(ter
uous
Vol.
ion.
erture
90.
E
ce for
rk;
st
APPLICATION OF AN AUTOMATIC CLUSTERING AND SEGMENTATION TOOL ON METABASITIC
ROCK UNITS IN THE SOUTHERN RED SEA HILLS, NE SUDAN
Roland Baldin* & Harald Haenisch **
* Technische Universität Berlin
**Freie Universität Berlin, FR Geoinformatik
Malteserstr. 74-100, 12249 Berlin, Germany
Commision VII, Workgroup 4
KEY WORDS: Remote Sensing, Geology, Land Use, Automated Classification, Multispectral Imagery, Spectral
Homogeneity.
ABSTRACT
This paper refers about a method for class extraction frofn multispectral imagery under geological aspects. In
the case under consideration metamorphic rock units have been tested for their possible discrimination by an
automatic class building and segmentation process as proposed by SCHULZ & WENDE (1993). The procedure
uses the assumption of spectral homogeneity to test a Landsat TM dataset, which will be adopted by statistical
criteria like variance and correlation coefficient for the class finding algorithm. Depending only on the thresholds
defined before the application and not on interactively described classes, it is possible to set the user-defined
statistical reliability of the classes. Furthermore it allows an exclusion of pixels with no certain dependencies of
classes without masking. The area under research shows changing relief with flat sandy parts and rough terrain
formed of metamorphic rocks under arid conditions. The roughness of the terrain is the limiting factor for this
method, especially by the influence shadow. This happens in terms of high frequency textures which disable the
clustering process due to their inhomogeneity, so it has to be combined with a texture classifier or a smoothing
process.
ZUSAMMENFASSUNG
In diesem Artikel wird die Anwendung eines Klassenbildungsverfahrens unter geologischen Gesichtspunkten
vorgestellt. Bei dem präsentierten Beispiel handelt es sich um metamorphe, basische Gesteine, die in Hinblick
auf ihre mögliche spektrale Trennbarkeit durch einen von SCHULZE & WENDE (1993) vorgeschlagenen automati-
schen Klassenbildungsprozeß untersucht werden. Anschließend erfolgt die Klassifizierung der Bildpixel durch
Vergleich mit einer Lookup-Tabelle der Klassen. Das Verfahren nutzt die Annahme der spektralen Homogenität,
angewendet auf einen Landsat TM-Datensatz, die durch statistische Kriterien wie Varianz und Korrelations-
koeffizienten für die Klassen angepaßt wird. Dies ermöglicht eine automatische Klassenextraktion entsprechend
den gewählten statistischen Vertrauensbereichen. Weiterhin wird durch das Verfahren ermöglicht, Mischpixel
unbestimmter Zugehörigkeit zu eliminieren. Das Testgebiet liegt klimatisch in einer semiariden bis ariden Zone,
das Gelände zeigt ein wechselndes Relief mit flachen, sandigen und steilen, zerklüfteten Partien. Als limitieren-
tender Faktor für dieses Vefahren erweist sich das steile, rauhe Relief, da das auftretende Rückstrahlungs-
verhalten innerhalb einer geologischen Einheit, insbesondere durch Abschattungen, starken Schwankungen
unterliegt. Hieraus resultiert eine spektrale Inhomogenität, die in Verbindung mit den homogenen sandigen
Bereichen nicht als eine klassifizierbare Einheit erkannt wird. Daraus folgert für die weitere Entwicklung die
Einbindung eines texturkorrigierenden Verfahrens.
1. INTRODUCTION image on the basis of information obtained globally
(e.g. histogram based segmentation), and third split,
For image classification or region segmentation there merge and growing techniques use both the notions
are several procedures available which use different of homogeneity and geometrical proximity (PITAS
approaches. Image classification techniques can be 1993).
grouped into three different classes. Local techniques
are based on the local properties of the pixels and — All these techniques usually deal with the problem of
their neighbourhood. Global techniques segment an class definition stimulated by visual interpretation or,
43
International Archives of Photogrammetry and Remote Sensing. Vol. XXXI, Part B7. Vienna 1996
