Hiện nay, trong kĩ thuật viễn thám có nhiều phương pháp phân loại ảnh, mỗi phương pháp đều có những ưu điểm và hạn chế nhất định. Tùy vào việc lựa chọn và sử dụng phương pháp phân loại mà kết quả phân loại là khác nhau. Do đó, việc nghiên cứuvà đánh giá kết quả phân loại của từng phương pháp là cần thiết nhằm lựa chọn phương pháp thích hợp cho từng dữ liệu ảnh nhất định. Mục tiêu của bài tiểu luận này là so sánh kết quả phân loại trên cùng dữ liệu mẫu để đánh giá các thuật toán phân loại của haiphương pháp sau: phương pháp phân loại gần đúng nhất (Maximum Likelihood Classifier – MLC) và khoảng cách ngắn nhất (Milimum Distance).
ĐẠI HỌC QUỐC GIA TP HCM TRƢỜNG ĐẠI HỌC BÁCH KHOA SO SÁNH MỘT SỐ PHƢƠNG PHÁP PHÂN LOẠI ẢNH TRONG VIỄN THÁM Môn: Xử lý ảnh số Viễn thám Giảng viên PGS.TS Lê Văn Trung Học viên thực Huỳnh Thị Mai Đình Mã số học viên 12103003 Tp.HCM, ngày tháng 06 năm 2013 Mục lục Đặt vấn đề Dữ liệu phương pháp thực 2.1 Dữ liệu 2.2 Phương pháp quy trình thực Khái quát phương pháp phân loại ảnh viễn thám Nội dung thực 4.1 Xác định đối tượng phân loại 4.2 Giải đoán ảnh mắt 4.3 Xử lý ảnh 4.4 Xây dựng liệu mẫu huấn luyện 4.5 Ước tính thống kê vùng mẫu 4.6 Phân loại ảnh 4.7 Đánh giá kết phân loại 11 Kết thảo luận 13 So sánh số phương pháp phân loại ảnh Viễn thám Đặt vấn đề Công nghệ viễn thám sử dụng để cung cấp liệu không gian cho nhiều ứng dụng thực tế thường thực với chi phí thấp so với nhiều phương pháp truyền thống khác Ưu điểm bật công nghệ thể khả chiết tách thông tin đối tượng bề mặt đất theo diện rộng qua thời gian, chí nơi người tiếp cận [3] Khả thực thơng qua việc giải đốn phân loại ảnh viễn thám mà đặc biệt ảnh cung cấp từ vệ tinh Ảnh sau phân loại ứng dụng nhiều lĩnh vực đặc biệt lĩnh vực môi trường Hiện nay, kĩ thuật viễn thám có nhiều phương pháp phân loại ảnh, phương pháp có ưu điểm hạn chế định Tùy vào việc lựa chọn sử dụng phương pháp phân loại mà kết phân loại khác Do đó, việc nghiên cứu đánh giá kết phân loại phương pháp cần thiết nhằm lựa chọn phương pháp thích hợp cho liệu ảnh định Mục tiêu tiểu luận so sánh kết phân loại liệu mẫu để đánh giá thuật toán phân loại hai phương pháp sau: phương pháp phân loại gần (Maximum Likelihood Classifier – MLC) khoảng cách ngắn (Milimum Distance) 2 So sánh số phương pháp phân loại ảnh Viễn thám Dữ liệu phƣơng pháp thực 2.1 Dữ liệu Dữ liệu ảnh sử dụng cho tiểu luận ảnh Landsat TM Ảnh hiệu chỉnh hình học với hệ tọa độ WGS 84, vùng 48 Khu vực ảnh giải đoán ( tổ hợp màu 5,4,2) 2.2 Phương pháp quy trình thực Phương pháp phân loại có giám định thực tiểu luận Như trình bày phần mở đầu, đề tài thực so sánh hai phương pháp: phương pháp phân loại gần (Maximum Likelihood Classifier – MLC) khoảng cách ngắn (Milimum Distance) Về phương pháp chọn mẫu: Dữ liệu mẫu huấn luyện mẫu kiểm tra chọn theo phương pháp ngẫu nhiên Bên cạnh phương pháp tăng cường chất lượng ảnh,đề tài sử dụng công cụ Google Earth với ảnh vệ tinh có độ phân giải cao ảnh Landsat (30m) nhằm hỗ trợ cho việc giải đoán chọn mẫu hiệu 3 So sánh số phương pháp phân loại ảnh Viễn thám Quy trình giải đoán phân loại ảnh sau: Khái quát