Andere Kunden interessierten sich auch für
![Verfeinerte Methoden und Anwendungen]( "Verfeinerte Methoden und Anwendungen")
Verfeinerte Methoden und Anwendungen54,95 €![Photopolarimetry in Remote Sensing]( "Photopolarimetry in Remote Sensing")
Photopolarimetry in Remote Sensing372,99 €![Bistatic Radar]( "Bistatic Radar")
Bistatic Radar217,99 €![The State of Earth Science from Space]( "The State of Earth Science from Space")
The State of Earth Science from Space37,99 €![Passive Microwave Remote Sensing of the Earth]( "Passive Microwave Remote Sensing of the Earth")
Passive Microwave Remote Sensing of the Earth168,99 €![Physical Fundamentals of Remote Sensing]( "Physical Fundamentals of Remote Sensing")
Physical Fundamentals of Remote Sensing41,99 €![Remote Sensing of Sea Ice in the Northern Sea Route]( "Remote Sensing of Sea Ice in the Northern Sea Route")
Remote Sensing of Sea Ice in the Northern Sea Route249,99 €
Ziel einer Objektextraktion ist die Klassifizierung der in einer Region vorhandenen Objekte. Die Art eines Objekts oder dessen Klasse werden anhand markanter Charakteristika identifiziert. Das Digitale Oberflächenmodell (DOM) hilft insoweit, dass sich aus ihm Höhen und Ausdehnungen der Objekte ableiten lassen.
Üblicherweise läuft der Prozess in drei Schritten ab:
1) die Grobfehlersuche,
2) die Normalisierung, mit der das DOM in Gelände und Objekte differenziert wird, und
3) die Klassifikation der Objekte.
Jedoch:
1) Die Detektion von Grobfehlern hängt u.a. von den Höhensprüngen zwischen den Objekten und dem Gelände ab; eine Normalisierung wäre ihr daher vorzuschalten.
2) Um ggf. Datenlücken zu schließen, sollte bekannt sein, ob diese zum Gelände oder zu einem Objekt gehören; insofern wäre eine bereits vorhandene Klassifikation vorteilhaft.
3) Eine Normalisierung ist präziser, wenn die Art der Objekte bekannt und so die Form des Geländes unter ihnen ableitbar ist; auch hierfür wäre eine existente Klassifikation hilfreich.
Fazit: Eine reine Aneinanderreihung der Arbeitsschritte ist unvollkommen; die Vernetzung der Methoden ist sinnvoller.
Üblicherweise läuft der Prozess in drei Schritten ab:
1) die Grobfehlersuche,
2) die Normalisierung, mit der das DOM in Gelände und Objekte differenziert wird, und
3) die Klassifikation der Objekte.
Jedoch:
1) Die Detektion von Grobfehlern hängt u.a. von den Höhensprüngen zwischen den Objekten und dem Gelände ab; eine Normalisierung wäre ihr daher vorzuschalten.
2) Um ggf. Datenlücken zu schließen, sollte bekannt sein, ob diese zum Gelände oder zu einem Objekt gehören; insofern wäre eine bereits vorhandene Klassifikation vorteilhaft.
3) Eine Normalisierung ist präziser, wenn die Art der Objekte bekannt und so die Form des Geländes unter ihnen ableitbar ist; auch hierfür wäre eine existente Klassifikation hilfreich.
Fazit: Eine reine Aneinanderreihung der Arbeitsschritte ist unvollkommen; die Vernetzung der Methoden ist sinnvoller.