικών. Κύριοι στόχοι της ήταν:

• i. η υλοποίηση των αντικειμενοστραφών αλγορίθμων ανάλυσης εικόνας και ασαφούς λογικής που ενσωματώνει το λογισμικό eCognition,
• ii. η αξιολόγηση της συμβολής τους στην μελέτη των συγκεκριμένων γεωμορφολογικών σχηματισμών και
• iii. η σύγκριση τόσο της μεθοδολογίας, όσο και των αποτελεσμάτων με τις ήδη υπάρχουσες εργασίες που είχαν τον ίδιο στόχο.

Η έρευνα αυτή περιείχε κατάτμηση πολλαπλής ανάλυσης του Ψηφιακού Μοντέλου Εδάφους GTOPO30 της περιοχής Basin and Range της Νεβάδα των ΗΠΑ. Η αντικειμενοστραφής ανάλυση εικόνας του eCognition συνδυάζει αλγορίθμους χαμηλού, μεσαίου και υψηλού επιπέδου σε ενιαίο περιβάλλον λογισμικού και αυτό είναι κάτι πρωτοφανές. Βασική αρχή της είναι πως η πληροφορία για την προσέγγιση της φωτοερμηνείας δεν βρίσκεται στο επίπεδο των εικονοστοιχείων αλλά στο επίπεδο σημασιολογικών αντικειμένων της εικόνας. Προσφέρεται στο χρήστη η δυνατότητα για έμμεσο έλεγχο στο μέγεθος των αντικειμένων που θα προκύψουν, χρησιμοποιώντας κριτήρια τόνου και χρώματος της εικόνας και κριτήρια σχήματος των αντικειμένων. Επίσης παρέχεται και δυνατότητα καθορισμού ως προς το πως θα αλληλεπιδρούν αυτά τα κριτήρια επηρεάζοντας το τελικό αποτέλεσμα. Αυτός ο αλγόριθμος εγγυάται σχεδόν την απόλυτη αναπαραγωγή των αποτελεσμάτων, αφού εφαρμοστεί στην ίδια εικόνα. Εκτός από αυτά, το λογισμικό eCognition μπορεί να προσφέρει ιεραρχία πολλαπλών επιπέδων από ομοιογενή ως προς τον τόνο αντικείμενα της εικόνας. Η ταξινόμηση αυτή πραγματοποιείται με ασαφή λογική, η οποία καθορίζει την τιμή συμμετοχής ενός αντικειμένου είτε σε μία, είτε σε όλες τις διαθέσιμες κατηγορίες. Αυτή η τιμή υπολογίζεται από τον αντίστοιχο ταξινομητή που χρησιμοποιείται κάθε φορά. Σε αυτό το σημείο πρέπει να τονιστεί πως για πρώτη φορά έγινε εφικτή η ποσοτική αναπαράσταση σε σχέσεις γειτνίασης μεταξύ αντικειμένων εικόνας αλλά και αναπαράστασης στατιστικών χρώματος και σχήματος των αντικειμένων ως προς το περιβάλλον τους.

