Please use this identifier to cite or link to this item: https://nbn-resolving.org/urn:nbn:de:hbz:467-4012
Files in This Item:
File Description SizeFormat
gomez.pdf13,12 MBAdobe PDFThumbnail
View/Open
Dokument Type: Doctoral Thesis
Title: Concepts elaboration and system architectures for mining very large image archives
Konzeptanfertigung und Systemarchitekturen für Mining sehr grosser Bilddateien
Authors: Gómez Muñoz, Inés María 
Institute: NRW-Zentrum für Sensorsysteme (ZESS) 
Dewey Decimal Classification: 004 Informatik
GHBS-Clases: TVVC
Issue Date: 2009
Publish Date: 2009
Abstract: 
During the last decades, satellite technology has been outstandingly
improved, providing huge amounts of Earth Observation (EO) data to
be processed and stored. The availability of very high resolution
sensors has encouraged the birth of new domains for remote sensing
applications. Relatively new fields in this frame are Image
Information Mining (IIM) and Content Based Image Retrieval (CBIR).
These fields are born to provide solutions for querying very large
EO archives by content. This dissertation tries to contribute on the
IIM domain, providing new image processing algorithms and
optimization processes for mining image databases.

The study of an IIM system can be focused on signal processing
methods, data compression, semantic knowledge discovery,
human-machine interaction or system architecture design. Thus, the
system can be divided in three modules: on one hand, we have the
off-line tasks, consisting of signal and image processing methods.
The extracted information of these algorithms is based on a
hierarchical Bayesian representation, and usually, is very time
consuming. On the other hand, we explore the on-line actions that
are performed at real time through an interaction with the user.
Finally, an optimal software architecture where all these concepts
are merged has to be studied. In this thesis, contributions on these
three modules are provided.

We begin studying multi temporal high resolution image analysis
under different illumination conditions and strong background
clutter. The aim is to build a target detection map through a
synergy of image processing methods. However, we can be faced with a
common problem while extracting information from EO data, which is
the estimation of parameters. Often the accuracy of the methods is
strongly dependent on the selection of parameters and it is
difficult to a priori know the optimum one. This is the motivation
for the second contribution that deals with this problem. To cope
with it, we implement an algorithm based on clustering features that
uses information and rate distortion theories to help in the
assessment of parameters.

One of the main characteristics of an IIM system, is its potential
to learn though human interaction. The user provides some examples
of his interests, and based on them, the system learns his
preferences, searches for them in large archives, and returns
similar contents to the user provided ones. In this framework, we
developed a multiple classifier, that enables the user to provide
more than one example type. Thus, the system will be queried for
different features, refining the query results and search accuracy.

In order to be an operable and useful system, all new features
proposed in this dissertation have to be accomplished in a modular
system architecture. The system, from the software design point of
view, must be opened, standard compliant and accessible though
Internet. The software architecture design of the IIM system is the
last contribution of this thesis. For building the system, we have
to consider the following aspects:
- how to manage the large data volume of original and processed
images;
- the automatization of tasks as loading new data, extracting features
or generation of thematic maps;
- how to adapt the system to the user knowledge, that is, the image
interpretation has to be adapted to the symbols the users are able
to recognize and to the specific semantics of their domains;
- how to perform the man-machine communication through a continuous
interaction and exchange of knowledge.

Die Studie von einem IIM System enthält verschiedene Module:
Prozesssignale, Daten-komprimierung, semantische Kenntnissuche,
Mensch-Maschine Interaktion oder Aufbau der Systemarchitektur. Somit
kann das System in drei Komponenten aufgeteilt werden: auf einer
Seite haben wir die offline-Aufgaben, das sind Methoden zur Signal-
und Bildverarbeitung. Die mit diesen Methoden extrahierte
Information ist auf einer Bayesschen hierarchischen Darstellung
basiert, und diese Algorithmen sind normalerweise sehr
zeitaufwendig. Auf der anderen Seite, untersuchen wir die
Online-Aufgaben, die in Echtzeit durch ein benutzerinteraktives
Lernen ablaufen. Zuletzt muss eine optimale Softwarearchitektur, wo
alle die Konzepte integriert sind, studiert werden. Beiträge zu
diesen drei Modulen sind im Rahmen dieser Doktorarbeit geleistet.

Wir fangen mit der Implementierung neuer Algorithmen für Erkennung
des Targets durch Änderungsanalyse von Mehrzeit- hyperspektralen
Hochauflösungsbilder unter verschiedenen Lichtbedingungen und
starken Hintergrundstördaten an. Unser Ziel ist es, eine
Zielerkennungskarte durch die Synergie von Bildanalysealgorithmen zu
bilden. Wenn wir Eigenschaften von Fernerkundungsdateien
extrahieren, werden wir allerdings das Problem der
Parameterabschätzung auflösen müssen. Die Genauigkeit der
Methoden ist oft von der Parameterauswahl stark abhängig, und
normalerweise ist es sehr kompliziert, von vornherein die optimale
Parameterkombination zu kennen. Das ist die Motivation für den
zweiten Beitrag dieses Dissertation: wir implementieren einen
Algorithmus, der durch Informations- und Rate Distortionstheorie die
Parameterqualität auswerten kann.

Eine der Haupteigenschaften eines IIM Systems ist seine Fähigkeit,
über Benutzerinteraktion zu lernen. Der Benutzer liefert Beispiele
seiner Interessen und das System lernt die Benutzerbevorzugungen,
sucht nach Bildern mit ähnlichem Inhalt auf der Datenbank. In
diesem Rahmen, steht die Entwicklung eines neuen
Mehrfach-klassifizierers, die es dem Benutzer erlaubt, mehr als
einen Beispielstyp in das System einzugeben. Das System wird
dementsprechend über unterschiedliche Eigenschaften abgefragt, was
die Ergebnisse der Abfrage und die Suchgenauigkeit erheblich
verbessert. Das bildet den dritten Beitrag dieser Doktorarbeit.

Um ein betriebsbereites und anwendbares System zu bilden, sind die
obengenannten Beiträge in eine modulare Systemarchitektur zusammen
zu bringen. Das System muss von dem Standpunkt des Software Design
offen, standardkonform und über das Internet zugänglich sein.
Das Design der Softwarearchitektur des IIM Systems ist der letzte
Beitrag dieser Dissertation. Um das System erfolgreich aufzubauen,
müssen wir folgendes beachten:
- wie riesige Datenmengen von originalen und prozessierten Bilddaten
zu verwalten sind;
- wie die Automatisierung der Aufgaben, z.B. das Aufladen einer neuen
Datei, die Eigenschaftenextraktion oder die Erzeugung von
thematischen Karten zu verwirklichen ist;
- wie das Systemanpassung an der Benutzerkenntnis ermöglicht wird
(d.h. die Bildinterpretation muss an den Systemsymbolen angepasst
werden, die der Benutzer erkennt, und an der spezifischen Semantik
seines Bereiches);
- wie die Mensch-Maschine Kommunikation durch eine duchgehende
Interaktion und Kenntnisaustausch durchgeführt wird.
URN: urn:nbn:de:hbz:467-4012
urn:nbn:de:hbz:467-4012
URI: https://dspace.ub.uni-siegen.de/handle/ubsi/401
License: https://dspace.ub.uni-siegen.de/static/license.txt
Appears in Collections:Hochschulschriften

This item is protected by original copyright

Show full item record

Page view(s)

174
checked on Oct 29, 2020

Download(s)

21
checked on Oct 29, 2020

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.