Jahrgang 2011, Heft 1

Organ der Deutschen Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF) e. V.

Hauptschriftleiter: Prof. Dr.-Ing. Helmut Mayer

Schriftleiter: Prof. Dr. rer.nat. Carsten Jürgens, Prof. Dipl.-Ing. Thomas P. Kersten, Prof. Dr. rer.nat. Lutz Plümer und Dr.-Ing. Eckhardt Seyfert

Redaktionsbeirat (EditorialBoard): Clement Atzberger,Andrew Frank, Christian Heipke, Joachim Hill, Patrick Hostert, Hans-Gerd ,WMaas olfgang Reinhardt, Franz Rottensteiner, Jochen Schiewe

E. Schweizerbart’sche Verlagsbuchhandlung (Nägele u. Obermiller) Stuttgart 2011 Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF) e.V. Gegründet 1909

Die Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF) e.V. unterstützt als Mitglieds- bzw. Trägergesellschaft die folgenden Dachverbände:

International Society Deutsche Arbeits- for Photogrammetry gemeinschaft für and Remote Sensing Mustererkennung e.V. Herausgeber: © 2011 Deutsche Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF) e.V. Präsidentin: Prof.Dr. Cornelia Gläßer, Martin-Luther-Universität Halle-Wittenberg, Institut für Geo- wissenschaften, Von-Seckendorff-Platz 4, D-06120 Halle, Tel.: +49(0)345 55-26020 Geschäftsstelle: Dr. Klaus-Ulrich Komp, c/o EFTAS Fernerkundung Technologietransfer GmbH, Oststraße 2–18, D-48145 Münster, e-mail: [email protected] Published by: E. Schweizerbart’sche Verlagsbuchhandlung (Nägele u. Obermiller), Johannesstraße 3A, D-70176 Stuttgart. Tel.: 0711 351456-0, Fax: 0711 351456-99, e-mail: [email protected] Internet: http://www.schweizerbart.de !∞ Gedruckt auf alterungsbeständigem Papier nach ISO 9706-1994 All rights reserved including translation into foreign languages. This journal or parts thereof may not be reproduced in any form without permission from the publishers. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in dieser Zeitschrift berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Verantwortlich für den Inhalt der Beiträge sind die Autoren. ISSN 1432-8364 Science Citation Index Expanded (also known as SciSearch®) Journal Citation Reports/Science Edition Hauptschriftleiter: Prof. Dr.-Ing. Helmut Mayer, Institut für Angewandte Informatik, Universität der Bundeswehr München, D-85577 Neubiberg, e-mail: [email protected] Schriftleiter: Prof. Dr. rer.nat. Carsten Jürgens, Ruhr-Universität Bochum, Geographisches Institut, Gebäude NA 7/133, D-44780 Bochum, e-mail: [email protected], Prof. Dipl.-Ing. Thomas P. Kersten, HafenCity Universität Hamburg, Department Geomatik, Hebebrandstr.1, D-22297 Ham- burg, e-mail: [email protected], Prof. Dr. rer.nat. Lutz Plümer, Universität Bonn, Institut für Geodäsie und Geoinformation, Meckenheimer Allee 172, D-53115 Bonn, e-mail: [email protected] und Dr.-Ing. Eckhardt Seyfert, Landesvermessung und Geobasis- information Brandenburg, Heinrich-Mann-Allee 107, D-14473 Potsdam, e-mail: eckhardt.seyfert@geo basis-bb.de Erscheinungsweise: 6 Hefte pro Jahrgang. Bezugspreis im Abonnement: €198,– pro Jahrgang. Mitglieder der DGPF erhalten die Zeitschrift kosten- los. Der Online-Zugang ist im regulären Subskriptionspreis enthalten. Anzeigenverwaltung: E. Schweizerbart’sche Verlagsbuchhandlung (Nägele u. Obermiller), Johannes- straße3A, D-70176Stuttgart, Tel.: 0711 351456-0; Fax: 0711 351456-99. e-mail: [email protected], Internet: http://www.schweizerbart.de Bernhard Harzer Verlag GmbH, Westmarkstraße 59/59a, D-76227 Karlsruhe, Tel.: 0721 944020, Fax: 0721 9440230, e-mail: [email protected], Internet: www.harzer.de Printed in Germany by Tutte Druckerei GmbH, D-94121 Salzweg bei Passau PFG – Jahrgang 2011, Heft 1 Inhaltsverzeichnis Originalbeiträge

Luhmann, T.,Ohm, J.,PiecheL, J. &ROeLfs, T.: Geometrische Kalibrierung von Thermografiekameras...... 5 Xie, h., heiPke, c.,LOhmann, P., sOeRgeL, u.,TOng, X. & shi, W.: A New Binary Encoding Algorithm for the Simultaneous Region-based Classification of Hyperspectral Data and Digital Surface Models ...... 17

Berichte und Mitteilungen Berichte von Veranstaltungen ISPRS Commission III Symposium »Photogrammetric Computer Vision« vom 1.– 3. September in Paris, Frankreich ...... 35 10th International Scientific and Technical Conference “From imagery to map: Digital photogrammetric technologies” vom 20.–23. September 2010 in Gaeta, Italien ..... 36 47.Tagung der Arbeitsgruppe Automation in Kartographie, Photogrammetrie und GIS (AgA) vom 27.– 28.September 2010 in Dresden ...... 39 Enviroinfo2010 – Umweltinformatiktagung in Kooperation mit der INTERGEO vom 6.–8. Oktober 2010 in Köln und Bonn ...... 41 Workshop der ISPRS WG I/4 vom 11.– 13.Oktober 2010 in Istanbul, Türkei ...... 42 Persönliches Dr.-Ing. WOLfgang BRindöPke † ...... 44 Ehrenpräsident Prof. Dr.-Ing. JöRg aLBeRTz † ...... 45 Veranstaltungskalender ...... 47 Neuerscheinungen ...... 48 Zum Titelbild ...... 49 Korporative Mitglieder ...... 50

Zusammenfassungen der „Originalbeiträge“ und der Beiträge „Aus Wissenschaft und Technik“ (deutsch und englisch) sind auch verfügbar unter www.dgpf.de/neu/pfg/ausgaben.htm PFG 2011 / 1, 0005–0015 Article Stuttgart, February 2011

Geometrische Kalibrierung von Thermografiekameras

Thomas Luhmann,JuLia ohm,Johannes PiecheL &ThorsTen roeLfs, Oldenburg

Keywords: Thermalkamera, geometrische Kalibrierung, Genauigkeit, Testfeld, Bündelausgleichung

Summary: Geometric Calibration of Thermal Zusammenfassung: Dieser Beitrag befasst sich Cameras. This paper discusses strategies, tools and mit Strategien, Werkzeugen und Methoden zur methods for the geometric calibration of close- geometrischen Kalibrierung von Thermografieka- range thermal cameras as they are widely used for meras, wie sie für Bauwerksüberwachung und Ma- building monitoring and material testing. Two dif- terialprüfung eingesetzt werden. Hierfür wurden ferent testfields have been developed and tested zwei verschiedene Testfelder entwickelt und er- whereby each of them provides target points in the probt, mit denen Punktziele im thermalen Spektral- thermal spectrum. Four different cameras with bereich der Kameras bereitgestellt werden können. solid-state imaging sensors have been calibrated. Vier verschiedene Kameras mit Festkörper-Senso- In general, all lenses show relatively large distor- ren wurden kalibriert. Die Kalibrierergebnisse un- tions due to decentering of lenses and non-orthogo- terscheiden sich deutlich von Kamera zu Kamera. nality of the image coordinate system. Using a 2D Alle Objektive weisen relativ große Verzeichnun- testfield with burning lamps an accuracy of 0.3 pix- gen auf, hervorgerufen durch Dezentrierung der els can be achieved while a 3D testfield with reflec- Linsen und durch Abweichungen von der Orthogo- tive circular targets provides residuals in the order nalität der Bildkoordinatenachsen. Die durch- of 0.05 pixels. This leads to geometrically improved schnittlichen Genauigkeiten liegen bei 0,3 Pixel für thermal images that can be used to achieve higher ein mit Lämpchen versehenes, ebenes Testfeld, quality for various applications, such as mosaick- während ein reflektierendes 3D-Testfeld mit kreis- ing, 3D-texturing or pan sharpening. förmigen Zielmarken zu Restfehlern von 0,05 Pixel führt. Ziel sind geometrisch verbesserte Thermal- bilder für verschiedene Anwendungen, wie Mosa- ikbildungen, 3D-Texturierungen und Pan Sharpe- ning, um deren Qualität signifikant zu steigern.

1Kameratechnologie nachlässigt – mit Ausnahme einiger Beiträge, 1.1 Physikalischer Hintergrund die sich mit dieser Problematik befassen (Buyuksalih & Petrie 1999, luhmann et al. Thermografiekameras sind in den Bereichen 2010). Allerdings werden mit steigender Auf- Materialprüfung, Qualitätssicherung und In- lösung von Thermografiekameras die geome- spektion von Gebäuden weit verbreitet. In all trischen Eigenschaften der Bilder zunehmend diesen Fällen ist die radiometrische Informati- an Bedeutung gewinnen. on über Temperaturverteilung von größtem Zur präzisen geometrischen Modellierung Interesse. Geometrische Anwendungen sind eines Bildsensors ist es unerlässlich, die Wir- dagegen eher selten, die Entwickler und An- kungsweise der Bildentstehung nicht nur in bieter von Kameras zeigen daher noch wenig geometrischer Hinsicht, sondern auch in ihrer Interesse an photogrammetrischen Techniken. radiometrischen Weise zu verstehen. Im Fol- Dementsprechend wird auch die geometrische genden werden daher die grundlegenden phy- Kalibrierung dieser Systeme in der Regel ver- sikalischen Gesetzmäßigkeiten kurz erläutert.

© 2011 E. Schweizerbart'sche Verlagsbuchhandlung, Stuttgart, Germanywww.schweizerbart.de DOI: 10.1127/1432-8364/2011/00711432-8364/11/0071 $ 2.75 6 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Die spezifische spektrale Emission Mλ eines weils der Fläche unter der Kurve. Am Beispiel Objekts ist definiert durch das Planck'sche der Sonne mit einer Temperatur von 5800 K Strahlungsgesetz als Funktion der absoluten wird deutlich, dass das Maximum der Strah- Temperatur und der Wellenlänge (Wolfe & lungsleistung bei ca. 580nm liegt, also im gel- Zissis 1985, schuster & koloBroDov 2004): ben Bereich des sichtbaren Spektrums. Ein Körper mit Raumtemperatur (20 °C) strahlt   c W = 1 1 dagegen mit einem Maximum um ca. 10 µm M λ   (1) cm2 ⋅ µm  λ 5  c  und deutlich geringerer Leistung. exp 2  −1  λ ⋅T  Das Maximum der Strahlungsleistung ver- mit schiebt sich nach dem Wien'schen Verschie- c1:1. Strahlungskonstante bungsgesetz mit zunehmender Temperatur zu = 3,7418∙104 W ∙ cm–2 ∙µm4 kürzeren Wellenlängen (Gerade in Abb. 1): c2:2. Strahlungskonstante = 1,4388 ∙ 104 K∙µm 2897, 8 λ = (2) T:absolute Temperatur [K] max T λ: Wellenlänge [µm] In Gleichung (2) wird der Wert 2897,8 als Gleichung (1) besagt, dass die Strahlungs- Wien‘sche Verschiebungskonstante bezeich- leistung bei einer bestimmten Wellenlänge net. Es besteht also ein reziproker Zusammen- ausschließlich von der Temperatur der Strah- hang zwischen Temperatur und Wellenlänge lungsquelle abhängig ist. Abb. 1 stellt diesen (Dereniak & Boreman 1996). Folglich benöti- Zusammenhang für verschiedene typische gen Thermografiekameras Bildsensoren, die Oberflächentemperaturen dar. Sie macht deut- empfindlich sind für Wellenlängen zwischen lich, dass nur Objekte mit einer Temperatur 2,5 und 15 µm. Abhängig von der Detektor- von mehr als etwa 1000 K elektromagnetische technologie (siehe Abschnitt 1.2) können Strahlung emittieren, die sichtbar für das durch übliche Thermografiekameras Tempe- menschliche Auge und konventionelle Kame- raturen zwischen –30 und +400 °C erfasst ras ist. Die Energiemenge entspricht dabei je- werden.

10000 UV IR 5800 K

1000

µm] 100 3000 K m²

2000 K [W/c 10 on ssi mi 1 eE 1000 K ch is if 0.1 pez es

al 500 K tr 0.01 ek Sp

293 K 0.001 =20°C

200 K 0.0001 0.1110 100 Wellenlänge [µm]

Abb. 1: Spektrale spezifische Strahlung bei verschiedenen Körpertemperaturen. Thomas Luhmann et al., Geometrische Kalibrierung von Thermografiekameras 7

1.2 Detektoren Im Prinzip können Thermografiekameras, die auf Festkörper-Sensoren basieren, wie Die geometrische Auflösung von Bildaufnah- photogrammetrische Standard-Kameras be- megeräten wird durch Beugung begrenzt. Der handelt werden. Wegen der größeren Wellen- Durchmesser des Beugungsscheibchens längen sind die Linsen von Thermografieka- (Airy-Scheibchens) d hängt ab von der Blende meras aus Germanium oder anderen einkri- (Blendenzahl k) und der Wellenlänge: stallinen Halbleitermaterialien gefertigt, was sie sehr teuer macht. Diese Objektive sind be- dk=⋅⋅244, λ (3) züglich der radiometrischen Auflösung opti- miert, die geometrische Genauigkeit oder mi- Als Beispiel ist die geometrische Auflösung nimale Verzerrungen sind bisher von geringe- bei einer Wellenlänge von λ = 10 µm und einer rem Interesse. Blendenzahl von k = 2 auf etwa 48 µm begrenzt. Gleichung (3) macht deutlich, dass die Pixelgröße von thermischen Sensoren viel 2Testfelder zur Kalibrierung größer sein kann als für Standard-RGB-Ka- meras. In der Tat arbeiten die meisten Ther- 2.1 Ebenes Testfeld mit Lampen malkameras mit Pixelgrößen zwischen 30 und 50 µm. Von der FH Dessau wurde ein ebenes Testfeld Sensoren für Wärmebildkameras sind ent- bereitgestellt, das aus 57 kleinen Lampen mit weder Quantendetektoren oder thermische regelbarer Stromversorgung besteht, die sich Detektoren (noltinG 2007). Quantendetekto- beim Einschalten aufwärmen. Die Dimension ren basieren auf dem inneren photoelektri- der Grundplatte aus Holz beträgt etwa schen Effekt, bei dem Elektronen zwischen 1000 mm × 1000 mm (Abb.2a). Die Positionen zwei Schichten eines Halbleiters freigesetzt der Lämpchen wurden mit einem Theodolit- werden. Quantendetektoren sind sehr emp- messsystem mit einer Genauigkeit von etwa findlich (± 0,01 K) und schnell, benötigen aber 0,2mm kalibriert. eine externe Kühlung (Peltier-Elemente oder Die Qualität der aktiven Ziele erwies sich Stirling – fouaD & richter 2008). jedoch als nicht zufriedenstellend (Abb.2b). Thermische Detektoren nutzen den Effekt, Es ist offensichtlich, dass es sich nicht um dass eine Temperaturänderung des Detektor- Kreise (Ellipsen) handelt, und zentrale Punkte Elementes zu einer Veränderung der elektri- maximaler Temperatur sind nur schwer aus- schen Eigenschaften führt, z. B. des Wider- zumachen. Daher können die Mitten der Lam- standes oder der Ladung (hierl 2008). Diese pen nicht mit einer Präzision gemessen wer- Veränderungen können gemessen und in In- den, wie sie bei photogrammetrischen Ziel- tensitätswerte gewandelt werden. Thermische marken üblich ist. Darüber hinaus ist die Kali- Detektoren sind in verschiedenen Ausführun- brierung einer Kamera mit ebenem Testfeld gen erhältlich, wie pyroelektrische Detektoren im Vergleich zu einem 3D-Testfeld weniger oder Bolometer. Sie sind weniger empfindlich aussagekräftig und zeigt höhere Korrelationen (± 0,1K) und langsamer als Quantendetekto- zwischen den Parametern der inneren und äu- ren, benötigen aber keine Kühlelemente. Sie ßeren Orientierung (GoDDinG 1993, luhmann sind daher preiswerter und werden meist für 2010). Anwendungen wie die Inspektion von Gebäu- den eingesetzt. Die modernsten thermischen Flächensen- 2.2 Räumliches Testfeld mit soren haben derzeit 320×240 Pixel bis zu codierten Zielmarken 640×480 Pixel. Die Sensorgrößen liegen dann bei etwa 20–30 mm in jeder Richtung. Die Grundidee eines neu zu entwickelnden Neueste Kameraentwicklungen erreichen 3D-Testfeldes war, Zielmarken zu schaffen, durch die Micro-Scanning-Technik (luhmann die räumlich verteilt sind, scharf abgebildete 2003, S. 187) Pixelzahlen von bis zu Punktmuster erzeugen und genügend Bild- 1280 × 960. kontrast im thermalen Spektrum bieten. Dar- 8 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

a) Testfeld b) Abbildungsqualitäte der Zielpunkte

Abb. 2: Ebenes Testfeld mit aktiven Lampen.

über hinaus sollte das neue Prüffeld mobil und ergibt. Im Bild entsteht dadurch ein starker preiswert sein, einfach zu kalibrieren und Kontrast, die Zielmarken erscheinen hell, die ohne künstliche Erwärmung der Zielmarken Umgebung dagegen dunkel (Abb.4). funktionieren. Basierend auf diesem neuen Zielmarken- Verschiedene Experimente wurden durchge- Design wurde ein mobiles Testfeld angefer- führt, um eine geeignete Kombination von tigt. Es besteht aus 17 codierten und 35 unco- Material und Beleuchtung zu finden. Schließ- dierten Marken und zusätzlichen, demontier- lich wurde der Effekt der kalten Himmels- baren Höhenpunkten (Abb.5), ergänzt durch strahlung genutzt, die zu einer hinreichenden temperaturstabile Maßstäbe aus CFK (grau) Reflexion auf einer polierten Aluminiumplat- mit gleichartigen Zielmarken. te führt. Damit konnte ein Testfeld-Design Wegen des beweglichen Aufbaus und der geschaffen werden, das die genannten Spezifi- Wärmeausdehnung des Metalls muss das kationen erfüllt. Testfeld unmittelbar vor und/oder nach jedem Abb. 3 zeigt das zugrunde liegende Prinzip. Einsatz konventionell photogrammetrisch Es geht davon aus, dass die Metallplatte des kalibriert werden. Mit hochgenau kalibrier- Testfeldes die kalte Temperatur des Himmels ten Maßstäben (gelb), einer hochauflösenden reflektiert. Die Zielmarken dagegen bestehen Kamera und Bündelausgleichung werden aus selbstklebender Folie und emittieren nur präzise Koordinaten der Passpunkte abgelei- Strahlung, die sich aus der Eigentemperatur tet. Bei einer Größe des Testfeldes von etwa

Abb. 3: Strahlung des kalten Himmels, absorbiert durch die Zielmarke. Thomas Luhmann et al., Geometrische Kalibrierung von Thermografiekameras 9

1000 mm × 700mm × 200mm liegt die Ge- nauigkeit dieser Punkte bei etwa ±8μm im Objektraum (1 Sigma). Das neue Testfeld ist fast ohne Einschrän- kungen – bei allen Außentemperaturen, bei bewölktem Himmel wie auch bei Sonnen- schein – einsetzbar, weil die oberen Luft- schichten (und auch die Wolken) immer kälter sind als Objekte am Boden. Weiterhin sollte freie Sicht nach oben herrschen, damit sich keine Häuser,Bäume usw. auf der Metallplat- Abb. 4: Zielmarken im Thermalbild. te spiegeln.

