权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Automatische strukturelle Interpretation landwirtschaftlicher Flächen aus multitemporalen hochauflösenden Luftbildern

根据多时相高分辨率航空图像对农业区进行自动结构解释

基本信息

批准号：
5451980
负责人：
Professor Dr.-Ing. Christian Heipke
金额：
--
依托单位：
Institut für Photogrammetrie und GeoInformation (IPI)
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2005
资助国家：
德国
起止时间：
2004-12-31 至 2009-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/5451980?language=en
关键词：
Automatische strukturelle Interpretation landwirtschaftlicher Fl

项目摘要

Im Rahmen dieses Projektes soll aus hochauflösenden multitemporalen Luftbilddaten eine neuartige, automatische Interpretation von landwirtschaftlichen Flächen durchgeführt werden. Innerhalb vorgegebener Schlaggrenzen sollen die einzelnen Parzellen im Hinblick auf hochauflösende Merkmale analysiert werden. Dabei sollen drei Klassen von Merkmalen verwendet werden: radiometrische, texturelle und strukturelle Merkmale. Unter strukturellen Merkmalen werden beobachtbare Strukturen wie z.B. Traktorspuren, Saatreihen oder Strohballen verstanden, die in landwirtschaftlichen Flächen wertvolle Hinweise auf die Interpretation geben können und bei manuellen Interpretationen von menschlichen Operateuren verwendet werden. Strukturelle Merkmale kamen in der automatischen Bildinterpretation landwirtschaftlicher Flächen bisher noch nirgends zum Einsatz und stellen eine wesentliche Erweiterung des Standes der Wissenschaft dar. Mit Hilfe von Beobachtungen dieser Merkmale über die Zeit sollen auch multitemporale. kontinuierliche Modelle für die einzelnen Landnutzungsklassen erstellt werden, die eine gemeinsame Interpretation von Bildern beliebiger Zeitpunkte zulassen. Als zusätzliches temporales Wissen soll zudem das Wissen über Fruchtfolgen verwendet werden. Die Verwendung temporaler, kontinuierlicher Modelle in der automatischen Bildinterpretation stellt die zweite Innovation des beantragten Projektes dar. Zur Interpretation soll ein wissensbasiertes Bildanalysesystem, das Semantische Netze zur Wissensbeschreibung benutzt, verwendet werden. Ausgehend von den interpretierten Parzellen sollen schließlich fruchtartenbasiert und hochauflösend Bestandesparameter für die Ackerflächen berechnet werden, die im Vergleich zu bisherigen Ansätzen differenzierter und damit besser bestimmbar sind.

我的项目是多时空飞行数据和新的、自动解释的土地经济景观的项目。 Innerhalb vorgegebener Schlaggrenzen sollen die einzelnen Parzellen im Hinblick auf hochauflösende Merkmale analysiert werden。 Dabei sollen drei Klassen von Merkmalen verwendet werden：辐射测量、纹理和结构 Merkmale。 Unter strukturellen Merkmalen werden beobachtbare Strukturen wie z.B. Traktorspuren、Saatreihen oder Strohballen verstanden、die in landwirtschaftlichen flächen wertvolle Hinweise auf die Interpretation geben können und bei manuellen Interpretationen von menschlichen Operateuren verwendet werden。 Strukturelle Merkmale 假面在自动教育中的解释是土地经济 Flächen bisher noch nirgends zum Einsatz und stellen eine wesentliche Erweiterung des Standes der Wissenschaft dar。 Mit Hilfe von Beobachtungen dieser Merkmale über die Zeit sollen auch multitemporale。 kontinuierliche modelle for die einzelnen Landnutzungsklassen erstellt werden, die eine gemeinsame Interpretation von Bildern beliebiger Zeitpunkte zulassen. Als zusätzlichestemporales Wissen soll zudem das Wissen über Fruchtfolgen verwendet werden。时间的运行、自动教学中的连续模型是项目项目创新的两个方面。 Zur Interpretation soll ein wissensbasiertes Bildanalysissystem, das Semantische Netze zur Wissensbeschreibung benutzt, verwendet werden. Ausgehend von denterpretierten Parzellen sollen schließlich fruchtartenbasiert und hochauflösend Bestandesparameter for die Ackerflachen berechnet werden, die im Vergleich zu bisherigen Ansätzen diffenzierter and damit besser bestimmbar sind.