RUB » Bibliotheksportal

Matthias Fabian Meyer-Heß

• Digital Terrain Models (DTM) revolutionized archaeological prospection over the past 20 years by comprehensively revealing above-ground field monuments independently of temporary marks or vegetation. However, to completely utilize their potential, automated detection approaches are required. Chapter 2 searches for suitable visualizations and transfers existing knowledge of Object-based Image Analysis (OBIA) from general remote sensing to archaeological DTM analysis. Chapter 3 exploits non-archaeological data sets to reduce misclassifications, as both manual and automated detection are affected by confusions with modern structures. Chapter 4 includes a detection of burial mounds in the proximity of hollow ways using a Convolutional Neural Network (CNN) to study possible spatial relationships between these field monument types.
• Digitale Geländemodelle (DGM) haben die archäologische Prospektion in den vergangenen 20 Jahren dadurch revolutioniert, dass sie oberirdische Bodendenkmäler unabhängig von temporären Merkmalen oder Vegetation flächendeckend sichtbar machen. Um jedoch ihr volles Potential auszuschöpfen, sind Ansätze zu ihrer automatisierten Auswertung nötig. Kapitel 2 sucht nach geeigneten Visualisierungen und überträgt vorhandenes Wissen über die Objektbasierte Bildklassifikation (OBIA) von der generellen Fernerkundung auf die archäologische Geländemodellanalyse. Kapitel 3 nutzt nicht-archäologische Datensätze dazu, die Zahl von Fehlklassifikationen zu verringern, da sowohl manuelle als auch automatisierte Erfassungen von Verwechselungen mit modernen Strukturen betroffen sind. Kapitel 4 beinhaltet eine Detektion von Grabhügeln in der Umgebung von Hohlwegen mittels eines \(\textit {Convolutional Neural Networks}\) (CNN), um mögliche räumliche Zusammenhänge dieser beiden Bodendenkmaltypen zu untersuchen.