Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 21 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
21
Dung lượng
10,54 MB
Nội dung
Chọn tham số: Maximum Merge Pairs: Số cặp lớp tối đa gộp Khi khoảng cách tối thiểu giá trị trung bình lớp nhỏ khoảng giá trị ta chọn gộp lại thamsố định xem tối đa có thỏa tính chất gộp Để phát huy tính ta lên chọn số lần lặp lớn Maximum Stdev From Mean: Khoảng cách độ lệch chuẩn tối đa từ giá trị trung bình lớp Đây thamsố cho phép độ lệch chuẩn tối đa giá trị trung bình lớp Maximum Distance Error: Khoảng sai số tối đa cho phép xung quanh giá trị trung bình lớp Các pixel lớp phải thỏa mãn thamsốcó nghĩa có sai sốso với giá trị trung bình lớp khơng vượt thamsố Khoảng sai số tối đa cho phép Khoảng sai số tối đa cho phép Khoảng sai số tối đa cho phép xung quanh giá trị trung bình xung quanh giá trị trung bình xung quanh giá trị trung bình lớp 10, giá trị thamsố lớp 20, giá trị thamsố lớp 50, giá trị thamsố nhỏ mà pixel lớn trường hợp bên phânloại tất thỏa mãn điều kiện ít, nhỏ điểm pixel ảnh, ta cần mà ảnhphânloại nhiều pixel chưa gán vào chọn thamsố không hầu hết pixel thuộc lớp lớp nhỏ không xác định I.1.2 Phương pháp phânloại K-Means Phânloại không kiểm định dùng kỹ thuật thống kê để nhóm liệu n chiều thành lớp phổ tự nhiên Phânloại không kiểm định theo phương pháp K-Means dùng cách phân tích nhóm, u cầu người phân tích phải chọn số nhóm cần đặt liệu, tùy ý đặt số nhóm xác định lại vị trí chúng lặp lặp lại đến đạt phân chia tối ưu lớp phổ Trên menu ENVI chọn Classification > Unsupervised > K-Means Hộp thoại cần thiết lập thamsố sau hộp thoại.(Ý nghĩa thamsố trình bày phương pháp Isodata) Hình: Hộp thoại phânloại theo phương pháp K-Means Phương pháp khơng cóthamsố sau so với phương pháp Isodata:Change Threshold, Minimum pixel in class, Maximum class Stdv, Minimum class Distance, Maximum Merge Pairs Tại Output Result to tích chọn ghi lưu theo file liệu bấm chọn Memory Nhấp OK Ta thu kết Chọn thamsố hộp thoại để so sánh Việc so sánh, nhận xét tương tự phương pháp Isodata Số lớp ta chọn ảnhSố lớp tạo 10 lớp mức độ Số lớp tạo 15 lớp mức độ phân thành nhiêu lớp phânloạicó độ xác cao phânloạicó độ xác thamsố ta chọn Số lớp ảnh trường hợp bên cao trường hợp bên mà ảnhphân Nhưng mức độ phân chia nhỏ loạicó độ xác khơng cao cần nghiên cứu mức độ liên tục khơng cần thiết I.2 Phânloạicó kiểm định Phânloạicó kiểm định yêu cầu người sử dụng phải chọn vùng mẫu làm sởphânloại Tiếp dùng phương pháp so sánh để đánh giá liệu pixel định đủ tiêu chuẩn để gán cho lớp chưa Phần mềm ENVI cung cấp loạt phương pháp phânloại khác nhau, bao gồm Parallelepiped, Maximum Likelihood, Minimum Distance, Mahalanobis Distance, Binary Encoding Spectral Angle Mapper Để thựcphân loại, dùng Classification > Supervised > Method, Method phương pháp phânloạicó kiểm định ENVI Hình: Menu phânloạicó kiểm định I.2.1 Chọn mẫu vùng thử nghiệm (ROI) Vùng mẫu vùng chọn chương trình dựa vào để phânloại Chính mà ta cần chọn vùng mẫu cho xác phù hợp với mục đích cần phần loại, cần chọn lựa