Ralf Hesse, Landesamt für Denkmalpflege Baden-Württemberg
LANDESAMT FÜR DENKMALPFLEGE
Der Einsatz von Visualisierungsmethoden zur flächendeckenden
Lidar-basierten archäologischen Prospektion in Baden-Württemberg
DGM-Visualisierungsmethoden - warum?
• Umwandlung von DGM in lesbare Abbildungen
• Anforderungen für archäologische Anwendungen:
• Hervorhebung schwacher Reliefstrukturen
• verschiedene Methoden existieren
• Vor- und Nachteile
• aktuelle Entwicklungen
• Anwendung in Baden-Württemberg:
• landesweite archäologische Prospektion
• 35 000 km2 � Effizienz!
Shaded Relief
• pro:
• intuitive Lesbarkeit, adaptierbar
• kontra:
• geringer Kontrast in der Beleuchtung zu-/abgewandten Bereichen
• schlechte Sichtbarkeit von Strukturen parallel zur Beleuchtung
• optische Täuschungen bei Horizontalwinkeln von 90-270°
• i.d.R. mehrere Beleuchtungsrichtungen erforderlich
Shaded Relief
• Kombination mehrerer Shaded Relief-Bilder:
• Mittelwert
• RGB-Farbkomposite
• Hauptkomponentenanalyse (PCA)
Exaggerated Relief
• Rusinkiewicz et al., 2006
• basierend auf Shaded Relief, aber
• multi-skaliger Ansatz
• lokal angepasster Höhenwinkel
• Kombination mehrerer Bilder
Exaggerated Relief
• pro:
• nur eine Beleuchtungsrichtung
• wenig kontrastarme Bereiche
• kontra:
• Landschaftsformen nicht mehr erkennbar
• Artefakte (scheinbare Wälle)
Trendbereinigung
• Subtraktion eines geglätteten DGMs vom originalen DGM
• pro:
• Hervorhebung kleinräumiger Reliefformen
• kontra:
• Verlust der Landschaftsformen
• z.T. Artefakte
Local Relief Model (LRM)
• weiterentwickelte Trendbereinigung
1.6
0 m
-3.7
0 175 m0 175 m
1.6
0 m
-3.7
Extraktion
0 175 m
440
70 m
Interpolation
0 175 m
440
0 m
Differenzkarte
0 175 m
8.7
0 m
-8.6
Local Relief Model (LRM)
• pro:
• Hervorhebung kleinräumiger Reliefformen
• kontra:
• komplexer Algorithmus, Rechenzeit
• z.T. Verlust der Landschaftsformen
• z.T. Artefakte
Local Relief Model (LRM)
• pro:
• Hervorhebung kleinräumiger Reliefformen
• kontra:
• komplexer Algorithmus, Rechnenzeit
• z.T. Verlust der Landschaftsformen
• z.T. Artefakte
Local Relief Model (LRM)
• pro:
• Hervorhebung kleinräumiger Reliefformen
• kontra:
• komplexer Algorithmus, Rechnenzeit
• z.T. Verlust der Landschaftsformen
• z.T. Artefakte
Sky-View Factor (SVF)
• diffuse Beleuchtung von Hemisphere über dem Pixel (Zakšek et al., 2011)
(Zakšek et al. 2011, Abb. 6)
Sky-View Factor (SVF)
• pro:
• intuitiv lesbar, nur eine Beleuchtungsrichtung
• negative Reliefformen und Strukturen an Hängen sehr gut sichtbar
• Reliefdetails und Landschaftsformen
• kontra:
• nicht geeignet für flache positive Formen und Ebenen
Openness
• diffuse Beleuchtung von umgebender Sphäre (Yokoyama et al., 2002; Doneus, 2013)
(Yokoyama et al., 2002, Abb. 5)
Openness
• pro:
• gute Sichtbarkeit von Reliefdetails
• kontra:
• Verlust der Landschaftsformen
positive Openness:
Openness
• pro:
• gute Sichrbarkeit von Reliefdetails
• kontra:
• Verlust der Landschaftsformen
negative Openness:
Accessibility
• pro:
• intuitiv lesbar
• Reliefdetails und Landschaftsformen
• kontra:
• nicht geeignet für Ebenen
• geeignete Kontraststreckung schwierig
Local Dominance
• pro:
• gute Erkennbarkeit von Details
• kontra:
• Kontrastanpassung für Ebenen/Hänge erforderlich
Cumulative Visibility
• pro:
• gute Erkennbarkeit von Details (bei geringem Radius)
• auch zur Analyse von Positionen in Landschaft geeignet
• kontra:
• „verwaschen“
• Detailwiedergabe abhängig von Radius
Multi-Scale Integral Invariants (MSII)
• n Sphären mit unterschiedlichen Radien, zentriert auf jeweiligen DGM-Pixel
• Berechnung des über bzw. unter der Oberfläche des DGM liegenden Anteils der Sphäre
