Obiektowa analiza obrazów

ROCZNIKI GEOMATYKI 2006 m TOM IV m ZESZYT 3

OBIEKTOWA ANALIZA OBRAZÓW

OBJECT-BASED IMAGE ANALYSIS

Joanna Adamczyk

Katedra Urz¹dzania Lasu, Geomatyki i Ekonomiki Leœnictwa, Wydzia³ Leœny SGGW

S³owa kluczowe: obiektowa analiza obrazów, teledetekcja, GIS Keywords: object based image analysis, remote sensing, GIS

Wstêp

W ostatnich latach zespó³ czynników zwi¹zany z zaawansowaniem metod geomatyki oraz zwiêkszaj¹cym siê zapotrzebowaniem na informacjê o œrodowisku przyczyni³ siê do integracji technologii pozyskiwania i przetwarzania danych obrazowych o odmiennych cha-rakterystykach, pochodz¹cych z ró¿nych Ÿróde³. Powsta³y nowe metody dotycz¹ce obiek-towej analizy obrazów teledetekcyjnych, zmieniaj¹cej sposób podejœcia do przetwarzania obrazów oraz pozwalaj¹ce na osi¹gniêcie nowych mo¿liwoœci.

Podejœcie obiektowe w analizie obrazu cyfrowego polega na modelowaniu szczegó³o-wych obiektów przestrzennych, na podstawie danych pochodz¹cych z po³¹czonych metod analizy empirycznej i analitycznej. Ma ono na celu przezwyciê¿enie trudnoœci, które wystê-puj¹ przy integracji i klasyfikacji obrazów satelitarnych i lotniczych przy u¿yciu metod kla-sycznych, opieraj¹cych siê na analizie wartoœci zarejestrowanych w pikselach obrazu i korzy-staj¹cych z prostych procedur klasyfikacji. Ujawnia siê przy tym ogólna tendencja do zacie-rania siê podzia³ów metodycznych na GIS i teledetekcjê. W analizie obiektowej nastêpuje silne powi¹zanie metod w³aœciwych obu tym dziedzinom w ramach geomatyki1_.

Istota analizy obiektowej

W niniejszym artykule przez obiektow¹ analizê obrazów rozumie siê podzia³ zobrazowa-nia teledetekcyjnego na konkretne, maj¹ce swoje znaczenie obiekty obrazowe oraz okreœlenie ich w³aœciwoœci w sensie przestrzennym, spektralnym, czasowym i tematycznym. Wymaga to segmentacji, klasyfikacji, okreœlenia atrybutów i zdolnoœci do realizowania operacji na obiektach.

Podejœcie obiektowe jako technologia

Istot¹ metody klasyfikacji obiektowej jest zdolnoœæ do rozpoznawania obiektów na pod-stawie analizy danych zapisanych w treœci obrazów teledekcyjnych z innymi warstwami informacyjnymi o charakterze tematycznym. W procedurze rozpoznawania obiektów wyko-rzystywana jest logika rozmyta i baza wiedzy, a przy tym uwzglêdnia siê okreœlony uk³ad struktur przestrzennych w celu stworzenia hierarchii obiektów. Wœród mo¿liwych rodzajów zastosowañ wymieniæ mo¿na nastêpuj¹ce:

m integracja danych teledetekcyjnych i GIS pochodz¹cych z ró¿nych Ÿróde³ i

zarejestro-wanych w ró¿nym czasie,

m interaktywne (nadzorowane i nienadzorowane) rozpoznawanie i klasyfikacja

obiek-tów na obrazach rastrowych, oparte na logice rozmytej,

m segmentacja obrazów o ró¿nej rozdzielczoœci przestrzennej,

m automatyzacja z mo¿liwoœci¹ ingerencji w proces przetworzeñ oraz kontroli

wyni-ków.

Realizowane postêpowanie mo¿e byæ przedstawione na przyk³adzie znanego oprogramo-wania eCognition. Wyró¿nia siê tam nastêpuj¹ce etapy:

1. Tworzenie projektu – przez wprowadzenie do systemu danych obrazowych (kana³y obrazów cyfrowych) i tematycznych (warstwy wektorowe lub rastrowe zawieraj¹ce infor-macjê uzupe³niaj¹c¹ treœæ danych obrazowych). Wprowadzane dane mog¹ mieæ ró¿n¹ roz-dzielczoœæ i zasiêg przestrzenny, je¿eli tylko zwi¹zane s¹ z uk³adem wspó³rzêdnych.

2. Generowanie obiektów na podstawie treœci obrazu, oparte na jego segmentacji – obra-zy s¹ wstêpnie klasyfikowane na podstawie ró¿nic w odpowiedzi spektralnej obiektów oraz ich kszta³tu. W ka¿dym z cyklów segmentacji, w procesie iteracyjnym, wybierane jest naj-lepsze odwzorowanie obiektów obrazu przez optymalizacjê: zestawu kana³ów i wstêpnych przetworzeñ, skali segmentacji; parametrów segmentacji.

3. Tworzenie hierarchii klas – stanowi¹cej bazê dla w³aœciwej klasyfikacji. Mo¿e ona zawieraæ jeden lub wiele poziomów zale¿noœci funkcjonalnej obiektów. Hierarchia klas rów-nie¿ rozwijana jest drog¹ iteracji. Okreœlanie klas opiera siê na wiedzy operatora o okreœlo-nym obszarze, najczêœciej s¹ one zwi¹zane z pokryciem terenu – mo¿liwym do identyfikacji na podstawie interpretacji treœci obrazu cyfrowego, b¹dŸ mo¿e byæ wyrazem z³o¿onego systemu zale¿noœci prowadz¹cego do wyodrêbnienia klas o charakterze specjalistycznym (np. dla potrzeb sporz¹dzania map siedlisk).

