Benutzer: Gast  Login
Originaltitel:
Wavelet-Methoden in der SAR-Bildverarbeitung 
Originaluntertitel:
Ein Wavelet-basiertes Wasserstandslinienverfahren zur Topographiebestimmung im Wattenmeer 
Übersetzter Titel:
Wavelet methods in SAR image processing 
Übersetzter Untertitel:
A wavelet based waterline algorithm for topography determination in the wadden sea 
Jahr:
2002 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Mathematik 
Betreuer:
Hoffmann, Karl-Heinz (Prof. Dr.) 
Gutachter:
Schlichting, Günter (Prof. Dr.) 
Format:
Text 
Sprache:
de 
Fachgebiet:
BAU Bauingenieurwesen, Vermessungswesen; GEO Geowissenschaften; MAT Mathematik 
Stichworte:
Wavelets; Kantenfindung; Wasserstandslinie; SAR; Speckle; Radar; Montecarlo Simulation; Topographie; Küstenlinie 
Übersetzte Stichworte:
wavelets; edge detection; waterlinie; SAR; speckle; radar; montecarlo simulation; topography; coastline 
Schlagworte (SWD):
Watt; Gezeitenpegel; Ganglinie; Topographische Karte; Bildverarbeitung; Radar; Synthetische Apertur; Wavelet 
TU-Systematik:
GEO 031d; BAU 967d; MAT 428d 
Kurzfassung:
Synthetisches Apertur Radar (SAR) ist ein Fernerkundungsverfahren, bei dem die Erdoberfläche mittels aktiver Radarsensoren abgebildet wird. Aufgrund des enthaltenen Speckle-Rauschens stellen SAR-Bilder hohe Ansprüche an verwendete Bildverarbeitungsverfahren. Im Rahmen dieser Arbeit wurde ein waveletbasierter Algorithmus entwickelt, Wasserstandslinien aus SAR-Bildern zu extrahieren. Dieser wurde anhand einer Reihe von SAR-Bildern getestet sowie mit bekannten Verfahren verglichen. Stochastische Überlegungen liefern eine theoretische Begründung des vorgestellten Algorithmus. Als mögliche Anwendung wird die Topographiebestimmung aus Wasserstandslinien erklärt. Gegeben sei ein SAR-Bild der Erdoberfläche, das eine große Wasserfläche, ein (oder mehrere) Gebiet(e) A in R2, sowie Land (R2\A) abbildet. Das Bild wird im einfachsten Fall als
I=µA·1A·N+ µB(1-1A)N
modelliert, wobei N das (multiplikative) Speckle-Rauschen darstellt; µA und µB sind die Intensitätserwartungen von Wasser und Land. Gesucht wird der Rand dA von A (in möglichst guter Näherung). Durch Verwendung des Dichtebildes
ln I=ln µA·1A+ ln µB(1-1A)+ln N
wird das Rauschen additiv. ln N wird als iid-Prozess modelliert. Um dA in der Gegenwart von Speckle zu bestimmen, werden Wavelets verwendet, wobei die Speckle-Modellierung berücksichtigt wird. Dies geschieht in der vorliegenden Arbeit in folgenden Schritten: Zunächst werden die benötigten mathematischen Begriffe aus der Wahrscheinlichkeitstheorie und der Wavelet-Theorie eingeführt. Es wird eine detaillierte Einführung in die Theorie des Synthetischen Apertur Radars und die stochastischen Eigenschaften des Speckle-Rauschens gegeben, wobei auch Beispiele für den Einsatz von SAR-Sensoren aufgezeigt werden. Im Anschluss wird der entwickelte Wasserstandslinienextraktionsalgorithmus vorgestellt und die Ergebnisse seiner einzelnen Schritte für ein Beispielbild untersucht und bewertet. Generelle Untersuchungen bzgl. stochastischer Eigenschaften der Wavelet-Transformierten von Speckle-Rauschen dienen zur theoretischen Beurteilung der Verwendbarkeit von Wavelet-basierter Kantenextraktion auf SAR-Bildern. Die Validierung der Küstenlinie am Boden, aber auch Probleme und mögliche Auswege im Algorithmus, werden aufgezeigt. Abschließend werden noch weitere Algorithmen zur Wasserstandslinienextraktion und Topographiegewinnung vorgestellt und mit dem hier beschriebenen verglichen. Im Anhang werden einige mathematische Herleitungen und Beispiele gegeben, eine weitere Anwendung der Kantenextraktion aufgezeigt und einige Quellcodes abgedruckt. 
Übersetzte Kurzfassung:
Synthetic aperture radar (SAR) is a remote sensing technique imaging the surface of the earth using active radar sensors. Due to the content of specle noise the SAR images give high demands to image processing methods used. Within this thesis a wavelet based algorithm was developed to extract waterlines from SAR images. It was tested on a series of SAR images as well as compared to existing methods. Stochastical considerations yield a theoratical evidence to support the presented algorithm. As a possible application topography determination from waterlines is described. Given be a SAR image of the surface of the earth, showing a big water area, one (or more) area(s) A in R2, as well as land (R2\A). The image is modelled as
I=µA·1A·N+ µB(1-1A)N
in the simplest case, where N is the (multiplicative) speckle noise; µA and µB are the intensity expectations of water and land. We demand the border dA of A (in an approximation as good as possible). By the use fo density images
ln I=ln µA·1A+ ln µB(1-1A)+ln N
the noise is getting additive. ln N is modelled as an iid process. To determine dA in the presence of speckle, wavelets are being used, keeping speckle models in mind. In the present thesis this is done using following steps: First the necessary mathematical terms from propability theory and wavelet theory are introduced. A detailed introduction to the theory of synthetic aperture radar and stochastical properties of speckle noise are given also showing examples for the use of SAR sensors. Subsequent to this the waterline extraction algorithm is presented and the results from its single steps are examined and valuated for an exemplary image. General examinations according to stochastical properties of the wavelet transform of speckle noise are used to theoretically evaluate the usability of wavelet based edge detection on SAR images. The ground validation of the coastline as well as problems and possible solutions in the algorithm are given. Next to this, further methods for waterline extraction and topography determination are presented and compared to the one given above. In the appendix some mathematical derivations and examles are given, a further application of the edge detection is shown and some source codes are printed. sary mathematical terms from propability theory and wavelet theory are introduced. A detailed introduction to the theory of synthetic aperture radar and stochastical properties of speckle noise are given also showing examples for the use of SAR sensors. 
Veröffentlichung:
Universitätsbibliothek der TU München 
Mündliche Prüfung:
27.05.2002 
Dateigröße:
19587057 bytes 
Seiten:
195 
Letzte Änderung:
18.07.2007