Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.18419/opus-3922
Autor(en): Cao, Wenxi
Titel: Change detection using SAR data
Erscheinungsdatum: 2013
Dokumentart: Abschlussarbeit (Diplom)
URI: http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-86827
http://elib.uni-stuttgart.de/handle/11682/3939
http://dx.doi.org/10.18419/opus-3922
Zusammenfassung: The objective of this thesis is to find changes caused by natural disaster from two co-registered calibrated TerraSAR-X images. Three methods are used in this thesis. The first method, histogram thresholding, uses the histogram of the SAR intensity ratio image to classify the ratio image into three classes. This technique was originally proposed by Kittler et al. (1986) and modified by Bazi et al. (2005) and Moser et al. (2006) based on the Bayesian formula. In this thesis their methods are combined together to detect three classes. The relative difference of the cost function is used to detect the number of the classes instead of the determinant of the Hessian matrix suggested by Bazi et al. (2005). The second method formulates the classification problem as a hypothesis testing problem. This idea was originally used by Touzi et al. (1988) and Oliver et al. (1996). In this thesis the analytical method by Touzi et al. (1988) is replaced by using the properties of the Gamma distribution. The third method, graph-cut algorithm, is a post-processing method, which improves classification results from the first and second methods. The provement is equivalent to the global optimization of an energy function in a Markov random field (MRF). A modern method proposed by Kolmogorov et al. (2004) and Boykov et al. (2004) is used in this thesis. This method transforms the energy function of a MRF into an equivalent graph and solves the global optimization problem using a max-flow/min-cut algorithm. These three methods are applied to the test data on Queensland, Australia, and Leipzig, Germany. Most SAR ratio images can be classified into three classes successfully. The remaining problem is that the interpretation of the changed classes is still ambiguous. Other data sources should be combined to assist or improve the interpretation of the detected change.
Das Ziel der Diplomarbeit ist die von Naturkatastrophen verursachten Änderungen an der Erdoberfläche mittels zwei ko-registrierten kalibrierten TerraSAR-X Intensitätsbildern zu identifizieren. Drei Methoden werden in der Diplomarbeit verwendet. Die erste Methode, Histogram Schwellwertverfahren, vewendet das Histogram vom SAR-Ratiobild um das Ratiobild in drei Klassen zu segmentieren. Diese Technik wurde zuerst von Kittler et al. (1986) veröffentlicht und von Bazi et al. (2005) und Moser et al. (2006) ans Sicht der Bayes’schen Formel weiterentwickelt. Ihre Methoden werden in der Diplomarbeit kombiniert. Der relative Unterschied der Kostenfunktion wird zur Detektion von Klassenanzahl verwerdet anstatt Determinant der Hessematrix, die von Bazi et al. (2005) verwendet wurde. Die zweite Methode beschreibt die Klassifikation als einen statistischen Test. Diese Idee wurde zuerst von Touzi et al. (1988) und Oliver et al. (1996) verwendet. In der Diplomarbeit wird die analytische Methode von Touzi et al. (1988) durch Anwendung der Eigenschaften von Gamma-Verteilungsfunktion ausgewechselt. Die dritte Methode, Graph-cut, ist ein Post-processing Verfahren, das die Klassifikationsmasken der ersten und zweiten Methoden verbessert. Die Verbesserung ist äquivalent zur globalen Optimierung einer Energiefunktion in einem Markov random field (MRF). Eine moderne Methode von Kolmogorov et al. (2004) und Boykov et al. (2004) wird verwendet um die Optimierung durchzuführen. Diese Methode wandelt die Energiefunktion in einen äquivalenten Graph um und löst das Problem der globalen Optimierung mittels ein Max-flow/Min-cut Verfahren auf. Diese drei Methoden werden auf die Testdaten von Queensland, Australien, und Leipzig, Deutschland, angewendet. Die meisten SAR Bilder von Testdaten können erfolgreich in drei Klassen klassifiziert werden. Das übrige Problem ist die nicht eindeutige Interpretation von Änderungen. Zusätzliche Daten sollten kombiniert werden um die Interpretation zu unterstützen oder verbessern.
Enthalten in den Sammlungen:06 Fakultät Luft- und Raumfahrttechnik und Geodäsie

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
Cao_Wenxi.pdf2,2 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.