4. Wybór obiektów wzorcowych – p³atów pokrycia terenu stanowi¹cych przyk³ady, na podstawie których system „uczony” jest (przy wykorzystaniu bazy wiedzy) rozró¿niania klas pokrycia terenu. Ka¿dy z wybranych obiektów zostaje przypisany do okreœlonej klasy. Obiekty te maj¹ spe³niaæ nastêpuj¹ce warunki: (i) reprezentatywnoœci dla danej klasy – z punktu widzenia odpowiedzi spektralnej, jak i kszta³tu, tekstury i struktury wewnêtrznej; (ii) wystarczaj¹co du¿e, ¿eby mog³y dostarczyæ danych statystycznych; (iii) powinno byæ ich tak du¿o, jak to konieczne, ale jednoczeœnie tak ma³o, jak to mo¿liwe. Jednoznacznoœæ wy-boru obiektów mo¿e zostaæ zweryfikowana za pomoc¹ narzêdzi (histogramy, wartoœci licz-bowe) pozwalaj¹cych na porównanie z wzorcami w tej samej klasie oraz innych.

5. Wybór klasyfikatorów2 _{– charakterystyk, s³u¿¹cych jako podstawa metody}

klasyfi-kacji, u¿ywanych do rozró¿niania wyznaczonych wczeœniej obiektów wzorcowych.

Proce-2 _{Terminu klasyfikator u¿yto w znaczeniu charakterystyki, która mo¿e zostaæ u¿yta do budowy opisu}

dura ta mo¿e zostaæ przeprowadzona przez: (i) rêczne wybranie cech dla ka¿dej z klas; (ii) wybór cech dla ca³ej przestrzeni obiektów wzorcowych – automatycznie przypisywanych do ka¿dej klasy; (iii) istnieje równie¿ mo¿liwoœæ optymalizacji przestrzeni klasyfikatorów – automatycznego wynalezienia zestawu cech najlepiej separuj¹cych obiekty z ró¿nych klas.

6. Klasyfikacja i jej udoskonalanie – drog¹ iteracji przeprowadzane jest doskonalenie efek-tów klasyfikacji przez zmiany w: strukturze klas, obiektach wzorcowych, przestrzeni klasy-fikatorów.

7. Ocena dok³adnoœci klasyfikacji – ten kluczowy etap bywa zakoñczeniem procedury, ale równie¿ punktem zwrotnym iteracyjnego procesu doskonalenia klasyfikacji. Mo¿e ona zostaæ przeprowadzona zarówno przy u¿yciu metod tradycyjnych – bazuj¹cych na ocenie zgodnoœci obiektów kontrolnych z wynikami klasyfikacji za pomoc¹ indeksów m.in. Kappa. Istnieje te¿ mo¿liwoœæ zastosowania metod wykorzystuj¹cych filozofiê logiki rozmytej: oce-ny stopnia prawdopodobieñstwa w³aœciwej przynale¿noœci do klasy (Classification Stabili-ty) oraz wizualizacjê najlepszego wyniku klasyfikacji (Best Classification Result) – posiada-j¹cego najwy¿sz¹ wartoœæ przynale¿noœci do okreœlonej klasy.

Podejœcie obiektowe jako paradygmat

Podejœcie to jest rozumiane jako mo¿liwoœæ traktowania ka¿dego ze sk³adników prze-strzeni jako obiektu, niezale¿nie od jego rodzaju, np. zarówno budynku, jak i zbiorowiska roœlinnego. Podstaw¹ do wydzielenia obiektów jest kontekst wynikaj¹cy z potrzeb u¿yt-kownika, kszta³tuj¹cego wed³ug nich atrybuty i hierarchie jednostek przestrzennych. Ten sposób rozumowania nie traktuje przestrzeni jako ca³oœci lub zespo³u znaków kartograficz-nych i jest znacznie bli¿szy sposobowi dzia³ania systemów informacyjkartograficz-nych.

Metoda ta pozwala na swobodne wykorzystanie wyznaczonych obiektów w zaawanso-wanych analizach przestrzennych. Jednym z przyk³adów mo¿liwoœci stwarzanych przez wykorzystanie podejœcia obiektowego w analizach przestrzennych s¹ potrzeby ekologii kra-jobrazu. Przyjmuj¹c odpowiednie parametry klasyfikacji oraz buduj¹c zgodn¹ z potrzebami hierarchiê klas i obiektów, mo¿na wyznaczyæ zgodne z metodyk¹ przyjêt¹ w tej dyscyplinie przestrzenne jednostki przyrodnicze (geokompleksy3_{). Podstaw¹ struktury hierarchicznej}

jest delimitacja jednostek podstawowych, które charakteryzuj¹ siê okreœlonym (zale¿nym od przyjêtych kryteriów) poziomem homogenicznoœci tworz¹cych je komponentów4_.

Jednost-ki te, wraz z przypisanymi im atrybutami oraz ich hierarchi¹, stanowi¹ bazê dla opisu krajo-brazu oraz dalszych analiz: zale¿noœci „poziomych” zachodz¹cych pomiêdzy geokompleksa-mi oraz „pionowych” pogeokompleksa-miêdzy geokomponentageokompleksa-mi.

Poni¿ej wymieniono przyk³ady analiz struktury przestrzennej krajobrazu wykorzystuj¹-cych rozumienie krajobrazu jako mozaiki obiektów:

m Wyznaczanie miar i wskaŸników okreœlaj¹cych cechy krajobrazu (np.

bioró¿norodno-œci) – opiera siê na opisie zale¿noœci zachodz¹cych pomiêdzy p³atami w krajobrazie.

m Ocena charakteru granic w krajobrazie – najczêœciej stosowane jednostki

przestrzen-ne odzwierciedlaj¹ pokrycie terenu.