phƣơng pháp phân loại ảnh viễn thám Kỹ thuật phân loại có giám định dùng thuật tốn phân loại gần (MLC) phương pháp sử dụng phổ biến MLC xây dựng sở hàm mật độ xác xuất tuân theo luật phân bố chuẩn Theo đó, pixel tính xác suất thuộc loại định gán vào tên loại mà xác suất thuộc vào loại lớn Phân loại khoảng cách ngắn sử dụng khoảng cách không gian phổ từ pixel xét đến vector đặc trưng trung bình loại số đánh giá xác định thuộc loại Các khoảng cách khơng gian phổ hay sử dụng phương pháp khoảng cách Euclid; khoảng cách Euclid chuẩn hóa; khoảng cách Mahalanobis Nội dung thực 4.1 Xác định đối tượng phân loại Mục đích phân loại ảnh thành lập đồ sử dụng đất, loại cần xác định đồ bao gồm: So sánh số phương pháp phân loại ảnh Viễn thám TT 4.2 Loại đất Đất trồng lúa giai đoạn Đất trồng lúa giai đoạn Đất trồng ăn Đất nuôi trồng thủy sản Đất rừng ngập mặn Đất thị Đất sơng ngịi, kênh, rạch suối Mây Giải đoán ảnh mắt Giải đoán ảnh mắt giúp cho việc nhận định thông tin phân bố đối tượng ảnh cách tổng quát trước vào phân tích phân loại ảnh phương pháp thực tự động máy tính Dựa vào hiển thị màu hay độ sáng, hình dạng, kích thước, cấu trúc… đối tượng ảnh khóa giải đốn thực giải đốn mắt Trong đó, việc tổ hợp màu đóng vai trị quan trọng Sự hiển thị màu đối tượng ảnh kết phản xạ bước sóng điện từ bề mặt đất Tùy theo bước sóng với lớp phủ khác bề mặt đất mà kết hiển thị khác Nói cách khác, đối tượng bề mặt đất có đặc trưng phổ riêng, mà ta dựa vào đặc tính để xác định kênh phổ thích hợp tham gia tổ hợp màu nhằm phục vụ cho q trình giải đốn mắt hiệu 4.3 Xử lý ảnh Có nhiều kỹ thuật để xử lý ảnh trước phân loại nhằm nâng cao chất lượng kết phân loại ảnh Trong đó, kỹ thuật phân tích thành phần (PCA) thường thực Đây kỹ thuật sử dụng để làm giảm số kênh phổ mà giữ lượng thông tin không bị thay đổi đáng kể Kỹ thuật phân tích thành phần áp dụng viễn thám sở thực tế ảnh chụp kênh phổ gần có tương quan phổ cao, mà thơng tin chúng có phần trùng lắp lớn (ảnh đa phổ chứa nhiễu So sánh số phương pháp phân loại ảnh Viễn thám dư thừa thông tin) Nhờ vào ưu điểm mà ta thường sử dụng kết ảnh sau thực phân tích thành phần để tiến hành chọn mẫu phân loại ảnh Ma trận tương quan kênh phổ Kênh Kênh Kênh Kênh 0.942403 0.900939 Kênh 0.942403 -0.32807 -0.27066 Kênh Kênh -0.32807 0.163119 0.357983 0.942913 Kênh 0.900939 0.942913 Kênh Kênh -0.27066 0.226043 0.403178 -0.30114 0.288703 0.483381 -0.30114 0.677257 0.487048 Kênh 0.163119 0.226043 0.288703 0.677257 0.947248 Kênh 0.357983 0.403178 0.483381 0.487048 0.947248 Ma trận tương quan sau phân tích PCA Kênh Kênh Kênh Kênh Kênh Kênh Kênh 1 0 0 Kênh 0 0 Kênh 0 0 Kênh 0 0 Kênh 0 0 Kênh 0 0 Ta thấy rằng, giá trị xung quanh đường chéo 0, chứng tỏ khơng cịn tương quan kênh sau phân tích PCA Nếu ảnh gốc có k kênh, sau biến đổi nhận k kênh, thành phần chiếm hết 90% lượng thông tin chứa ảnh gốc, từ kênh thứ trở đi, nội dung thơng tin bị giảm dần Ta sử dụng kênh đầu để tổ hợp màu phục vụ cho việc giải đoán ảnh mắt Tuy nhiên, nhược điểm PCA khó định kênh vào màu cho phù hợp với giải đốn, ảnh PCA hàm bước sóng So sánh số phương pháp phân loại