Door recente ontwikkelingen op gebied van sensortechnologie en lucht- en ruimtevaart, is de kwaliteit van luchtfotografie sterk verbeterd. Moderne luchtfoto's laten toe de aarde te observeren en in te zoemen tot op niveau van individuele huizen en auto's. Ook de spectrale resolutie wordt steeds groter en recente hyperspectrale beelden laten toe verschillende soorten materialen en gewassen op het aardoppervlak te onderscheiden.
Deze ontwikkelingen maken, vooral in stedelijke gebieden, heel wat nieuwe toepassingen mogelijk. Tegelijkertijd is het automatisch analyseren van luchtfoto's van stedelijke gebieden een zeer grote uitdaging. De complexiteit en de grote variatie aan materialen en objecten maken het voor een computer heel moeilijk objecten duidelijk van elkaar te onderscheiden. Daarom is het niet voldoende om individuele pixels te beschouwen, maar moet ook gekeken worden naar de omgeving van pixels.
Bovendien zorgt de verhoging van de spectrale en spatiale resolutie voor een enorme toename in de hoeveelheid en dimensionaliteit van de data. Voor traditionele classificatietechnieken vormt dit een groot probleem. Daarom zijn geavanceerde kenmerkextractietechnieken nodig.
In deze thesis, werden verschillende nieuwe kenmerkextractietechnieken ontwikkeld en gebruikt in combinatie met morfologische profielen om spatiale informatie in rekening te brengen. De experimentele resultaten tonen een verhoogde classificatienauwkeurigheid in vergelijking met andere state-of-the-art methodes.
| |