3 _{W niniejszym opracowaniu zastosowano klasyczne rozumienie tego pojêcia, jako okreœlony wycinek}

przyrody, stanowi¹cy ca³oœæ dziêki zachodz¹cym w nim procesom i wspó³zale¿noœci buduj¹cych go kompo-nentów.

4 _{Przez komponent krajobrazu (geokomponent) rozumie siê tu czynnik kszta³tuj¹cy w³aœciwoœci okreœlonej}

m Model strefowo-pasmowo-wêz³owy – opiera siê na ca³oœciowym podejœciu do

krajo-brazu i wyra¿a siê w ocenie funkcji spe³nianej przez uk³ady p³atów w krajobrazie.

m Model hierarchiczny – pozwala na rozpatrywanie krajobrazu jako systemu

przyrodni-czego pod k¹tem oceny jego struktury funkcjonalno-przestrzennej. Obiekty wyzna-czane s¹ na poziomie podstawowym, a ich agregacja prowadzi do utworzenia jedno-stek coraz wy¿szego rzêdu.

Zalety stosowania podejœcia obiektowego Do zalet podejœcia obiektowego zalicza siê:

m stosunkowo wysok¹ dok³adnoœæ wyników,

m mo¿liwoœæ uzyskania dodatkowych informacji o obiektach,

m efektywnoœæ w zastosowaniach zwi¹zanych z przetwarzaniem obrazów

wysokoroz-dzielczych – satelitarnych, lotniczych i radarowych, których klasyfikacja metodami tradycyjnymi stwarza³a trudnoœci pod wzglêdem praktycznym,

m mo¿liwoœæ integracji danych z ró¿nych Ÿróde³, np. z obrazów o ró¿nej rozdzielczoœci, m ³atwoœæ interpretacji i poprawiania wyników.

W sensie ogólnym obiektowy sposób rozumienia przestrzeni powoduje traktowanie kra-jobrazu jako zestawu obiektów posiadaj¹cych swoje po³o¿enie w przestrzeni, miejsce w hierarchii oraz przypisane atrybuty. Rozumienie takie jest bardzo uniwersalne, dziêki niemu otrzymujemy mo¿liwoœæ rozpatrywania przestrzeni przyrodniczej w wielu wymiarach. Jed-noczeœnie zastosowanie podejœcia obiektowego w analizach przestrzennych pozwala na po-szerzenie zakresu dostêpnych metod przez po³¹czenie sposobów dzia³ania teledetekcji i GIS. Jest to istotny krok naprzód w modelowaniu œrodowiska przyrodniczego w GIS (Adam-czyk, 2004).

Rozwój analizy obiektowej jako dyscypliny geomatyki

Rys historyczny

Rozwój podejœcia obiektowego do analizy obrazów teledetekcyjnych ma stosunkowo krótk¹ historiê. Istotne znaczenie mia³o wprowadzenie w 2000 roku, przez firmê Definiens Imaging pakietu oprogramowania eCognition. Po nim na rynku pojawi³y siê równie¿ inne produkty oferuj¹ce tego typu funkcjonalnoœci, np. Feature Analyst, rozszerzenie do ArcGIS firmy Visual Learning Systems. Mo¿liwoœci oferowane przez te programy bardzo szybko zyska³y uznanie u¿ytkowników.

Mimo, ¿e dyscyplina ta nadal jest uwa¿ana za now¹, dawno ju¿ wysz³a poza pocz¹tkowe stadium uzasadnieñ, porównañ i testów. Tematyka ta zosta³a wprowadzona w roku 1999, m.in. przez takich autorów jak:

m Baatz i Schäpe (1999) – wyjaœniaj¹cych sposób funkcjonowania podejœcia

obiekto-wego przez rozpoznanie semantyki obiektów i budowy sieci zale¿noœci miêdzy nimi;

m Buck i in. (1999), De Kok i in. (1999) – w artyku³ach przedstawionych na kongresach

IUFRO (w Rogowie) oraz ISPRS omawiaj¹cych pierwsze zastosowania klasyfikacji obiektowej dla potrzeb leœnictwa.

Wtedy te¿, oprócz szeregu publikacji opisuj¹cych zalety podejœcia obiektowego (np. Blaschke, 2000b), w literaturze pojawi³y siê liczne artyku³y testuj¹ce jego mo¿liwoœci w praktyce przy u¿yciu zobrazowañ wysokorozdzielczych, np. Hofmann, Reinhardt (2000). Porównano te¿ efektywnoœæ tej metody z tradycyjnym podejœciem do klasyfikacji obra-zów, np. Manakos i inni (2000), Willhauck i inni (2000). Autorzy ci zgodnie podkreœlaj¹ zalety podejœcia obiektowego, przez zwiêkszenie dok³adnoœci wykonywanych przy jego pomocy analiz i u³atwienie operowania danymi. Podkreœlana jest efektywnoœæ tego opro-gramowania w, trudnej do tej pory dziedzinie, integracji danych pochodz¹cych ze Ÿróde³ o ró¿nej rozdzielczoœci (np. Baatz, Schäpe, 2000). Szeroko omawiane s¹ aspekty przetwa-rzania i integracji ró¿nego rodzaju danych obrazowych, np. pochodz¹cych z satelity Land-sat, z innymi danymi (De Kok i in., 2000), czy te¿ nowe mo¿liwoœci przetwarzania danych radarowych (Benz i in., 2001).