vùng mẫu thực địa tài liệu liên quan để lấy vùng mẫu chuẩn Ta dùng ảnhphânloại theo phương pháp khơng kiểm định để ngồi thực địa chọn cách hiệu Việc chọn ROI polygons cần phải tuân thủ theo tiêu chí vùng có đặc tính phổ đồng đặc trưng cho đối tượng cần phânloại Những tính chất thống kê ROI polygons cần xem xét để đảm bảo chất lượng trình phânloại Chọn mẫu phânloại a) Chọn Overlay > Region of Interest từ menu Main Image Window từ menu ENVI chọn Basic Tools > Region of Interest Hộp thoại ROI Definition xuất b) Vẽ polygon (đa giác) tượng trưng vùng thử nghiệm Trong cửa sổ Main, kích phím trái chuột để tạo điểm đầu polygon ROI Lần lượt chọn điểm biên cách lại kích phím trái chuột Đóng polygon cách kích phím phải chuột Kích phím chuột để xóa điểm vừa tạo xóa tồn polygon (nếu bạn đóng polygon đó) Cố định polygon cách kích phím phải chuột lần Cũng xác định ROIs cửa sổ Zoom Scroll cách chọn nút radio thích hợp phía hộp thoại ROI Controls Khi kết thúc việc xác định ROI, ROI hiển thị danh sách Available Regions hộp thoại ROI Controls, có ghi tên, màu vùng số pixel kèm theo có tất qui trình phânloạiENVI c) Xác định ROI mới, kích vào “New Region” Ta nhập tên cho vùng chọn màu cách kích vào ROI Name Color để nhập thay đổi theo ý Hình: Hộp thoại chọn mẫu phânloại Ta nên chọn số điểm pixels vùng mẫu nhiều 100 điểm, ta chọn nhiều vùng ROI, chọn vùng nên chọn cửa sổ Zoom để chọn cho xác Cơng việc chọn lựa vùng mẫu phải kết hợp với thực địa, sử dụng ảnhphânloại khơng kiểm định để kiểm tra tính xác vùng lấy mẫu Tính tốn khác biệt mẫu Với mẫu chọn, ENVI cung cấp tiện ích hữu hiệu, tính tốn khác biệt mẫu – Compute ROI Separability Để chọn chức ta làm sau: Bảng chọn mẫu lớp phânloại Các vùng mẫu chọn ảnh a) Từ hộp thoại ROI Tool chọn Options\Compute ROI Separability b) Khi hình xuất hộp thoại Select Input File for ROI Separability, chọn ảnh tương ứng nhấn OK để chấp nhận c) Trên hình xuất tiếp hộp thoại ROI Separability Calculation, chọn tất mẫu cần tính toán khác biệt nhấn OK để thực d) Kết tính tốn xuất hình hộp thoại ROI Separability Report Hình : Bảng so sánh khác biệt mẫu phânloại Quan sát giá trị hộp thoại nhận thấy mẫu phânloạiso sánh với mẫu lại Cặp giá trị thể khác biệt đặt ngoặc sau mẫu Nếu cặp giá trị nằm khoảng từ 1.9 đến 2.0 chứng tỏ mẫu chọn có khác biệt tốt Nếu cặp giá trị nằm khoảng từ 1.0 đến 1.9 nên chọn lại cho mẫu có khác biệt tốt Nếu có giá trị nhỏ 1.0 ta nên gộp hai mẫu lại với nhau, tránh tượng phânloại nhầm lẫn Quan sát bảng so sánh khác biệt mẫu phânloại ta thấy mẫu phânloại chọn có khác biệt tốt Sau chọn xong mẫu, tất ta lưu mẫu chọn lại cách chọn File\Save ROIs từ hộp thoại ROI Tool I.2.2 Phânloại theo phương pháp phần mềm ENVI hỗ trợ Thực việc phânloạicó kiểm định ảnh với phương pháp khác Parallelepiped, Maximum likelihood, Minimum distance Mahalanobis distance so sánh kết Thực cho ảnh bldr_tm (ảnh nắn chỉnh hình học phần nắn ảnh) I.2.2.1 Phương pháp phânloại Parallelepiped Phânloại theo phương pháp Parallelepiped sử dụng qui luật đơn giản để phânloạiliệu đa phổ Các ranh giới