Η παρούσα διατριβή είχε σαν κύριο στόχο την ανάλυση και επεξεργασία των δεδομένων SAR υπό το πρίσμα του περιεχομένου υφής για την ανίχνευση περιοχών με περιβαλλοντικές αλλοιώσεις όπως είναι οι παράνομες εναποθέσεις απορριμμάτων. Τα δεδομένα που χρησιμοποιήθηκαν προέρχονταν από τον δορυφόρο ENVISAT και το όργανο ASAR του Ευρωπαϊκού Οργανισμού Διαστήματος με διακριτική ικανότητα 12.5m και 30m για τις λειτουργίες μονής και διπλής πολικότητας αντίστοιχα καθώς και από τον δορυφόρο Terra-SAR με διακριτική ικανότητα 3m και HH πολικότητα. Χρησιμοποιήθηκαν κλασσικές τεχνικές ανάλυσης και ταξινόμησης υφής όπως GLCM, Markov Random Fields, Gabor Filters και Neural Networks. Η μελέτη προσανατολίστηκε στην ανάπτυξη νέων μεθόδων ταξινόμησης υφής για αυξημένη αποτελεσματικότητα. Χρησιμοποιήθηκαν δεδομένα πολυφασματικά και SAR. Για τα πολυφασματικά δεδομένα προτάθηκε η χρήση της spectral co-occurrence ως χαρακτηριστικό υφής που χρησιμοποιεί πληροφορία φασματικού περιεχομένου. Για τα δεδομένα SAR αναπτύχθηκε μία νέα μέθοδος ταξινόμησης η οποία βασίζεται σε συνήθεις περιγραφείς υφής (GLCM, Gabor, MRF) οι οποίοι μελετώνται για την ικανότητά τους να διαχωρίζουν ζεύγη μεταξύ τάξεων. Για κάθε ζεύγος τάξεων προκύπτουν χαρακτηριστικά υφής που βασίζονται στις στατιστικές ιδιότητες της cumulative καθώς και της πρώτης και δεύτερης τάξης αυτής. Η μέθοδος leave one out χρησιμοποιείται για τον εντοπισμό των χαρακτηριστικών που μπορούν να διαχωρίσουν τα δείγματα ανά ζεύγη τάξεων στα οποία αντιστοιχίζεται και ένας ξεχωριστός και ανεξάρτητος γραμμικός ταξινομητής. Η τελική ταξινόμηση γίνεται με τη μέθοδο της πλειοψηφίας η οποία εφαρμόζεται στο πρόβλημα των δύο τάξεων και τριών τάξεων αλλά επεκτείνεται και στο πρόβλημα των N-τάξεων δεδομένης της ύπαρξης κατάλληλων χαρακτηριστικών. / Texture characteristics of MERIS data based on the Gray-Level Co-occurrence Matrices (GLCM) are explored as far as their classification capabilities are concerned. Classification is employed in order to reveal four different land cover types, namely: water, forest, field and urban areas. The classification performance for each cover type is studied separately on each spectral band, while the combined performance of the most promising spectral bands is explored. In addition to GLCM, spectral co-occurrence matrices (SCM) formed by measuring the transition from band-to-band are employed for improving classification results. Conventional classifiers and voting techniques are used for the classification stage. Furthermore, the properties of texture characteristics are explored on various types of grayscale or RGB representations of the multispectral data, obtained by means of principal components analysis (PCA), non-negative matrix factorization (NMF) and information theory. Finally, the accuracy of the proposed classification approach is compared with that of the minimum distance classifier. A simple and effective classification method is furthermore proposed for remote sensed data that is based on a majority voting schema. We propose a feature selection procedure for exhaustive search of occurrence measures resulting from fundamental textural descriptors such as Co-occurrence matrices, Gabor filters and Markov Random Fields. In the proposed method occurrence measures, that are named texture densities, are reduced to the local cumulative function of the texture representation and only those that can linearly separate pairs of classes are used in the classification stage, thus ensuring high classification accuracy and reliability. Experiments performed on SAR data of high resolution and on a Brodatz texture database have given more than 90% classification accuracy with reliability above 95%.

