Project

Datafusie voor beeldanalyse in aardobservatie.

Looptijd
01-01-2015 → 31-12-2020
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Onderzoeksdisciplines
  • Natural sciences
    • Applied mathematics in specific fields
    • Computer architecture and networks
    • Distributed computing
    • Information sciences
    • Information systems
    • Programming languages
    • Scientific computing
    • Theoretical computer science
    • Visual computing
    • Other information and computing sciences
Trefwoorden
Aardobservatie Datafusie
 
Projectomschrijving

De vooruitgang in sensortechnologie heeft het geavanceerde remote sensing domein, waardoor de toegang tot een groot aantal satelliet en in de lucht data producten, elk met hun eigen ruimtelijke en spectrale resolutie, dekking en herzien tijden. Terwijl elk van deze modaliteiten levert waardevolle informatie op zichzelf, de combinatie is waarschijnlijk nog rijker kennis te leveren. In dit project wordt de term “fusie” gebruikt als algemene term voor het combineren van informatie van meer dan één afbeelding bron. Een moeilijkheid is dat de beelden van soortgelijke bodembedekking weergave ongelijke radiometrische eigenschappen als gevolg van veranderingen in belichting, atmosferische of andere omstandigheden van aan- observatie. Hierdoor zogenaamde spectrale variabiliteit, d.w.z. variatie in spectrale weergave van een bepaald materiaal binnen en tussen afbeeldingen. Een ander probleem is dat de meeste hyperspectrale sensoren golflengte afhankelijke kenmerken. Onze algemene doelstelling is om data fusion technieken die rekening houden met deze spectrale aspecten en op deze manier verbeteren van de spectrale eigenschappen van een gefuseerde afbeelding of een afgeleide product, zoals een bodembedekking classificatie kaart te ontwikkelen. Specifieke doelstellingen zijn technieken voor het verwijderen van de golflengte afhankelijk onscherpte en lawaai en voor afbeeldingen en classifiers te passen aan veranderende observationele omstandigheden te ontwikkelen. Verder zullen we onze ontwikkelde technieken toe te passen state of the art methoden voor dimensionaliteitsreductie, verandering detectie en hergebruik van grond referentie-gegevens te verbeteren.