tạo thành Parallelepiped n chiều không gian liệuảnh Các chiều Parallelepiped xác định dựa ngưỡng chênh lệch chuẩn theo giá trị trung bình lớp mẫu chọn Trong phương pháp giá trị vector trung bình cho tất band tính cho lớp mẫu chọn Sau pixel so sánh gán vào lớp mà giá trị nằm phạm vi sai số lần độ lệch chuẩn vector trung bình Nếu pixel khơng nằm trong khoảng giá trị gán vào lớp chưa phânloại Phương pháp có ưu điểm nhanh chóng, đơn giản nhiên kết có độ xác khơng cao thường dùng để phânloạisơ ban đầu Ảnh sau phânloại Bảng lớp Ta quan sát ảnh sau phânloạiphânloại xác theo vùng mẫu ta chọn lựa, ảnhcó khu vực chưa xác định vào lớp Bởi ta chưa chọn lựa hết tất mẫu cho tồn ảnh Vì ta muốn ảnhphânloại toàn gán vào lớp ta phải chọn lựa mẫu cho thể toàn ảnh I.2.2.2 Phương pháp phânloại Minimum Distance Phânloại theo phương pháp minimum distance sử dụng vector trung bình ROI tính khoảng cách Euclidean từ pixel chưa xác định đến véc tơ trung bình lớp Tất pixel phânloại tới lớp ROI gần trừ người sử dụng định rõ độ chênh lệch chuẩn ngưỡng khoảng cách chuẩn Trong trường hợp số pixel khơng phânloại chúng khơng thỏa mãn tiêu chí chọn Về mặt lý thuyết với việc sử dụng phương pháp này, pixel phânloại người phân tích đưa ngưỡng giới hạn định khoảng cách để pixel phânloại không phânloại Đây cách phânloại nhanh, giá trị phổ pixel gần với giá trị phổ trung bình mẫu nhiên chưa thật xác khơng cân nhắc đến biến thiên lớp phânloạiẢnh sau phânloại Ta quan sát ảnh sau phânloại tất pixel ảnh gán vào lớp Phương pháp gán khác so với phương pháp có độ xác khác so với phương pháp I.2.2.3 Phương pháp phânloại Mahalanobis Distance Phânloại theo phương pháp Mahalanobis Distance phương pháp phânloại khoảng cách nhạy cảm theo hướng dùng sốliệuthống kê lớp Phương pháp tương tự phương pháp Maximum Likelihood phương pháp coi tất hiệp biến lớp ngang nhau, phương pháp phânloại nhanh Tất pixel phânloại tới lớp ROI gần trừ người sử dụng định rõ ngưỡng khoảng cách Trong trường hợp số pixel không phânloại lại chúng không thỏa mãn ngưỡng qui định Ảnh sau phânloại Khơng pixel khơng xác định Phương pháp có độ xác cao so với hai phương pháp I.2.2.4 Phương pháp phânloại Maximum Likelihood Phânloại theo phương pháp Maximum Likelihood coi sốliệuthống kê lớp kênh ảnhphân tán cách thơng thường phương pháp có tính đến khả pixel thuộc lớp định Nếu khơng chọn ngưỡng xác suất phải phânloại tất pixel Mỗi pixel gán cho lớp có độ xác suất cao (nghĩa “maximum likelihood”) Ảnh sau phânloại Phương pháp cho band phổ cóphân bố chuẩn pixel phânloại vào lớp mà có xác suất cao Việc tính tốn khơng dựa vào giá trị khoảng cách mà dựa vào xu biến thiên độ xám lớp Đây phương pháp phânloại xác lại nhiều thời gian tính tốn phụ thuộc vào phân bố chuẩn liệu I KỸ THUẬT HẬU PHÂNLOẠI Những ảnhphânloại cần thực quy trình hậu phânloại để đánh giá chất lượng phânloại tạo lớp cho việc xuất chuyển sang dạng đồ ảnh vector GIS Các kỹ thuật hậu phân loại: II.1 Lọc loại nhiễu kết phânloại ( Majority/Minority Analysis) Sử dụng phương pháp Majoriry Analysis để gộp pixel lẻ tẻ phânloại lẫn lớp vào lớp chứa Ta nhập kích thước cửa sổ lọc Kernel Size, sau giá trị pixel trung tâm thay giá trị pixel chiếm đa số cửa sổ lọc Nếu chọn Minority Analyis, giá trị pixel trung tâm thay giá trị pixel chiếm thiểu số cửa sổ lọc Để thực chức này, từthực đơn lệnh ENVI ta chọn Classification\Post Classification\Majority/Minority Analysis Hình: Hộp thoại Majority/Minority Parameters Sau chọn, hộp thoại Majority/Minority Parameters xuất cho phép ta chọn lớp định lọc, phương pháp dự định tiến hành, kích thước cửa sổ lọc đường dẫn lưu kết Kết tính tốn cho ảnh danh sách Available Bands List Hình : Ảnhphânloạiphân tích theo đa số II.2 Gộp lớp – Combine Classes Chức gộp lớp cung cấp thêm cơng cụ để khái qt hóa kết phânloại Các lớp có đặc tính tương tự gộp vào để tạo thành lớp chung • Để thực chức từthực đơn lệnh ENVI chọn Classification\ Post Classification\Combine Classes • Trên hình xuất hộp thoại Combine Classes Input File, chọn file kết phânloại cần gộp lớp nhấn OK • Chọn cặp lớp định gộp tương ứng với ô Input Class - lớp đầu vào, Output Class - lớp đầu ra, nhấn OK chọn đường dẫn lưu kết • Ta nên chọn lớp có đặc tính để gộp vào lưu ý chọn lớp đầu vào đầu Hình: Lựa chọn cặp lớp tương ứng để gộp lớp II.3 Thống kê kết – Class Statistics Chức cho phép tính tốn thống kê ảnh dựa lớp kết phân loại, nhằm phục vụ công tác báo cáo Các giá trị thống kê tính cho lớp giá trị thống kê như: giá trị nhỏ - min, giá trị lớn - max, giá trị trung bình - mean, độ lệch chuẩn – Stdev (Standard Deviation) liệuảnh đồ thị - Histogram Để tiến hành tính tốn thống kê ta làm sau: • Từthực đơn lệnh ENVI chọn Classification\ Post Classification\ Class Statistics • Trên hình xuất hộp thoại Classification Input File yêu cầu chọn file kết phânloại • Tiếp đến hình xuất hộp thoại Statistics Input File yêu cầu chọn file ảnh tương ứng để tiến hành tính tốn thống kê • Hộp thoại Class Selection cho phép chọn lớp kết dự định sử dụng để tiến hànhphânloại Hình: Hộp thoại lựa chọn lớp thống kê • Sau chọn xong lớp xuất hộp thoại Compute Statistics Parameters cho phép chọn thamsố để tính thống kê Chọn đường dẫn đến thư mục lưu kết quả, nhấn OK để thực Hình: Chọn kiểu cần thống kê xuất liệu • Sau tính tốn, hình xuất loạt hộp thoại: o Class Stats Summary: bảng thống kê tổng số pixel có lớp tỷ lệ phần trăm chúng tổng số pixel cóảnh o Statistics Report: thống kê giá trị nhỏ nhất, lớn nhất, giá trị trung bình, độ lệch chuẩn theo kênh phổ lớp kết phânloại o Nếu chọn chức vẽ đồ thị chọn thamsố hộp thoại Compute Statistics Parameters hình có hộp thoại đồ thị giá trị thống kê tương ứng Hình: Bảng thống kê kết sau phânloại II.4 Thay đổi tên màu cho lớp phânloại – Class Color Mapping Khi cóảnh kết phân loại, bạn thay đổi màu sắc lớp cho phù hợp với tên gọi chúng • Để thực chức trên, từsổảnhphân loại, chọn Tools\Color Mapping\Class Color Mapping • Trên hình xuất hộp thoại Class Color Mapping cho ta chọn lớp để gán tên màu tương ứng, sau hoàn tất ta chọn Options\Save Changes để thực việc thay đổi Hình: Thay đổi tên màu hiển thị cho