• Interpretation der resultierenden n Werte pro Pixel als n-dimensionale Vektoren
• Berechnung des Abstands zu Referenzvektor (Mara et al., 2010)
Multi-Scale Integral Invariants (MSII)
• pro:
• sehr gute Erkennbarkeit von Details
• kontra:
• z.T. Verlust der Landschaftsformen
• hoher Rechenzeitaufwand
Laplacian-of-Gaussian
• Laplace-Filter: Kantendetektion (Mlsna & Rodríguez, 2005)
• pro:
• gute Erkennbarkeit von Details
• sehr schneller Algorithmus
• kontra
• Verlust der Landschaftsformen
Im Projekt eingesetzte Visualisierungsmethoden
• Shaded Relief
• Local Relief Model
(i.d.R. als Überlagerung mit Shaded Relief)
• Sky-View Factor
• Local Dominance
• Laplacian of Gaussian
(i.d.R. als Überlagerung mit Sky-View Factor oder Local Dominance
Im Projekt nicht eingesetzte Visualisierungsmethoden
• Exaggerated Relief (Rechenzeit, Lesbarkeit)
• Trend Removal (visuell ähnlich LRM und Local Dominance)
• Accessibility (Lesbarkeit)
• Cumulative Visibility (Rechenzeit)
• MSII (Rechenzeit)
• PCA (Rechenzeit, Lesbarkeit)
März 2014
Aktueller Stand des Projektes
• 20 700 km2
(~60% der Landesfläche)
• 580 000 Verdachtsobjekte
LiVT – eine Open Source Toolbox für DGM-Visualisierungen
• stand-alone Software
• räumliche Filter (z.B. Laplacian of Gaussian)
• Shaded Relief
• Sky-View Factor
• Trendbereinigung
• Local Relief Model
• Exaggerated Relief
• Local Dominance
• Accessibility
• Openness
• MSII
• Cumulative Visibility
• entwickelt am LAD Baden-Württemberg
• www.sourceforge.net/projects/livt
Zusammenfassung
• Vielzahl von Visualisierungsmethoden verfügbar
• alle haben Vor- und Nachteile
• unterschiedliche Eignung
• für unterschiedliche Objekttypen
• in unterschiedlichen Landschaften
• effizientere Prospektion und zuverlässigere Interpretation
• Verständnis der Algorithmen wichtig
Literatur
Devereux, B.J., Amable, G.S., Crow, P., 2008. Visualisation of LiDAR terrain models for archaeological feature detection. Antiquity 82, 470–479.
Doneus, M., 2013. Openness as visualization technique for interpretative mapping of airborne LiDAR derived digital terrain models. Remote Sensing.
Hesse, R. 2010. LiDAR-derived Local Relief Models – a new tool for archaeological prospection. Archaeological Prospection 17, 67–72.
Imhof, E., 2007. Cartographic relief representation. English language edition edited by H.J. Steward. Redlands: ESRI Press.
Jolliffe, I.T., 2002. Principal component analysis. Second edition. Spinger, New York.
Mara, H., Krömker, S., Jakob, S., Breuckmann, B., 2010. GigaMesh and Gilgamesh – 3D Multiscale Integral Invariant Cuneiform Character Extraction, In: Artusi, A., Joly-Parvex, M., Lucet, G., Ribes, A., Pitzalis, D. (eds.), The 11th International Symposium on Virtual Reality, Archaeology and Cultural Heritage VAST (Paris, France, 2010), pp. 131–138.
Miller, G., 1994. Efficient algorithm for local and global accessibility shading. Computer Graphics Proceedings, Annual Conference Series SIGGRAPH, 319–325.
Mlsna, P.A., Rodríguez, J.J., 2005. Gradient and Laplacian edge detection. In: Bovik, A.C. (ed.), Handbook of image and video processing. 2nd. edition. Elsevier, Amsterdam. pp. 535–553.
Rusinkiewicz, S., Burns, M., DeCarlo, D., 2006. Exaggerated Shading for depicting shape and detail. ACM Transactions on Graphics (Proceedings SIGGRAPH) 25(3), 1199–1205.
Yokoyama, R., Shirasawa, M., Pike, R.J., 2002. Visualizing topography by openness: a new application of image processing to digital elevation models. Photogrammetric Engineering & Remote Sensing 68(3), 257–265.
Zakšek, K., Oštir, K., Kokalj, Z., 2011. Sky-View Factor as a relief visualisation technique. Remote Sensing 3, 398–415.
LIDAR-Daten: LGL/LAD Baden-Württemberg