W tym czasie pojawiaj¹ siê te¿ publikacje rozwijaj¹ce metodykê zastosowañ analizy obiek-towej w nowych dziedzinach zwi¹zanych miêdzy innymi z: detekcj¹ obszarów zabudowa-nych (Hofmann, 2001), ocen¹ strat poniesiozabudowa-nych w wyniku powodzi i predykcj¹ zagro¿enia powodziowego (Van der Sande, 2001), czy ekologi¹ krajobrazu i analiz¹ opart¹ na metodzie p³atów i korytarzy (Blaschke, 2000a). Mo¿na powiedzieæ, ¿e obecnie dziedzina zastosowañ podejœcia obiektowego jest na tyle rozwiniêta, ¿e trudno by by³o znaleŸæ takie zastosowanie analiz przestrzennych w GIS, w których by jej nie wypróbowano. Zakres zastosowañ jest tak szeroki, jak potrzeby dotycz¹ce informacji pochodz¹cych z obrazów satelitarnych: ocena zasobów naturalnych, leœnictwo, rolnictwo, obronnoœæ, monitoring ruroci¹gów, telekomu-nikacja, dokumentacja obszarów zabudowanych, kartografia, naturalne zagro¿enia, badania stref przybrze¿nych, kopalnictwo i pozyskiwanie Ÿróde³ energii, zarz¹dzanie kryzysowe i wiele innych.

Analiza obiektowa jako dziedzina badañ

W ostatnim roku rozwój analizy obiektowej wkroczy³ w nastêpny etap. Zaawansowane zastosowania spowodowa³y potrzebê doskonalenia metodyki. Coraz czêœciej pojawiaj¹ce siê w literaturze zagadnienia metodyczno-problemowe i zainteresowanie coraz wiêkszej liczby osób analiz¹ obiektow¹ spowodowa³y potrzebê utworzenia specjalistycznego forum, które pozwoli na wymianê doœwiadczeñ w omawianej dyscyplinie. W zwi¹zku z tym w lipcu 2006 roku w ramach istniej¹cego od lat na rynku sympozjum i targów geoinformatyki AGIT, pracownicy Uniwersytetu w Salzburgu, zorganizowali konferencjê towarzysz¹c¹ pod nazw¹ 1st International Conference on Object-based Image Analysis (OBIA). Has³em przewodnim konferencji by³o „Bridging Remote Sensing and GIS” – ³¹czenie teledetekcji i GIS. Wydarze-nie to by³o formalizacj¹ wydzielenia siê w geomatyce nowej dziedziny badawczej okreœlanej akronimem OBIA, co na potrzeby niniejszego artyku³u zosta³o przet³umaczone na jêzyk pol-ski jako obiektowa analiza obrazów. Zakres tematyczny konferencji zosta³ okreœlony nastê-puj¹co (OBIA 2006):

1. Potencja³ i problemy reprezentacji w ró¿nych skalach: – homogenicznoœæ a obiekty w segmentacji,

– strategie segmentacji w wielu skalach: hierarchie œcis³e a elastyczne, – segmentacja bazuj¹ca na wzmocnieniu krawêdzi,

2. Techniki klasyfikacji automatycznej, mapowania5 _{i aktualizacji:}

– klasyfikacja bazuj¹ca na regule,

– wykorzystanie danych uzupe³niaj¹cych (np. NMT) dla zaawansowanych klasyfikacji, – automatyczna aktualizacja map dróg, informacji katastralnej, map stanu lasu, itp., – nowe mo¿liwoœci i wyzwania monitoringu,

– automatyczna detekcja obiektów dla specyficznych celów (drogi, chmury, osadnic-two, itp.).

3. Adaptacja i przysz³y rozwój standardowych metodologii: – nowe wyzwania i podejœcia do obiektowej analizy zmian, – wymagania dok³adnoœci dla analizy obiektowej.

Wy¿ej przedstawiona lista zagadnieñ œwiadczy o wysokim poziomie rozwoju metody anali-zy obiektowej w ci¹gu szeœciu lat od cytowanych powy¿ej pocz¹tkowych etapów jej istnienia. W za³o¿eniach organizatorów konferencji nie ma ju¿ potrzeby uzasadniania istnienia metody, czy te¿ wyszukiwania jej zastosowañ. Widoczna jest potrzeba omówienia problemów zwi¹za-nych z: nowymi mo¿liwoœciami, ocen¹ dok³adnoœci oraz aspektami metodycznymi.

OdpowiedŸ spo³ecznoœci GIS na wy¿ej wymienione tematy wyra¿a³a siê w liczbie i tema-tyce zg³oszonych referatów (program konferencji zawiera³ 83 wyst¹pienia). Tematykê refe-ratów oraz statystykê wyst¹pieñ przedstawiono w tabeli. Analizuj¹c jej zawartoœæ mo¿na stwierdziæ, ¿e oczekiwania organizatorów zwi¹zane z wyst¹pieniami o treœci metodycznej napotka³y na jedynie czêœciow¹ odpowiedŸ. Najpopularniejszym tematem, zawartym w oko-³o pooko-³owie referatów (42), by³y zastosowania automatycznej klasyfikacji obrazów teledetek-cyjnych. Zjawisko to jest prawdopodobnie spowodowane relatywn¹ nowoœci¹ omawianej metody oraz ró¿nicami w czasie jej stosowania.

Cytowane powy¿ej pionierskie publikacje pochodz¹ z zaledwie kilku instytucji, których pracownicy zajmowali siê analiz¹ obiektow¹ od samego pocz¹tku. Do nich miêdzy innymi nale¿y zespó³ Uniwersytetu w Salzburgu. W innych instytucjach dyscyplina ta znajduje siê najczêœciej na wczeœniejszych etapach rozwoju, zwi¹zanych z zastosowaniami.

W treœci referatów o tematyce ogólnej szczególnie zwraca uwagê artyku³ zespo³u organi-zuj¹cego konferencjê (Lang, Blaschke, 2006b), poœwiêcony okreœleniu paradygmatu analizy obiektowej na tle historycznego jej rozwoju. Interesuj¹ca jest te¿ analiza SWOT (Hay, Castil-la, 2006), wyznaczaj¹ca kierunki dalszych badañ zwi¹zanych z niewyjaœnionymi problemami lub s³aboœciami metody.