3Ergebnisse der Kalibrierung

3.1 Kameras

Vier Thermografiekameras stehen derzeit an der Jade-Hochschule zur Verfügung, die in den Test einbezogen wurden (Abb.6). Sie äh- neln sich mehr oder weniger in ihren technischen Daten (Anzahl und Größe der Pixel), unterscheiden sich aber – vor allem wegen der Qualität der Objektive und der Detektorele- Abb. 5: 3D-Testfeld mit codierten Marken. mente – nicht unerheblich im Preis. Tab. 1 gibt

FLIR Infra Cam FLIR B200 Testo 880-3 InfraTec VarioCam

Abb. 6: Untersuchte Thermografiekameras.

Tab. 1: Technische Daten der untersuchten Kameras.

FLIR InfraCam FLIR B200 Testo 880-3InfraTec VarioCam Pixelanzahl 240 × 240320 × 240320 × 240384 × 288 Pixelgröße 0,025mm0,04mm0,035 mm 0,035mm Brennweite 10 mm 30 mm 10 mm 11 mm Thermale ± 0,2°C±0,08°C < 0,3 °C0,08 – 0,05 °C Auflösung Preis [€]ca. 4000 ca. 9000 ca. 6500 ca. 19000 10 Photogrammetrie • Fernerkundung • Geoinformation 1/2011 einen Überblick zu den technischen Daten der chung in Form einer Gesamtspurminimierung verwendeten Kameras. berechnet. Die Ergebnisse der Kalibrierung mit dem räumlichen Testfeld und mit einem Parametersatz, wie er für photogrammetrische 3.2 Kalibrierung und Resultate Messkameras Anwendung findet (luhmann 2003, S. 120ff.), sind in der Tab. 2 aufgelistet. Jede Kamera wurde in den üblichen Aufnah- Das ebene Testfeld führt zu ähnlichen Ergeb- meanordnungen mit etwa 20 konvergenten nissen hinsichtlich der geschätzten Parameter Bildern kalibriert (luhmann 2003, GoDDinG – bei verminderter Genauigkeit der Bildmes- 1993, luhmann 2010). Beide in Abschnitt 2 sung und der Parameter, die deswegen hier beschriebenen Testfelder wurden verwendet nicht weiter betrachtet werden. (Abb.7). Das ebene Testfeld mit den aktiven Die Kameras FLIR InfraCAM, FLIR Lampen kann in einem Labor aufgenommen B200 und Testo 880-3 zeigen relativ schlech- werden, während das reflektierende 3D-Test- te Ergebnisse in Form von Bildmessgenau- feld im Freien verwendet werden muss, dabei igkeiten (zwischen ±2,6 und ±3,8 µm) im jedoch keine Stromversorgung benötigt. Vergleich zur InfraTec VarioCam (± 0,6µm) Bildmessung und Ausgleichung wurden mit und entsprechend höhere Standardabwei- dem Programm AICON 3D Studio (Messung chungen von Kamerakonstante und Bild- codierter Marken, Ausgleichung mit Simul- hauptpunkt. tankalibrierung) und der am IAPG entwickel- Von den herstellerseitig angegebenen ten Software StereoMess (manuelle und auto- Brennweiten unterscheiden sich die Kamer- matische Messungen per Template Matching akonstanten nicht unerheblich. Dies kann und mit Ellipsenoperator) durchgeführt. Die nicht nur daran liegen, dass die Kameras auf Bündeltriangulation wurde als freie Ausglei- den Nahbereich fokussiert waren, sondern

Abb. 7: Thermalbilder des ebenen (links) und des räumlichen Testfeldes (rechts).

Tab. 2: Kalibrierte Kameraparameter.

ParameterFLIR InfraCam FLIR B200 Testo 880-3InfraTec VarioCam c [mm] -13,8971 ± 0,0104-36,9443 ± 0,0223 -19,9373 ± 0,0297 -11,8188 ± 0,0014 x‘0 [mm] -0,2940 ± 0,0188 1,4445 ± 0,0574 -0,1571 ± 0,0524 0,0201 ± 0,0013 y‘0 [mm] -0,3430 ± 0,0197 -1,8332 ± 0,0420 0,2110 ± 0,0376 0,1400 ± 0,0012 A1 -2,80∙10-3 ± 1,33∙10-4-2,69∙10-4 ± 1,94∙10-5-7,25∙10-4 ± 1,20∙10-4-2,41∙10-3 ± 4,93∙10-6 A2 6,86∙10-7 ± 2,03∙10-5-7,47∙10-7 ± 6,94∙10-7-9,59∙10-6 ± 7,19∙10-6 8,76∙10-6 ± 1,83∙10-7 A3 7,76∙10-7 ± 9,52∙10-72,79∙10-9 ± 7,40∙10-91,86∙10-7 ± 1,28∙10-7-2,67∙10-8 ± 2,05∙10-9 B1 1,91∙10-5 ± 2,10∙10-5-2,78∙10-4 ± 5,21∙10-6 5,12∙10-5 ± 1,22∙10-55,23∙10-5 ± 1,11∙10-6 B2 -2,69∙10-5 ± 2,25∙10-5 -1,72∙10-5 ± 6,18∙10-6 -3,51∙10-5 ± 1,72∙10-5-1,29∙10-5 ± 1,14∙10-6 C1 6,84∙10-4 ± 1,99∙10-4 -6,11∙10-4 ± 2,60∙10-47,50∙10-4 ± 3,16∙10-4-7,79∙10-5 ± 2,47∙10-5 C2 -2,22∙10-4 ± 2,21∙10-4 -8,66∙10-4 ± 2,61∙10-48,18∙10-4 ± 2,96∙10-4 1,85∙10-4 ± 1,91∙10-5 Thomas Luhmann et al., Geometrische Kalibrierung von Thermografiekameras 11

FLIR Testo 880-3 InfraCam

FLIR B200 InfraTec VarioCam

Abb. 8: Verzeichnungskurven. es ist naheliegend, dass die publizierten Standardabweichungen in der Größenord- Brennweiten und/oder die Pixelgrößen nicht nung der Parameter selbst liegen.Während der Realität entsprechen. Bemerkenswert ist es in dieser Arbeit zunächst darum ging, die weiterhin, dass bei der FLIR B200 die geometrischen Eigenschaften der Kameras Hauptpunktverschiebung mehr als 1,4mm näher zu untersuchen, sollte sich für An- bzw. 1,8mmbeträgt, was mehr als 35 Pixel wendungen in der Praxis die endgültige bzw. 45 Pixel entspricht – bei Pixelanzahlen Ausgleichung auf die relevanten Parameter von 320 × 240. beschränken. Alle Kameras zeigen relativ große radiale Die Kamera InfraTec VarioCam liefert die Verzeichnungswerte (Abb.8). Der radial- besten Ergebnisse in Bezug auf die Genauig- symmetrische Anteil A1 ist vergleichsweise keit der geschätzten Parameter. Die Präzision hoch und wird signifikant bestimmt, wäh- der Bildpunktmessung liegt in der Größen- rend die restlichen Parameter mehr oder we- ordnung von 1µmoder 1/30 Pixel. Bei dieser niger schlecht bestimmbar sind, da ihre Kamera ist der Hauptpunkt nur geringfügig

Tab. 3: RMS-Werte der Objektkoordinaten.

Kamera XYZ FLIR InfraCam0,110 mm 0,118mm0,143 mm FLIR B200 0,148mm0,185 mm 0,145mm Testo 880-30,137 mm 0,160mm0,236 mm Infratec VarioCam 0,038mm0,029 mm 0,062mm 12 Photogrammetrie • Fernerkundung • Geoinformation 1/2011 von der Bildmitte verschoben, und die Kame- Orthophotos, als Karten oder Mosaike oder rakonstante liegt nahe bei der vom Hersteller als präzise Texturen für 3D-Stadtmodelle oder angegebenen Brennweite. Gebäudemodelle verwendet werden. Die resultierende Genauigkeit im Objekt- Es muss darauf hingewiesen werden, dass raum wird abgeschätzt durch die RMS-Werte modifizierte Thermografie-Aufnahmen oft der ausgeglichenen Objektkoordinaten. Tab. 3 nicht durch die Software-Pakete verarbeitet fasst die Ergebnisse zusammen. Entsprechend werden können, die mit einem bestimmten der oben diskutierten Güte der Kalibrierung Kamerasystem mitgeliefert werden. Beispiels- ergeben sich bei den drei Kameras FLIR In- weise erlaubt die FLIR-Software eine Nachbe- fraCAM, FLIR B200 und Testo 880-3 RMS- arbeitung, z. B. von Temperaturskalen oder Werte (1 Sigma) von ca. 0,11 bis 0,24 mm. Farbtabellen, ausschließlich von originalen Dies entspricht einer relativen Genauigkeit FLIR-Bildern. von etwa 1:6000 in Bezug auf die größte Ob- jektausdehnung. Bei der InfraTec VarioCam liegen die RMS-Werte bei 0,03 bis 0,06 mm, 4.2 3D-Verarbeitung das entspricht etwa 1:20000. Dreidimensionale Anwendungen sind ebenfalls möglich, so dass Thermografie-Aufnah- 4Anwendungen men grundsätzlich in der gleichen Weise verwendet werden können wie herkömmliche Wenn Thermografiekameras in Bezugauf das photogrammetrische Bilder. Voraussetzung geometrische Bildmodell kalibriert sind, kön- ist, dass ein entsprechender thermaler Bild- nen sie für eine Vielzahl von praktischen An- verband aufgenommen wird und in diesem wendungenverwendet werden(kaPlan 2007). homologe Punkte bestimmbar sind. So ließen sich z. B. prinzipiell 3D-Gebäudemodelle aus Thermalaufnahmen ableiten, wenn keine an- 4.1 Zweidimensionale Anwendungen deren Bild- oder Messdaten zur Verfügung stehen. Für zweidimensionale Anwendungen können Abb. 11 zeigt ein Beispiel von vier überlap- Thermalbilder in verzeichnungsfreie Bilder penden Thermalbildern, die innerhalb weni- umgerechnet werden. Als ein Beispiel zeigt ger Minuten aufgenommen wurden, ohne die Abb. 9 das Originalbild, aufgenommen mit Kameraeinstellungen zu ändern. Es ist offen- der InfraTec VarioCam. Die radiale tonnen- sichtlich, dass die thermische Emission der förmige Verzeichnung ist deutlich sichtbar. Hauswand sich nicht wie ein diffuser Lam- Abb. 10 zeigt das gleiche Bild nach Korrektur bert-Strahler verhält. Identische Objektberei- der Verzeichnung. Geometrisch korrigierte che sind in verschiedenen Farben (Temperatu- thermografische Bilder können als thermale ren) dargestellt.

Abb. 9: Originales Thermalbild. Abb. 10: Verzeichnungsfreies Thermalbild. Thomas Luhmann et al., Geometrische Kalibrierung von Thermografiekameras 13

Abb. 11: Mehrbild-Thermografie.

Zukünftige Untersuchungen am IAPG werden trisch identisch sein. Abb. 12 zeigt den prinzi- sich u.a. auf die 3D-Modellierung mit Hilfe piellen Datenfluss beim thermalen Pan Shar- von Thermalbildern unter Berücksichtigung pening, wie es in dem unten dargestellten Bei- radiometrischer Objektmodelle konzentrie- spiel angewandt wurde. ren. Beispielhaft zeigt Abb. 13 ein originales Thermalbild einer Gebäudefassade. In Abb. 14 ist das Ergebnis des Pan Sharpening mit Hilfe 4.3 Pan Sharpening eines hochaufgelösten digitalen Bildes einer Nikon D2x-Kamera. Im Gegensatz zu den Wenn zusätzlich zum (niedrig aufgelösten) Standardmethoden der Fernerkundung (z.B. Thermalbild ein panchromatisches oder RGB- toet et al. 1989, ehlers et al. 2009) erfordert Bild mit hoher Auflösung verfügbar ist, so in der Nahbereichsphotogrammetrie die An- können beide per Pan Sharpening kombiniert wendung des Pan Sharpening auf nicht ebene werden. Dazu müssen beide Bilder geome- Objekte entweder identische Perspektiven für

Abb. 12: Datenfluss beim Pan Sharpening von Thermalbildern. 14 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Abb. 13: Original-Thermalbild. Abb. 14: Pan-geschärftes Thermalbild. beide Bilder oder aber 3D-Objektmodelle und tet eine Genauigkeit, die vergleichbar mit die vollständigen Orientierungsparameter für RGB-Kameras ist. jedes Bild. Das obige Beispiel zeigt noch ver- Einige beispielhafte Anwendungen werden bleibende geometrische Fehler beim hinteren angesprochen, die von zweidimensionaler Teil des Daches, da hier nur ein zweidimen- Bildverarbeitung (Entzerrung, Mosaikbil- sionaler Korrekturansatz verwendet wurde. dung) und Ansätzen zum Pan Sharpening bis Es sei noch darauf hingewiesen, dass die hin zu 3D-Modellierungen reichen, bei denen Farben durch diese Verarbeitung verändert thermale Bilder in der gleichen Weise wie in werden und eine Zuordnung von Temperatu- der klassischen Mehrbildphotogrammetrie ren in einem folgenden Schritt zu falschen verwendet werden können. Es müssen jedoch Werten führen kann. Andererseits ist die Me- die radiometrischen Modelle der thermischen thode des Pan Sharpening gut geeignet bei der Emission von Objekten noch detaillierter un- Präsentation von thermografischen Untersu- tersucht werden, um den Prozess der Bildent- chungsergebnissen, da sich hiermit Objektde- stehung in konvergenten Fällen besser zu ver- tails gut hervorheben lassen. stehen.

5Fazit Literatur In diesem Beitrag haben wir das Potential einiger Thermografiekameras hinsichtlich ihrer Buyuksalih,G.& Petrie,G., 1999: Geometric & geometrischen Eigenschaften untersucht. Radiometric Calibration of Frame-Type Infrared Standardverfahren der Kamerakalibrierung Imagers. – ISPRS Joint Workshop Sensors and Mapping from Space 1999, Hannover. können auch auf Thermalbilder im Nahbe- Dereniak, e.l.& Boreman, G.D., 1996: Infrared reich angewendet werden, wenn es sich um Detectors and Systems. – Wiley-Interscience, Kameras mit Flächensensoren handelt. Dar- 561 S. über hinaus muss das beobachtete Objekt ehlers, m., klonus, s., ÅstranD, P.J. & rosso,P., Zielpunkte besitzen, die im thermalen Spek- 2009: Multi-sensor image fusion for pansharp- tralbereich sichtbar sind. Zu diesem Zweck ening in remote sensing. – International Journal wurde ein neues Testfeld konzipiert, das die of Image and Data Fusion 1 (1): 25–45. kalte Thermalstrahlung des Himmels verwen- fouaD, n.a.& richter, t., 2008: Leitfaden Ther- det, um einen ausreichenden Bildkontrast zu mografie im Bauwesen. – Fraunhofer IRB Ver- lag, Stuttgart, 127 S. schaffen. GoDDinG, r., 1993: Ein photogrammetrisches Ver- Die Ergebnisse der Kamerakalibrierung fahren zur Überprüfung und Kalibrierung digi- zeigen, dass gängige Thermografiekameras taler Bildaufnahmesysteme. – Zeitschrift für hohe Verzeichnungswerte und große Haupt- Photogrammetrie und Fernerkundung 2: 82–90. punktverschiebungen haben. Nur eine der un- hierl, t., 2008: Hochauflösende Infrarot-Detektor- tersuchten Kameras (InfraTec VarioCam) bie- matrizen. – In: Handbuch zur Industriellen Bild- Thomas Luhmann et al., Geometrische Kalibrierung von Thermografiekameras 15

verarbeitung. Fraunhofer IRB Verlag, Stuttgart, toet, a., van ruyven, J.J. & valeton, J.m., 1989: 41–46. Merging thermal and visual images by a contrast kaPlan, h., 2007: Practical applications of infrared pyramid. – Optical Engineering 28 (7): 789– thermal sensing and image equipment. – SPIE 792. Publications, 192 S. Wolfe, W.l. & Zissis, G.J., 1985: The Infrared luhmann, t., 2003: Nahbereichsphotogrammetrie. Handbook. – Environmental Research Institute – Wichmann Verlag, Heidelberg, 570 S. of Michigan, 1700 S. luhmann, t., ohm, J.,Piechel,J.& roelfs, t., 2010: Geometric Calibration of Thermographic Cameras. – International Archives of Photo- Adresse der Autoren: grammetry, Remote Sensing and Spatial Infor- mation Sciences 38 (5): 411–416 Prof. Dr.-Ing. habil. thomas luhmann, Dipl.-Ing. luhmann, t., 2010: Erweiterte Verfahren zur ge- Julia ohm, Dr.-Ing. Johannes Piechel und thor- ometrischen Kamerakalibrierung in der sten roelfs (M.Sc.), Jade Hochschule Oldenburg, Nahbereichsphotogrammetrie. – Habilitationss- Institut für Angewandte Photogrammetrie und chrift, Deutsche Geodätische Kommission C Geoinformatik, D-26121 Oldenburg, Tel.: +49-441- (645). 7708-3164, Fax: -3170, e-mail: vorname.name@ noltinG, J., 2007: Detektoren für optische Strahl- jade-hs.de. ung. – DOZ Optometrie 4-2007: 50–56. schuster, n.& koloBroDov, v.G., 2004: Infrarot- thermographie. – Wiley-VCH Verlag, Weinheim, Manuskript eingereicht: September 2010 354 S. Angenommen: November 2010 PFG 2011 / 1, 0017 – 0033 Article Stuttgart, February 2011

A New Binary Encoding Algorithm for the Simultaneous Region-based Classification of Hyperspectral Data and Digital Surface Models

Huan Xie, Shanghai, China;CHristian Heipke, peter LoHmann, uwe soergeL, Hannover;XiaoHua tong, Shanghai, China & wenzHong sHi, Hong Kong, China

Keywords: Hyperspectral images, DSM, binary encoding, region-based classification, integration

Summary: In this paper, an approach is proposed Zusammenfassung: Ein neuer Binärcodierungs- to integrate hyperspectral image data, object and algorithmus zur gemeinsamen regionenbasierten height information into a new region-based binary Klassifikation von Hyperspektraldaten und Digita- encoding algorithm for automatically deriving land len Oberflächenmodellen. In diesem Artikel schla- cover information. After georeferencing the differ- gen wir einen neuen Ansatz zur automatischen ent data sets and deriving a normalized digital sur- Klassifikation der Landbedeckung durch Integrati- face model (nDSM), connected regions are extract- on hyperspektraler Bilddaten mit Höheninformati- ed from the hyperspectral data by applying an on vor. Der Ansatz setzt auf einer Segmentierung edge-based segmentation algorithm. The mean der Bilder auf und beruht auf der Binärkodierung. spectrum per region is considered representative Nach der Georeferenzierung der verschiedenen Da- for the region. Five parameters are defined to de- tensätze und der Ableitung eines normalisierten scribe the size and shape of the region, namely area, Digitalen Oberflächenmodels (nDOM) werden die asymmetry, rectangular fit, ratio of length to width, Hyperspektraldaten mit Hilfe eines kantenbasier- and compactness. Together with the spectral infor- ten Verfahrens segmentiert. Das mittlere Spektrum mation these parameters and the corresponding wird jeweils als repräsentativ für das gesamte Seg- height values per region from the nDSM are con- ment betrachtet. Fünf Parameter beschreiben die verted into a binary code. This code is then matched Größe und Form jedes Segments: Fläche, Asym- to that of a training data set for classification. metrie, Rechteckigkeit, Verhältnis von Länge zu In order to evaluate the suggested approach we Breite und Kompaktheit. Diese Parameter werden applied it to a test area in Oberpfaffenhofen, Ger- zusammen mit der spektralen Information und der many. A manually generated classification served Höhe aus dem nDOM in einen Binärcode transfor- as reference. We also compare our result with the miert, der dann dem entsprechenden Binärcode von well known support vector machine (SVM) classi- Trainingsgebieten zugeordnet wird. Zur Evaluie- fier. Based on our test data, we could show that the rung des neuen Ansatzes wurden Tests mit einem inclusion of size, shape, and height improves the Datensatz aus Oberpfaffenhofen durchgeführt, eine classification accuracy of binary encoding. We per Hand erstellte Klassifikation diente dabei als could also show that the new method obtained more Referenz. Wir haben unsere Ergebnisse auch mit accurate and more efficient results when compared denen einer Support Vector Machine (SVM) vergli- to the SVM classification. chen. Für unser Testgebiet konnten wir zeigen, dass die Berücksichtigung von Größe, Form und Höhe die Ergebnisse im Vergleich zur standardmäßigen Binärklassifikation verbessert, dabei hat die neue Methode auch im Vergleich zu dem SVM Ansatz genauere Ergebnisse geliefert und war darüber hinaus deutlich schneller.

