AROSICS

AROSICS ist eine automatisierte und robuste Open-Source-Software für die Bildko-Registrierung von Multisensor-Satellitendaten. Das Python-Paket führt eine automatische Subpixel-Koregistrierung von zwei Satellitenbilddatensätzen durch, die auf einem Bildabgleichsansatz im Frequenzbereich basiert, kombiniert mit einem mehrstufigen Arbeitsablauf zur effektiven Erkennung von falsch-positiven Ergebnissen.

AROSICS wurde am Deutschen GeoForschungsZentrum Potsdam (GFZ) im Rahmen von GeoMultiSens entwickelt. Der zugrunde liegende Algorithmus wurde in Scheffler et al. 2017 veröffentlicht.

Zielgruppe

Das Paket ist über den Python package index oder conda-forge frei verfügbar und wird bereits von einer Gemeinschaft der Geoinformatik und Fernerkundung genutzt.

Funktionen

AROSICS erkennt und korrigiert sowohl lokale als auch globale Fehlregistrierungen zwischen zwei Eingabebildern im Subpixelbereich, die bei Satellitenbildern häufig auftreten. Der Algorithmus ist robust gegenüber den typischen Schwierigkeiten bei multisensoralen/mehrzeitlichen Bildern. Wolken werden von den implementierten Algorithmen zur Ausreißererkennung automatisch behandelt. Benutzende können Masken erstellen, um bestimmte Bildbereiche von der Erstellung von Verknüpfungspunkten auszuschließen. Der Bereich der Bildüberlappung wird automatisch erkannt. AROSICS unterstützt eine breite Palette von Eingabedatenformaten und kann von der Kommandozeile aus (ohne Python-Erfahrung) oder als normales Python-Paket verwendet werden.

Es stehen zwei Co-Registrierungsmodi zur Verfügung: Der lokale Co-Registrierungsansatz berücksichtigt lokal variierende Verschiebungen und berechnet Hunderte von Verbindungspunkten, die über die gesamte Bildüberlappung verteilt sind, während der globale Co-Registrierungsansatz nur eine statische, translatorische X/Y-Verschiebung korrigiert.

AROSICS bietet eine Vielzahl von Funktionen zur Visualisierung der anfänglichen Fehlregistrierung und zur Erstellung interaktiver Diagramme in einem Jupyter-Notebook. Die hier gezeigte Abbildung visualisiert beispielsweise die berechneten Verschiebungsvektoren (lokaler Co-Registrierungsansatz) nach dem Herausfiltern von falsch-positiven Ergebnissen, die hauptsächlich auf Wolken im Zielbild zurückzuführen sind.

zurück nach oben zum Hauptinhalt