ảnh Viễn thám ảnh gốc Do đó, cần tìm mối tương quan ảnh gốc ảnh PCA để định màu ứng với bước sóng cách phù hợp PCA1 Ma trận tương quan ảnh gốc ảnh PCA Kenh Kenh Kenh Kenh Kenh Kenh 0.006 0.015 0.036 0.564 0.763 0.314 PCA2 PCA3 PCA4 PCA5 PCA6 -0.356 -0.241 -0.469 0.637 -0.321 -0.293 -0.514 -0.353 -0.45 -0.513 0.358 0.129 -0.649 0.059 0.651 0.022 0.11 -0.372 -0.307 -0.136 0.233 0.108 -0.417 0.805 -0.304 0.891 -0.313 -0.025 -0.028 0.115 Vì ảnh PCA hàm bước sóng ảnh gốc, nên ta cần chuyển đổi giá trị pixel từ số thực số nguyên kĩ thuật histogram Sau đó, dùng ảnh chuyển đổi để tạo ảnh tổ hợp màu Ảnh tổ hợp màu kênh ảnh PCA 4.4 Xây dựng liệu mẫu huấn luyện Khác với kỹ thuật phân loại phi giám định, kỹ thuật phân loại có giám định, cần chọn vùng mẫu cho loại theo yêu cầu xác định Số lượng pixel tối thiểu yêu cầu phải thu thập cho mẫu k + đến 10k pixel (k: số kênh phổ ảnh vệ tinh dùng để phân loại) 7 So sánh số phương pháp phân loại ảnh Viễn thám 4.5 Ước tính thống kê vùng mẫu Các mẫu sau xây dựng tính tốn thống kê tham số giá trị trung bình mẫu, ma trận phương sai, hiệp phương sai…của hàm phân bố chuẩn Đặc biệt với phương pháp phân loại khoảng cách gần nhất, việc kiểm tra xem phân bố liệu huấn luyện ứng với vùng mẫu có phù hợp với luật phân bố chuẩn hay không quan trọng kết hiệu thực phương pháp Tham số thống kê tương ứng với vùng mẫu Đối với lớp phủ Đất trồng lúa giai đoạn Min Band Band Band Band Band Band Max 57 25 18 88 64 20 68 31 24 128 94 31 Mean 61.60274 28.12329 20.42466 112.0548 78.47945 25.20548 Stdev 2.520691 1.641013 1.580417 8.017152 6.446596 2.788662 89 48 67 91 157 73 Mean 78.78261 39.04348 51.26087 64.85507 118.2029 55.56522 Stdev 4.620509 5.217152 10.43559 14.5716 28.26533 12.00059 Đối với lớp phủ Đất trồng lúa giai đoạn Min Band Band Band Band Band Band Max 69 28 27 34 50 27 Đối với lớp phủ Đất trồng ăn Min Band Band Band Band Band Band 55 Max Mean Stdev 66 60.18868 2.922437 22 29 25.32076 2.190658 17 26 21.30189 2.635446 63 86 75.45283 5.614425 33 70 47.4717 9.471828 26 15.37736 4.211826 So sánh số phương pháp phân loại ảnh Viễn thám Đối với lớp phủ Đất nuôi trồng thủy sản Min Band Band Band Band Band Band Max 66 Mean Stdev 77 69.69014 2.201243 29 38 29 44 34.49296 2.857938 35 47 39.69014 2.718148 26 59 44.69014 7.023616 27 19.19718 3.717218 31.8169 1.799284 Đối với lớp phủ Đất rừng ngập mặn Min Band Band Band Band Band Band Max 69 28 27 34 50 27 89 48 67 91 157 73 Mean 78.78261 39.04348 51.26087 64.85507 118.2029 55.56522 Stdev 4.620509 5.217152 10.43559 14.5716 28.26533 12.00059 Đối với lớp phủ Đất đô thị Min Band Band Band Band Band Band 62 Max Mean Stdev 123 79.35714 11.42841 26 63 38.57143 7.238931 24 75 42 75 55.89286 9.608404 50 125 84.89286 15.20317 20 83 46.60714 12.90518 44.5 10.19622 So sánh số phương pháp phân loại ảnh Viễn thám Đối với lớp phủ Đất sơng ngịi, kênh, rạch suối Min Band Band Band Band Band Band Max 58 Mean Stdev 93 70.72131 6.143102 26 45 33.65574 4.082014 21 55 35.4918 7.603997 14 66 29.4918 12.22514 41 15.73771 9.049681 15 6.622951 3.131368 Đối với lớp phủ Mây Min Band Band Band Band Band Band 