lớp II.5 Chuyển kết phânloại sang dạng vectơ–Classification to Vector Layer Sau hồn tất cơng tác phân loại, ta thường có nhu cầu xuất file kết phânloại sang dạng vectơ để dễ dàng trao đổi, biên tập hay xử lý với chức GIS • Để chuyển sang dạng vectơ file kết phân loại, từthực đơn lệnh ENVI ta chọn Classification\Post Classification\Classification to Vector hay chọn Vector\Classification to Vector • Trên hình xuất hộp thoại Raster to Vector Input Band, ta chọn file kết phânloại cần chuyển định dạng nhấn OK • Tiếp hình xuất hộp thoại Raster To Vector Parameters cho phép ta chọn lớp cần chuyển sang dạng vectơ Chọn đường dẫn lưu kết nhấn OK để thực Kết lưu theo định dạng file vector *.evf ENVI Hình: Xuất file kết phânloại sang dạng vectơ II.6 Chồng lớp vectơ lên ảnh – Overlay Vector File Để quan sát trực quan dễ dàng nhận biết đối tượng ảnh, đơi có nhu cầu chồng lớp thơngtin lên ảnh, chẳng hạn file vectơ đường bình độ, giải phânloại hay lớp phân loại,… • Từ cửa sổ hiển thị ảnh, ta chọn Overlay\Vectors, hình xuất hộp thoại Vector Parameters • Từ hộp thoại Vector Parameters ta chọn File\Open Vector File chọn định dạng file vectơ tương ứng định mở (file vector vừa chuyển từ raster phân loại) File vectơ chọn hiển thị chồng phủ lên file ảnh II.7 Kiểm tra thực địa đánh giá chất lượng phânloại Để kiểm chứng lại kết phânloại phương pháp hiệu xác kiểm tra thực địa Mẫu kiểm tra thực địa khơng trùng với vị trí mẫu giám định sử dụng phânloại đảm bảo phân bố khu vực nghiên cứu Sau tiến hành tính tốn lại Ma trận sai số - Confusion Matrix Chức lập ma trận sai sốENVI cho phép so sánh ảnhphânloại với kết thực địa vùng mẫu với mục đích đánh giá độ xác kết phânloại • Để thực chức này, từthực đơn lệnh ENVI vào Classification\ Post Classification\Confusion Matrix chọn phương pháp: sử dụng ảnh, kết phânloạitừthực địa – Using Ground Truth Image, hai sử dụng file chọn vùng mẫu từthực địa – Using Ground Truth ROIs • Hộp thoại Classification Input File xuất cho phép chọn ảnh cần đánh giá độ xác tương ứng • Tiếp đến hộp thoại Ground Truth Input File xuất Sau hộp thoại Match Classes Parameters xuất hiện, chọn lớp tương ứng kết phânloạithực địa Nhấn OK để chấp nhận Hình: Hộp thoại Match Classes Parameters • Hộp thoại Confusion Matrix Parameter xuất cho phép chọn giá trị cần thiết chọn đường dẫn lưu kết • Kết so sánh xuất hình dạng ma trận tương quan chéo, bảng ma trận kết bao gồm độ xác kết phânloại Hình: Ma trận sai số tương quan chéo ... pháp phân loại xác lại nhiều thời gian tính tốn phụ thuộc vào phân bố chuẩn liệu I KỸ THUẬT HẬU PHÂN LOẠI Những ảnh phân loại cần thực quy trình hậu phân loại để đánh giá chất lượng phân loại. .. kết Thực cho ảnh bldr_tm (ảnh nắn chỉnh hình học phần nắn ảnh) I.2.2.1 Phương pháp phân loại Parallelepiped Phân loại theo phương pháp Parallelepiped sử dụng qui luật đơn giản để phân loại liệu. .. lớp phân loại Ảnh sau phân loại Ta quan sát ảnh sau phân loại tất pixel ảnh gán vào lớp Phương pháp gán khác so với phương pháp có độ xác khác so với phương pháp I.2.2.3 Phương pháp phân loại