Wiêkszoœæ artyku³ów o charakterze metodycznym prezentowa³a silne d¹¿enie do rozwo-ju metodyki analizy obiektowej. Warto zwróciæ uwagê na próbê znalezienia nowego podej-œcia do danych wieloskalowych przez wynalezienie metody reprezentacji subpikselowej (Ka-iser, Bauer, 2006) polegaj¹cej na zastosowaniu specjalnego typu map, które zawieraj¹ wyniki segmentacji obrazów, wykonanej m.in. na podstawie kszta³tu obiektów, pozwalaj¹ce na czê-œciowe pokonanie problemów zwi¹zanych z niewystarczaj¹c¹ rozdzielczoœci¹ obrazu sateli-tarnego.

W artyku³ach omawiaj¹cych metodykê automatycznej klasyfikacji, mapowania i technik aktualizacji zwraca uwagê kilka zjawisk widocznych we wspó³czesnej geomatyce:

m Zauwa¿ono utrzymanie siê tendencji integracji metod geomatyki we wspólnym

wyko-rzystaniu danych teledetekcyjnych i GIS w oprogramowaniu analizy obiektowej.

Po-5 _{Termin mapowanie zosta³ u¿yty jako odpowiednik angielskiego s³owa mapping w rozumieniu}

woduje to równie¿ coraz czêstsze w³¹czanie innych technik, jak np. transformacja falkowa (Hwang, Lee, 2006), zwiêkszenie dok³adnoœci klasyfikacji za pomoc¹ w³¹-czenia dodatkowych danych do klasyfikacji obiektowej (Förster, Kleinschmit, 2006), wspólne wykorzystanie danych ze skanera laserowego i obrazowych (Kressler, Stein-nocher, 2006).

m Wiêkszoœæ opracowañ zosta³o wykonanych na podstawie analiz przeprowadzonych za

pomoc¹ oprogramowania eCognition, nadal wiod¹cego prym na rynku. Inne podejœcia by³y rzadsze. Omówiono miêdzy innymi metodykê przeprowadzania analizy obiektowej za pomoc¹ oprogramowania Feature Analyst (Blundell, Opitz, 2006), jak równie¿ zasto-sowania metod „tradycyjnych”, np. analizy dok³adnoœci klasyfikacji ISODATA przepro-wadzonej w po³¹czeniu z transformacj¹ falkow¹, wykorzystan¹ do celów analiz tekstu-ry (Hwang, Lee, 2006). Warte zainteresowania jest równie¿ wykorzystanie oprogramo-wania open source (GRASS) do analizy obiektowej (Rutzinger i in., 2006).

A I B O ij c n e r e f n o k a n j e w o t k e i b o y z il a n a h c y c ¹ z c y t o d ñ e i p ¹ t s y w i c œ o n b e z c il i i k y t a m e t e i n a w o m u s d o P . a l e b a T ) 6 0 0 2 A I B O ( ij c n e r e f n o k u m a r g o r p e i w a t s d o p a n e n a w o c a r p o , 6 0 0 2 u k o r w a k y t a m e T Lcizbawyst¹peiñ . 1 Artyku³yocharakterzeogólnymipodsumowuj¹cym,przedstawiaj¹ceproblema -j e w o t k e i b o y z il a n a e n l ó g o y w y t k e p s r e p i ê k y t 6 . 2 Wyst¹pieniaocharakterzemetodycznymwnosz¹cenowetreœciwró¿neaspekty : h c y w o t k e i b o z il a n a i k i n h c e t 25 . 1 . 2 Potencja³iprobelmyreprezentacijdanychweiloskalowych 3 . 2 . 2 Technikiautomatycznekalsyifkacj,imapowanaiiaktualziacij-omówioneszczególneiw : h c a n i z d ei z d w i k if y c e p s h ci ei c œ k e t n o k 16 a w t ci n œ el . 1 . 2 . 2 3 ;) o g e z ci n l o r u z a r b o j a r k j ei c œ ê z c j a n ( u n e r e t ai c y r k o p ai n a w a n z o p z o r . 2 . 2 . 2 4 ; h c y n a w o zi n a b r u z w ó r a z s b o i a w t ci n d a s o w ó t n e m el e ai n a w a n z o p z o r . 3 . 2 . 2 3 R A D I L h c y n a d ai n a z r a w t e z r p . 4 . 2 . 2 3 h c y n z c y d o t e m æ œj e d o p h c y n n i . 5 . 2 . 2 3 . 3 . 2 Adaptacjeidaslzyrozwójmetodanalziyobeiktowej 6 . 3 Metodykaanailzyobiektowejwrozumieniuogólnymorazpraceocharakterze m y w o d ¹ l g e z r p i m y c ¹ j u w o m u s d o p 10 . 4 Zastosowaniaistudiaprzypadkówautomatycznejklasyifkacijobiektowejw : h c a n i z d e i z d h c y n l ó g e z c z s o p 42 . 1 . 4 u¿ytkowanei/pokryceiterenu 10 . 2 . 4 elœncitwo 8 . 3 . 4 osadncitwoiinrfasrtuktura 6 . 4 . 4 rolncitwo 4 . 5 . 4 geologai,gelbyizasobynaturalne 5 . 6 . 4 seidlsika,gatunkiirezerwaty 6 . 7 . 4 podmok³oœci 3

m Najistotniejszym Ÿród³em danych wykorzystywanym do analizy obiektowej s¹

wyso-korozdzielcze zobrazowania satelitarne. Dotyczy to przede wszystkim zastosowañ wymagaj¹cych wysokiego poziomu szczegó³owoœci, jak leœnictwo (np. Tiede i in., 2006), czy komunikacja (np. Ricny, 2006).