4.6 Max 49 Mean Stdev 255 97.48276 59.70108 17 171 12 207 48.51724 46.52494 10 198 66.18966 52.45297 255 70.91379 74.69171 158 37.91379 44.45549 45.5 36.28651 Phân loại ảnh Hai phương pháp phân loại sử dụng để phân loại ảnh phương pháp phân loại gần phương pháp khoảng cách gần Như trình bày phần [3.], phương pháp dựa thuật tốn khác nhau, đó, ứng với phương pháp, kết ảnh phần loại nhận khác Để so sánh độ xác hai phương pháp này, cần đưa vào tính tốn với chung liệu mẫu liệu kiểm tra 10 So sánh số phương pháp phân loại ảnh Viễn thám Kết ảnh sau phân loại hai phương pháp sau: Ảnh phân loại phương pháp phân loại gần 11 So sánh số phương pháp phân loại ảnh Viễn thám Ảnh phân loại phương pháp khoảng cách ngắn 4.7 Đánh giá kết phân loại Đánh giá kết phân loại việc so sánh phù hợp loại thực vật mặt đất loại giải đoán phương pháp phân loại Trong tiểu luận này, hai phương pháp sử dụng khoảng cách gần khoảng cách ngắn Dữ liệu kiểm tra hai phương pháp phải liệu Kết thống kê ma trận sai số ta tiêu đánh giá hai phương pháp sau: 12 So sánh số phương pháp phân loại ảnh Viễn thám Phương pháp phân loại theo khoảng cách ngắn Mây Độ xác người sản xuất Độ xác người sử dụng Đất trồng lúa giai đoạn Đất trồng lúa giai đoạn Đất trồng ăn 78.26 75 68.97 60 62.5 78.13 63.33 80 100 75 60 57 89.29 70.37 71.43 51.61 25 28.57 40 42.31 10.71 29.63 28 21.74 25 40 37.5 21.88 36.67 31.03 20 Đất trồng lúa giai đoạn Đất trồng lúa giai đoạn Đất trồng ăn Đất nuôi trồng thủy sản Đất rừng ngập mặn Đất thị Đất sơng ngịi, kênh, rạch suối Mây 82.61 100 70 54.17 59.38 60 72.41 95 17.39 54.05 45.95 38.89 27.59 27.59 59.09 61.11 30 100 40.91 45.38 56.25 0 72.41 43.75 40 100 100 Sai số bỏ sót Sai số thực Độ xác tồn cục Hệ số Kappa Đất nuôi trồng thủy sản Đất rừng ngập mặn Đất đô thị Đất sơng ngịi, kênh, rạch suối Mây 70.707% 0.6645 Phương pháp phân loại gần Mây Độ xác người sản xuất Độ xác người sử dụng Sai số bỏ sót Sai số thực Độ xác toàn cục Hệ số Kappa 62.62% 0.5727 13 So sánh số phương pháp phân loại ảnh Viễn thám Kết thảo luận Với liệu huấn luyện liệu kiểm tra,từ kết phân loại ta nhận thấy kết so sánh từ hai phương pháp phân loại sau: Độ xác tồn cục Hệ số Kappa Phương pháp phân loại gần Phương pháp phân loại theo khoảng cách ngắn 70.707% 62.62% 0.6645 0.5727 Độ xác tồn cục hệ số Kappa phương pháp phân loại gần cao phương pháp phân loại theo khoảng cách ngắn Kết so sánh cho thấy, thuật toán phương pháp phân loại gần ưu điểm phương pháp phân loại theo khoảng cách ngắn Tuy nhiên, kết phân loại dựa vào phương pháp phân loại gần hiệu liệu mẫu theo phân bố chuẩn, đó, sử dụng phương pháp này, cần cẩn thận chọn thống kê tham số vùng mẫu trước thực phân loại 14 So sánh số phương pháp phân loại ảnh Viễn thám Tài liệu tham khảo Lê Văn Trung, 2010, Viễn Thám, Nhà xuất Đại học quốc gia Tp Hồ Chí Minh Lê Văn Trung, 2006, Thực hành Viễn Thám, Nhà xuất Đại học quốc gia Tp Hồ Chí Minh F S Al-Ahmadi A S Hames, 2007, Comparison of Four Classification Methods to Extract Land Use and Land Cover from Raw Satellite Images for Some Remote Arid Areas, Kingdom of Saudi Arabia, King Abdulaziz University