Automatische strukturelle Interpretation landwirtschaftlicher Flächen aus multitemporalen hochauflösenden Luftbildern

Im Rahmen dieses Projektes soll aus hochauflösenden multitemalen Luftbilddaten eine neutartige，automatische Interpretation von landschaftlichen Flächen durchgeführt韦尔登.在Hinblick上的一个Parzellen在分析韦尔登时，Schlagenben的内部优势被消除了。主要解决韦尔登的三个问题：辐射、纹理和结构。Unter strukturellen Merkmalen韦尔登werden beobachtbare Strukturen wie z.B. Traktorspuren，Saatreihen或Strohballen verstanden，die in landschaftlichen Flächen wertvolle Hinweise auf die Interpretation geben können and bei manuellen Interpretationen von menschlichen Operateuren verwendet韦尔登.在自动化图片解释中，结构化的商业模式更适合于建立一个独立的知识体系。我帮助这些商人的时候也是多时的。对一种土地资源的连续性模式韦尔登，一种对图像的共同解释，相信是时代观点的产物。所有暂时的知识都是由韦尔登组成的。自动化图像翻译的暂时性、持续性模式是图像翻译项目的最新创新。解释是一种以知识为基础的图像分析，语义内策对知识的解释是有益的，是韦尔登的。对解释Parzellen sollen schließlich fruchtartenbasiert and hochauflösend Bestandesparameter für die Ackerflächen berechnet韦尔登的理解，die im Vergleich zu bisherigen Ansätzen differenzierter and damit besser bestimmbar sind.

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.