© 2011 E. Schweizerbart'sche Verlagsbuchhandlung, Stuttgart, Germanywww.schweizerbart.de DOI: 10.1127/1432-8364/2011/00721432-8364/11/0072 $ 4.25 18 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

1Introduction cerned with reducing computational cost and improving algorithmic efficiency and such Hyperspectral imaging, also known as imag- studies continue until today. These investiga- ing spectroscopy, is a relatively new technique tions mainly focused on the spectral informa- in remote sensing that generates hundreds of tion contained in the data and achieved great images by spectral filtering and binning of the successes in their research fields. received radiance into narrow bands (also The advent of advanced processing tech- called channels) of different center wavelength niques and high speed computers have led to for the same area on the surface of the earth the possibility of supplementing hyperspectral (CHang 2003). In principle, standard classifi- image data with information about different cation algorithms designed for multispectral kinds of objects during classification, for ex- imagery can be directly applied to hyperspec- ample, size and shape. Other data sources, tral data, because no theoretical limitations on e. g., digital surface models, provide height in- the number of bands exist, provided that formation and can also be integrated into the enough training samples are available. Other- classification. Instead of focusing exclusively wise, the Hughes phenomenon is likely to be on the spectral information, several studies encountered, see HugHes (1968). However, in began to focus on methods for the representa- practice algorithms such as Maximum-Likeli- tion of spatial information in hyperspectral hood (ML), even with improvements (bolstad data (Huang et al. 2007), the spectral-spatial & lillesand 1991, lee & landgrebe 1991), classification methods (ZHang et al. 2006, tend to perform poorly when applied to hyper- Camps-Valls et al. 2006, marConCini et al. spectral imagery. Furthermore, in case of ML 2009, Jia & riCHards 2008), and the use of the class mean vectors and the covariance ma- multisource data for hyperspectral classifica- trices have to be estimated from the training tion (Hepner et al. 1998, gamba & HousHmand data assuming a Gaussian distribution. There- 2000, greiwe & eHlers 2005, FeingersH et al. fore, a number of alternative classification 2010). These studies show that additional in- tools have been developed tailored to the formation (e.g., spatial characteristics) can be processing of hyperspectral imagery. Their very helpful during the application of hyper- structure is not only driven by a need for effi- spectral data, however some are computation- ciency, but also by different types of pattern ally rather expensive. recognition approaches, e. g., object-based Our research considers hyperspectral im- analysis, made possible by the high-resolution age analysis from a broader perspective than spectral data. the individual methods listed above. We focus The huge amount of information in hyper- on the simultaneous analysis of spectrum, spectral imaging has always been a great chal- size, shape and height from hyperspectral im- lenge for scientific understanding and data ages and data from digital surface models exploration. Recently research focused on the (DSM). The current paper integrates a region- retrieval of land surface variables (VerHoeF & based classification approach with a tradition- baCH 2007, darVisHZadeH et al. 2008, martin al hyperspectral processing method (binary et al. 2008), image classification and feature spectral encoding) to enhance the information extraction (baZi & melgani 2006, ball & extraction from remote sensing data. Binary bruCe 2007, Heiden et al. 2007, Hsu 2007, spectral encoding is well known as a simple, duarte-CarVaJalino et al. 2008, prasad & effective hyperspectral analysis method with bruCe 2008, raJan et al. 2008), and pre- very small computational load in classifica- processing methods for classification, e. g., tion, search of similar spectra and identifica- band selection and data reduction (martineZ tion of mineral components (maZer et al. et al. 2006, martineZ-uso et al. 2007, rogge 1988). In the proposed method the information et al. 2007, serpiCo & moser 2007, demir & present in the input data after segmentation, erturk 2008). Since the first hyperspectral i. e., spectrum, size, shape, and height per re- sensor became available in 1983 (CHiou 1984) gion, is translated into binary codes. Based on a number of studies (e.g., bruCe & li 2001, training data land cover classes of interest to nasCimento & dias 2005) were also con- the user are transformed into binary codes, Huan Xie et al., A New Binary Encoding Algorithm 19 too. Subsequently, an algorithm to evaluate for the hyperspectral images (we use HyMap the similarity between the binary codes of re- data in our work, see CoCks et al. 1998 for a gions and land cover classes is applied. The description of this sensor) and the DSM data suggested procedure can be considered a use- are performed, e. g., the geometric, radiomet- ful pre-processing method for further image ric and atmospheric correction of the HyMap analysis, as it has proven to be an efficient images and the generation of the normalized classifier in our experiments. DSM (nDSM) from the given height data by Following this introduction, we describe first generating and then subtracting a digital the employed binary encoding method in Sec- terrain model (DTM) from the DSM (note that tion 2. Especially the representation and cod- a DSM represents height including objects ing of the different kinds of features and the such as buildings and vegetation, whereas a computation of the signature distance are ex- DTM does not and a nDSM only contains plained. Practical tests obtained using a test these objects). Afterwards, image regions are area in Oberpfaffenhofen, Germany, illustrat- extracted from the HyMap image using an ing the proposed methods are presented in edge-based segmentation algorithm. Then, the Section 3, and finally some conclusions are mean spectrum per image region is computed, drawn. as it is considered as a representative spectral description of the region. Subsequently, five descriptors, defined to represent object size 2Methods and shape, are calculated for each region: Area, asymmetry, compactness, rectangular 2.1 Overview fit, and ratio of length to width. While it can be argued that size and shape descriptors may be Fig. 1 shows the overall flowchart of the sug- less suitable in the presence of segmentation gested method. Several pre-processing steps deficiencies – e. g., area may not be an appro-

HyMap Training Practical DSM image data experience

Geometric Atmospheric Radiometric Generate nDSM correction correction correction

Find targets Georeferencing

Segmentation

Target spectra,sizeand shape, andheight information Representative Size andshape Height spectra descriptors information

Binary encoding Binary coding

Binary code of region Target code

Code matching

Fig. 1: Project flow chart. 20 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

priate descriptor in case of over- or under-seg- ║u i – u j║ is the Euclidean distance between the mentation – such descriptors have been suc- mean spectra, and length(∂(Oi,Oj)) is the cessfully used in image classification in the length of the common boundary of Oi and Oj. past (meHtre et al. 1997, moHanty et al. 2005), and the descriptors selected here were carefully evaluated and have shown to be use- 2.3 Binary Encoding for Image ful for our purposes. Regions After intersecting the nDSM and the region borders, for each region the average heights Binary encoding is a standard technique in from the nDSM are grouped into three classes; classifying hyperspectral images (e.g., Jia & all the information is finally converted into a riCHards 1993). The basic idea is to reduce binary code. This code is then matched to the the large amount of data while preserving as target codes derived from training data for much information as possible. Standard bina- classification. ry encoding reduces the information of a pixel (often represented as 8 bit per channel) into one or two bits per channel only. In our re- 2.2 Segmentation search we consider regions rather than individual pixels, and our code for an image re- A segmentation algorithm is used with the ex- gion is 2L+28 bits long, where L is the number pectation that it will divide the image into se- of spectral channels of the hyperspectral im- mantically significant regions useful for fur- age. The code consists of four parts, i. e., spec- ther processing. Several segmentation ap- trum, size, shape, and height. The spectral proaches have been proposed in the literature, amplitude and slope are represented by 2L e. g., le moigne & tilton (1995), kartikeyan bits, the size and shape of the segment is coded et al. (1998), aCHaryya et al. (2003), duarte- by 25 bits, and the relative height of a segment CarVaJalino et al. (2008), and comparisons is represented by 3 bits (as will become clear were carried out to evaluate the quality of seg- below, size and shape as well as relative height mentation (trias-sanZ et al. 2008). Since seg- could have been coded with less bits, but in mentation is only considered a pre-processing this paper we are not concerned with mini- step in our research, we selected a simple mum bit encoding; we have thus chosen a edge-based segmentation and merging algo- somewhat redundant but simple coding rithm (robinson et al. 2002), which according scheme). to visual inspection performed well on our test data. After subdividing the image into a large 2.3.1 Spectrum number of small segments based on the Mum- ford-Shah functional (mumFord & sHaH According to maZer et al. (1988), spectral 1985), the algorithm iteratively merges adja- mean values (mean grey values over all avail- cent segments by combining spectral and spa- able channels) are calculated from the indi- tial information. Merging proceeds if the algo- vidual channel grey values in standard spec- rithm finds a pair of adjacent regions, i and j, tral binary encoding. A single spatial resolu- such that the merging cost ti,j is less than a pre- tion element of the image (pixel) is denoted by defined threshold λ: an L-dimensional vector, where the indices (i, j) refer to the spatial location of the pixel OO ji 2 within a given scene and X(l) describes the − uu ji grey value of channel l. Defining the scalar + OO ji quantity vij as the spectral mean of pixel (i, j), ti,j = (1) length ∂ OO ji )),(( L ν 1 ij =∑Xlij () (2) where Oi and Oj represent the two considered Ll =1 segments i and j,Oi and Oj describe the area !!!" sa of Oi and Oj, ui and uj are the vectors of pixel an L-bit binary code vector Yij can be con- mean grey values (mean spectra) of Oi and Oj, structed from Huan Xie et al., A New Binary Encoding Algorithm 21

!!!" 0!X l −ν<0 sa ij() ij  Yij ==,1lL,2,…, (3) 1!X l −ν≥0 ij() ij The constructed vector is a binary representation of spectral amplitude; however, considerable information is contained also in the local slope at each measured channel.!!Th!" erefore, ss an additional L-bit code vector Yij is constructed from

!!!" ss 0, [(Xlij +−1) Xlij (1−<)] 0 Ylij ==,1,2,,…LFig. 2: The bounding box and ellipse of an im- 1, [(Xl+−1) Xl(1−≥)] 0  ij ij age object (see also length/width ratio below). (4) The feature value increases with the asym- Here X (0) = X (L),X (L+1) = X (1), these ij ij!!!" ij !!!" ij metry of the region, and the asymmetry value sa ss two code vectors Yij and Yij are then con- for a segment ranges from zero to one. ca!!"tenated to form a single, 2L-bit code vector Compactness Yij , which is taken to be the binary code word representing the spectrum of pixel (i, j). Compactness is defined in our research as the In our region-based approach we use the av- ratio of the area Ap of a polygon representing erage grey values per region for each channel the image region to the area of a circle with the in equations (2)–(4) rather than the grey val- same perimeter. The computation of polygons ues of the individual pixels, and then proceed are obtained from the borders of each region in the way described above. and then generalized by means of the Doug- Size and Shape Parameters las-Peucker algorithm (douglas & peuCker 1973). The following formula is used to calcu- The size and shape of a segment are represent- late the compactness of the selected polygon: ed by five descriptors: Area, asymmetry, compactness, rectangular fit, and ratio of length to 4π A width; they are explained in detail below; see p Compactness = 2 (6) also benZ et al. (2004). Although these de- Perimeter scriptors are somewhat correlated as they encode similar information (e.g., asymmetry Perimeter is the sum of the lengths of all and length/width ratio) we have opted to use edges which form the polygon. The compact- all five descriptors for our study based on the ness of a polygon ranges from zero to one and experimental results. Each descriptor has been a circle has the highest compactness value. encoded using 5bits. Rectangular fit Area A first step in the calculation of the rectangu- The area of a region is measured as the number lar fit is the creation of a rectangle with the of pixels covering it. same area as the considered region. In the cre- Asymmetry ation of the rectangle the proportion of length The lengthier a region, the more asymmetric it and width of the bounding box of the region is. As we can see in Fig. 2, an ellipse is ap- (see Fig. 2) is taken into account. Then, the proximated to each region and the asymmetry area of the rectangle not covered by the image is expressed as 1 minus the ratio of the length object AO is compared with the area A covered of minor axis n and the length of major axis m by the image object. The better the fit the larg- of this ellipse: er is the value, 1 stands for a perfect fit.

n A Asymmetry =−1 (5) RectangularFit =−1 o (7) m A 22 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Length to width ratio than 5 meters. The codes are then generated in The length to width ratio is approximated us- the same way as for size and shape, e. g., “001” ing the bounding box (see Fig. 2 and Russ means that the relative height of the consid- 2006): ered region is larger than 5 meters. The codes for the features size, shape, and

22 height are concatenated in a vector of 28 bit afb+−⋅((1)) γ= (8) length, A !!" ZZ=…[(1),(ZZ2),,(28)]T (9) Parameters a and b are length and width of iiii the region’s bounding box, respectively, f is The elements Z (1) to Z (25) encode size and the degree of filling, which is the area A cov- i i shape in 5-digit codes each, Z (26) to Z (28) ered by the region divided by the total area a * i i encode height. b of the bounding box. The minimum value of the length/width is 1. 2.4 Encoding the Land Cover Encoding Size, Shape and Height Classes Encoding for the size and shape descriptors follows a similar way as for the spectra. The The target land cover classes (or targets) need values of each descriptor are grouped into five to be coded in a similar way as the input data. bins. After constructing a histogram, bounda- While in principle all necessary values could ries are set at 20 %, 40 %, 60 % and 80 % of be learnt from training data, in our research the total number of pixels (see Fig. 3 for an ex- we use a combination of empirical values de- ample of rectangular fit). In this example the rived from training data (e.g., for the spectra) peaks in the histogram are caused by different and of general knowledge about the land cover objects: The peaks around 0.1 mainly by con- classes under consideration (for size, shape, nected roads, the peaks around 0.4 represent and height). The latter capture general state- the majority of the image object, the peak ments such as ‘buildings have a height of at around 0.55 is caused by regular cropland, least 3 meters’ or ‘forests are more likely to while the peaks around 0.6 are mainly caused have lower compactness than grassland in a by buildings, and parking lots. The number city’. While these statements are assumed to and position of the bin boundaries was select- be valid for more than one test scene, adjust- ed based on prior tests. Note that instead of ments may obviously be necessary if data using fixed boundaries, thresholds could have showing different landscapes etc. are to be also been derived from the histogram minima. processed. However, such an approach would have result- As an example consider the class ‘Industrial ed in a more unstable procedure (consider buildings’: various side minima in a local neighborhood) ● The area of industrial buildings is not very and a variable length code. Therefore, we have large (compared to that of other classes); the opted to work with fixed thresholds. Finally, a buildings are likely to have different sizes; five digit code is constructed for each descrip- ● Industrial buildings have regular shapes; tor of a region: “1” is set for the bin the de- the compactness and rectangular fit are scriptor belongs to, “0” is used elsewhere. For comparatively high; example, 00100 means the descriptor lies in ● Industrial buildings are often higher than 5 bin 3 of the histogram, i. e., between 40 % and meters. 60 %. The codes for the heights are determined Translated to binary codes and considering from the average nDSM heights per image re- the existence of a considerable number of ir- gion. Heights are classified into three bins regularly shaped buildings, we assume the (again, this number was selected based on area of industrial buildings to fall into bins 1 prior tests): Height less than 1.5 meters, height or 2, compactness to be mapped into bins 3, 4, between 1.5 and 5 meters, and height larger or 5, rectangular fit to fall into bins 3, 4, or 5, Huan Xie et al., A New Binary Encoding Algorithm 23

Fig. 3: The encoding rule for rectangular fit.

Tab. 1: Codes for the land cover classes used in our research.

Bin(s) of histogram Size and shapeHeight Co Re Le Number of Ar As ng ea ct ymm Land cover class training mp an th ac gu

samples /w et tn lar id ry ess th fit

Stockyard or parking lot41–2 1 4–54–5 1–2 1 Surface sealed with concrete 6 1–21–4 2–51–5 1–3 1 Street 8 1–24–5 1–21–3 51 Runway 345115 1 Tennis ground 311–2 5 3–51–2 1 Farmhouse 811–42–5 1–51–3 1–3 Mixed trees*61–41–4 1–51–5 1–5 1 Industrial buildings141–21–5 3–53–5 1–52–3 Industrial area 9 1–3 1–51–5 1–51–5 1 Cropland 28 2–41–5 1–51–5 1–5 1 Grass312–41–5 1–51–5 1–5 1 * trees were not captured as part of the DSM, therefore, the corresponding regions are assumed to feature a low height value (see Section 3.1 for more information). 24 Photogrammetrie • Fernerkundung • Geoinformation 1/2011 and height to fall into bins 2 or 3. For the shape, and height descriptors is the bit-wise asymmetry and length/width ratio, we assume AND operation, which is computed from that all bins (bin 1 to bin 5) are possible. In a similar way codes were constructed for !!"!!" 28 DZhi(,ZZmim)6=−∑()lA()ND Zl() (11) all relevant land cover classes (see Tab. 1). Re- l=1 ferring to the land use and land cover catego- ries put forward by USGS (anderson et al. The AND operation is more like a mask op- 1976) and taking into account our test area eration. For one descriptor (5 codes for shape, (see Section 3), 11 classes were chosen: Stock- 3 codes for height), only 1 (matched) or 0 (un- yard or parking lot, Surface sealed with con- matched) can result from the calculation. As a crete, Street, Runway, Tennis ground, Farm- total of six descriptors (five size and shape de- house, Mixed trees, Industrial buildings, In- scriptors, and one height descriptor, represent- dustrial area, Cropland, and Grass. From the ed by 28 bits altogether) are used in our re- table it can be seen that while for some classes search, Dh equals zero if all descriptors are the additional size, shape, and height informa- matched, while Dh equals 6 if all descriptors tion should be of considerable value (e.g., for are unmatched. Thus, Dh measures dissimilar- streets and runways), other classes will not be ity, as does the Hamming distance. In the ac- significantly improved by integrating the ad- tual implementation of our algorithm, the h s ditional information (e.g., industrial area, separate distances Dh and Dh are computed for cropland, grassland). This fact reflects the for height and for size and shape. variable size and especially shape of these Using proper weights (see Section 3 for a classes and should not been seen as a counter- discussion on how to select them), we now argument to region-based approaches as such. combine the different dissimilarity measures into the final measure D, which represents the dissimilarity between the image object and the target: 2.5 Code Matching sa ss sh DD=+ssDw++shDwDhh (12) The dissimilarity measure we use to deter- mine spectral signature matches is the Ham- ming distance (Hamming 1950, Viterbi & 3Results omura 1979): In order to evaluate the proposed method, we !" !!" 2 L tested it using data from an area in Ober- DYsim(,imYY)(=∑ lX)( OR)()Yl (10) l=1 pfaffenhofen, Germany. The area was mapped manually by an experienced human operator which is seen to be just a 2L sum of bit-wise using the composite true color image (Bands exclusive-OR operations. Indices i and m refer 18, 8 and 1 of the HyMap image for red, green to the considered region and the target under and blue channels, the center wavelengths of consideration, respectively. In the actual im- these bands are 735nm, 570nm, and 465nm) plementation of this algorithm, the Hamming to create reference data. This result was then sa ss distances Ds an!" d Ds fo!!"r the two components compared to different versions of the new of the vectors Yi and Ym being compared (see method and also to the results of a number of equations (3) and (4)) are computed separately. established classification algorithms. This sec- This gives the user some additional flexibility tion contains the results of these tests. in choosing weights for amplitude and slope information. This distance measures the dissimilarity between the two binary vectors. If 3.1 Study Area and Data the distance equals zero, then these two vectors are identical. The study area Oberpfaffenhofen is located in Different from the spectral data, the opera- the south of Germany. The available digital tor used in the similarity evaluation of size, surface model of this region has a resolution of Huan Xie et al., A New Binary Encoding Algorithm 25

Stockyard or parking lot Surface sealed with concrete Street Runway Tennis ground Farmhouse Mixed trees Industrial buildings Industrial area Cropland Grass

Fig. 4: The aerial photo of 1994 and the manual reference interpretation of the HyMap data of 2004.

