Fernerkundung ist heute von großer Bedeutung für
verschiedene Anwendungsgebiete, z.B. die
Umweltüberwachung, Stadtplanung, ökosystem-basiertes,
natürliches Ressourcen-Management, Erfassung von urbanen
Anpassungsprozessen und die Überwachung
landwirtschaftlicher Flächen. Die Mehrheit der genannten
Überwachungs- und Erfassungsanwendungen erfordert eine
"gelabelte" Karte der Fernerkundungsbilder, in der einzelne
Pixel bestimmten Klassen zugeordnet sind, z.B. Wasser,
Asphalt, Gras etc. In anderen Worten: Klassifikation ist
ein notwendiger Schritt für diverse
Fernerkundungsanwendungen. Es ist weitgehend anerkannt,
dass die Auswertung sowohl der spektralen als auch der
räumlichen Eigenschaften der Bildpunkte die
Klassifikationsrate im Vergleich zur Verwendung rein
spektralbasierter Merkmale verbessert. In dieser Hinsicht sind morphologische Profile (MP) eine
beliebte und mächtige Bildanalysetechnik, die die
Berechnung solcher spektral-räumlichen
Bildpunktbeschreibungen erlauben. Sie wurden im
vergangenen Jahrzehnt ausführlich untersucht und ihre
Effektivität mehrfach bestätigt.
Die Charakterisierung der räumlichen Information, die
durch ein MP gewonnen wurde, ist insbesondere zur
Repräsentation der Multiskalen-Variationen von
Bildstrukturen geeignet. Diese sind jedoch durch die Form
der strukturierenden Elemente beschränkt. Um diese
Beschränkung zu umgehen, wurden morphologische
Attributprofile (AP) entwickelt. Durch das direkte
Arbeiten auf verbundenen Komponenten statt auf Pixeln ist
nicht nur die Anwendung beliebiger Regionendeskriptoren
(z.B. Form, Farbe, Textur etc.) möglich, sondern es wird
auch der Weg für eine objektbasierte Bildanalyse
bereitet. Zusätzlich können APs effizient durch
hierarchische Bildrepräsentation implementiert werden,
z.B. durch Max-/Min-Bäume und Alpha-Bäume.
Die o.g. Techniken für die Analyse von hyperspektralen
Fernerkundungsbildern basieren grundlegend auf einer
Einzelverarbeitung (Marginal-Verfahren) der Bilder, d.h.
die Analyse jedes einzelnen Kanals für sich und nicht
gleichzeitig. Deshalb wird die Korrelation der Kanäle in
den konventionellen Marginal-Verfahren vernachlässigt.
Aus diesem Grund liegt der Schwerpunkt unseres Projekts
auf der Erweiterung der mathematischen Morphologie auf
das Gebiet der Analyse von Hyperspektralbildern und der
Anwendung von Operatoren, die auf dem morphologischen
Inhalt basieren, wie z.B. MP und AP, auf allen
Spektralbändern gleichzeitig, um die Korrelation der
Spektralkanäle zu berücksichtigen.