Die Verfugbarkeit sowie die periodischen Aktualisierungen hochauflosender photogrammetrischer Datensatze aus Luftbild- und Airborne Laserscanning (LiDAR - Light Detection and Ranging) Befliegungen stellt die Kartierung von Landbedeckungs- und Landnutzungsdatensatzen vor neue Herausforderungen. Wahrend die Qualitat der Daten hinsichtlich ihrer geometrischen Genauigkeit und dem Detaillierungsgrad stetig zunimmt, steigt das damit verbundene Datenvolumen, wodurch das Datenmanagement sowie die Dateninterpretation immer aufwandiger wird. Der Einsatz der Software eCognition von Defmiens zur objektorientierten Bildanalyse ermoglicht fur diese Zwecke die simultane automatisierte Segmentierung und Klassifizierung von LiDAR Daten und digitalen Orthofotos. In der vorliegenden Arbeit wurde die Klassendefinition zunachst auf Basis des Unterscheidungsmarkmals Hohe vorgenommen. Um Vegetation von Nicht-Vegetation zu trennen, wurde zusatzlich noch der nahe Infrarot Kanal der Bilddaten verwendet. Die bodennahen bzw. ebenerdigen Objekte konnten aufgrund der unterschiedlichen Grauwertverteilung der einzelnen Objektklassen wie z.B. Schatten, versiegelte Flache etc. differenziert werden. Der Regelsatz wurde auf mehreren fur die Landesflache von Niederosterreich reprasentativen Testsamples entwickelt. Um die Performance zu testen, wurde ein Produktionstest auf einer ausgewahlten Testflache von 400 km~2 durchgefuhrt.
展开▼