0.5 meters and was generated by manual ster- 3.2 Experimental Results eo measurements from a true color stereo pair of June 1994 at a scale of 1:13.000. While Results of the New Method buildings were captured as part of the DSM, We first tested the proposed new method in trees were not. HyMap data of this area was our test area with a number of training sam- captured at 1:00 pm, June 7, 2004 (thus, 10 ples (and optimum weights, see Tab. 1 and be- years later) at a flying altitude of 2580 m above low). In the segmentation step, a value of 88 sea level (corresponding to approximately was used for λ (see eq. (1)) based on a few 2000 m above the ground), and a flying direc- tests, resulting in an average region size about tion from south to north (3.6°). These data 200 pixels. Note that the areas which changed have a ground resolution of 4 meters and 126 during the time difference of 10 years between channels. The digital surface model (DSM) the two image acquisitions (depicted red in and the HyMap image are both available for an Fig. 4, left) are masked out and have no effect 2 area of approximately 4.6km . Technical de- on the results. tails of the HyMap sensor can be found in Fig. 5 shows the HyMap RGB composite CoCks et al. (1998). Fig. 4 shows the aerial image and the classification result using the photo of 1994 of the test area on the left and proposed method. Comparing the result to the the manual reference interpretation of the Hy- reference classification (see Fig. 4, right) the Map data of 2004 on the right. As can be seen, first qualitative impression seems to be rather the classes cover a significantly different convincing. amount of terrain, which somewhat reduces The corresponding error matrix is shown in the value of the reference map, but conclusions Tab. 2. From the table we can see that despite as to the classification accuracy can still be the good visual impression of the results the drawn. Also, there have been some changes overall classification accuracy is actually not especially in the construction of new build- very high, i. e., 76.0 % with a kappa index of ings within the 10 year difference of both data 0.677. Since about 2/3 of the pixels belong to sets, part of the changes are marked by red re- either cropland or grass, we also report the gions on the aerial photo of 1994. overall accuracy for the remaining classes, it amounts to 69.9 %. Incorrect classifications can be found for Street, Farmhouse and Indus- trial area, these are the main reasons affecting 26 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Stockyard or parking lot Surface sealed with concrete Street Runway Tennis ground Farmhouse Mixed trees Industrial buildings Industrial area Cropland Grass

Fig. 5: The HyMap RGB composite image and the classification results derived using the proposed new method.

the overall accuracy. The ground resolution of phase. In Fig. 6, the case of ws = 0 and wh = 0 only 4 meters of the HyMap image is seen as shows the classification result only using the the main reason for the relatively low classifi- spectral information. With the help of size, cation accuracy of Street and Farmhouse, the shape, and height the classification accuracy resolution is not sufficient to extract these rel- of the training data increases moderately from atively small objects. The low accuracy of In- 93 % to 94 %, while for the test data the accu- dustrial area is probably due to the variability racy increases more significantly, namely of this land cover class, which may contain in- from 69.0 % to 76.0 % (see Tab. 3). As can be dustrial buildings, streets, small grass areas seen, best results for the overall accuracy are etc. Another potential reason for the relatively reached for ws = 2 and wh = 4, these values are low classification accuracy is the time differ- used in the remainder of this paper (they have ence between image and height data: Several also been used for the results presented in buildings present in the HyMap image do not Fig. 5 and Tab. 2). exist in the DSM. It should be noted that the relatively large difference between the results for the training Setting the Weights and the reference data points to a potential As was mentioned in Section 2.5, the spectral over-fitting problem. This issue can be further and the additional information (size, shape, investigated only by employing more and dif- and height) need to be properly weighted with ferent data sets, which we do not have at hand. respect to each other to obtain good results. As a consequence, we are not able to fully as- Ideally, different weights should be chosen for sess the merits of the new method. However, each land cover class, e. g., based on the vari- we believe that our results can still be used to ability of the codes (see Tab. 1). investigate its potential and to compare it with In order to investigate the impact of the more traditional classification schemes. weights ws for size and shape and wh for height on the classification performance, we system- Comparison with Standard Methods atically tested different set-ups. The results In order to put the obtained results into con- are shown in Fig. 6, the upper half shows the text, we compared them to pixel- and region- overall accuracy computed based on the train- based standard binary encoding and to a clas- ing data to check the plausibility, while the sification based on support vector machines lower half shows the overall accuracy with re- (pixel- and region-based as well as including spect to data not used during the training size, shape, and height features). Huan Xie et al., A New Binary Encoding Algorithm 27

Fig. 6: The classification accuracy using different weights (see text for details).

The support vector machine (SVM) is a and all 126 channels. In all cases identical universal learning machine for solving classi- training areas were used, again the areas fication or regression problems (smola & sCH- which had changed between image acquisiton oelkopF 1998, Vapnik 1998). In remote sensing were masked out, and all region-based meth- applications the Gaussian radial basis function ods are based on the same segmentation, as 2 kernel K(x,xi) = exp(−γ|x-xi| ) proved to be ef- described in Section 2.2. All experiments fective with reasonable processing times, it’s were performed on a PC with a 2,53 GHz Intel adopted in this paper to compare the results of Core 2 Duo CPU and 4 GB RAM. the new method to those obtained with a The obtained results are visualized in Fig. 7. standard classification scheme. In SVM the and Tab. 3, containing the user’s and the pro- user needs to select two parameters: The pa- ducer’s accuracy for each class, the overall ac- rameter γ that defines the width of the Gaus- curacy, the kappa index, and the computing sian kernel function and a regularization pa- times for the different steps. rameter controlling the trade-off between the From Tab. 3, we can find that among all ap- maximization of the margin between the train- proaches, the proposed method has the highest ing data vectors and the decision boundary overall classification accuracy and kappa in- plus the penalization of training errors (burg- dex, 76.0 % and 0.667, respectively, while the es 1998). In order to obtain suitable parameters pixel based binary encoding classification has for the SVM classification, a grid search (rabe the lowest overall accuracy and kappa index, et al. 2009) is advisable, as default settings 50.7 % and 0.348, respectively. The region- normally yield poor results. based approach significantly improves the bi- SVM and binary encoded were both tested nary encoding classification accuracy by in three different versions: Pixel-based, region 18.3 %, note however, the wrongly classified based using spectral information only, and re- road depicted in red in the lower part of Fig. 7 gion-based using spectral and spatial (size, (d). With the help of the additional features shape, height) information. Of course, the last shape and height, the classification accuracy binary encoding run corresponds to the new can be improved by a further 7.0%. The same improved method. In the SVM classifier we type of improvement cannot be reached using chose the radial basis function (RBF) kernel SVM. On the other hand, the pixel-based SVM 28 Photogrammetrie • Fernerkundung • Geoinformation 1/2011 s; on. ng si di tal is il 35 80 09 To 118 831 401 134 270 427 454 945 004 bu 61 24 97 mm 18 08 83 72 al ow co ri st of r du In ro 05 56 58 81 13 12 92 er B: 10 on. 77 22 80 677 e GR 21 91 63 96 73 90 c. si 0. 17 89 th is 03 ac 88 ees; = 3% 6% 8% es tr ’s 86 % 54 % om .1 .5 .9 ur er 3. 1. of 72 00 03 11 11 82 75 40 xed appa as 31 18 18 33 93 04 Us rs 58 77 Mi me 84 96 ro 80 d T: er an se; the ta 34 82 20 36 98 11 c. 31 91 81 74 86 23 IC hou da es 95 63 76 34 49 48 ac 70 12 26 13 e ur %8 %7 rm ’s 6% 2% nc 5% as Fa er 39 03 .7 .1 .4 re F: 9. 5. uc me fe 49 31 17 43 84 68 75 59 63 85 88 24 94 re od B 18 333 77 56 e and 73 Pr ound; 10 th ed s gr pp is he s. 72 27 61 tc nn 15 71 67 40 as ma 02 406 Te 65 ma 18 09 Gr tly ly B G8 T7 ec TG: al and rr tu 29 717 51 02 91 23 51 nd 52 ac FT 333 13 58 729 28 05 84 nway; be co p %K opla ll Ru ma .9 r wi R: 69 pt Cr 56 000 81 53 ve le 28 34 = et; ce 41 co 32 d TG mp re ex sa nd St eas la cy S: ar ra nce 00 0066 01 14 30 te; om re up c 13 62 49 88 cu re fr 34 t- fe c. ac 63 67 il %I nc %C le re ac 1% 1% 3% bu co ion 27 % 32 73 ’s mp .8 .7 .8 at a at od. th 5. 3. 4. in er sa 906 92 600 59 49 76 th th 11 18 61 61 13 wi 56 a 92 66 SR Us cy 43 79 sific ty 03 45 32 at 40 50 me ed ra li as th al bi cl se ccu ty ba b li osed 73 06 49 62 the c. ace 16 bi 63 27 80 22 20 34 pro op 18 05 to 08 rf SC ac ba pr ass %2 %7 %7 rs the ’s 7% 4% 1% pro fe Gr er 07 90 72 om .1 .0 .0 e SC: Su 3. 5. 3. fr Re uc G: 03 0000 83 35 99 03 81 53 th 60 79 92 t; ; tes to g 78 s: od lo 34 la SP nd tes %A ea 30 Pr Re ar ca .0 ing opla di 76 resultin up cy: Cr In t- park = ix ra : ta il C: tr or a cy ; cu cy bu Da ta ra l3 ea ma ac ra ard in r ar ta cu ’s Da ion cu ky ro cy al er e ac To at ac oc ri Er ra l uc ’s nc st St al cu 2: mn er re sific od du er lu fe b. as Us Pr SP: Ac In R9 TG I: a c b d SC S2 F2 SP S2 Ta Re SP SC Cl Ov R0 TG F3 G7 Co I9 T6 C1 B Huan Xie et al., A New Binary Encoding Algorithm 29

(a) (b) (c)

(d) (e) (f)

Fig. 7: Results of the classification using different approaches: (a) pixel-based SVM, (b) standard pixel-based binary encoding, (c) region based SVM using spectral information only, (d) region- based binary encoding using spectral information only, (e) region-based SVM using spectral and spatial information. (f) proposed new method. classification already performed quite well, With the exception of pixel-based binary and shows almost the same classification ac- encoding the reported accuracy figures are curacy (73.1 %) as the region-based SVM clas- relatively similar, however, the computing sification (73.2 %). The SVM classifier associ- times are not. The reason is the grid search to ated with shape and height information find suitable parameters for the SVM training reached virtually the same classification accu- (see Tab. 3). The grid search accounts for 70 to racy (72.0 %). Similar trends can be observed 90 % of the whole computing time and thus for the results of the built-up areas, i. e., not significantly slows down SVM classifiction. considering the 2/3 of the area covered by cro- From the performance point of view, the newly pland and grass. It should be noted that for all developed binary encoding method thus has methods the accuracy figures as such are not clear advantages. extremely high, which could be a consequence Overall, the binary encoding result is con- of the Hughes phenomenon (HugHes 1968, see sistent with our expectations: Ground objects also Hsu 2007). Improvements are possible ei- with similar spectra do not always belong to ther by increasing the number of training sam- the same class. For example, if the classifica- ples or by reducing the number of employed tion only considers the spectrum, a building channels. with a concrete roof would probably be classi- 30 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Tab. 3: Classification results.

Classification method SVM Binary SVM, Binary SVM, Proposed encoding only enco- spectral new spectral ding, and method only spatial spectral Pixel based Region based (see Fig. 7) abcdef Accuracy (%)UaPbUaPbUaPbUaPbUaPbUaPb SP 18 64 7142360369246895092 SC 64 68 19 24 55 66 51 59 59 75 60 60 S543129856 21 38 32 58 33 73 25 R737459746694739487947694 TG 75 77 4716973787975777779 F26252434 38 52228302424 T877332778178747984757479 B 86 67 79 27 61 55 69 60 83 67 76 68 I253224833 27 42 35 42 49 41 43 C838558408482807772868285 G828166747887817580728285 Accumulated Overall [%]73.150.773.269.072.076.0 accuracy kappa index0.641 0.3480.638 0.5960.627 0.677 values Overallc [%], 67.0 36.1 68.267.570.769.9 built-up areas Computing segmentation --0’58 0’58 0’58 0’58 time grid search 18’12- 7’18 -7’24- [min] classification 3’31 5’33 1’21 1’12 1’431’21 total21’435’339’372’1010’05 2’10 a U: User’s accuracy b P: Producer’s accuracy c Accuracy in build-up areas: Refers to the classification accuracy except Cropland and Grass SP: Stockyard or parking lot; SC: Surface sealed with concrete; S: Street; R: Runway; TG: Tennis ground; F: Farmhouse; T: Mixed trees; B: Industrial buildings; I: Industrial area; C: Cropland; G: Grass

fied as Surface sealed with concrete, while a readily be confused during classification, building covered by green plants would prob- whereas shape information can help to im- ably be classified as Grass or Cropland. In our prove the results. Obviously, this general line method, with the help of height information, of argumentation should also hold for SVM this kind of mistakes can be minimized. Tak- classification; however we did not observe any ing the class Street as another example, the related improvements in our experiments. At spectrum of road and the parking lot adjacent this point the reason for this observation is not to the road are often very similar. If we do not clear, finding an answer will be part of our fu- consider the regular shape of the parking lot ture research. and the length of a road, these two types may Huan Xie et al., A New Binary Encoding Algorithm 31

4Conclusions (863 Program No. 2007AA12Z178 and 2009AA12Z131), Key Laboratoryof Advanced Based on the idea that integrating multi-source Engineering Surveying of SBSM (Project No. remote sensing data may improve automati- TJES0810)*, and grants from the Program for cally derived interpretation results, a new bi- Young Excellent Talents in Tongji University nary encoding classification method was pre- (Project No. 2009KJ094). sented. In this method regions rather than individual pixels are considered as basic units and size, shape, and height information for each segment are integrated into the classifi- References cation. The information itself is encoded into a 280 bit code, which makes the method useful aCHaryya, m., de, r.k.& kundu, m.k., 2003: for hyperspectral image data. Segmentation of remotely sensed images using The results obtained from our study area wavelet features and their evaluation in soft show that incorporating region-based infor- computing framework. – IEEE Transactions on mation and also spatial additions significantly Geoscience and Remote Sensing 41 (12): 2900– 2905. improve binary encoding, and that the new anderson, J.r.,Hardy, e.e., roaCH, J.t.& wit- method, while somewhat suffering from a lack mera, r.e., 1976: Land Use and Land Cover of representative training data, achieves high- Classification System For Use With Remote Sen- er accuracy and efficiency than the SVM clas- sor Data. – U.S. Geological Survey Professional sification. This is particularly interesting, as in Paper 964; USGS, Washington, D.C. binary encoding a portion of the available ra- ball, J.e.& bruCe, l.m., 2007: Level set hyper- diometric information is knowingly sacrificed spectral image classification using best band in the coding step, whereas the SVM makes analysis. – IEEE Transactions on Geoscience use of the full radiometric resolution of the and Remote Sensing 45 (10): 3022–3027. image data. baZi,y.& melgani,F., 2006: Toward an optimal SVM classification system for hyperspectral re- In future, more analysis on refining the se- mote sensing images. – IEEE Transactions on lection of shape descriptors and the similarity Geoscience and Remote Sensing 44 (11): 3374– evaluation algorithm is necessary, as well as 3385. investigations into band selection and feature benZ, u.,HoFmann, p., willHauCk, g., lingen- reduction to better cope with the Hughes phe- Felder, i. & Heynen, m., 2004: Multi-resolution, nomenon. We also plan a more comprehensive object-oriented fuzzy analysis of remote sensing comparative experiment in a larger study area, data for GIS-ready information. – ISPRS Journal and to introduce texture measures into our of Photogrammetry and Remote Sensing 58 (3– new method. 4): 239–258. bolstad, p.V.& lillesand, t.m., 1991: Rapid maximum likelihood classification. – Photogram- metric Engineering & Remote Sensing 57 (1): Acknowledgements 64–74. bruCe, l.m.& li,J., 2001: Wavelets for computa- Special thanks go to the hyperspectral re- tionally efficient hyperspectral derivative analy- search group at DLR, Oberpfaffenhofen, es- sis. – IEEE Transactions on Geoscience and Re- pecially Dr. Andreas Müller and Wieke mote Sensing 39 (7): 1540–1546. Heldens, who enabled this work by supplying burges, C.J.C., 1998:A tutorial on Support Vector the hyperspectral data and the DSM. Thanks Machines for pattern recognition. – Data Mining are also due to Dipl.-Ing. Ulla Wißmann and and Knowledge Discovery 2 (2): 121–167. Dipl.-Ing. Adelheid Elmhorst, both from IPI, Camps-Valls, g., gomeZ-CHoVa, l., munoZ-mari, J.,Vila-FranCes, J. & Calpe-maraV illa,J., who generated the reference map. This study was substantially supported by the China Scholarship Council, National Nat- * Kwang-Hua Fund for College of Civil Engineer- ural Science Foundation of China (Project No. ing, Scientific Research Foundation of Key Labora- 40771174), National High Technology Re- tory for Land Environment and Disaster Monitor- search and Development Program of China ing of SBSM (Grant No. LEDM2010B02). 32 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

