OPTİK VE SAR GÖRÜNTÜLERİN PROJEKTİF DÖNÜŞÜM KULLANARAK FÜZYONU

Transkript

1 Türkie Ulusal Fotogrametri ve Uzaktan Algılama Birliği VII. Teknik Sempozumu (TUFUAB 03), 3-5 Maıs 03, KTÜ, Trabzon. OPTİK VE SAR GÖRÜNTÜLERİN PROJEKTİF DÖNÜŞÜM KULLANARAK FÜZYONU M. Özendi a, *, U. G. Sefercik a a BEÜ, Jeodezi ve Fotogrametri Mühendisliği Bölümü, 6700 Zonguldak, - (mozendi@gmail.com, ugsefercik@hotmail.com ) ANAHTAR SÖZCÜKLER: Füzon, Frost Filtresi, Projektif Dönüşüm, IKONOS, TerraSAR-X, Pankromatik, Spotlight ÖZET: Uzaktan algılama teknolojisi özellikle 0. üzılın son çereğinden günümüze dek hızlı bir ivmele gelişim göstermiştir. Uzaktan algılama sistemleri optik ve radar olmak üzere iki ana sınıfa arılmaktadır. Bu iki sistem birbirlerine göre avantaj ve dezavantajlara sahiptir. Optik algılama sistemlerinin obje çıkarım başarısı radara kıasla daha ii olmasına rağmen, güneşe bağımlı olan görüntüleme ancak ılın ugun mevsimlerinde, bulutsuz ve gündüz saatlerinde gerçekleştirilebilmektedir. Radar algılama sistemleri ise optik kadar üksek obje çıkarım başarısı sunmamalarına rağmen kendi ışığını kendileri üretmeleri ve güneş gibi harici bir enerji kanağına ihtiaç dumamalarından dolaı günün her saatinde ve her türlü hava koşulunda bulutsuzluk koşulu olmaksızın görüntü elde edebilme eteğine sahiptirler. Optik ve radarın birbirlerine kıasla daha güçlü özelliklerinden birarada fadalanabilmek amacıla son ıllarda bilim insanları bu sistemlere ait görüntülerin birleştirilerek (füzon) kullanımı için birçok çalışma apmışlardır. Bu çalışmanın amacı, eşit çözünürlüğe sahip ( m) Pankromatik (PAN) IKONOS ve Spotlight (HS) mod TerraSAR-X (TSX) görüntülerinin İstanbul Tarihi Yarımadada seçilen pilot bir test alanında füzon işleminin gerçekleştirilmesidir. Bu amaç doğrultusunda, öncelikle TSX HS görüntüsünde mevcut olan benek gürültülerin (speckle noise) giderilmesi amacıla Frost filtresi kullanılmış ve minimum düzede benek gürültü içeren bir görüntü elde edilmiştir. Daha sonra, anı bölgee ait olsalar bile tamamen farklı geometri ve radometride olan iki görüntü üzerinde ortak nokta seçimi apılmıştır. Görüntüler arasında projektif dönüşüm olduğu varsaılarak seçilen noktalar aracılığı ile iki görüntü arasında en küçük kareler öntemi kullanılarak bir dönüşüm matrisi hesaplanmıştır. Bu matris ardımıla TSX HS görüntüsünün projektif dönüşümü apılmış ve öneltilmesi apılan IKONOS PAN görüntüsü üzerine kadedilmesi (co-registration) ile füzon işlemi gerçekleştirilmiştir. Sonuç olarak, IKONOS PAN ve TSX HS görüntüleri sadece iki boutta füzon edilerek obje bütünlüğü başarılı bir şekilde sağlanmıştır. * Sorumlu Yazar

2 Türkie Ulusal Fotogrametri ve Uzaktan Algılama Birliği VII. Teknik Sempozumu (TUFUAB 03), 3-5 Maıs 03, KTÜ, Trabzon.. GİRİŞ Çağımızda bilgi teknolojileri bir çok alanda oldukça hızlı bir gelişim göstermektedir. Bu anlamda uzaktan algılama teknolojisi de oldukça hızlı bir şekilde ilerlemiş ve günümüzde artık çok üksek çözünürlüklü görüntüler daha düşük malietlerler ile elde edilebilir hale gelmiştir. Uzaktan algılama sistemlerini optik ve radar olmak üzere iki sınıfa aırmak mümkündür. Pasif algılama sistemine göre çalışan optik sistemler görüntüleme için gerekli olan enerjii güneşten alırlar. Radar algılama sistemleri ise optik algılama sistemlerinin aksine, görüntüleme için gerekli olan enerjii kendileri üreten aktif algılama prensibine göre çalışan sistemlerdir. Bu iki algılama sisteminin kendilerine göre avantaj ve dezavantajları