Original paper

Towards Automatic 3D Change Detection inside Urban Areas by Combining Height and Shape Information

[Automatische 3D-Veränderungsanalyse in städtischen Gebieten durch die Kombination von Höhen und Form Information]

Chaabouni-Chouayakh, Houda; Reinartz, Peter

Abstract

Monitoring of urban areas using remote sensing data requires reliable change detection techniques. While most of the changes are optically visible and easily detectable by an expert user, automatic processes that remain valid even when different kinds of input data are considered, are quite difficult to develop. This paper provides new solutions for semi-automatic 3D change detection of buildings based on the joint use of height and spatial information. It is an attempt to build a reliable scheme for change detection able to process high as well as lower quality Digital Surface Models (DSMs). The subtraction of DSM, computed from stereo pairs acquired at different epochs, provide valuable information about 3D urban change. However, when at least one of the DSMs presents some artifacts, a simple DSM subtraction may result also in the detection of virtual changes. Several post-processing steps are proposed in this paper and adapted to different DSM qualities in order to quantify real changes. Shape features are introduced to describe the geometry of the detected changes and a Support Vector Machine (SVM) classifier is used to differentiate real from virtual changes. Evaluation of the proposed approach on object and pixel level in terms of completeness, correctness, overall accuracy, etc is performed, proving its efficiency and relatively high accuracy for different kind of stereo images and consequently different DSM qualities.

Kurzfassung

Das Monitoring städtischer Gebiete mit Fernerkundungsdaten erfordert zuverlässige Verfahren der Veränderungsanalyse. Obwohl die meisten Änderungen visuell durch einen erfahrenen Bildinterpreten leicht erkennbar sind, erweist sich die Entwicklung automatischer Verfahren, die auch dann verlässliche Ergebnisse liefern, wenn unterschiedliche Qualitäten von Input-Daten vorliegen, als sehr problematisch. Dieser Artikel zeigt neue Ansätze zur semi-automatischen Erkennung von 3D Veränderungen von Gebäuden, die auf der gemeinsamen Nutzung der räumlichen sowie der Höhen-Information basieren. Ziel ist die Erstellung eines Verfahrens zur Erkennung von Veränderungen in Digitaler Oberflächenmodellen (DSM) welches auch mit Daten geringerer Qualität zuverlässig arbeitet. Die Subtraktion von DSM erstellt aus Stereo-Bildpaaren aus unterschiedlichen Zeiten enthält wertvolle Informationüber neue oder abgerissene Gebäude. Wenn allerdings eines oder beide DSM Fehler aufweisen, wird eine einfache Subtraktion von DSMs auch virtuelle Veränderungen enthalten. Aus diesem Grund werden mehrere Verarbeitungsschritte entwickelt um virtuelle Änderungen auch in DSM schlechterer Qualität möglichst weitgehend zu eliminieren. Es wird die Verwendung von vorgegebenen Form-Eigenschaften vorgeschlagen, welche die Geometrie der erfassten 3D Objekte beschreiben und ein Klassifikator aus dem Bereich Support Vector Machines (SVM) wird zur Unterscheidung von virtuellen und echten Änderungen verwendet. Die anschließende Bewertung auf Objekt- und Pixel-Level im Hinblick auf Vollständigkeit, Richtigkeit und Genauigkeit zeigt die Effizienz des vorgeschlagenen Ansatzes für verschiedene Arten von Stereo-Bilddaten mit unterschiedlichen DSM Qualitäten.

Keywords

dsm3d change detectionheight informationspatial informationsvm classification