2006: Composite kernels for hyperspectral im- H epner, g.F.,HousHmand, b., kulikoV, i. & bry- age classification. – IEEE Geoscience and Re- ant, n., 1998: Investigation of the Integration of mote Sensing Letters 3 (1): 93–97. AV lRlS and IFSAR for Urban Analysis. – Photo- CHang, C.i., 2003: Hyperspectral imaging: spectral grammetric Engineering & Remote Sensing 64 detection and classification. – Kluwer Academ- (8): 813–820. ic/Plenum Publishers, New York, US. Huang, X.,ZHang, l. & li, p., 2007: Classification CHiou, w.C., 1984: Dynamic descriptors for con- and extraction of spatial features in urban areas textual classification of remotely sensed hyper- using high-resolution multispectral imagery. – spectral image data analysis. – Applied Optics IEEE Geoscience and Remote Sensing Letters 4 23 (21): 3889–3892. (2): 260–240. CoCks, t.,Jenssen, r., stewart, a., wilson, i.& HugHes, g.F., 1968: On the mean accuracy of statis- sHields, t., 1998: The HymapTM Airborne Hy- tical pattern recognizers. – IEEE Transactions perspectral Sensor: The System, Calibration and on Information Theory IT-14 (1): 55–63. Performance. – 1st EARSeL Workshop on Imag- Hsu, p.H., 2007: Feature extraction of hyperspec- ing Spectroscopy, Paris, 37–42. tral images using wavelet and matching pursuit. darVisHZadeH, r., skidmore, a., sCHlerF, m., atZ- – ISPRS Journal of Photogrammetry and Re- berger, C., Corsi, F. & CHo, m., 2008: LAI and mote Sensing 62 (2): 78–92. chlorophyll estimation for a heterogeneous Jia,X.& riCHards, J.a., 1993: Binary coding of grassland using hyperspectral measurements. – imaging spectrometer data for fast spectral ISPRS Journal of Photogrammetry and Remote matching and classification. – Remote Sensing Sensing 63 (4): 409–426. of Environment 43: 47–53. demir, b.& erturk, s., 2008: Phase correlation Jia,X.& riCHards, J.a., 2008: Managing the spec- based redundancy removal in feature weighting tral-spatial mix in context classification using band selection for hyperspectral images. – Inter- Markov random fields. – IEEE Geoscience and national Journal of Remote Sensing 29 (6): Remote Sensing Letters 5 (2): 311–314. 1801–1807. k artikeyan, b., sarkar, a.& maJumder, k.l., douglas, d.H.& peuCker, t.k., 1973: Algorithms 1998: A segmentation approach to classification for the reduction of the number of points re- of remote sensing imagery. – International Jour- quired to represent a line or its caricature. – The nal of Remote Sensing 19 (9): 1695–1709. Canadian Cartographer 10 (2): 112–122. lee,C.& landgrebe, d.a., 1991: Fast likelihood duarte-CarVaJalino, J.m., sapiro, g.,VeleZ- classification. – IEEE Transactions on Geosci- reyes, m.& Castillo, p.e., 2008: Multiscale ence and Remote Sensing 29 (4): 509–517. representation and segmentation of hyperspec- le moigne,J.& tilton, J.C., 1995: Refining ageim tral imagery using geometric partial differential segmentation by integration of edge and region equations and algebraic multigrid methods. – data. – IEEE Transactions on Geoscience and IEEE Transactions on Geoscience and Remote Remote Sensing 33 (3): 605–615. Sensing 46 (8): 2418–2434. marConCini, m.,Camps-Valls, g.& bruZZone, l., FeingersH, t., ben-dor, e.& Filin, s., 2010: Cor- 2009:A composite semisupervised SVM for rection of reflectance anisotropy: a multi-sensor classification of hyperspectral images. – IEEE approach. – International Journal of Remote Geoscience and Remote Sensing Letters 6 (2): Sensing 31 (1): 49–74. 234–238. gamba, p.& HousHmand, b., 2000: Hyperspectral martin, m.e., plourde, l.C., ollinge, s.V., smitH, and IFSAR data for 3D urban characterization. m.-l.& mCneil, b.e., 2008: A generalizable – IGARSS 2000, Honolulu, CD-ROM. method for remote sensing of canopy nitrogen greiwe, a. & eHlers, m., 2005: Combined analysis across a wide range of forest ecosystems. – Re- of hyperspectral and high resolution image data mote Sensing of Environment 112 (9): 3511– in an object oriented classification approach. – 3519. 3rd International Symposium on Remote Sens- martineZ, p.J., pereZ, r.m., plaZa, a., aguilar, ing and Data Fusion over Urban Areas, 13–15. p.l.,Cantero, m.C.& plaZa,J., 2006: End- Hamming, r.w., 1950: Error-detecting error-cor- member extraction algorithms from hyperspec- recting codes. – Bell System Technical Journal tral images. – Annals of Geophysics 49 (1): 93– 29: 147–160. 101. Heiden, u., segl, k., roessner, s. & kauFmann, martineZ-uso, a., pla, F., sotoCa, J.m. & garCia- H., 2007: Determination of robust spectral fea- seVilla, p., 2007: Clustering-based hyperspec- tures for identification of urban surface materi- tral band selection using information measures. als in hyperspectral remote sensing data. – Re- – IEEE Transactions on Geoscience and Remote mote Sensing of Environment 111 (4): 537–552. Sensing 45 (12): 4158–4171. Huan Xie et al., A New Binary Encoding Algorithm 33

maZer, a.s., martin, m., lee, m.& solomon, J.e., trias-sanZ, r., stamon g.& louCHet, J., 2008: Us- 1988: Image processing software for imaging ing colour, texture, and hierarchical segmenta- spectrometry data analysis. – Remote Sensing of tion for high-resolution remote sensing. – ISPRS Environment 24: 201–210. Journal of Photogrammetry and Remote Sensing meHtre, b.m., kankanHalli, m.s. & lee, w.F., 63 (2): 156–168. 1997: Shape measures for content based image Vapnik, V.n., 1998: Statistical Learning Theory. – retrieval: A comparison. – Information Process- Wiley, New York, NY. ing and Management 33 (3): 319–337. VerHoeF, w.& baCH, H., 2007: Coupled soil-leaf- moHanty, n., ratH t.m., lee, a. & manmatHa, canopy and atmosphere radiative transfer mod- r., 2005: Learning Shapes for Image Classifica- eling to simulate hyperspectral multi-angular tion and Retrieval. – Lecture Notes in Computer surface reflectance and TOA radiance data. – Science 3568: 589–598. Remote Sensing of Environment 109 (2): 166– mumFord, d.& sHaH, J., 1985: Boundary detection 182. by minimizing functionals. – IEEE Conference Viterbi, a. J.& omura, J.k., 1979: Principles of on Computer Vision and Pattern Recognition I: Digital Communication and Coding. – McGraw- 22–26. Hill, New York, NY: 81. nasCimento, J.m.p.& dias, J.m.b., 2005: Vertex ZHang, l.,Huang, X.,Huang, b.& li, p., 2006:A component analysis: a fast algorithm to unmix pixel shape index coupled with spectral informa- hyperspectral data. – IEEE Transactions on tion for classification of high spatial resolution Geoscience and Remote Sensing 43 (4): 898– remotely sensed imagery. – IEEE Transactions 910. on Geoscience and Remote Sensing 44 (10): prasad, s.& bruCe, l.m., 2008: Decision fusion 2950–2961. with confidence-based weight assignment for hyperspectral target recognition. – IEEE Trans- actions on Geoscience and Remote Sensing 46 (5): 1448–1456. Addresses of the Authors: rabe, a., Vander linden, s.& Hostert, p., 2009: imageSVM, Version 2.0, software available at Dr. Huan Xie, Prof. Dr. XiaoHua tong, Tongji Uni- www.hu-geomatics.de. versity, Department of Surveying and Geo-infor- raJan, s., gHosH,J.& CrawFord, m.m., 2008: An matics, Siping Road No.1239, 200092, Shanghai, active learning approach to hyperspectral data P.R. China. Tel.: +86-21-6598-3686, -8851, Fax: classification. – IEEE Transactions on Geosci- -1085, e-mail: [email protected], xhtong@ ence and Remote Sensing 46 (4): 1231–1242. tongji.edu.cn. robinson, d.J., redding, n.J.& Crisp, d.J., 2002: Prof. Dr.-Ing. CHristian Heipke, Dr.-Ing. peter lo- Implementation of a fast algorithm for segment- Hmann, Prof. Dr.-Ing. uwe soergel, Leibniz Uni- ing SAR imagery. – Scientific and Technical Re- verstät Hannover, Institut für Photogrammetrie port, Australia: Defense Science and Technology und GeoInformation (IPI), Nienburger Str. 1, Organization. D-30167 Hannover, Germany, Tel: +49-511-762- rogge, d.m., riVard, b.,ZHang, J., sanCHeZ, a., 2482, -2486, -2981, Fax: -2483, e-mail: heipke@ipi. Harris, J. & Feng, J., 2007: Integration of spa- uni-hannover.de, [email protected], tial-spectral information for the improved ex- [email protected]. traction of endmembers. – Remote Sensing of Environment 110 (3): 287–303. Prof. Dr. wenZHong sHi, Hong Kong Polytechnic russ, J.C., 2006: The image Processing Handbook, University, Department of Land Surveying and Fifth edition. – Boca Raton, FL: CRC Press. Geo-Informatics, Hung Hom, Kowloon, Hong serpiCo, s.b.& moser, g., 2007: Extraction of Kong. Tel.: +852-2766-5975, Fax: +852-2330-2994, spectral channels from hyperspectral images for e-mail: [email protected]. classification purposes. – IEEE Transactions on Geoscience and Remote Sensing 45 (2): 484– 495. smola, a.& sCHoelkopF, b., 1998:A Tutorial on Support Vector Regression. – Statistics and Manuskript eingereicht: Januar 2010 Computing 14 (3): 199–222. Angenommen: November 2010 Berichte von Veranstaltungen 35

Berichte von Veranstaltungen

ISPRS Commission III Symposium GeorGe Vosselman. Es wurden fünf Vorträge »Photogrammetric Computer gehalten, die die Klassifikation, aber auch das Vision« vom 1.–3. September in Denoising von Punktwolken behandelten. Paris, Frankreich Methodisch standen hier MRF, Wavelets und Random Forests im Vordergrund. Zum Ab- schluss stellte Chris Bellman den Planungs- Das Symposium der Commission III „Photo- stand für den XXII. ISPRS Kongress 2012 in grammetric Computer Vision and Image Ana- der seiner Einschätzung nach „greatest city of lysis“ der ISPRS fand vom 1.–3. September the world“ – Melbourne – vor. In einer einla- 2010 in Saint Mandé (Paris), Frankreich statt dend gestalteten Präsentation stimmte er er- und wurde vom IGN (Institut Géographique wartungsfroh auf die Organisation eines National) organisiert. Hauptverantwortliche hochklassigen Kongresses ein. waren niColas PaParoditis, marC Pierrot- Der zweite Tag begann mit der Keynote von deseilliGny,Clément mallet und oliVier Prof. riChard hartley (Department of Infor- tournaire. mation Engineering, Australian National Uni- Eröffnet wurde die Konferenz – nach versity). Thema des Vortrags war „Cameras freundlicher Begrüßung – durch die Keynote and Convex Optimization“. Prof. hartley von Prof. WolFGanG Förstner mit dem The- stellte den Teilnehmern etablierte und moder- ma: “Graphical Models for image analysis”. ne Verfahren der Szenenrekonstruktion aus Prof. Förstner gab einen tiefen Einblick in Kamerabildern vor – wobei er die Stimmung verschiedene graphische Modelle – vor allem mit dem Abspielen des „Fundamental Matrix in Markoff-Ketten, Bayes Netze und Markov Song“ (zu finden bei YouTube) aufheiterte. Random Fields (MRF) – und stellte eine breite Besonderen Wert legte er in seinem Vortrag Palette an Anwendungsgebieten im Bereich auf neue Kameramodelle und neue Methoden der Bildverarbeitung dar. Der Vortrag war ein der konvexen Optimierung. Die folgenden hochinteressanter Einstieg in die Themenge- Sessions „Registration“ und „Registration biete und Problematiken, die während der and Sensor Pose Estimation“ widmeten sich kommenden Tage präsentiert und diskutiert der exakten Passpunktextraktion, dem Bild- werden sollten. Anschließend folgte die erste matching und der Fahrzeuglokalisation in ver- Session: „Pattern Recognition and Classifica- schiedenen Datentypen und für verschieden- tion“, geleitet von WolFGanG Förstner. Prä- ste Anwendungen. Interessante Diskussionen sentiert wurden zwei interessante Beiträge zu regte Prof. Förstners Vortrag zum Thema den Themen Parameterschätzung und Integra- „Optimal vanishing point detection and rota- tion von Klassifikationsaussagen durch Fuzzy tion estimation of single images from a Lego- Majority Voting. Die zweite Session, die von land scene“ an. Eine weitere Poster Session helmut mayer und maxime lhuillier gelei- bot erneut Gelegenheit zur intensiveren Dis- tet wurde, widmete sich dem Thema „Surface kussion. Abgeschlossen wurde der Tag mit Recognition and Matching“. Es wurden An- einer Session zum Thema „Building Recon- sätze zur Modellierung und zum Matching struction“ geleitet von Caroline Baillard & von Oberflächen präsentiert, die auf der Aus- Gunho sohn. Die Beiträge behandelten die wertung von Luftbildern, Low-Cost Kamera- Detektion, Segmentierung und Klassifizie- daten und multispektralen Daten basierten. rung von Gebäuden und Dachflächen in ver- Nach dem Mittagessen folgte dann die erste schiedenen Datentypen (InSAR, Luftbilder, Poster Session, die Möglichkeit gab, die prä- Punktwolken). Das Abendprogramm bestand sentierten Themen mit den Autoren intensiv aus einem Besuch im Musée d‘Orsay, in wel- zu diskutieren. Der erste Tag endete mit der chem vorrangig Malerei und Plastik des aus- Session „Point Cloud Processing“. Die Sit- gehenden 19. Jahrhunderts ausgestellt sind. In zung wurde geleitet von FrédériC Bretar und diesem Museum wurde dann auch das Gala- 36 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Dinner serviert. Während diesem wurde der 10th International Scientific and Best-Poster Award verliehen, der an PhiliPP Technical Conference “From meixner und Franz leBerl vom Institute for imagery to map: Digital photo- Computer Graphics and Vision der TU Graz grammetric technologies” vom für ihren Beitrag „Characterizing building 20.–23. September 2010 in Gaeta, façades from vertical aerial images“ ging. Am letzten Tag hielten zwei weitere Sessi- Italien ons das hohe Niveau der Konferenz aufrecht. For the 2010 Racurs Conference Dr. ViCtor Die erste, „Facade Reconstruction and Mo- adroV, the CEO of the Racurs Company, has delling“, geleitet von Franz rottensteiner chosen the ancient city of Gaeta in Latium, und miChel roux behandelte vorrangig die Italy. Gaeta is older than Rome and is situated Automatisierung von Fassadendetektion und on the coast between Rome and Naples. It has Modellierung. Die zweite, die von uWe stilla splendid four star conference facilities for ac- und matthias Butenuth geleitet wurde, be- commodation, water sports, and Napolitan sea fasste sich mit der Erkennung von Straßen und food. Straßennetzwerken aus unterschiedlichen Da- The annual Racurs Conferences are an ex- tentypen. Zum Abschluss wurde der Best-Pa- cellent opportunity for Europeans to gain per Award verliehen. Ihn erhielten steFan knowledge about the very interesting Russian KluCKner und horst BisChoF von der TU and Eastern European developments in the Graz, die das Thema „Image-based building classification and 3D modeling with super- Geoinformatics field. Racurs is a major photogrammetric hardware and software producer pixels“ vorgestellt hatten. in the Russian Federation. Contrary to most Zusammenfassend ist festzuhalten, dass die Western European developments in this field, Konferenz hervorragend organisiert war, wo- which due to globalization have been sold out für den Verantwortlichen vom IGN und ihren to international consortia, Racurs is still an Helfern Dank gilt. Die Vortragsreihen waren independent national effort. The information interessant gestaltet und boten einen breiten exchange between Russian and Western Euro- Einblick in viele Themen, ohne es dabei an der pean Geoinformatics professionals is espe- nötigen Tiefe fehlen zu lassen. Neben den von cially made easy due to the availability of an den Teilnehmern präsentierten Themen waren excellent simultaneous translation of the paper nicht zuletzt die beiden thematisch und didak- presentations and discussions for Russian and tisch gut aufbereiteten Keynotes eine Berei- English. This is unique for Geoinformatics cherung für die Anwesenden. Auch das an- conferences held in Western Europe. sprechende Ambiente während der Mittag- The conference, therefore, constitutes an und Abendessen wird vielen Teilnehmern si- important possibility for global intercommu- cher noch lange in guter Erinnerung bleiben nication in the field. On Monday, September und Lust auf weitere ISPRS Veranstaltungen 20, the program consisted of four blocks: In- machen. Die Beiträge und weitere Informatio- troduction, General Issues, New Develop- nen können auf der Homepage pcv2010.ign.fr ments in Photogrammetry, and Developments erhalten werden. at Racurs. On Tuesday, September 21 the next andreas Braun & steFan hinz, Karlsruhe four blocks were covered: Applications, De- velopments of Space Sensors, Space Data Use, and Space Data Applications. On Wednesday, September 22 the entire day was devoted to “Master Classes” on Racurs Software: Auto- matic DTM creation, Distributed Processing, and Radar Processing. On Thursday, Septem- ber 23 the participants enjoyed a visit to Na- ples and to Pompeii. Berichte von Veranstaltungen 37

