290027 PR Applied Image Processing and Remote Sensing (2019S)
Labels
Registration/Deregistration
- Registration is open from Th 07.02.2019 12:00 to Tu 19.02.2019 23:00
- Deregistration possible until Fr 15.03.2019 23:00
Details
Lecturers
Classes
Dienstag 05.03. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 19.03. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 26.03. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 02.04. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 09.04. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 30.04. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 07.05. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 14.05. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109
Dienstag 28.05. 08:00-11:00 GIS-Lab Computerkartographie Geographie NIG 1.OG C109 (Ersatztermin)
Information
Aims, contents and method of the course
Assessment and permitted materials
- Übungsaufgaben
- Abschlussprojekt
- Präsentation
1. Einführung
a. Wiederholung der Basics aus Fernerkundung und Bildverarbeitung (auch physikalische Grundkenntnisse – elektromagnetisches Spektrum etc.)
b. Bildverarbeitung mittels Scripting (R [R-ArcGIS Bridge]; Python)
c. Einführung in ArcGIS Pro (Benutzeroberfläche etc.; Funktionen zu Raster in Pro; Integration von R oder Python in Pro (Praxis)
d. Datengrundlagen (Aktive/passive Sensoren, Space-borne, Airborne, Terrestrial…; Multispektral, Hyperspektral…; Praxisbeispiel: Download von Daten [Sentinel Science Hub, USGS Earth Explorer]; Laser Scanning und Point Clouds)2. Prozessierung und Verarbeitung
a. Vorverarbeitung (Grundlagen [TOA Berechnung etc.]; Bilddarstellung: spektrale und räumliche Profile, Kontrastoperationen, Histogramme; Radiometrische und geometrische Korrektur; Bildtransformation)
b. Bildverbesserung und Bildfusion (Histogramm Matching; Pan-sharpening, IHS/PCA merging; Praxisbeispiel: Preprocessing mittels Scripting)3. Klassifikation
a. Grundlagen zur Klassifikation von FE-Daten (Überwachte/unüberwachte Klassifikation; Parametrische/nichtparametrische Klassifikationen; Klassifikationsalgorithmen aus dem Machine Learning; Time Series Analysis/Change Detection; Accurracy Assessment; Abschlussprojekt: Preprocessing von Daten, Klassifikation, Accurracy Assessment, Visualisieurng der Endergebnisse, Präsentation)METHODEN:
Erläuterung und kurze Wiederholung der Grundlagen, interaktiver Unterricht und praktisches Arbeiten mit Spezialsoftware, sowie präsentieren eines Kleingruppenprojekts+ZIELE:
Studierende sind mit den Grundlagen der digitalen Bildverarbeitung vertraut und kennen die aktuellen Entwicklungen sowie die Anwendungen in lokalen, regionalen und globalen Problemfeldern. Sie sind in der Lage, Methoden der Fernerkundung einzusetzen, deren Integration in Geoinformationssysteme zu bewerkstelligen und darauf aufbauend Fragestellungen z.B. des Umweltmonitorings zu lösen.