bulunmaktadır. Optik algılama sistemlerini bir fotoğraf makinesi gibi düşünmek mümkündür. Elektromanetik spektrumun 0.3-5µm aralığını kullanan optik sistemler µm arasındaki görünür bölge ve pankromatik bantda 0.9µm e kadar uzaan akın kızılötesi bölgei kapsadığı için optik görüntülerin orumlanması ve obje çıkarımı radar algılama sistemleri ile elde edilen görüntülere kıasla çok daha koladır. Ancak, optik algılama sistemleri işlevsellikleri açısından güneş enerjisine ihtiaç dudukları için sadece gündüz saatlerinde görüntüleme apabilirler. Bu sistemler arıca ağmur ve kar gibi hava olalarına da bağımlı çalışmaktadırlar. Elektromanetik spektrumun mikrodalga bölgesinde (dalgabou=mm-m) çalışan radar algılama sistemleri aktif algılama prensibine göre çalıştıkları için günün her saati ve her hava koşulunda görüntüleme apabilirler. Arıca radar görüntüleri renk bilgisi sunmamalarına rağmen optik görüntülerin içermediği değerli bazı bilgiler içerirler. Bu bilgilerin başında genlik bilgisi gelmektedir. Yapa açıklıklı radar (SAR) görüntülerin geometrik konfigurasonu saesinde optik görüntülerde düşük kontrastlarda görünen bazı objeler daha aırt edici görülebilir (Calabresi, 996). Sensörlerin güçlü özelliklerinin bir araa getirilmesi amacı ile görüntü füzon metodları geliştirilmiştir. Bu metodların en bilinenlerinden biri uzaktan algılama camiasının çok akından bildiği pansharpening metodudur ve değişik aklaşımları temel alan değişik çalışmalar apılmıştır. (Zhang, 00; Pohl ve Genderen, 998; Yıldırım ve Güngör, 0). Bu metot kullanılarak konumsal çözünürlüğü üksek pankromatik bir görüntü ile konumsal çözünürlüğü daha düşük renkli bir görüntünün üksek konumsal çözünürlüğe sahip renkli bir görüntü oluşturulabilir. modeli (DYM) kullanarak geometrik modelleme ile coregistration işlemi gerçekleştirilmee çalışılmıştır (Toutin,995). Buna ek olarak, co-registration amaçlı olarak benzerlik ölçütlerini (Inglada ve Giros, 004) ve görüntülerin entropi bilgilerini (Suri ve Reinartz 00) esas alan aklaşımlar da kullanılmıştır. Piksel tabanlı füzon işleminde ise her iki görüntünün piksel değerleri harman edilerek ortaa görselliği çok daha gelişmiş bir görüntü çıkarılmaktadır. Optik ve SAR görüntülerin piksel tabanlı füzonu kapsamında belirli objelerin (köprü gibi) daha öne çıkarılmasını hedefleen çalışmaların (Soergel vd. 008) anısıra optik görüntülere ugulanan metodlardan biri olan IHS dönüşüm algoritması da kullanılmıştır (Alparone vd. 004). Görüntü özelliği tabanlı füzonda ise SAR ve optik görüntülerden elde edilen veriler sınıflandırma, segmantason, değişiklik sezimi ve obje tanıma için füzon edilmektedir (Wegner, 0). Örneğin, Nsaibi ve Chaabane (008) geliştirdikleri füzon ile sınıflandırma başarısını artırabilmişlerdir. Arıca, Monte Carlo metodu ile gerçekleştirilen segmantason işleminin başarısı da füzon saesinde artırılmıştır (Lombardo vd. 003). Binalar ve selden etkilenen alanlar gibi objelerin çıkarımı amacına önelik olarak da füzon çalışmaları apılmıştır (Sportouche vd. 0; Yonghua vd. 007). Bu çalışmanın amacı, İstanbul Tarihi Yarımadada seçilen pilot bir test alanında aklaşık eşit çözünürlüğe sahip IKONOS PAN ve TSX HS görüntülerinin her iki görüntüde de seçilen ortak noktalar aracılığı ile füzon işleminin gerçekleştirilmesidir. Bu amaç doğrultusunda çalışma beş bölüme arılmıştır. Bölüm de test alanında kullanılan veri setleri verilecektir. Bölüm 3 te optik ve SAR görüntüleme mantığı açıklanacaktır. Bölüm 4 te ugulama adımları ve sonuçlar, Bölüm 