GEOREFERENZIERUNG

Die Georeferenzierung hat das Ziel durch Fernerkundung erhaltenes digitales Bild- und Datenmaterial einen geographischen Raumbezug zu verleihen, um dieses mit einem GIS nutzen zu können. Jedem Pixel des Bildes soll eine kartographische Koordinate zugeordnet werden, indem ein geodätisches Bezugssystem, oder auch ein bereits georeferenziertes Bild des Gebietes, gewählt wird und über Ground Contol Points Punkte im Bild als auch in der Karte eindeutig identifiziert werden. Verzerrungen, die bei Fernerkundungsaufnahmen unvermeidbar sind, sollen entzerrt werden, damit z.B. Strecken und Hangneigungen , je nach Darstellung und Modell, der Realität im Raum entsprechen, um eine genaue Berechnung von Strecken und Flächen zu ermöglichen. Über Georeferenzierung lässt sich jeder Punkt auf der Erde eindeutig identifizieren.

Abb. 1: Verzerrung bei Luftaufnahmen


(Quelle: Vorlesungsskript Einführung GIS, Fernerkundung und Kartographie WS 2009/10 FU Berlin)

Eine möglichst genaue Georeferenzierung wird über ein ausreichend große Anzahl von Ground Control Points gewährleistet, die gut verteilt und möglichst genau lokalisiert werden können, um eine Beziehung zwischen Pixel und Geländepunkt herzuleiten. Die Verzerrungen sind am Bildrand sind am größten, so dass dieser Bereich genügend Ground Control Points aufweisen sollte.

Abb. 2: Georeferenziertes Bild


(http://www.dlr.de/caf/en/Portaldata/36/Resources/images/technologie/algorithmen/Lichtenau-Sommer-klein.JPG)


Besonders gut eignen sich Punkte, die trotz der oftmals geringen Auflösung der Bilder gut zu erkennen sind, wie Straßenkreuzungen, Denkmäler, große Gebäude, die nicht wie z.B. Flüsse und Uferstreifen von den Jahreszeiten und vom Klima beeinflusst werden. Bei geringen Auflösungen kann sich die Auswahl als schwieriges Unterfangen darstellen, da z.B. ein Pixel im Bild 30x30 Meter auf dar er Erdoberfläche darstellt. Viele Punkte werden daher über einige wenige Pixel unscharf dargestellt.
Diese Punkte werden in ERDAS manuell bestimmt und mit den geodätischen Koordinaten verknüpft.
Durch die Auswahl eines geeigneten mathematischen Modells – dem Ableiten einer Transformationskurve – werden die Pixel aus der Bildmatrix in eine neue Position im Referenzgitter übertragen.
Bei der Transformation des zweidimensionalen Raumes sind das Versetzen des Urprungs, die Skalenänderung und die Rotation der Achsen die drei grundsätzlichen Änderungen des Koordinatensystems. Weitere Veränderungen sind Kombinationen der Grundtypen und werden als affine Transformation bezeichnet.

Def.: Affine Transformation
Geometrische Transformation von einem euklidischen
Koordinatensystem in ein anderes (z.B. von Digitizerkoordinaten in
Landeskoordinaten), wobei als Faktoren Rotation, Translation und
Skalierung wirken. Die Ähnlichkeit (Form) von geometrischen
Figuren bleibt erhalten. (Quelle: Vorlesungsskript von Dr. Hans-Peter Thamm: Einführung GIS, Kartographie, Fernerkundung. WS 2009/10 FU Berlin)


Um Bildverzerrungen zu beseitigen und um Größenverhältnisse zu korrigieren sind Koordinatentransformationen der Bildpunkte notwendig, die zu einer Translation, Skalierung oder Rotation der Bilder führen.
Der Grad der affinen Transformation wird über die Anzahl der Ground Control Points bestimmt, so benötigt ein Polynom 1. Grades, wie z.B. für kleinere Gebiete, mindestens 3 Punkte, während ein Polynom 3. Grades bei komplexen Verzerrungen mindestens 10-15 Punkte benötigt.


Die Lage des Koordinatensystems beeinflusst die Abbildung von Objekten bei der Berechnung der neuen Grauwerte.


Die im Seminar behandelten Resampling-Methoden sind:

1. "nearest neighbour": Diese Methode führt zu blockigen Bildern, da der Grauwert des Pixels im Ausgangsbild übernommen wird, der die größte Überdeckung im neuen Bild hat, bzw. den neu berechneten (x,y)-Koordinaten am nächsten liegt.

2. "bilinear convolution": Die Grauwerte werden interpoliert, so wird ein blockiges Erscheinungsblid vermieden. Der neue Grauwert entsteht aus dem gewichteten Mittelwert der 4 nächsten Zellwerte. Durch die Interpolation werden allerdings die Grauwertgrenzen abgeschwächt und somit die Signaturdifferenzen zwischen Objektklassen unscharf.

3. "bicubic convolution": Bei dieser rechenintensiven Methode werden die Grauwerte aus dem gewichteten Mittelwert von 4x4 Pixeln interpoliert. Die neu berechneten Grauwerte ergeben ein hohe Lagegenauigkeit.

Um die Qualität der Transformation zu überprüfen, wird das Maß des RMS Error (Root means square) benutzt, um die "closeness of fit", also in wie weit die Punkte in beiden Bildern übereinstimmen.