Η παρούσα διδακτορική διατριβή αποτελεί ένα συνδυαστικό ερευνητικό προϊόν που στοιχειοθετείται από την ανάπτυξη υπολογιστικών εργαλείων επεξεργασίας και ανάλυσης θαλάσσιων γεωφυσικών δεδομένων και την εφαρμογή τους σε πρωτογενή δεδομένα, συλλεγμένα από το Εργαστήριο Θαλάσσιας Γεωλογίας και Φυσικής Ωκεανογραφίας (Ε.ΘΑ.ΓΕ.Φ.Ω) του πανεπιστημίου Πατρών, κατά το διάστημα 2005 – 2011. Τα πεδία στα οποία συγκεντρώνεται το κέντρο βάρους της διατριβής είναι: 1) τα συστήματα ακουστικής ταξινόμησης πυθμένα και 2) η χαρτογράφηση και παραμετροποίηση εμφανίσεων των πολύ σημαντικών θαλάσσιων ενδιαιτημάτων της Ποσειδώνιας και των κοραλλιογενών σχηματισμών στο Ιόνιο και στο Αιγαίο πέλαγος. Έτσι αναπτύχθηκαν και παρουσιάστηκαν εκτενώς τα λογισμικά εργαλεία SonarClass και TargAn, που αναφέρονται αντίστοιχα στην αυτόματη ακουστική ταξινόμηση πυθμένα και την παραμετροποίηση περιοχών ενδιαφέροντος σε εικόνες ηχοβολιστών ευρείας σάρωσης και εφαρμόστηκαν για την χαρτογράφηση λειμώνων ποσειδώνιας στη Ζάκυνθο και κοραλλιογενών σχηματισμών (τραγάνας) στις Κυκλάδες νήσους. Παράλληλα και επεκτείνοντας το εύρος των ερευνητικών προϊόντων αυτής της διατριβής, αναπτύχθηκαν επίσης: 1) το λογισμικό SBP-Im-An για τη γεωαναφορά και ψηφιοποίηση παλαιών αναλογικών καταγραφών τομογράφων υποδομής πυθμένα, 2) το λογισμικό χωροστάθμησης θαλάσσιων γεωμαγνητικών δεδομένων MagLevel και 3) το λογισμικό ποσοτικοποίησης αλιευτικών ιχνών σε δεδομένα ηχοβολιστών ευρείας σάρωσης PgStat, με αντίστοιχες σημαντικές εφαρμογές σε πρωτογενή δεδομένα. Η παρούσα διατριβή επιδεικνύει πρωτοτυπία τόσο σε επίπεδο ανάπτυξης νέων μεθόδων ανάλυσης και επεξεργασίας γεωφυσικών δεδομένων όσο και σε επίπεδο παρουσίασης εφαρμογών τους σε περιοχές μελέτης με ιδιαίτερο περιβαλλοντικό ενδιαφέρον αλλά και σε πεδία έρευνας για τα οποία το ενδιαφέρον της σύγχρονης θαλάσσιας επιστημονικής κοινότητας βρίσκεται στο απόγειό του. / The present PhD thesis is a combinational research product concerning the development of software tools for the processing and analysis of marine geophysical data and their application to original data, collected by the Laboratory of Marine Geology and Physical Oceanography (L.M.G.P.O), university of Patras, Greece, during the period 2005-2011. The fields that this thesis focuses on are: 1) the Acoustic Seabed Classification Systems and 2) the mapping and quantification of very important marine habitats that specifically are the Posidonia Oceanica Prairies and the Coralline formations in the Aegean and Ionian seas. The software tools SonarClass and TargAn, that respectively refer to the Acoustic Seabed Classification and the quantification of Regions Of Interest in swath sonar imagery are presented and applied to the cases of Posidonia Oceanica in Zakinthos Isl. (Ionian Sea) and Coralline formations in Cyclades Isl. (Aegean Sea). Additionally and extending the range of the research products of this thesis, other software tools that are presented are: 1) the SBP-Im-An for the recreation (georeferencing and digitization) of old analog Sub Bottom Profiler recordings, 2) the MagLevel for the tie line leveling of marine geomagnetic data and 3) the PGStat for the quantification of trawl marks in swath sonar imagery, all of them with significant applications to original data. This thesis demonstrates originality due to both the development of new methods for the analysis and processing of marine geophysical data and the applications to study areas with particular environmental interest and research fields for which the attention of the marine scientists is at its peak.