ΜΕΘΟΔΟΛΟΓΙΑ

Η διαδικασία της κατάτμησης πολλαπλής ανάλυσης περιέλαβε τον προσδιορισμό των σχετικών παραμέτρων, οι οποίες είναι απαραίτητο να καθοριστούν για να λειτουργήσει ο αλγόριθμος. Βασικότερη παράμετρος θεωρείται ο συντελεστής κλίμακας, ο οποίος είναι αδιάβαστος αριθμός που καθορίζει το μέγεθος των αντικειμένων που πρόκειται να προκύψουν από τον αλγόριθμο. Έπειτα ακολουθούν οι συντελεστές χρώματος και σχήματος, όπου ο τελευταίος διαχωρίζεται σε συντελεστή συμπαγότητας και συντελεστή ομαλότητας. Ο πρώτος αφορά το σχήμα των πρωτογενών αντικειμένων που θα προκύψουν από την κατάτμηση και ο δεύτερος αφορά στις οριογραμμές των πρωτογενών αντικειμένων της κατάτμησης και στο κατά πόσο αυτές θα παρουσιάζουν κατακερματισμό. Στην έρευνα που έγινε αρχικά επιλέχθηκε συντελεστής κλίμακας μεγάλου μεγέθους, με σκοπό να προκύψουν πρωτογενή αντικείμενα. Με αυτές τις παραμέτρους παρατηρήθηκε ότι τα σχήματα των αντικειμένων δεν ήταν ικανοποιητικά. Όσο μεγαλύτερος επιλέγονταν ο συντελεστής κλίμακας, τόσο μεγαλύτερη ήταν και η γενίκευση του σχήματος των αντικείμενων που προέκυπταν. Ένα ακόμα μειονέκτημα ήταν πως η χρησιμοποίηση των κλίσεων που είχαν προϋπολογιστεί γινόταν ανέφικτη. Κατά τη δοκιμή με μεσαίου μεγέθους συντελεστή κλίμακας υπήρχε και πάλι απώλεια πληροφορίας στην εικόνα της κλίσης, αν και τα σχήματα ήταν πιο ικανοποιητικά. Εμφανίστηκε επίσης θόρυβος στο κατατμηθέν ψηφιακό μοντέλο εδάφους. Τελικά επιλέγοντας συντελεστή μικρότερου μεγέθους επιτεύχθηκε η βελτίωση των αποτελεσμάτων της κατάτμησης. Όσον αφορά τους συντελεστές σχήματος και χρώματος, το πρώτο ήταν περιττό να χρησιμοποιηθεί αφού για πρωτογενή αντικείμενα, χάνει τη σημασία του. Μετά από τη δημιουργία των πρωτογενή αντικειμένων σειρά έχει η ταξινόμησή τους για να δωθούν τα σημασιολογικά αντικείμενα. Προηγείται ο καθορισμός των τάξεων και η ιεράρχισή τους. Κατά την ταξινόμηση, οι ιδιότητες επιστρέφουν στην κατηγορία την τιμή συμμετοχής και έπειτα προκύπτει καθορισμός της τελικής τιμής συμμετοχής. Αυτή η τιμή υπολογίζεται για κάθε αντικείμενο της εικόνας και η κατηγορία στην οποία η τιμή λαμβάνει το μεγαλύτερο μέγεθος, χαρακτηρίζει τελικά το αντικείμενο. Βασική δομή για τον εννοιολογικό προσδιορισμό των κατηγοριών είναι η ιεραρχία κληροδότησης που αποσκοπεί στον καθορισμό χαρακτηριστικών των τάξεων. Επίσης υπάρχει η ιεραρχία ομαδοποίησης που περιλαμβάνει δομές για την χωρική οργάνωση κατηγοριών. Για να γίνει περαιτέρω βελτίωση του αποτελέσματος, πραγματοποιήθηκε κατάτμηση με βάση την ταξινόμηση και συνένωση των αντικειμένων από ίδια κατηγορία. Ο αλγόριθμος συνένωσης χρησιμοποιήθηκε για τη συγχώνευση όλων των πρωτογενών αντικειμένων που είχαν ταξινομηθεί. Από τη συγχώνευση αυτή προέκυψαν νέες κατηγορίες, οι οποίες ακολούθησαν επίσης ταξινόμηση. Στα τελικά αντικείμενα παρουσιάζεται η ύπαρξη διαχωρισμού των ορεινών αντικειμένων και η εμφάνιση πρόποδων.

ΑΠΟΤΕΛΕΣΜΑΤΑ

Η χαρτογραφική χρήση του eCognition αποδείχθηκε αποτελεσματική. Σχετικά με τη λειτουργικότητα του λογισμικού, οι δυνατότητες για ταξινόμηση προσφέρουν ευελιξία και διευκολύνουν τη δημιουργία σχετικά πολύπλοκων εννοιολογικών περιγραφών για τις θεματικές κατηγορίες. Εκτός από το συγκεκριμένο λογισμικό, οι συνδυασμοί μεθόδων που περιγράφηκαν μπορεί να αποτελέσουν ένα χρήσιμο μέσο για επεξεργασία τηλεπισκοπικών δεδομένων. Τέλος πρέπει να τονιστεί πως αφού η διαδικασία είναι πολύ πρόσφατη και προσομοιάζει εννοιολογικά τα έμπειρα συστήματα, υφίσταται ακόμα το πρόβλημα του κατά πόσο η γνώση είναι εύκολο να αναπαρασταθεί ποσοτικά στο περιβάλλον ενός υπολογιστή και να αποδοθεί σε μια βάση γνώσης όπως αυτή του eCognition.