5 te ise sonuç hüküm ve gelecek beklentileri er alacaktır.. TEST ALANI VE VERİ SETLERİ Bu çalışma, daha önce de belirtildiği gibi İstanbul Tarihi Yarımada dan seçilen pilot bir bölgede gerçekleştirilmiştir. Tarihi arımada, çok fazla apılaşmanın olduğu ve obje ükseklik ve şekillerinin çok değişkenlik gösterdiği bir test alanıdır. Bu zorlu özellikleri ile bölgenin uza kanaklı uzaktan algılama için önemli bir test alanı niteliğinde olduğu düşünükmektedir. Çalışmada çözünürlükleri eşit olan birer adet IKONOS PAN ve TSX HS görüntüsü kullanılmıştır. Bu görüntülerin teknik özellikleri Tablo de verilmiştir. Radometrik ve geometrik açıdan incelendiğinde optik ve SAR algılama sistemleri anı erüzü objelerini farklı biçimlerde algılarlar. Optik görüntülerin CCD sensörler ardımıla fotoğraf düzlemi mantığı ile algıladığı bir obje, SAR algılamanın eğik mesafe geometrisinden dolaı ötelenmiş, dönük, gerilmiş ve farklı ölçektemiş gibi görülebilmektedir. Bu farklılıkları gidermek için optik ve SAR görüntülerin füzonu amaçlı metotlar geliştirilmiş ve bu konuda halen birçok değişik araştırmalar ürütülmektedir. Uzaktan algılamada optik ve SAR görüntülerin füzonu, otomatik co-registration, piksel tabanlı füzon, görüntü özelliği tabanlı füzon ve karar-tabanlı füzon olmak üzere dört ana gruba arılabilir (Wegner, 0). Optik ve SAR sensörlerin görüntüleme geometrileri birbirinden farklı olduğundan bu iki görüntünün birlikte kullanılması gereken durumlarda görüntülerden birinin diğerinin üzerine co-registration adı verilen işlem ile kadedilmesi gerekir (Palubinskas ve Reinartz, 00). Bu doğrultuda er kontrol noktaları ve dijital ükseklik IKONOS PAN Yer Örnekleme Aralığı m Yükseklik Baz Oranı.6 Güneş Yükselme Açısı 65.5º Alım Tarihi 0/03/00 TSX HS Yer Örnekleme Aralığı m Sensör Modu Yüksek Çözünürlüklü

3 Türkie Ulusal Fotogrametri ve Uzaktan Algılama Birliği VII. Teknik Sempozumu (TUFUAB 03), 3-5 Maıs 03, KTÜ, Trabzon. Spotlight Polarizason Single Modu/Kanalı Polarization/HH Bakış Doğrultusu Sağa Bakış Alım Tarihi Haziran 008 Tablo. Görüntülerin Teknik Özellikleri 3. OPTİK VE SAR GÖRÜNTÜLEME SAR ve optik sensörler farklı ölçüm prensipleri ile çalışmakta anı obje, bu iki farklı sensör tarafından hem geometrik hem de radometrik farklı biçimlerde algılanmaktadır. Şekil de anı objenin iki farklı şekilde sensör tarafından nasıl algılandığını gösterilmiştir. Farklı algılama prensipleri bu iki görüntünün entegre kullanımında problemlere ol açsa bile her iki sistemin birbirini tamamlaıcı özellikleri bulunduğundan bu durum görüntü füzonu ile avantaja dönüştürülebilir. Örneğin, SAR görüntüleri günün her saatinde algılama apabilmelerine rağmen renk bilgisi sunmazlar. Bu renk bilgisini ise optik görünütüleri sağlarlar ve iki sistemin dezavantajları gidrilmiş olur. (a) TSX HS Görüntüsü (b) IKONOS PAN Görüntüsü Şekil. Anı Objenin SAR ve Optik Görüntüsü Şekil. Optik ve SAR Görüntü Algılama Geometrisi (Wegner, 008) 4. UYGULAMA VE SONUÇLAR 4. Görüntülere Ugulanan Ön İşlemler SAR görüntüleri optik görüntülerden farklı olarak benek gürültü (speckle noise) adı verilen tanecikli apıda gürültü içerirler. Bu gürültünün oluşma sebebi apıcı ve bozucu ekoların birbirine karışmasıdır (Masoomi vd. 0). Bu tanecikli gürültünün giderilmesi için Lee, Frost, Kuan ve Gama/MAP gibi birçok filtreleme metodları geliştirilmiştir. Bu çalışmada TSX HS görüntüsündeki gürültüü giderebilmek için Frost filtresi kullanılmıştır. Bu filtre gürültüü giderirken anı zamanda kenar