m Roœnie znaczenie nieobrazowych Ÿróde³ danych, jak np. LIDAR. Rozwijane s¹

meto-dy analizy obiektowej obrazów pochodz¹cych z takich sposobów rejestracji (np. Rut-zinger i in., 2006). Podkreœlono te¿ potrzebê równoczesnego wykorzystywania da-nych obrazowych (wysokorozdzielczych) i pochodz¹cych ze skanerów laserowych w celu uzyskania dodatkowej informacji (Kressler, Steinnocher, 2006).

m Nie ustaj¹ badania dotycz¹ce dok³adnoœci klasyfikacji obiektowej, motyw ten pojawia

siê w treœci wiêkszoœci artyku³ów. Z poœwiêconych specjalnie temu zagadnieniu, na uwagê zas³uguj¹ artyku³y problemowe wyznaczaj¹ce kierunki dalszych badañ, takie jak: niedok³adnoœæ tematyczna sklasyfikowanych obrazów zwi¹zan¹ z wystêpowa-niem obiektów o charakterze naturalnym (Schiewe, Gähler, 2006); przegl¹d metod iloœciowej oceny jakoœci segmentacji, po³¹czony z zaleceniami zwi¹zanymi z dalszym rozwojem w tej dziedzinie (Neubert i in., 2006).

Wnioski z konferencji – obecny stan dyscypliny

Jednym z podstawowych celów konferencji by³o okreœlenie aktualnego stanu: informacji geograficznej, wiedzy i zastosowañ analizy obiektowej, oraz wyznaczenie dalszych kierun-ków rozwoju dyscypliny. Wyniki konferencji podsumowano w trakcie koñcowego wyst¹-pienia cz³onków komitetu organizacyjnego (Lang, Blaschke, 2006a), którego g³ówne myœli przedstawione s¹ poni¿ej.

Analiza obiektowa jako dyscyplina geomatyki jest na etapie dynamicznego rozwoju. W trakcie konferencji zaproponowano zdefiniowanie kilku nowych zjawisk, zastanowiono siê równie¿ nad g³ównymi czynnikami kszta³tuj¹cymi rozwój dyscypliny (w dziedzinie danych, polityk i nauki). Zidentyfikowane zosta³y nastêpuj¹ce komponenty stanowi¹ce podstawowe zagadnienia problemowe analizy obiektowej: segmentacja, klasyfikacja relacji pomiêdzy obiek-tami, integracja wiedzy, metody oceny jakoœci, proces cykliczny, koncepcje przestrzenne, ³¹czenie metod teledetekcji i GIS. Zastanawiano siê, czy OBIA jest dobr¹ nazw¹ dla tej dys-cypliny. Zg³aszane dotychczas propozycje nazwy w jêzyku angielskim s¹ nastêpuj¹ce: ob-ject-based, object-oriented, net-oriented, object-based remote sensing image analysis i inne. Okreœlono mocne i s³abe strony, mo¿liwoœci i zagro¿enia zwi¹zane z rozwojem dziedziny. Podkreœlono wysoki potencja³ segmentacji po³¹czony z problemami w jej w³aœciwym wyko-rzystaniu. Wyra¿ono potrzebê przyjêcia koncepcji dzia³ania i komunikowania siê w sprawie rozwoju dyscypliny. W kwestii komunikowania siê poczyniono pierwsze kroki: rozpowszech-niona zosta³a lista adresowa uczestników konferencji, jako osób zainteresowanych dzie-dzin¹; najwa¿niejsze zagadnienia poruszone na konferencji zostan¹ wydane w postaci ksi¹¿-kowej; w przygotowaniu jest materia³ edukacyjny, który ma byæ wprowadzeniem do analizy obiektowej; za³o¿ona zosta³a strona OBIA w internetowej Wikipedii. Podkreœlono równie¿ brak standardów w zakresie analizy obiektowej.

Poruszone zosta³y zagadnienia zwi¹zane z integracj¹ wiedzy potrzebnej w analizie obiek-towej. Zastanawiano siê nad sposobami pos³ugiwania siê informacj¹ zawart¹ w danych tele-detekcyjnych i uzupe³niaj¹cych – czy powinno siê formu³owaæ regu³y o charakterze ogól-nym, czy te¿ nale¿y postawiæ na zdolnoœæ systemów do uczenia siê na podstawie

analizowa-nych przypadków? Pe³ne zrozumienie obrazu zawiera cykliczne uzupe³nianie i poprawianie posiadanej wiedzy. Szczególnie podkreœlono potrzebê komunikowania siê w sprawie meto-dyk i ontologii oraz ich integracji. Podkreœlono istotnoœæ wspó³pracy operatora z systemem i jego odpowiedzialnoœæ za wyniki badañ.

Jednym z najwa¿niejszych dzia³añ jest optymalizacja i zastosowanie metod zwi¹zanych z ró¿nymi elementami analizy obiektowej. Istotnym problemem jest podejœcie metodologiczne do segmentacji ró¿nego typu danych ci¹g³ych. Potrzebna jest podstawa teoretyczna dla opty-malizacji oraz zdefiniowanie poszczególnych metod segmentacji. Powinny one równie¿ zo-staæ przetestowane z punktu widzenia osi¹ganych rezultatów. Istotny jest rozwój metod zaawansowanej klasyfikacji obrazów, bazuj¹cej na ontologii, w celu osi¹gniêcia mo¿liwoœci dalszych analiz (np. miar i wskaŸników procesów w krajobrazie) przeprowadzonych na danych stanowi¹cych jednostki przestrzenne spe³niaj¹ce parametry zapotrzebowania okre-œlonej dziedziny wiedzy. Wykorzystane powinny zostaæ osi¹gniêcia psychologii poznawczej. Rozpoznawanie obiektów i modelowanie klas jest zale¿ne od sposobu percepcji treœci obra-zu. Istotna jest potrzeba zbli¿enia siê do formalizmu w tym zakresie. Rozwiniêcia wymagaj¹ metody radzenia sobie z rozmyciem (niepewnoœci¹) danych przyrodniczych, zarówno w zakresie lokalizacji przestrzennej, jak i atrybutów.

