UID:
kobvindex_GFZ1728923476
Format:
220 Seiten
,
Illustrationen, Diagramme, Karten
ISSN:
0174-1454
Series Statement:
Wissenschaftliche Arbeiten der Fachrichtung Geodäsie und Geoinformatik der Leibniz Universität Hannover Nr. 357
Note:
Auch veröffentlicht in: Reihe C der Deutschen Geodätischen Kommission bei der Bayerischen Akademie der Wissenschaften, Nr. 848, München 2020, ISSN 0065-5325
,
Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2020
,
Inhaltsverzeichnis
1. Einleitung
1.1. Motivation
1.2. Zielsetzung und wissenschaftlicher Beitrag
1.3. Aufbau der Arbeit
2. Stand der Forschung
2.1. Änderungsdetektion
2.2. Reduzierung des Bedarfs an manuell erstellten Trainingslabels
2.3. Strategien zum Umgang mit fehlerhaften Labels
2.4. Fehlerhafte Trainingslabels im Bereich der Fernerkundung
2.5. Merkmalsselektion
2.6. Diskussion
3. Grundlagen
3.1. Klassifikation
3.2. Merkmale
3.2.1. Spektrale Merkmale
3.2.2. Texturmerkmale: Haralick Merkmale
3.2.3. Strukturmerkmale: gewichtetes Histogramm der Gradientenrichtungen
3.2.4. 3D Merkmale: normalisiertes digitales Oberflächenmodell
3.2.5. Merkmalsselektionsalgorithmus
3.3. Logistische Regression
3.4. Gegenüber fehlerhaften Trainingslabels robuste logistische Regression
3.5. Klassifikations- und Regressionsbäume
3.6. Random Forest
3.7. Conditional Random Fields
4. Methodik
4.1. Uberblick des Klassifikationsalgorithmus
4.1.1. Initialisierung
4.1.2. Iterativer Prozess
4.2. Robuster Random Forest
4.2.1. Auswahl der Entscheidungsgrenze
4.2.2. Wahrscheinlichkeit der Klassenzugehörigkeit
4.2.3. Individuelle Übergangswahrscheinlichkeiten für jedes Trainingsbeispiel
4.2.4. Wahrscheinlichkeit in den Blättern
4.3. Integration der Kartenlabels als Beobachtungen
4.4. Bestimmung der Ubergangsmatrix
4.5. AnderungsWahrscheinlichkeit
4.6. Klassifikation basierend auf der robusten logistischen Regression
4.7. Multitemporale Klassifikation
4.7.1. Multitemporales CRF Modell
4.7.2. Sequenzielles Training
4.7.3. Ablauf der multitemporalen Klassifikation
5. Aufbau der Experimente
5.1. Datensätze
5.1.1. Hameln
5.1.2. Las Vegas
5.1.3. Vaihingen
5.1.4. Herne
5.1.5. Husum
5.2. Auswahl der Trainingsbeispiele
5.3. Merkmale
5.4. Analyse der Merkmalsselektionsmethode
5.5. Genauigkeitsmaße
5.6. Aufbau und Zielsetzung der Experimente
5.6.1. Merkmalsselektion
5.6.2. Parametertests
5.6.3. Monotemporale Klassifikation
5.6.4. Multitemporale Klassifikation
6. Experimente
6.1. Merkmalsselektion
6.2. Einfluss der Parameter
6.3. Monotemporale Klassifikation
6.3.1. Hameln
6.3.2. Las Vegas
6.3.3. Vaihingen
6.3.4. Herne und Husum
6.3.5. Diskussion
6.4. Multitemporale Klassifikation
6.4.1. Hameln
6.4.2. Las Vegas
6.4.3. Diskussion
7. Fazit und Ausblick
7.1. Fazit
7.2. Ausblick
A. Anhang - Daten
B. Anhang - Klassifikationsergebnisse
,
Zusammenfassungen in deutscher und englischer Sprache
In:
Wissenschaftliche Arbeiten der Fachrichtung Geodäsie und Geoinformatik der Leibniz Universität Hannover, Nr. 357
Language:
German
Keywords:
Hochschulschrift
Author information:
Maas, Alina Elisabeth 1990-
Bookmarklink
