Detailansicht
Landcover-Klassifikation von hochaufgelösten Orthofotos mithilfe von Convolutional Neural Networks und TensorFlow
Felix Pekárek
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Kartographie und Geoinformation
Betreuer*in
Andreas Riedl
DOI
10.25365/thesis.63192
URN
urn:nbn:at:at-ubw:1-16301.80226.217464-6
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die Ableitung von Bodenbedeckungsinformationen ist eine wichtige Methode in der Fernerkundung. In der Regel werden dazu Orthofotos oder Satellitenbilder verwendet. Für den Prozess der Klassifikation stehen verschiedene Methoden zur Verfügung, von denen manche komplexer als andere sind. Zu den aktuellsten Methoden zählt der Einsatz von Convolutional Neural Networks.
Die Masterarbeit entsteht in Kooperation mit dem Bundesamt für Eich- und Vermessungswesen, die bereits eine eigene Landcover-Klassifikation durchführen. Diese soll nun durch ein Convolutional Neural Network erweitert werden. Dadurch soll eine detailreichere Klassifikation mit zusätzlichen Landcover-Klassen entstehen. Als Datenquelle dienen hochaufgelöste Orthofotos und Geländemodelle, die vom Bundesamt für Eich- und Vermessungswesen bereitgestellt wurden. Aus diesen Daten mussten zunächst Trainingsdaten erstellt werden, welche anschließend für das Training des Convolutional Neural Networks verwendet wurden. Es wurden dabei mehrere Varianten trainiert, wobei verschiedene Bildkanäle zum Training eingesetzt wurden. Die trainierten Netzwerke wurden dann für die Klassifikation von insgesamt vier Orthofotos in unterschiedlichen Gebieten Österreichs verwendet. Diese wurden anschließend auf deren Genauigkeit überprüft und bewertet. Zudem wurden die Ergebnisse der bereits bestehenden Landcover-Klassifikation vom Bundesamt für Eich- und Vermessungswesen gegenübergestellt.
Auf diese Weise konnte gezeigt werden, dass der Einsatz von Convolutional Neural Networks durchaus sinnvoll ist. Die bestehenden Klassen konnten in den meisten Fällen verfeinert oder erweitert werden. Dabei hat die künstliche Intelligenz genauere Ergebnisse als die Klassifikation des Bundesamtes für Eich- und Vermessungswesen erzeugt. In einem anderen Fall hingegen, war die Klassifikation des Convolutional Neural Networks wesentlich ungenauer, was auf ein fehlendes Training in Gebieten mit einer dichten Besiedlung zurückzuführen war.
Schlagwörter
Schlagwörter
(Deutsch)
Lancover TensorFlow Python Convolutional Neural Networks Fernerkundung Orthofotos
Autor*innen
Felix Pekárek
Haupttitel (Deutsch)
Landcover-Klassifikation von hochaufgelösten Orthofotos mithilfe von Convolutional Neural Networks und TensorFlow
Paralleltitel (Englisch)
Landcover classification of high-resolution orthophotos using convolutional neural networks and TensorFlow
Publikationsjahr
2020
Umfangsangabe
177 Seiten : Illustrationen, Diagramme
Sprache
Deutsch
Beurteiler*in
Andreas Riedl
AC Nummer
AC15765999
Utheses ID
56053
Studienkennzahl
UA | 066 | 856 | |