Introduction The adaptation to the European Bologna process (B.Sc. and M.Sc.), however, is painful. Dr. adroV, Racurs, reminded the participants, iVan K atzarsKy of Bulgaria discussed his that this was the 10th Anniversary of the country’s contribution to the International Racurs Conferences, which began in the Rus- Federation of Surveyors FIG. sian Federation, but which more recently have taken place in Belorussia, Latvia, Montene- gro, Bulgaria, Croatia, and Greece. The Mayor New Developments in Photogrammetry of Gaeta, Mr. raimondi, reminded the listen- miKhail PeChatniKoV of Vision Map, Israel ers, that the origin of Gaeta dates back to noted, that his company employs 25 develop- Greek settlers (Aeneus). renzo CarluCCi re- ers. There are two major developments at Vi- ported on the Italian SDI efforts within the sion Map: A mobile mapping system with 5cm European INSPIRE program. As there are 20 ground sampling, by which all roads of Israel regions in Italy with their own geospatial ju- were mapped. Development and use of the Vi- risdictions, a lack of central coordination is sion Map A3 digital panoramic camera with a felt. Nevertheless, Italy uses modern technol- scan angle of 110 degrees, a GSD of 1cm at ogy: This was demonstrated by marCo Chiau- nadir direction and a weight of only 35 kg. dano for his mobile mapping system using With this camera an orthophoto flight at 25 cm digital panoramic cameras, GPS, IMU, and GSD can be executed for 25 000 square km in WiFi. GottFried KoneCny of Leibniz Univer- 6 hours, which is not possible by other digital sity Hannover presented the 100 years of his- cameras. Peter sChreiBer of Leica Geosys- toric development of ISPRS, which he com- tems presented the new developments of the piled for the ISPRS celebrations in Vienna on RCD100 medium accuracy frame based digit- July 4, 2010. al camera, the staggered array processing for the Leica ADS80 scanner camera, and the full General Issues waveform Lidar recording of the ALS80 laser scanner. armin Gruen of ETH Zürich dis- GottFried KoneCny presented a paper on cussed UAV photogrammetry. There are about Topographic Map Updating Issues, stating, 250 groups in the world utilizing this technol- that only countries, which have a functioning ogy, which yields very high resolution (1 cm) transaction updating system for buildings can for small areas. There is great flexibility in update part of the topo (graphical) map fea- sensor design and use (vertical, oblique, quasi- tures in near real time. In the UK topo map terrestrial). He has applied the technology in updates via DGPS are possible by great efforts Peru and Bhutan using a quadricopter. serGey with a delay of up to 6 months. Otherwise topo sKuBieV of the State University of Land Man- maps must be updated via aerial or satellite agement, Moscow used UAVs for orthophoto imagery, which depending on the size and the mapping at scales 1:10 000 and 1:20 000. state of the country, can take place every 5 to 50 years. The use of high resolution satellite New Developments at Racurs imagery appears to be most effective. armin Gruen of ETH Zürich discussed 3D/4D City dmitry KoCherGyn noted that the program Modelling Progress and Prospects, showing system Photomod 5.0 had been introduced in “Cyber City” applications (Firenze, Paris, Greece in 2009. There is now project format Salzburg, Hamburg) and applications for cul- optimization. Up to 200000 images per block tural monument documentation (Xochicalco, may be used. These can be distributed over the Honduras, Peru, China). Prof. alexander network necessitating a workflow change. miKhayloV of MIIGAIK, Moscow, discussed Also Vision Map A3 images are supported. photogrammetric education at his department, There is an automatic DTM creation with which was established as early as 1925. At DTM filters to remove buildings and vegeta- present there are about 50 graduates of photo- tion. Self calibration is included in bundle grammetry per year at MIIGAIK and about 25 block adjustment. In the future images of the per year at SSGA in Novosibirsk. The gradu- 3DAS-1 camera will be supported. alexan- ates have no difficulty finding employment. dra KiseleVa presented a paper entitled: “Ef- 38 Photogrammetrie • Fernerkundung • Geoinformation 1/2011 fective techniques for working with Photo- 700 M$ of this are to support infrastructure mod”, which included the resource system in a and services. GeoEye1 is one of the most pow- distributed network, ADS80 image process- erful satellite image data acquisition systems. ing, and the use of UltraCam metadata. alex- In 2009 3.7Msquare km were covered of Rus- ey elizaroV discussed the advances in DTM sia, and in 2010 4.7M square km (this com- creation, like the corresponding point search pares to 0.4 M square km by IKONOS in 2009 on epipolar lines, the use of multi image and 1.2M square km in 2010). The IQ Infor- matching, and the use of building and vegeta- mation services supply images via a portal to tion filters. alexander seChin commented on all users, who have clearance. Commercial the interpolation of smooth contours for GeoEye1 products with 50 cm GSD sell for graphic output using soap film uaeq tions of 25 $ per square km, and for 40 $ per square km second order according to Dirichlet. yuri in stereo. For archive data the charge is 50 %. raizman of Vision Map discussed the imple- PaW el ziemBa of Digital Globe, UK, discussed mentation of the Visionmap A3 images into the products of his company: Quickbird (GSD Photomod. He also showed excellent accuracy 60 cm), WorldView-1 (50cmGSD) and World- results of about 15 cm not using IMUs, but by View-2 (50cm GSD). Altogether 1B square using multiple overlaps of images. The abso- km of imagery has now been acquired. While lute accuracy has been obtained via GPS-PPP. WorldView-1 is only panchromatic, World- View-2 has 8 spectral bands: blue, green, red, Applications infrared, like Quickbird, and in addition coastal for chlorophyll, yellow for vegetation Valerio zunino of Studio SIT discussed the and turbidity, red edge for environmental 1:500 scale aerial survey for the Municipality chlorophyll studies, and an additional NIR of Pisa to detect illegal buildings in the 185 channel. For land use/land cover surveys this square km area, where the historic centre was permits to classify 15 types with 93 % accu- flown at 8cm GSD, and the outside areas at racy. Applications are: military, vegetation 22 cm GSD with a Rolleimetric camera mount- analysis (NDVI), illegal crop analysis, ed on an Aero Stab 3 stabilizer. A thermal pol- bathymetry, and oil spills. lution survey on Lake Garda was done with a Felix Puls of EDAF (WorldView Global 50 cm GSD thermal camera. yannis yanniris Alliance) discussed the possibilities offered of NTUA Greece reported how the free ver- by his company to create direct satellite access sion of Photomod Lite 4.4 was used at the Na- by installation and operation of new antennas, tional Technical University Athens to teach e.g., in Munich and by Space Imaging in Du- the 100 geodetic diploma engineering students bai. Optimization of operations is provided by in two obligatory courses of photogrammetry. receiving real time weather data from geosta- leo autelitano of Aspromonte National Park tionary satellites every 15 minutes with an in Calabria discussed biodiversity mapping 80 % success rate, as opposed to weather fore- using RC30 aerial photography. leonid ByKoV casts only (50%success) and no weather data of VISHAGI, Omsk, reported the update of (30%success). Vladimir sedelniKoV of FSUE urban map planimetry by aerial photography Goscentr “Priroda” talked about future Rus- and of DTM creation using laser scans with sian Remote Sensing Systems: Four optical 15 cm grid elevation accuracy. satellites “KA-OJN” and two radar satellites “KA-RLN”, which permit to cover the Rus- Developments of Space Sensors sian Federation at resolutions better than 1m andrey shumaKoV of GeoEye, USA, reported, in 140 days. Downlink is foreseen by the 4 that his company operates the following satel- current antennas at Moscow, Tumen, Irkutsk lites: IKONOS (1m GSD), GeoEye1 (0.41m and Khabarovsk. Two more antennas will be GSD available at 0.5mGSD). GeoEye2 (0.33m added. The 50 B Roubles program has presi- GSD) is foreseen for launch in 2013 and Geo- dential approval for launch in 2015. Valentin Eye3 in 2017. The responsible US Federal demChenKo of RNIIRS Russia gave details of Agency has allocated 3.8 B$ for the “Enhanced the antenna systems with a downlink capabil- View Program” available to authorized users. ity of 170 Mbit/channel. olGa Gershenzon of Berichte von Veranstaltungen 39

Scanex covered their online services for inter- of all phases of a RC30 mapping project in- national satellites (EROS A,B, Terra, Aqua, cluding DTM creation and orthophoto mo- Spot 2,4,5, Resurs, Radarsat 1,2, Envisat, saicking as well as the use of UltraCam digital Landsat 5, Formosat 2, Cartosat 2A, 2B, The- images. Furthermore, radar processing for os, TerraSar X, Tandem X and Cosmo Sky- Pulsar L Band and for TerraSar X imagery med 1,2,3). A test to download Pleiades and was demonstrated. In preparation for the ex- GeoEye has also been successful for the an- cursion on Thursday, Sept 23, 2010 armin tennas at Moscow, Megion, Irkutsk and Gruen demonstrated the 3D modeling of the Magadan. For geocoding GPS-PPP was used. Roman Forum of Pompeii created by terres- The thermal channel of Landsat 5 was useful trial optical images. in the fire disaster. Applications were in spring The Racurs Conference 2010 was again for flood monitoring and in illegal fishing in the the participants one of the highlights of the Asov sea. year. Congratulations and thanks to Dr. ViC- milana elerdoVa of Sovzond discussed tor adroV and his charming organizing team Sovzond´s history: the company was created for the perfect arrangements for an important in 1992 to utilize Sovjet space images. In 2004 international exchange of knowledge. partnerships were created with Digital Globe GottFried KoneCny, Hannover and Space Imaging, in 2008 with Inpho and RapidEye, and in 2010 with ESRI. The following satellites proved to be useful in mapping 47. Tagung der Arbeitsgruppe without ground control: WorldView-1 at Automation in Kartographie, 1:10000, Quickbird at 1:50000, Alos at Photogrammetrie und GIS (AgA) 1:25000, Spot and RapidEye at 1:100 000. RapidEye proved useful as agricultural moni- vom 27.–28. September 2010 in toring system in Kazakhstan. olGa KolesniK- Dresden oVa of Sovzond propagated the combined use of RapidEye (5 channels at 5mGSD, possible In diesem Jahr fand die AgA Tagung auf Ein- weekly) with WorldView-2 (8 channels at ladung von Prof. dirK BurGhardt an der 50 cm GSD, possible monthly), and the image Technischen Universität Dresden statt. Auf distribution through portals. alBert demi- die Tagungsbesucher wartete ein umfangrei- denKo of KB Panorama covered GIS and Re- ches und breit aufgestelltes Programm mit ins- mote Sensing applications in regional projects. gesamt 25 Fachvorträgen sowie einer interes- iGor elizaVetin of Racurs presented a fair as- santen Führung durch die Sonderausstellung sessment of artifacts in SAR images of Envi- „Genau messen = Herrschaft verorten“ der sat, Radarsat, TerraSar X and Almaz. roman Staatlichen Kunstsammlungen Dresden im shuValoV discussed the new Radar processing „Neuen Grünen Gewölbe“. modules for differential interferometry, for Die Vortragenden aus Wirtschaft, öffentli- permanent scatterer interferometry and for cher Verwaltung sowie Wissenschaft und For- pixel classification using mean amplitude, schung präsentierten über zwei Tage aktuelle mean stability and mean coherence. In all Forschungsergebnisse, Projekte und Produkt- cases co-registration is very important. iVan innovationen. Der Schwerpunkt lag in den K atzarsKy presented a paper by SofiaGIS. Themenbereichen „3D-Modellierung“, „Ge- The entire agricultural area of Bulgaria (40% neralisierung“, „Laserscanning“ und „Geoda- of the country) was covered by GeoEye 1 im- teninfrastruktur (GDI) / Webdienste“. In den ages at 0.5m GSD for orthophoto generation. Pausen sowie während der gemeinsamen The DTM was derived from scanned available Abendveranstaltung konnten Kontakte ge- topo maps. knüpft und Diskussionen vertieft werden. Frau Prof. moniKa sester, Vorsitzende der Arbeitsgruppe, eröffnete die Veranstaltung Master Class und stellte einleitend die spannende Frage an The Master Class was held in two groups, das Auditorium „Warum nutzen so viele Men- Russian and English. It covered the operations schen ‚Google’ und so wenig die amtlichen 40 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Geodaten, -dienste und -anwendungen?“. Der Fortführung und Änderungsdetektion Gastgeber, Herr Prof. Dr. BurGhardt leitete Wie die Küstenerosion auf der Insel Sylt durch nach Begrüßung der Teilnehmerinnen und flugzeuggetragene Fernerkundung nachge- Teilnehmer direkt in das Vortragsprogramm wiesen und quantifiziert werden kann, stellte über. anette riChter (TU Dresden) mit ihrem Pro- jekt „Veränderungsdetektion ausgewählter Repräsentation, Modellierung, 3D Küstenregionen auf Sylt mittels multitempo- raler Flugzeuglaserscannerdaten“ anschaulich Mit dem ersten Vortrag „Alternate Hierarchi- dar. Im dritten Vortragsblock wurden darüber cal Decomposition (ADH)“ stellte andreW u. hinaus die Themen „Automation des ATKIS- FranK (TU Wien) eine „neue Methode zur Re- DTK Herstellungs- und Fortführungsprozes- präsentation von Geometrie unabhängig von ses“ durch ajay mathur (Axes Systems AG) der Dimension“ vor. Im Anschluss präsentier- und „DLM-DE2009 LC – Stand der Dinge bei te Catia real ehrliCh (TU Darmstadt) die der Land Cover Komponente des Digitalen Ergebnisse ihrer Diplomarbeit zur „3D-In- Landschaftsmodells fürBundeszwecke“ durch nenraummodellierung auf Basis eines geome- stePhan arnold (BKG) präsentiert und vor- trisch-topologischen Datenmodells“. Es folg- gestellt. ten Referate von horst Kremers (CODATA Germany) zur „Modellierung von Kontexten Methoden und Algorithmen am Beispiel ‚Risiko’“ sowie jan Behmann (Uni Bonn) zur „Intelligenten Benutzerfüh- In den vierten Block leitete mathias jahnKe rung für die Navigation in 3D-Stadtmodellen“. (TU München) mit seinem Vortrag „Develop- Abgeschlossen wurde der Vortragsblock durch ment of geo-data analysis methods – from Bettina Petzold (Stadt Wuppertal) mit einem data enrichment to advanced visualization and Erfahrungsbericht zum „Solarkataster Wup- communication“ ein und stellte u.a. Ansätze pertal“ und Claudia Knust (TU Dresden) mit für ein multimodales Routing vor. Anschlie- dem Diplomarbeitsthema „Autostereoskopi- ßend demonstrierten Christian stern und sche Displays für themenkartographische andré dittriCh (Hochschule Karlsruhe) am Mehrbildmodelle“. Beispiel von Wasserschutzgebieten ein Werk- zeug zur „Integration flächenhafter Umwelt- Kartographie: Design und Generalisie- daten in kleinmaßstäbigen DLM“. Es folgte rung steFan hahmann (TU Dresden) mit dem The- ma „Ein WMS zur Erzeugung semantischer Der zweite Block wurde durch anette hey Annotationen aus OpenStreetMap Tags“. Im (Uni Rostock) mit dem Thema der „Automati- ersten Vortrag des zweiten Tages erläuterte sierung kartographischer Darstellungsmetho- nadine meierhold (TU Dresden) ihre Ergeb- den“ eröffnet, mit Fokus auf die Erstellung nisse und Erfahrungen bei der „Automati- von Punktstreuungskarten mit Spiralarmen. schen Merkmalszuordnung für die Orientie- Im Anschluss referierten joaChim BoBriCh rung von Einzelbildern zu 3D-Laserscanner- (Bundesamt für Kartographie und Geodäsie daten“. Weitere Themen dieses Vortragsblocks – BKG) in Anknüpfung an seinen Vortrag zur waren die automationsgestützte Kartenerstel- AgA-Tagung 2006 zur „Automatisierten Plat- lung sowie die dienste-basierte Geodatenfusi- zierung von Höhenlinienzahlen in topogra- on. sarah tausCher (TU Braunschweig) stell- phischen Karten“ sowie andré müller (HTW te einen Ansatz zur „Generierung angerei- Dresden) zur „Automatischen Erstellung von cherter schematischer Karten zur Unterstüt- Blattschnittübersichten aus CSW Metadaten“. zung von Routenplanungen“ vor. Aktuelle Der Vortrag zur „Linienvereinfachung in der Projektergebnisse zur „Automationsgestütz- Modellgeneralisierung unter Berücksichti- ten Kartierung schuttbedeckter Gletscherzun- gung der Anforderungen des Produktionsbe- gen“ am Mount Everest präsentierte tino Pi- triebes“ wurde von matthias ellsiePen (CPA eCzonKa (TUDresden) dem Auditorium. Mit Systems GmbH) am zweiten Tag der Tagung einem interessanten Ansatz zur „Fusion von gehalten. Geodaten unterschiedlicher Quellen in Geo- Berichte von Veranstaltungen 41 dateninfrastrukturen am Beispiel von ATKIS aga/) veröffentlicht. Ausgearbeitete schriftli- und OpenStreetMap“ schloss steFan Wiemann che Beiträge erscheinen in der Schriftenreihe (TU Dresden) den Themenblock ab. „Mitteilungen des Bundesamtes für Kartogra- phie und Geodäsie“. Die nächste Sitzung der GDI und Webdienste AgA findet am 5. und 6. September 2011 am Institut für Geodäsie und Geoinformation der Mit „Webdienste leicht gemacht – Der Ein- Universität Bonn statt. Interessierte Gäste und stieg mit dem ‚BKGViewer’“ führte manuel Referenten sind herzlich willkommen. FisCher (BKG) in den letzten Block der AgA ein. Es folgte der Vortrag von holGer BronsCh Christian löFFelholz, Erfurt (AED SICAD AG), der die neuen ATKIS- Produkte seines Unternehmens für die „Kar- tographie auf dem Weg zur Geodateninfra- Enviroinfo2010 – Umweltinforma- struktur GDI-DE“ vorstellte. Christian löF- tiktagung in Kooperation mit der Felholz (Thüringer Ministerium für Land- INTERGEO vom 6.–8. Oktober 2010 wirtschaft, Forsten, Umwelt und Naturschutz) in Köln und Bonn gab anschließend einen Praxisbericht zur Ein- führung einer „interaktiven Auskunftsplatt- Vom 6.–8. Oktober 2010 fand die wissen- form mit Open Source – WebGIS“ in der Thü- schaftliche Tagung Enviroinfo2010 statt. En- ringer Landentwicklungsverwaltung. Ansätze viroinfo ist eine der führenden europäischen und Pilotprojekte zur flächendeckenden Er- Konferenzen mit den Themen Informatik für weiterung der GDI um die dritte Dimension den Umweltschutz, nachhaltige Entwicklung stellte jens oPitz (M.O.S.S. Computer Grafik und Risikomanagement. In diesem Jahr wurde Systeme GmbH) in seinem Beitrag „3D Geo- die Environinfo in enger Kooperation mit der dateninfrastruktur – Automatisierter Aufbau INTERGEO ausgerichtet, um Teilnehmern und Nachhaltigkeit“ vor. Das Vortragspro- beider Veranstaltungen Synergieeffekte nutz- gramm wurde durch uta GriWodz (con terra bar zu machen. Diese Kooperation diente dem GmbH) mit dem hochaktuellen Thema des Austausch zwischen Fachleuten aus den Be- Bezugssystemwechsels zu ETRS89 unter Ver- reichen Geo- und Umweltinformation, denn wendung der landesspezifischen Transforma- aufgrund der hohen Vernetzung können beide tionslösungen abgeschlossen. Gruppen von einem intensiven Austausch Das Organisationsteamder AgA-Geschäfts- wechselseitig profitieren. Um diese fachliche stelle beim BKG (Frau Günter und Herr Dr. Kommunikation zu initiieren, wurde die En- BoBriCh) sowie das Institut für Kartographie viroinfo am 6. Oktober als fachlicher Track in der TU Dresden als Ausrichter (Herr Prof. die INTERGEO in Köln integriert. BurGhardt) haben mit der 47. Tagung der Ar- Als Keynote Speaker für den Eröffnungs- beitsgruppe wieder ein sehr informatives Pro- vortrag konnte der ESRI-Gründer und einer gramm mit breitem Themenspektrum und der wichtigen Vordenker im Bereich Geoin- Bezug zu aktuellen Fragestellungen geboten. formation jaCK danGermond gewonnen wer- Die einleitende Frage von Frau Prof. sester den. Er zeigte in seinem Vortrag die aktuellen (Google vs. amtliche Daten, Dienste und An- Entwicklungen der Geoinformationstechnolo- wendungen) konnte zwar nicht abschließend gie in Kombination mit den Herausforderun- beantwortet werden, jedoch gab es eine Viel- gen des Umweltschutzes und der Nachhaltig- zahl von Anregungen und Ansätzen zur Ver- keitsdiskussion auf. Im Anschluss stellten besserung der Automation in Kartographie, hochrangige Experten den aktuellen Stand der Photogrammetrie und GIS. Dieses wird die Entwicklung im Bereich der Umweltinforma- amtlichen Systeme unter Beibehaltung der ho- tik dar und diskutierten mit Konferenzteil- hen Genauigkeit und Aktualität schrittweise nehmern von INTERGEO- und Enviroinfo den Google-Applikationen in punkto Benut- über die EU INSPIRE Richtlinie und die Per- zerfreundlichkeit näher bringen. spektiven einer grenzen- und fachübergreifen- Die Vorträge der Tagung werden auf der den europäischen Geodateninfrastruktur. AgA-Webseite (www.ikg.uni-hannover.de/ Deutlich wurde, dass die Konzepte und Tech- 42 Photogrammetrie • Fernerkundung • Geoinformation 1/2011 nologien von Geodateninfrastrukturen und r einartz (DLR Oberpfaffenhofen) zusam- Umweltinformationssystem nahezu vollstän- mengestellt. Die lokale Organisation des dig konvergiert sind und sich daraus viele ge- Workshops erfolgte durch Prof. Dr. GürCan meinsame Themen für Geo- und Umweltin- BüyüKsalih (BIMTAS) und seinem Team in formatiker und die Anwender der entspre- den Räumlichkeiten von BIMTAS-IMP, einer chenden Technologien ergeben. Firma der Stadtverwaltung von Istanbul. Die Am 7. und 8. Oktober wurde die Enviroin- über 30 Teilnehmer des Workshops kamen aus fo2010 im Geographischen Institut in Bonn Hochschulen und Forschungsinstituten, aber fortgesetzt. Den Auftakt machte eine Keynote auch aus dem Anwendungsbereich, haupt- von OGC-Präsident marK reiChardt über sächlich aus den vier Ländern Deutschland, Stand und Notwendigkeit der Standardisie- Ungarn, Jordanien und der Türkei. rung von Geoinformationstechnologien für In sechs Sitzungen zu je 90 Minuten wur- umweltrelevante Fragestellungen. Im Mittel- den insgesamt 18 Vorträge gehalten, so dass in punkt des Bonner Teils der Konferenz standen jeder Sitzung mit je drei Präsentationen aus- Probleme der Integration von Umweltinfor- reichend Zeit für die anschließenden intensi- mationen in Europa u.a. in den Programmen ven Diskussionen nach jedem Vortrag zur INSPIRE und GMES. Hierzu gab es eine wei- Verfügung stand. Die Themen der sechs Sit- tere Keynote von Paul smit vom Joint Re- zungen beinhalteten digitale Luftbildkameras search Center der Europäischen Union, der die (zwei Sitzungen), Optische Sensoren (z.B.La- Vielfalt und Bedeutung der EU-Programme ser) und Radar sowie Ergebnisse durch Mo- zur Umweltinformatik hervorhob. Behandelt dellierung von Sensordaten (Digital Elevation wurden auch klassische Themen der Umwelt- Model und Object Extraction). informatik wie Environmental Modelling and Am ersten Tag stellte thomas Krauss die Simulation, ICT and Climate Change, Green vom DLR entwickelten Methoden zur detail- IT, Environmental Management Information lierten Erstellung digitaler Höhenmodelle im Systems und vieles mehr. Auffällig waren die Stadtbereich und die Klassifizierung von Ge- starke internationale Prägung der Diskussio- bäuden und Vegetation aus Satelliten-Stereo- nen und der Austausch zwischen und mit EU-, modellen dar. Die pixelweise Bildzuordnung UN- und OGC-Experten. erlaubt die genaue Erfassung der Gebäudefor- Den 160 Teilnehmern aus 21 Staaten wurde men. Beril sirmaCeK (DLR) zeigte Möglich- ein breites, attraktives Programm aus Vorträ- keiten zur Bestimmung von Gebäudeänderun- gen, Workshops und Posterpräsentationen ge- gen, besonders Gebäudezerstörungen, durch boten. Abgerundet wurde die Veranstaltung Höhenmodelle aus hoch auflösenden Satelli- von gut organisierten Social Events, wofür tenaufnahmen, bei denen die Objektformen den Veranstaltern, Prof. Klaus GreVe und sei- durch die Bilder verbessert werden. özGün oK nen äußerst engagierten Mitarbeitern, hier (Middle East Technical University, Ankara) noch einmal explizit Dank gesagt werden erläuterte die automatische Bestimmung line- muss. arer Objekte aus Luftbildern. Karsten jaCoB- matthias möller, Berlin sen gab einen Überblick über die Entwicklung digitaler Luftbildkameras in Verbindung mit ihrem Leistungspotential. Besonders wurde Workshop der ISPRS WG I/4 vom auf die Entwicklung großformatiger CCDs 11.–13. Oktober 2010 in Istanbul, eingegangen. özGür yilmaz (Tubitak, Anka- Türkei ra) präsentierte die Einflüsse von Luftdruck und Temperatur auf die Bildqualität und Geo- Die Arbeitsgruppe 4 der ISPRS Kommission I metrie digitaler Kameras. Anhand der Daten veranstaltete vom 11. bis 13. Oktober einen des DGPF-Kameratests zeigte Khaldoun Workshop über Modeling of optical airborne Qtaishat (Mutah Universität, Karak, Jordani- and spaceborne Sensors in Istanbul. Das wis- en) Details des Potentials der digitalen Luft- senschaftliche Programm des Workshops bildkameras. wurde von Dr. Karsten jaCoBsen (Leibniz Am zweiten Tag präsentierte Peter rein- Universität Hannover) und Prof. Dr. Peter artz im zweiten Teil der Sitzung Digital Aerial Berichte von Veranstaltungen 43