Najpilniejsze potrzeby dalszego rozwoju i badañ zwi¹zane s¹ z nastêpuj¹cymi problemami:

m Rozwijanie dotychczas istniej¹cych metod oraz osi¹gniêcie nowych standardów,

miê-dzy innymi w dziedzinach analiz zmian i ocenie jakoœci.

m Rozwój metod wykorzystania efektów segmentacji dla wstêpnego przetwarzania

ob-razów, szczególnie w integracji obrazów.

m Uwiarygodnienie i parametryzacja procesów i danych. Staj¹ siê one coraz bardziej

kompleksowe, co powoduje powstanie takiej potrzeby. Istnieje te¿ potrzeba wyboru elementów, które powinny byæ parametryzowane – prawid³owoœæ dzia³ania, efektyw-noœæ, automatyzacja.

W podsumowaniu wskazano na znaczne zaawansowanie w rozwoju analizy obiektowej jako dyscypliny. Otrzyma³a ona krytyczn¹ ocenê u¿ytkowników, co przyczynia siê do jej dalszego doskonalenia. Podkreœlono istnienie bardzo szerokiego zakresu zastosowañ meto-dy. Wiele z tych zastosowañ wi¹¿e siê z rutynowym stosowaniem metod analizy obiektowej do celów np. monitoringu. Istnieje te¿ wiele nowych koncepcji, które nadal nie zosta³y wy-starczaj¹co rozwiniête i ci¹gle wymagaj¹ dyskusji. Podkreœlono, ¿e obecny stan dyscypliny jest dobrym momentem do rozwoju podejœcia interdyscyplinarnego w analizach przestrzen-nych, ³¹cz¹cego wiedzê ekspertów z takich dziedzin, jak: systemów komputerowych, psy-chologii, GIS i teledetekcji, fotogrametrii i zwi¹zanych z zastosowaniami.

Zakoñczenie

Jak wykazano powy¿ej, powstanie dyscypliny zwanej obiektow¹ analiz¹ obrazów jest iden-tyfikowane z now¹ jakoœci¹ w analizach przestrzennych, zarówno od strony podejœcia techno-logicznego, jak i sposobu rozumienia rzeczywistoœci. Posiada ona znaczne zalety zwi¹zane z ominiêciem niektórych dotychczas spotykanych problemów w podejœciu do przestrzeni przy-rodniczej. Traktowanie krajobrazu jako zbioru obiektów posiadaj¹cych swoje po³o¿enie w prze-strzeni, miejsce w hierarchii oraz przypisane atrybuty jest bardzo uniwersalne, dziêki niemu otrzymujemy mo¿liwoœæ rozpatrywania przestrzeni przyrodniczej w wielu wymiarach.

O wzrastaj¹cej popularnoœci metody œwiadczy bardzo du¿e zainteresowanie pierwsz¹ konferencj¹ poœwiêcon¹ wy³¹cznie temu tematowi. Wiêkszoœæ osób uczestnicz¹cych w kon-ferencji jest reprezentantami krajów niemieckojêzycznych Europy Zachodniej. Jest to zwi¹-zane ze specyfik¹ sympozjum AGiT odbywaj¹cego siê w Salzburgu. Osoby z innych krajów, (równie¿ takich jak Korea, czy Afryka Po³udniowa) uczestniczy³y w konferencji w niewiel-kich grupach.

Równie¿ w Polsce dziedzina ta zaczyna budziæ coraz wiêksze zainteresowanie, o czym œwiadczy fakt, ¿e w konferencji uczestniczy³y 4 osoby z polskich instytucji naukowych. Istnieje kilka ograniczeñ rozwoju tej metody, miêdzy innymi zwi¹zanych z wysok¹ cen¹ oprogramowania. Wiadomo jednak, ¿e kilkanaœcie instytucji w Polsce posiada je i wykorzy-stuje. Na polskim rynku geoinformacji nadal niewiele jest publikacji dotycz¹cych tej dyscy-pliny, a z treœci wyst¹pieñ na konferencji OBIA mo¿na s¹dziæ, ¿e znajdujemy siê obecnie na etapie zastosowañ. Byæ mo¿e impulsem do rozwoju bêdzie rodz¹ca siê konkurencja na rynku oprogramowania do analizy obiektowej, która zwiêkszy dostêpnoœæ tych metod. Impulsem rozwoju jest równie¿ coraz wiêksza dostêpnoœæ wysokorozdzielczych zobrazowañ satelitar-nych, których analiza metodami tradycyjnymi jest nieefektywna.

Otwarta jest równie¿ kwestia polskiej nazwy tej dziedziny. Zaproponowana w niniejszym artykule nazwa obiektowa analiza obrazów jest skrócon¹ wersj¹ innych propozycji obiekto-wa analiza obrazów teledetekcyjnych lub analiza obrazów teledetekcyjnych bazuj¹ca na po-dejœciu obiektowym.

Literatura

Adamczyk J., 2004: System Informacji Przestrzennej o Rezerwatach Biosfery, Rozprawa doktorska, Kate-dra Urz¹dzania Lasu, Geomatyki i Ekonomiki Leœnictwa, Wydzia³ Leœny SGGW.

Baatz M., Schäpe A., 2000: Multiresolution Segmentation – an optimization approach for high quality multi-scale image segmentation. [W:] Strobl, J. i in. (red.), Angewandte Geographische Informationsverarbeitung XII. Beiträge zum AGIT-Symposium Salzburg, Karlsruhe, Herbert Wichmann Verlag.

Baatz M., Schäpe A., 1999: Object-Oriented and Multi-Scale Image Analysis in Semantic Networks. [W:] Proc. of the 2nd International Symposium on Operationalization of Remote Sensing, Enschede, ITC, August 16– 20.