detaları mümkün olduğunca koruabilmektedir (Wegner vd. 008; Suri vd. 009; Waske ve Benediktsson 007). Görüntüe Frost filtresi ugulandığında medana gelen değişiklikler Şekil 3 de gösterilmiştir. Kullanılan optik görüntü üksek çözünürlüklü olduğundan ve objeler kolaca görülebildiğinden dolaı optik görüntüe herhangi bir ön işlem ugulanmamıştır. Radometrik olarak incelendiğinde optik algılaıcılar elektromanetik spektrumun görünür ve kızılötesi bölgelerinde çalışan ve obje çıkarımının daha kola olduğu renkli görüntüler sunan pasif algılaıcıdırlar. SAR algılaıcılar ise elektromanetik spektrumun mikrodalga bölgesinde çalışan aktif algılaıcılardır. Bu durum Şekil de olduğu gibi anı objelerin farklı görünmesine sebep olur. Geometrik olarak incelendiğinde ise optik algılaıcılar merkezi izdüşüm geometrisine göre görüntü üretirken SAR algılaıcılar eğik mesafe geometrisine göre görüntü üretirler ve bu durum anı objelerin farklı şekillerde görünmesine sebep olur. Bu farklılığın sebebi Şekil de gösterilmiştir. (a) Orjinal Görüntü (b) Frost Filtresi Ugulanmış Görüntü Şekil 3. Filtreleme Etkisi

4 Türkie Ulusal Fotogrametri ve Uzaktan Algılama Birliği VII. Teknik Sempozumu (TUFUAB 03), 3-5 Maıs 03, KTÜ, Trabzon. 4. Anı Noktaların Seçilmesi Çalışmanın bu aşamasında her iki görüntüde eş objelere ait anı noktalar manuel olarak belirlenmiştir (Şekil 4). Seçilen noktalar Şekil 3 de gösterilmiştir. Daha önce de bahsedildiği gibi görüntüler birbirinden farklı olduğundan ve SAR görüntülerden obje çıkarımı çok zor olduğundan dolaı her iki görüntüden eş noktaları bulmak oldukça zordur. SAR görüntünün optik görüntü üzerine kadedilmesi için projektif dönüşüm kullanılmıştır. Projektif dönüşümün serbestlik derecesi sekiz olduğu için çözüme ulaşabilmek için dört nokta seçilmesi eterlidir. Buna rağmen, daha kaliteli bir dönüşüm için mümküm olduğunca çok ve homojen dağılımlı noktaların seçilmesi gereklidir. SAR görüntünün sunduğu görsellik zaıf olduğundan dolaı görüntünün her erinde nokta seçilememiştir. Şekil 5. Optik ve SAR Görüntü Arasındaki Projektif İlişki Bu iki görüntü arasındaki projektif dönüşüm matrisi hesaplandığında SAR görüntünün optik üzerine erleştirilmesi vea tam tersi mümkün olacaktır. Projektif dönüşüm matrisinin hesaplanmasında iteratifli vea iteratifsiz metodlar mevcuttur. Hesaplamada kolalık olması açısından iteratifsiz bir çözüm olu olan en küçük kareler öntemi kullanılmıştır. Çözüm olu olarak Mikhail vd. (00) kullandıkları çözüm olu Matlab ile programlanmıştır. Kullanılan çözüm aşağıda anlatılmıştır; X s T X X T X T,, a b c T d e f g h i () (a) TSX HS Görüntüsünden Seçilen Noktalar () nolu denklemde X dönüşüm sonrası piksel koordinatlarını, s ölçek faktörünü, T dönüşüm matrisini ve X dönüştürülecek görüntünün piksel koordinatlarını temsil etmektedir. Gerekli matris çarpımları apıldığında aşağıdaki bağıntılar elde edilir; s( a b c) () s( d e f ) (3) s( g h i) (4) () ve (3) nolu eşitsizlikler (4) nolu eşitsizlik ile bölündüğünde; a b c g h i d e f g h i (5) (6) (b) IKONOS PAN Görüntüsünden Seçilen Noktalar Şekil 4. Görüntülerden Seçilen Noktalar 4.3 Projektif Dönüşüm Parametrelerinin Hesaplanması Bu çalışmada, optik ve SAR görüntülerin anı alanı kapsamasından dolaı ve her ikisi de 3 boutlu erüzünü iki boutlu görüntü düzlemine indirgediklerinden dolaı aralarında projektif dönüşüm olduğu varsaılmıştır. Bu varsaım Şekil 5 ile gösterilmiştir. elde edilir. (5) ve (6) nolu eşitsizliklerin padalarından kurtulmak için g h i ifadesinde i ile değiştirilir ve her ikisi ile çarpılır bu işlemin sonucunda (7) ve (8) nolu formüller elde edilir; a b c g h (7) d e f g h (8) (7) ve (8) numaralı formüller matris formatında azıldığında (9) elde edilir;

