Das Unsichtbare sichtbar machen

hyperspectral images

Die Spektralanalyse von Satellitenbildern wird beispielsweise in der Städteplanung, Forstwirtschaft oder für die Wasserbeobachtung eingesetzt. Devis Tuia hat einen Algorithmus vorgestellt, der automatisch die optimalste Kombination von Spektralbändern und Filtern findet.

Hyperspektralsensoren eröffnen durch ihre große Bandbreite des elektromagnetischen Spektrums sehr viele Anwendungsfelder. Die Analyse von Luftbildern erlaubt es beispielsweise, den Grad der Trockenheit in einer Landwirtschaftszone zu bestimmen oder befahrbare Strassen nach einer Naturkatastrophe zu finden. Je nach Anwendungsgebiet bieten dabei die räumlichen Gegebenheiten einer Szene Aufschluss über zu analysierende Objekte. Diese Gegebenheiten können durch Bildbearbeitungsmethoden wie lokale Operatoren (Filter) hervorgehoben werden. Zentrales Problem hierbei ist, dass die Anzahl Filterkombinationen endlos ist und man nicht im Voraus bestimmen kann, welche Kombination die zielführendste ist. Devis Tuia führt in seiner Publikation Multiclass feature learning for hyperspectral image classification : Sparse and hierarchical solutions einen Algorithmus ein, der automatisch die optimalste Kombination von Filtern findet und damit die Kartierung von Landnutzungsklassen verbessert, was die Arbeit der Bildinterpretation vereinfacht.

Das Centre National de la Recherche Scientifique (CNRS) hat nun der viel gepriesenen Publikation einen journalistischen Artikel gewidmet: CNRS Artikel (französisch)

Sabina Mächler

News