Benz U.C., Baatz M., Schreier G., 2001: OSCAR – object oriented segmentation and classification of advan-ced radar allows automated information extraction. [W:] Proceedings of IGARSS 2001, July 2001, Sydney, Session, Visualisation, GIS And Data Fusion.

Blaschke T., 2000a: Operationalisation of the patch-concept in landscape ecology. [W:] Winter S. (red.) Geographical Domain and Geographical Information Systems. GeoInfo 19, Vienna.

Blaschke T., 2000b: Ohne Salz und Pfeffer. Objektorientierte Bildanalyse – eine Revolution in der Fernerkun-dung. [W:] GeoBIT 2/2000.

Blundell J. S., Opitz D. W., 2006: Object-recognition and feature extraction from imagery, The Feature Analyst Approach, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

Buck A., De Kok R, Schneider T., Ammer U., 1999: Improvement of a forest GIS by integration of remote sensing data for the observation and inventory of “protective forests” in the Bavarian Alps. [W:] Proc. IUFRO Conference on Remote Sensing and Forest Monitoring, Rogów: Poland, June 1-3, 1999. De Kok R., Buck A., Schneider T., Ammer U., Baatz M., 2000: Data Fusion With Landsat 7 imagery. [W:]

Strobl J. i in. (red.), Angewandte Geographische Informationsverarbeitung XII, Beiträge zum AGIT-Symposium Salzburg 1999, Karlsruhe, Herbert Wichmann Verlag, 90-97.

De Kok R., Schneider T., Baatz M. Ammer U., 1999: Object based image analysis of high resolution data in the alpine forest area. [W:] Joint WSf ISPRS WG I/1, I/3 and IV/4, Sensors and Mapping From Space 1999, Hannover, September 27-30, 1999.

Definiens Imaging, 2004: eCognition Users Guide – dokumentacja oprogramowania.

Förster M., Kleinschmit B., 2006: Integration of ancillary information into object-based Classification for Detection of Forest Structures and habitats, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st Internatio-nal Conference on Object-based Image AInternatio-nalysis (OBIA 2006), Workshop proceedings, Salzburg. GaŸdzicki J., 2001: Leksykon geomatyczny, Polskie Towarzystwo Informacji Przestrzennej.

Hay G., Castilla G., 2006: Object-based image analysis, strengths, weaknesses, opportunities and threats (SWOT), [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

Hofmann P., 2001: Detecting urban features from IKONOS data using an object-oriented approach. [W:] Remote Sensing & Photogrammetry Society (red.), Proceedings of the First Annual Conference of the Remote Sensing & Photogrammetry Society 12-14 September 2001.

Hofmann P., Reinhardt W., 2000: The extraction of GIS features from high resolution imagery using advanced methods based on additional contextual information – first experiences. [W:] ISPRS, Vol. XXXIII, Amster-dam, 2000.

Hwang H.J., Lee K., 2006: Classification accuracy of wavelet-based fusion image with texture filtering using high resolution satellite images, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

Schiewe J., Gähler M., 2006: Modelling uncertainty in high resolution remotely sensed scenes using a fuzzy logic approach, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

Kaiser G., Bauer T., 2006: Multiscale landscape representation derived from remote sensing images using spatial subpixel models and combinatorial maps, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg. Kressler F., Steinnocher K., 2006: Image data and LiDAR – an ideal combination matched by object-oriented analysis, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

Lang S., Blaschke T., 2006a: Wrap up, niepublikowane materia³y podsumowuj¹ce 1. miêdzynarodow¹ kon-ferencjê OBIA 2006.

Lang S., Blaschke T., 2006b: Bridging Remote Sensing and GIS – which are the main supportive pillars?, W: Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

Manakos I., Schneider T., Ammer U., 2000: A comparison between the ISODATA and the eCognition classification methods on basis of field data. [W:] ISPRS, Vol. XXXIII, Amsterdam.

Neubert M., Herold H., Meinel G., 2006: Evaluation of remote sensing image segmentation quality – further results and concepts, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

OBIA, 2006: Strona internetowa konferencji, www.agit.at/obia/.

Ricny J., 2006: A-priori information driven model for road segmentation in high resolution images, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

Rutzinger M., Höfle B., Pfeifer N., Geist T., Stötter J., 2006: Object based analysis of airborne laser scanning data for natural hazard purposes using open source components, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proce-edings, Salzburg.

Tiede D., Lang S., Hoffmann Ch., 2006: Supervised and forest type-specific multi-scale segmentation for a one-level-representation of single trees, [W:] Lang S., Blaschke T., Schöpfer E., (red.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.

Van der Sande C.J., 2001: River Flood Damage Assessment Using IKONOS Imagery. Natural Hazards Project-Floods. Space Applications Institute, Joint Research Centre, European Commission, Ispra. http,/ /natural-hazards.jrc.it/documents/floods/2001-docs/2001-reports/flooddamage_report.pdf

Willhauck G., Schneider T., De Kok R., Ammer U., 2000: Comparison of object oriented classification techniques and standard image analysis for the use of change detection between SPOT multispectral satellite images and aerial photos. [W:] ISPRS, Vol. XXXIII, Amsterdam, 2000.

Summary

In the last years a set of factors related to the progress in geomatics and increasing need for spatial information about environment have led to emerging field of object-based image analysis. This tech-nique became the relevant innovation among other “traditional” methods of image classification. Recently the object-based analysis has become a new paradigm in geomatics, not only a classification technique.

In the article the object based approach is discussed as a technology of object-based image classifica-tion and a new paradigm for object-based spatial analyses. The historical developments are also presented. Attention is paid to results of the first conference in this field (1st International Conference on Object-Based Image Analysis, OBIA 2006), which took place in Salzburg. Finally, some recommen-dations are presented.

dr Joanna Adamczyk