Cameras ein vom DLR entwickeltes System verglich, das sich in einer Höhengenauigkeit zum Monitoring von Katastrophensituation von 7mwiderspiegelte. tamas szirányi stell- und Verkehrsanwendungen in fast Echtzeit te danach verschiedene Computer Vision Me- aus Bildserien, die mit einem System von drei thoden vor, um Formen von strukturellen Än- Canon EOS 1 Mark II von vornehmlich einer derungen in temporalen Luftbildern längerer Cessna aufgenommen werden. Wichtig bei Zeitepochen automatisch zu detektieren. Zum dem System ist der optische Downlink von Abschluss dieser Session präsentierte hossein 1.25 GBit/s. Anschließend stellte tamas areFi (DLR Oberpfaffenhofen) die automati- szirányi (MTA SZTAKI/DEVA, Budapest) sche Generierung von 3D-Modellen komple- ein System vor, das sich auf Multi Target Trak- xer Gebäude (LoD 2) durch Kantenzerlegung king aus Luftbildvideos (hier von einem Bal- in hoch auflösenden airborne Laserscanning- lon) speziell für militärische Anwendungen Daten. In der letzten Sitzung des Workshops spezialisierte. özGür selimôGlu (TÜBITAK, zeigte yoldas ataseVen (Middle East Techni- Ankara) diskutierte als Abschluss der Sitzung cal University, Ankara), wie man mithilfe von Möglichkeiten mechanischer Forward Motion SRTM-Daten und durch den so genannten op- Compensation zur Vermeidung von Bil- tischen Fluss, der die Bewegungsrichtung und dunschärfe in digitalen Luftbildkameras. In -geschwindigkeit jedes Bildpunktes nutzt, der nächsten Session über Laser zeigte Fallah schnell Stereobildpaare von IKONOS Daten VaziraBad (Middle East Technical University, am Beispiel von Hobarth (Australien) erstel- Ankara), wie man aus airborne Laserscan- len kann. özGür selimôGlu (TÜBITAK, An- ning-Daten Baumcharakteristiken detektieren kara) stellte danach den Salzsee Tuz Gölu kann. Danach stellte thomas Kersten (HCU (Türkei) als Testfeld zur Kalibrierung der Ra- Hamburg) erste Erfahrungen mit der Integra- diometrie von Satellitenbildern vor. Abschlie- tion terrestrischer Laserscanner (IMAGER ßend diskutierte mehmet alKan (Universität 5006i und Riegl VZ-400) in mobile hydrogra- Zonguldak) in einer Fallstudie in Zonguldak phische Multi-Sensorsysteme (z.B. Fäche- die zeitliche und räumliche GIS-Analyse zur recholot für simultane Datenerfassung unter Erfassung von Veränderungen mithilfe von Wasser) mit Beispieldaten aus dem Hambur- IKONOS Daten. ger Hafen als so genanntes shipborne System Insgesamt betrachtet war der ISPRS Istan- vor. Danach ging es aber wieder in den Welt- bul Workshop eine sehr gelungene Veranstal- raum, denn ali demir (Technical University tung, da sich nach den Vorträgen viele interes- Istanbul) präsentierte das Genauigkeitspoten- sante Diskussionen und neue Ideen entwickel- tial von Geländemodellen im Raum Istanbul, ten. Durch die kleine Gruppe von Teilnehmern die aus Daten von RADARSAT-2 (ultrafine konnten in vielen persönlichen Gesprächen mode) abgeleitet wurden. Dabei stellte sich neue Kontakte geknüpft werden. Die Procee- heraus, dass ein Vergleich mit Referenzdaten dings sind auf CD-ROM erhältlich und wer- oft sehr schwierig ist, da häufig nur Gelände- den im Internet als International Archives of modelle zum Vergleich mit Oberflächenmo- the Photogrammetry, Remote Sensing and dellen zur Verfügung stehen, die dann durch Spatial Information Sciences unter www. Vegetation und Gebäude eine Verschiebung in isprs.org veröffentlicht. Den Organisatoren Z beinhalten. um Dr. Karsten jaCoBsen und Dr. Peter rein- Ein ähnliches Problem stellte sich auch artz sowie insbesondere dem örtlichen Orga- umut seFerCiK (Universität Zonguldak), der nisationsteam um Dr. GürCan BüyüKsalih ist am dritten Tag des Workshops in der Sitzung für die Durchführung des Workshops herzlich Object extraction Oberflächenmodelle im 3m zu danken. Raster, abgeleitet aus Terra X und IKONOS thomas Kersten, Hamburg Daten, mit hoch genauen Geländemodellen 44 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Persönliches

Nachruf Dr.-Ing. Wolfgang erstes berufliches Ziel war es, ganz Nieder- Brindöpke sachsen, das sind immerhin ca. 48 000 km², vollständig in Luftbildern im Maßstab Anfang Juni 2010, wenige Tage nach seinem 1:12000 vorzuhalten und dafür ein Landes- 80. Geburtstag, ist Dr. WolFGanG BrindöPKe luftbildarchiv einzurichten. Es dauerte mehr verstorben. Ich habe WolFGanG BrindöPKe als zehn Jahre, dieses Ziel zu erreichen, denn 1964 kennengelernt, als er bei der Landesver- die eigenen Vergabemittel für Bildflüge waren messung in Hannover niedersächsischer Be- knapp. Nur durch sein ausgeprägtes Verhand- amter und Dezernent für Photogrammetrie lungsgeschick und die Kooperation mit ande- geworden war. 1992 habe ich ihn in den Ruhe- ren Behörden, z. B. der Straßenbauverwal- stand verabschieden dürfen. Es war wahr- tung, der Forstverwaltung, der Wasserwirt- scheinlich Zufall, dass WolFGanG BrindöPKe schaftsverwaltung und einigen Landkreisen, nach Hannover gekommen ist, denn seine be- war es möglich, dieses Vorhaben umzuset- ruflichen Wurzeln lagen in Nordrhein-Westfa- zen. len. Dort hatte er Geodäsie studiert und seine Eine der damaligen Hauptaufgaben der Referendarzeit absolviert. Ferner war er eini- Photogrammetrie war die Höhenauswertung ge Zeit bei Professor sChermerhorn beim ITC für die Deutsche Grundkarte 1:5000. Das in Delft. Während seiner Promotion bei Pro- war ein Mammutunternehmen, etwa 12 000 fessor junG in Aachen verstarb sein Doktorva- Blätter der DGK 5 standen an. Diese Auswer- ter plötzlich und Professor lehmann in Han- tungen wurden vor allem für wasserwirt- nover bot WolFGanG BrindöPKe an, seine Dis- schaftliche Maßnahmen in sehr ebenen Gebie- sertation bei ihm zu beenden. So hat es ihn ten angefordert und auch bezuschusst. Damals nach Niedersachsen verschlagen. herrschte noch die Auffassung, dass dafür Hö- WolFGanG BrindöPKe war der wichtigste henlinien das Sinnvollste wären. Es war eine Photogrammeter in der Niedersächsischen große technische Herausforderung, dieses Vermessungs- und Katasterverwaltung. Ihm photogrammetrisch zu leisten und dabei einen ist es zu verdanken, dass es heute ein vollstän- Qualitätsstandard zu garantieren. BrindöPKes diges, hoch auflösendes Digitales Geländemo- Lösung war, den Aufnahmemaßstab auf dell für Niedersachsen gibt. Außerdem hat er 1:6000 zu vergrößern, die photogrammetri- die Grundlagen dafür gelegt, dass für ganz sche Auswertung durch geeignete Kontroll- Niedersachsen flächendeckend Orthophotos punkte zu verifizieren und die Auswertung im Maßstab 1:5000 vorgehalten werden. Sein auf ein Höhenpunktraster zu beschränken. Die Höhenlinien wurden dann vom Topogra- phen vor Ort entworfen. BrindöPKe verfolgte ständig die Neuerungen im Fach und erprobte, ob er effektivere Verfahren entwickeln konnte. So erkannte er auch frühzeitig die technischen und wirtschaftlichen Vorteile des Color- Diafilms für die Photogrammetrie. Neben seinen dienstlichen Aufgaben hat sich WolFGanG BrindöPKe wie kaum ein anderer für die Mitgliederwerbung der DGPF en- gagiert. Oft hat er mir erzählt, wie viele Mit- glieder er neu geworben hat. Seine über Nie- dersachsen hinausgehend bedeutendste Lei- stung war aber wohl die Organisation der Fir- menausstellung für den Kongress der ISPRS 1980 in Hamburg, in die er viel Leidenschaft Persönliches 45 und viele Ideen investierte. Auch als Pensio- tionalen Gesellschaft für Photogrammetrie när hat er noch aktiv in der DGPF mitgewirkt und Fernerkundung (Prof. orhan altan, und war zuletzt auf der 100-Jahrfeier der Istanbul) und vom Vizepräsidenten der Deut- DGPF in Jena präsent. Wir werden darüber schen Gesellschaft für Kartographie (Prof. hinaus WolFGanG BrindöPKe wegen seiner of- manFred BuChroithner, Dresden). Alle Trau- fenen und bis weilen unkonventionellen Art erreden, einschließlich der Beiträge der Ge- als einen zielstrebigen und dennoch fröhlichen sellschaft für Erdkunde zu Berlin und der Menschen gern in Erinnerung behalten. Freien Akademie, bezeugten die hervorragenden wissenschaftlichen Leistungen, die über hans Bauer, Garbsen den engen fachlichen Horizont blickende Per- sönlichkeit und die große Beliebtheit, die für jörG alBertz charakteristisch waren. Nachruf auf Prof. Dr.-Ing. Jörg jörG alBertz wurde am 29.2.1936 in Es- Albertz (Ehrenpräsident der DGPF) slingen am Neckar als jüngerer Zwillingsbru- der geboren. Nach der am Gymnasium abge- Am 28.10.2010 ist der Ehrenpräsident der schlossenen Reifeprüfung begann er 1955 an Deutschen Gesellschaft für Photogrammetrie, der Technischen Hochschule Stuttgart das Fernerkundung und Geoinformation, Prof. Studium des Vermessungswesens, das er 1959 Dr.-Ing. jörG alBertz überraschend nach kur- mit einer Diplomarbeit bei Prof. ernst Gott- zer schwerer Krankheit verstorben. Die sehr hardt abschloss. Wegen des sehr guten Ab- würdige Trauerfeier fand am 26.11.2010 im schlusses wurde er bei Prof. rudolF BurK- Rathaus in Berlin-Charlottenburg statt. An hardt an der TU Berlin wissenschaftlicher dieser Verabschiedung nahmen zahlreiche Assistent, als Kollege des späteren Professors Kollegen, Mitarbeiter und Schüler von jörG der TU Braunschweig, Günter Weimann. Be- alBertz teil, die zum Teil aus Kanada, den reits 1963 wurde er historisch tätig. Er verfas- USA, der Türkei, aus Israel, aus Griechenland ste eine Zusammenstellung über das deutsche und aus allen Teilen Deutschlands von sehr Schrifttum der Photogrammetrie von 1938 bis weit her angereist waren. 1960 für die Zeitschrift Bildmessung und Die sehr herzliche Trauerrede wurde von Luftbildwesen (BuL). 1965 promovierte er Dipl.-Inf. Gerhard KöniG, einem der engsten zum Dr.-Ing. mit einer Arbeit über Blocktrian- Mitarbeiter, gehalten. Grußadressen kamen gulation von Einzelbildern. von der TU Berlin (Prof. lothar GründiG, Nach einer kurzen freiberuflichen Tätigkeit Berlin), von der Präsidentin der Deutschen in Berlin in den Jahren 1966 und 1967 bestell- Gesellschaft für Photogrammetrie, Ferner- te ihn Prof. Kurt sChWideFsKy an seinem In- kundung und Geoinformation (Prof. Cornelia stitut für Photogrammetrie und Topographie Glässer, Halle), vom Präsidenten der Interna- in Karlsruhe zum Oberingenieur und Lehrbe- auftragten. Somit hatte jörG alBertz mit nahezu allen bedeutenden photogrammetrischen Wissenschaftlern der Bundesrepublik in den Sechzigerjahren (Gotthardt,BurKhardt, sChWideFsKy) enge persönliche Kontakte. In Karlsruhe verfasste er gemeinsam mit Walter KreilinG das beliebte in mehrere Sprachen übersetzte Photogrammetrische Taschenbuch, das jetzt in fünf deutschen Auflagen existiert. Im Jahre 1973 erhielt er ein halbjähriges Stipendium für einen Studienaufenthalt in den USA und Kanada, den er zur Vertiefung seiner Kenntnisse auf dem Gebiet der sich dort rapide entwickelnden Fernerkundung nutzte. Für seinen Bericht darüber in der Zeitschrift BuL erhielt er den Hansa-Luftbild-Preis 1974. 46 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Im Jahre 1976 bekam er dann einen Ruf an die Wien einen eindrucksvollen Abriss der Per- TH Darmstadt auf die erste Fernerkundungs- sönlichkeit von jörG alBertz verfasste. professur in Deutschland. In diese Zeit (1975– Der Lehrstuhl für Photogrammetrie war 1979) fällt sein Vorsitz des Arbeitskreises Fer- der älteste in Deutschland. Er wurde 1930 mit nerkundung bei der Deutschen Gesellschaft otto laCmann besetzt. Dies war für jörG al- für Photogrammetrie. 1978 wurde er Dekan Bertz eine Verpflichtung, die historische Be- des Fachbereichs Vermessungswesen an der deutung von Berlin in der Photogrammetrie TH Darmstadt. zu pflegen. jörG alBertz verstand es z. B. 1979 erhielt er einen Ruf an die TU Berlin durch Veranstaltung einer besonderen Tagung als Nachfolger seines Lehrers Prof. rudolF in Berlin, die Erinnerung an alBreCht mey- BurKhardt. So betreute er anfänglich die un- denBauer anlässlich seines 75. Todestages im ter BurKhardt begonnenen Arbeiten in der Jahre 1996 wachzurufen. Er sorgte für die nicht-topographischen Photogrammetrie und Verleihung des Goldenen Doktordiploms an der Elektronenmikroskopie, um sich bald sei- seinen früheren Chef Kurt sChWideFsKy und nen in Karlsruhe und Darmstadt gefestigten 1989 an Prof. WanG zhi zhuo, einen der Be- Interessen für die Bildinterpretation und die gründer der Wuhan Technischen Universität Fernerkundung zu widmen. Neben seinen Pu- für Vermessungswesen in China, der bei laC- blikationen auf diesen Gebieten erschien sein mann 1939 promoviert hatte. Lehrbuch „Fernerkundung“ im Jahre 1991. Besonders in Erinnerung bleiben wird die Die 2. Auflage folgte 2001. von jörG alBertz verfasste Schrift „100 Jahre Als jörG alBertz im Jahre 1979 den Ruf in Deutsche Gesellschaft für Photogrammetrie, Berlin annahm, konnte er nicht ahnen, dass Fernerkundung und Geoinformation 1909– die TU Berlin ein Jahrzehnt später eine 2009“, basierend auf seinem im Jahre 2009 Schlüsselstellung bei der Integration beider gehaltenen hervorragenden Vortrag bei der deutscher Staaten in die Bundesrepublik und 100 Jahrfeier der DGPF in Jena, in dem er wie ihrer wissenschaftlichen Aktivitäten einneh- kein anderer, die historischen Zusammenhän- men würde. jörG alBertz war es vergönnt, ge in der Entwicklung unserer Disziplin dar- diese Herausforderungen im Bereich der Pho- zustellen wusste. togrammetrie und Fernerkundung aktiv vor- Wie kommt es, dass jörG alBertz neben anzutreiben. Dieses betrifft einerseits seine seinen fachspezifischen Interessen auch die enge Kooperation mit dem DLR Berlin-Ad- übergeordneten Zusammenhänge erfassen lershof in den Marsprojekten Mars 96 und und weitergeben konnte? Gleich nach seiner Mars Express 2003. Andererseits ergab sich in Berufung nach Berlin im Jahre 1979 wurde er Berlin aber auch die enge Zusammenarbeit Präsident der Freien Akademie, der er durch mit den Kollegen aus den neuen Bundeslän- Herausgabe einer Schriftenreihe im Jahr 1980 dern, insbesondere in der DGPF. ein Denkmal gesetzt hat. Die Freie Akademie Dabei kam ihm zugute, dass er von 1978 bis ist ein politisch und religiös unabhängiger Zu- 1987 gemeinsam mit Walter hoFmann als sammenschluss von Personen, die sich um Schriftleiter in der Nachfolge von Kurt sChWi- eine wissenschaftliche und kulturelle Ausein- deFsKy tätig war. In den Jahren als Vizepräsi- andersetzung von Daseins- und Wertefragen dent der DGPF von 1993–1996 und als Präsi- unserer Zeit bemühen. Darin liegt wohl der dent der DGPF von 1996–2000 konnte er die Schlüssel, das breite Lebenswerk von jörG Weichen stellen. Diese erfolgreichen Aktivitä- alBertz zu verstehen. Er verdient unsere ten, gepaart mit seiner Bescheidenheit und Hochachtung. Er ist mit 74 Jahren von uns ge- seinem ruhigen und ausgeglichenen Urteil gangen, er wird uns sehr fehlen. führten schließlich zu der im Jahre 2004 in GottFried KoneCny, Hannover Halle verliehenen Ehrenpräsidentschaft der DGPF, aus deren Anlass Karl Kraus aus Veranstaltungskalender 47