5 Türkie Ulusal Fotogrametri ve Uzaktan Algılama Birliği VII. Teknik Sempozumu (TUFUAB 03), 3-5 Maıs 03, KTÜ, Trabzon a b c n n n n n n n d e f g h n n n n n n n (9) (9) numaralı matris formunu aşağıdaki gibi azmak mümkündür; Io MP (0) Burada I o dönüşmüş koordinatları (optik görüntü), M çarpımların apıldığı matris ve P dönüşüm matrisini ifade etmektedir. (0) numaralı formülde P en küçük kareler öntemine göre çözümlendiğinde () numaralı formül elde edilir; T T P ( M M ) M I () o Hesaplanan dönüşüm matrisi kullanılarak SAR görüntüsü projektif dönüşüme uğramış olur. SAR görüntüsünün dönüşüme uğramadan ve uğradıktan sonraki hali Şekil 6 ile gösterilmiştir. Şekil 7. Füzon Sonucu Oluşturulan Mozaik Görüntü Bu görüntü incelendiğinde TSX HS görüntüsünün IKONOS PAN görüntüsü üzerine uumlu bir şekilde kadedildiği ve obje bütünlüğünün sağlandığı görülmektedir. Bu mozaik görüntü harita üretimi, coğrafi bilgi sistemlerine veri üretimi felaket izleme ve önetimi gibi birçok alanda verimli şekilde kullanılabilecektir. 5. SONUÇ HÜKÜM VE GELECEK BEKLENTİLERİ (a) Orjinal SAR Görüntüsü (b) Dönüştürülmüş SAR Görüntüsü Şekil 6. SAR Görüntüsünün Projektif Dönüşüm Öncesi ve Sonrası Şekil 6 da görüldüğü gibi TSX HS görünütüsü dönüşüm sonrasında büük bir değişime uğramıştır. Orjinali ile kıaslandığında eniden ölçeklenmiş, döndürülmüş, ötelenmiş ve gerilmiş gibi görünmektedir. 4.4 Füzon İşlemi Projektif dönüşüm ile TSX görüntüsü IKONOS PAN görüntüsünün geometrisine dönüştürülmüştür. Bu saede iki görüntü artık entegre bir şekilde kullanılabilir hale gelmiştir. Bu ugulama sonucunda tek bir mozaik görüntü oluşturulabilmektedir. Bu görüntünün oluşturulabilmesi için her iki görüntü kare şeklinde parçalara arılır, sonuç görüntü oluşturulurken bir SAR görüntüden bir de optik görüntüden parçalar anana dizilir ve füzon edilmiş mozaik görüntü ortaa çıkmış olur. Bölece tek bir görüntü üzerinde hem optik hem de SAR görüntü kullanılabilir. Gerçekleştirdiğimiz ugulama neticesinde ortaa çıkan görüntü Şekil 7 de gösterilmektedir. Bu çalışma ile eş çözünürlüğe sahip IKONOS PAN ve TSX HS görüntüleri, görüntüler üzerinden manuel olarak seçilen noktalar aracılığı ile füzon edilmiştir. Seçilen sekiz adet nokta ardımı ile iki görüntü arasındaki projektif dönüşüm matrisi hesaplanmıştır. Hesaplama için en küçük kareler öntemi kullanılmıştır. TSX HS görüntüsü hesaplanan bu matris ile dönüştürülerek IKONOS PAN görüntüsü üzerine kadedilmiştir. Görüntülerin entegre kullanılabilmesi için iki görüntüden kesilen parçacıklar ile mozaik bir görüntü başarılı bir şekilde oluşturulup obje tamlığı incelenmiştir. Bu çalışma görüntüler üzerinden manuel olarak seçilen noktalar ardımı ile apılmıştır. İlerleen zamanlarda bu işlemi otomatik olarak gerçekleştiren algoritmalar üzerine çalışmalar apılması planlanmaktadır. Arıca nokta detalarının anısıra çizgisel detaların da kullanılacağı aklaşımlar için araştırmalar sürdürülmektedir. Bölece farklı özelliklere sahip olan üksek çözünürlüklü SAR ve optik görüntülerin otomatik füzonu sağlanabilecektir. Referanslar Alparone, L., Facheris, L., Baronti, S., Garzelli, A., Nencini, F., 004. Fusion of multispectral and SAR images b intensit modulation. Proceedings of the 7th International Conference on Information Fusion, pp

