Original paper

JAVA-based Texture Analysis Employing Neighborhood Gray-Tone Difference Matrix (NGTDM) for Optimization of Land Use Classifications in High Resolution Remote Sensing Data

Rengers, Norman; Prinz, Torsten

Abstract

Due to the increasing demand for current and consistent datasets concerning land use and land cover, especially regarding silvicultural and agricultural areas, the analysis and classification of high resolution remote sensing data represents an important component of today's remote sensing methodology. In this process the rapid and distinct assignment of its type of use plays a major role, apart from the size, location or geometry of the used areas. At the present time most analysis and classification methods are pixel-based on colour or brightness differences of respective land use. Further classification methods try to consider additional features and to describe them mathematically. In this context the attribute texture lies in the focus of high resolution land use feature extraction, in particular regarding objectorientated classification methods but also in terms of web-based, interoperable remote sensing applications. In order to examine the value of the yet theoretical conceived Neighborhood Gray-Tone Difference Matrix- (NGTDM) texture analysis for practical land use classification methods, the NGTDM has been JAVA-based implemented for the first time and is therefore applicable for many platforms as a prototype. The evaluation followed on basis of high resolution remote sensing data. The study exhibits a great practical potential for the MGDTM-method, since it is capable by all means to identify silvicultural and agricultural areas automatically purely based on texture.

Kurzfassung

Aufgrund der wachsenden Nachfrage nach aktuellen und konsistenten Datensätzen im Bereich der Landnutzung und Landbedeckung, insbesondere im Hinblick auf forst- und landwirtschaftliche Nutzflächen, stellt die Analyse und Klassifikation hochauflösender Fernerkundungsdaten einen wichtigen Bestandteil der heutigen Fernerkundungsmethodik dar. Dabei spielt neben den Informationen über die Größe, Lage oder Geometrie der jeweiligen Nutzungsflächen insbesondere ihr genauer Typus und seine rasche Erfassung eine große Rolle. Die hierzu derzeit verwendeten pixelbasierten Analyse- und Klassifikationsverfahren basieren zum größten Teil auf den Farbund Helligkeitseigenschaften der jeweiligen Landnutzungsfläche. Weiterführende Klassifikationsverfahren versuchen darüber hinaus zusätzliche Merkmalseigenschaften zu berücksichtigen und mathematisch zu beschreiben. In diesem Kontext steht das Merkmal Textur insbesondere bei objektorientierten Klassifikationsmethoden aber auch hinsichtlich interoperabler, web-basierter Fernerkundungsanwendungen im Focus der hochauflösenden Merkmalsextraktion von Landnutzungstypen. Um den Nutzen des bisher nur theoretisch konzipierten Neighborhood Gray-Tone Differenz Matrix- (NGTDM) Texturanalyseverfahrens für die praktische Landnutzungsklassifikation zu testen wurde das Verfahren erstmalig JAVA-basiert, und damit für viele Plattformen zugänglich prototypisch umgesetzt. Die Evaluation erfolgte auf der Basis hochauflösender Fernerkundungsdaten. Die Studie zeigte das große praktische Potential der NGTDM-Methodik, da sie durchaus in der Lage ist rein texturbasiert forst- und landwirtschaftliche Nutzflächen automatisiert zu identifizieren.

Keywords

texture analysisremote sensingneighborhood gray-tone difference matrixclassificationland use