Veranstaltungskalender

2011 Applications (LIDAR & RADAR 2011) in Nanjing, China. www.lidar2011.org/ 2.–5. März: 4th International Conference 3D- ARCH 2011 on 3D VirtualReconstruction 30. Mai – 1. Juni: Symposium Königslutter andVisualization of ComplexArchitectures 2011. Info/Anmeldung: www.angewandte- in Trento, Italien. Infos: www.3d-arch.org/ kartographie.de 10.–11. März: GeoViz Hamburg 2011: Link- 13.–16. Juni: 7th International Symposium ing Geovisualization with Spatial Analysis on Mobile Mapping Technology (MMT11) and Modeling an der HafenCityUniversität in Cracow, Polen. www.mmtcracow2011.pl/ Hamburg. www.geomatik-hamburg.de/geoviz/ 14.–17. Juni: ISPRS WG IV/2 Workshop on High Resolution Earth Imaging for Ge- 21.–24. März: 16. Münchner Fortbildungsse- ospatial Information in Hannover. www. minar Geoinformationssysteme in Mün- commission4.isprs.org/wg2/ chen. Infos: www.rtg.bv.tum.de/ 15.–17. Juni: GEOINFORMATIK 2011 in 29.–30. März: 10. Internationales 3D-Forum Münster. www.geoinformatik2011.de/ Lindau. Infos: www.3d-forum.li 26.–27. Juni: ISPRS WG V/4, III/2+4, IV/4+8 4.–8. April: 8th IAA Symposium on Small joint Workshop on 3D City Modelling & Satellite for Earth Observation in Berlin. Applications in Wuhan, China. www.lmars. www.dlr.de/iaa.symp whu.edu.cn/3DCMA2011/

11.–13. April: JURSE 2011 – Joint Urban Re- 3.–8. Juli: 25th International Cartography mote Sensing Event (URBAN 2011 + URS Conference (ICC2011) in Paris, Frankreich. 2011) in München. www.jurse2011.tum.de www.icc2011.fr/ 13.–15. April: EOGC 2011 – 3rd Conference 29.–31. August: ISPRS WG V/3 Laser Scan- on Earth Observation for Global Changes in ning 2011 inCalgary, Kanada.www.ucalgary. München. www.eogc2011.tum.de ca/Laserscanning2011/

13.–15. April: 30. Wissenschaftlich-Techni- th sche Jahrestagung der DGPF in Mainz. 12.–16. September: XXIII International www.dgpf.de/neu/jahrestagung/informatio- CIPA-HD Symposium in Prague, Tschechi- nen.htm en. cipa.icomos.org/index.php?id=9 3.–8. Mai: Gi4DM – GeoInformation for Di- 27.–29. September: INTERGEO 2011 in saster Management in Antalya, Türkei. Nürnberg. Infos: www.intergeo.de/de/deuts- www.gi4dm2011.org/ ch/index.php 12.–13. Mai: 7. GIS-Ausbildungstagung 2011 5.–7. Oktober: Photogrammetric Image in Potsdam. gis.gfz-potsdam.de/ Analysis 2011 (PIA11) in München. www. pia11.tum.de 23.–26. Mai: SPIE Optical Metrology – Videometrics, Range Imaging, and Applications in München. spie.org/x6506. 2012 xml 26.–29. Mai: ISPRS ICWG V/I joint ICA/IS- 24. August – 3. September: XXII ISPRS PRS/FIG International Symposium on Congress 2012 in Melbourne, Australien. Lidar & Radar Mapping: Technologies & www.isprs2012-melbourne.org/ 48 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Neuerscheinungen

ralF Bill, 2010: Grundlagen der Geo-Infor- d ieter lelGemann, 2010. Die Erfindung der mationssysteme. 5. völlig neu bearbeitete Auf- Messkunst – Angewandte Mathematik im an- lage, 809 Seiten, gebunden, ISBN 978-3- tiken Griechenland. 285 S., ISBN978-3-534- 87907-489-1, Wichmann, VDE Verlag GmbH, 23118-8, WBG, Darmstadt. Berlin-Offenbach. Paul a. lonGley, miKe GoodChild, daV id j. marinos ioannides, dieter Fellner, andreas maGuire & daV id W. r hind, 2010. Geograph- GeorGoPoulos & dioFantos G. hadjimitsis ic Information Systems and Science. 3rd Edi- (Eds.) 2010. digital Heritage – Third Interna- tion, 472 p., ISBN 978-0-470-72144-5, John tional Euro-Mediterranean Conference, Eu- Wiley & Sons. roMed 2010, Lemessos, Cyprus, November 8–13, Lecture Notes in Computer Science, thomas luhmann, 2010. Nahbereichsphoto- Vol. 6436, XIV, 550 p., Softcover, ISBN 978- grammetrie – Grundlagen, Methoden und An- 3-642-16872-7, Springer Link. wendungen. 3. vollst. neu bearbeitete und erweiterte Auflage, 674 Seiten, gebunden, ISBN marKus joBst (Ed.), 2010. Preservation in 978-3-87907-479-2, Wichmann, VDE Verlag Digital Cartography – Archiving Aspects. 1st GmbH, Berlin-Offenbach. Edition, Lecture Notes in Geoinformation and Cartography, 309 p., ISBN 978-3-642-12732- 8, Springer, Berlin. Zum Titelbild 49

Zum Titelbild

Großformatige digitale Luftbildka- großer CCD Flächensensor, mit 140 bzw. 250 mera DMC II Megapixel. Der Sensor bildet zusammen mit 140 einer speziell entwickelten Hochleistungsop- Die Weiterentwicklung großformatiger digita- tik von Carl Zeiss einen monolithischen Ka- ler Luftbildkameras hält ungebrochen an. Das merakopf. Dadurch wird das Zusammenset- Titelbild zeigt das Firmengelände der ehema- zen von kleinen CCDs überflüssig. ligen Spinnerei J.F. Adolff in Backnang (27km Die Vorteile dieser neuesten Kameratech- nordöstlich von Stuttgart), aufgenommen mit nik sind eine bis heute nicht erreichte geome- 2cm Bodenpixelgröße aus 350m Flughöhe. trische Genauigkeit, die höchste Qualität im Erstellt wurde die Aufnahme mit einer neuen klassischen Bildflug und absolute Präzision für den großmaßstäblichen Ingenieurbereich DMC II 140 von Intergraph Z/I. garantiert. Auch die hohe radiometrische Qua- lität der digitalen Luftbilder konnte durch dieses innovative Kameradesign weiter gesteigert werden. Nicht nur für die Orthophotoherstel- lung, sondern vor allem für Anwendungen in der Fernerkundung werden hier neue Mög- lichkeiten eröffnet. Lange Brennweiten erlau- ben eine hohe Auflösung aus großer Flughöhe, was vor allem im städtischen Bereich oder in Gegenden mit Luftraumbeschränkungen von Vorteil ist. Die schnelle Bildwiederholrate bietet die Möglichkeit, Daten mit bis zu 90 % Vorwärtsüberdeckung zur erfassen – wichtig zur Generierung von 3D-Stadtmodellen. Weitere Informationen Klaus Neumann Intergraph Z/I Deutschland GmbH Die DMC II Kamerafamilie ist die Nachfol- Produktmanagement gegeneration der erfolgreichen DMC. Z/I bie- Ziegelstraße 12, 73431 Aalen tet drei verschiedene Kameramodelle an: +49 7361 88954540 [email protected] DMC II 140, DMC II 230 und DMC II 250. Die Besonderheit an der DMC II ist ein extrem www.intergraph.com/photo

Technische Daten der DMC II 140: Kameradesign: 5 Kameraköpfe, 1 × PAN und 4 × Multispektral Farbkanäle:PAN, Rot, Grün, Blau & nahes IR, separate Farbfilter pro MS-Kanal Bildformat:12096 × 11200 Pixel Brennweite PAN92mm Brennweite MS 45 mm Öffnungswinkel 50,7° × 47,3° CCD Pixelgröße PAN7,2 µm CCD Pixelgröße MS 7,2 µm A/D Auflösung 14 Bit Bildwiederholrate2,0 sec Elektronische Forward Motion Compensation für alle Kanäle BilddatenspeicherSSD basierend bis zu 1,9 TByte, im Flug austauschbar 50 Photogrammetrie • Fernerkundung • Geoinformation 1/2011

Korporative Mitglieder

Firmen Behörden AEROWEST GmbH Amt für Geoinformationswesen der Bundeswehr AICON 3D Systems GmbH Bayerische Landesanstalt für Wald und Forstwirtschaft Alpha Luftbild GmbH Bundesamt für Kartographie und Geodäsie aphos Leipzig AG Bundesmin. für Ernäh., Landw. u. Verbraucherschutz Becker GeoInfo GmbH DB Netz AG Bernhard Harzer Verlag GmbH Hess. LA für Bodenmanagement und Geoinformation Blom Deutschland GmbH Innenministerium NRW, Gruppe Vermessungswesen Brockmann Consult Inst. für Umwelt- und Zukunftsforschung bsf swissphoto LA für Geoinformation u. Landentw., Baden-Württem. Büro Immekus LA für Vermessung und Geoinformation, Bayern CGI Systems GmbH LB Geoinformation und Vermessung, Hamburg con terra GmbH LB f. Küstenschutz, Nationalpark u. Meeresschutz, SH Creaso GmbH Landesvermessung und Geobasisinformation Nieders. DEFINIENS AG Märkischer Kreis, Vermessungs- und Katasteramt DELPHI IMM GmbH Regierungspräs. Tübingen, Abt. 8 Forstdirektion Deutsches Bergbau-Museum Regionalverband Ruhr EFTAS Fernerkundung Technologietransfer GmbH Staatsbetrieb Sachsenforst Pirna ESG Elektroniksystem- und Logistik-GmbH Stadt Bocholt, Fachbereich 31 ESRI Geoinformatik GmbH Stadt Düsseldorf, Vermessungs- und Katasteramt EUROPEAN SPACE IMAGING Stadt Köln, Amt für Liegensch., Verm. und Kataster Eurosense GmbH fokus GmbH Stadt Wuppertal, Verm., Katasteramt und Geodaten g.on experience gmbh Thüringer LA für Vermessung und Geoinformation GAF GmbH GeoCad GmbH Hochschulen GeoCart Herten GmbH BTU Cottbus, Lehrstuhl für Vermessungskunde GeoContent GmbH FH Frankfurt a.M., FB 1, Studiengang Geoinformation Geoinform. & Photogr. Engin. Dr. Kruck & Co. GbR FH Mainz, Inst. f. Raumbez. Inform.- und Messtechn. geoplana Ingenieurgesellschaft mbH FH Oldenburg, Inst. für Angew. Photogr. und Geoinf. GEOSYSTEMS GmbH HCU HafenCity Universität Hamburg, Geomatik GGS - Büro für Geotechnik, Geoinformatik, Service HfT Stuttgart, Vermessung und Geoinformatik Hansa Luftbild AG HS Bochum, FB Vermessung und Geoinformatik IGI - Ingenieur-Gesellschaft für Interfaces mbH HS Karlsruhe, FB Geoinformationswesen ILV Ing.-büro für Luftbildausw. und Vermessung HTW Dresden, FB Vermessungswesen/Kartographie Imetric 3D GmbH Ruhr-Uni Bochum, Geographisches Institut Infoterra GmbH RWTH Aachen, Geodätisches Institut INVERS - Industrievermessung & Systeme TU Bergak. Freiberg, Inst. f. Markscheid. u. Geodäsie J. Linsinger ZT-GmbH TU Bergak. Freiberg, Inst. für Geologie, RSG Jena-Optronik GmbH TU Berlin, Computer Vision & Remote Sensing KAZ Bildmess GmbH TU Braunschweig, Inst. für Geodäsie und Photogr. Leica Geosystems GmbH Luftbild Brandenburg GmbH Planer + Ingenieure TU Clausthal, Inst. für Geotechnik und Markscheidew. Luftbilddatenbank-Würzburg TU Darmstadt, Inst. für Photogrammetrie und Kartogr. Messbildstelle GmbH TU Dresden, Inst. für Photogrammetrie und Fernerk. Microsoft Photogrammetry TU München, FG Photogrammetrie und Fernerk. MILAN Geoservice GmbH TU Wien, Inst. für Photogrammetrie und Fernerk. PHOENICS GmbH Uni Bonn, Inst. für Photogrammetrie PMS - Photo Mess Systeme AG Uni Göttingen, Inst. für Waldinv. und Waldwachstum RIEGL Laser Measurement Systems GmbH LUH Hannover, Inst. für Kartogr. und Geoinformatik RWE Power AG, Geobasisdaten/Photogrammetrie LUH Hannover, Inst. für Photogrammetrie und GeoInf. technet GmbH Uni Heidelberg, IWR Interdis. Zentr. f. Wiss. Rechnen TerraVista Umweltdaten GmbH Uni Karlsruhe, Inst. für Photogrammetrie und Fernerk. TRIGIS Vermessung + Geoinformatik GmbH Uni Kassel, FB Ökologische Agrarwissenschaften Trimble Germany GmbH Uni Kiel, Geographisches Institut trimetric 3D Service GmbH Uni Stuttgart, Inst. für Photogrammetrie Wichmann, VDE Verlag GmbH Uni Würzburg, Geographisches Institut Z/I Imaging Ltd. Uni zu Köln, Geographisches Institut Hochschule für Technik und Wirtschaft Dresden University of Applied Sciences

An der Fakultät Geoinformation ist zum 1. März 2012 folgende W2-Professur zu besetzen:

Professur Fernerkundung/Digitale Bildverarbeitung/Informatik (Chiffre: DD VK12)

Das Berufungsgebiet umfasst die Lehrgebiete: - Fernerkundung, - Digitale Bildverarbeitung, - Luftbildkunde und Luftbildinterpretation - Informatik - Photogrammetrie Der Inhalt und der Umfang der Lehrveranstaltungen sind den jeweils aktuellen Erfordernis- sen anzupassen. Neben den Verpflichtungen in der Lehre und bei der Betreuung von Studi- en-, Praktikums- und Abschlussarbeiten wird die Bereitschaft zur selbstständigen Forschung und zur Mitwirkung in der akademischen Selbstverwaltung erwartet. Die Professur soll die Berufungsgebiete anwendungsbezogen schwerpunktmäßig in Lehrveranstaltungen der Ba- chelor- und Masterstudiengänge sowie im Diplomfernstudiengang Vermessungswesen der Fakultät Geoinformation vertreten. Das Berufungsgebiet Luftbildkunde und Luftbildinterpreta- tion ist in den Lehrveranstaltungen der Bachelorstudiengänge Umweltmonito- ring/Umweltanalyse und Landschafts- und Freiraumentwicklung der FakultätLand- bau/Landespflege zu vertreten. Die Wahrnehmung von Lehraufgaben in der Geoinformatik- ausbildung in Studiengängen der Fakultät Geoinformation der Hochschule ist bei Bedarf ebenfalls erforderlich.

Vorausgesetzt werden fundierte wissenschaftliche Kenntnisse (Promotion oder äquivalente Leistungen gem. § 58 SächsHSG) und praktische Erfahrungen auf den oben genannten Ge- bieten sowie pädagogische Fähigkeiten zurWissensvermittlung. Erwartet werden berufser- fahrene Persönlichkeiten, die bereit und in der Lage sind, interdisziplinärzuarbeiten.

Weitere Auskünfte erteilt die Fakultät Geoinformation (Telefon: 0351/462 3149).

Die Bewerberinnen/Bewerber müssen die Berufungsvoraussetzungen gem. § 58 des Säch- sischen Hochschulgesetzes (SächsHSG) erfüllen. Die HTW Dresden strebt einen hohen Anteil von Frauen in Lehre und Forschung an. Qualifizierte Wissenschaftlerinnen sind des- halb ausdrücklich zur Bewerbung aufgefordert. Bei gleicher Eignung werden Schwerbehin- derte bevorzugt berücksichtigt.

Bewerbungen sind unter Angabe der Chiffre mit aussagekräftigen Unterlagen (tabellarischer Lebenslauf, Darstellung des wissenschaftlichen und beruflichen Entwicklungsweges, Listen der Veröffentlichungen, Lehrveranstaltungen und Vorträge sowie Kopien der Urkunden und Zeugnisse über alle erreichten akademischen Grade) schriftlich bis zum 21.03.2011 zu rich- ten an:

Hochschule fürTechnik und Wirtschaft Dresden Dezernat Personalangelegenheiten Friedrich-List-Platz 1 01069 Dresden Te.: 0351-462 2127, Fax: 0351-462 2173