6 Türkie Ulusal Fotogrametri ve Uzaktan Algılama Birliği VII. Teknik Sempozumu (TUFUAB 03), 3-5 Maıs 03, KTÜ, Trabzon. Calabresi, G., 996. The use of ERS data for flood monitoring: An overall assessment. nd ERS Application Workshop, London - UK, pp Inglada, J., Giros, A., 004. On the possibilit of automatic multisensor image registration. IEEE Transactions on Geoscience and Remote Sensing, 4(0), pp Lombardo, P., Oliver, C. J., Macri Pellizzeri, T., Meloni, M., 003. A new maimum-likelihood joint segmentation technique for multitemporal SAR and multiband optical images. IEEE Transactions on Geoscience and Remote Sensing, 4(), pp Masoomi, A., Hamzehan, R., Shirazi, N.C., 0. Speckle Reduction Approach for SAR Image in Satellite Communication. International Journal of Machine Learning and Computing. (), pp Mikhail, E.M., Bethel, J.C., McGlone, J.C., 00. Introduction to Modern Photogrammetr. Wile, Nsaibi, M., Chaabane, F., 008. Image fusion of radar and optical remote sensing data for land cover classification. 3rd International Conference on Information and Communication Technologies: From Theor to Applications ICTTA. Wegner, J. D., 0. Detection and height estimation of buildings from SAR and optical images using conditional random fields. PhD Thesis, IPI Institute of Photogrammetr and GeoInformation. Wegner, J.D., Inglada, J., Tison, C., 008. Automatic fusion of SAR and optical imager based on line features, In: 7th European Conference on Snthetic Aperture Radar (EUSAR), pp. -4. Yıldırım, D., Güngör, O., 0. A novel image fusion method using IKONOS satellite images. Journal of Geodes and Geoinformation, () pp Yonghua, S., Xiaojuan, L., Huili, G., Wenji, Z., Zhaoning, G., 007. A stud on optical and SAR data fusion for etracting flooded area. In: IEEE International Geoscience and Remote Sensing Smposium IGARSS 007, pp Zhang J., 00 Multi-source remote sensing data fusion: Status and trends. International Journal of Image and Data Fusion, (), pp Palubinskas, G., Reinartz, P., 00. Fusion of optical and RADAR remote sensing data: Munich Cit eample. ISPRS TC VII Smposium 00 Years ISPRS 00, Vienna Austria, XXXVIII part 7a. Pohl C., van Genderen J. L., 998. Review article multisensor image fusion in remote sensing: Concepts, methods and applications. International Journal of Remote Sensing, 9(5), pp Soergel, U., Cadario, E., Thiele, A., Thoennessen, U., 008. Feature etraction and visualization of bridges over water from high-resolution InSAR data and one orthophoto. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, (), pp Sportouche, H., Tupin, F., Denise, L., 0. Etraction and three-dimensional reconstruction of isolated buildings in urban scenes from high-resolution optical and SAR spaceborne images. IEEE Transactions on Geoscience and Remote Sensing. 49(0),pp Suri, S., Reinartz, P., 00. Mutual-information-based registration of TerraSAR-X and Ikonos imager in urban areas. IEEE Transactions on Geoscience and Remote Sensing, 48(), pp Suri, S., Reinartz, P., Stilla, U., 009. Registration of high resolution SAR and optical satellite imager in urban areas. In:The International Archieves of Photogrammetr and Remote Sensing. Toutin, T., 995. Multisource data fusion with an integrated and unified geometric modelling. EARSeL Journal: Advances in Remote Sensing, 4(), pp Waske, B., Benediktsson, J.A., 007. Fusion of support vector machines for classification of multisensor data. IEEE Transactions on Geoscience and Remote Sensing. 45 (), pp