- Bộ cảm OLI và TIRs (Operational Land Imager and Thermal Infrared Sensor)
1.2.5. Một số thuật toán phân loại ảnh số thông dụng
Về cơ bản, phân loại ảnh số là phân chia mỗi pixel trên ảnh viễn thám về một trong những lớp phủ trên mặt ựất (như ựất, nước, thực vật...). Kết quả là khi tất cả các pixel trên ảnh ựược phân chia như vậy chúng ta sẽ có ựược tấm ảnh phân loại theo chuyên ựề.
Việc phân loại ảnh có thể dựa trên thông tin phổ của các pixel, các thông tin không gian như hình dáng, kắch thước, cấu trúc, bối cảnh... trên ảnh, cũng như các dạng khác nhau của dữ liệu hỗ trợ như DEM, bản ựồ ựất, mật ựộ nhà và dân
số, nhiệt ựộ... Các cách phân loại hiện nay chủ yếu dựa trên các thông tin phổ của ảnh, các ựặc tắnh khác tuy dễ phân biệt trong giải ựoán nhưng tương ựối phức tạp trong việc xử lý tự ựộng trên máy tắnh.
1.2.5.1. Phương pháp phân loại xác suất cực ựại (Maximum Likelihood)
đây là phương pháp phân loại ựược coi là chặt chẽ và thường ựược sử dụng trong xử lý ảnh viễn thám. Ở dạng cơ bản, phương pháp này còn ựược gọi là xác suất cực ựại không ựiều kiện (Unconditional Maximum Likelihood). Phương pháp này sử dụng các số liệu mẫu ựể xác ựịnh hàm mật ựộ phân bố xác suất của mỗi lớp cần phân loạị
Phương pháp này sẽ coi giá trị ựộ xám của mỗi lớp trong mỗi kênh phổ tuân theo luật phân bố chuẩn. Quá trình phân loại là quá trình xác ựịnh xác suất xuất hiện của mỗi ựiểm ảnh thuộc về mỗi lớp và so sánh các giá trị xác suất nàỵ Một ựiểm ảnh ựược coi là thuộc lớp A nếu xác suất của ựiểm ảnh thuộc về lớp ựó cao hơn xác suất xuất hiện của nó tắnh theo các lớp còn lạị Các pixel sẽ ựược phân loại vào lớp mà nó có xác xuất cao nhất. Việc tắnh toán không chỉ dựa vào giá trị khoảng cách mà còn dựa vào cả xu thế biến thiên ựộ sáng trong mỗi lớp. Nếu người phân tắch không ựặt ra một ngưỡng về xác suất thì toàn bộ các pixel ựều ựược phân loạị Nếu ựặt ngưỡng thì khi xác suất nhỏ hơn ngưỡng ựược ựặt ra, pixel sẽ không ựược phân loạị
đây là một phương pháp phân loại chắnh xác nhưng mất nhiều thời gian tắnh toán và phụ thuộc vào tắnh chất phân bố của giá trị ựộ xám của các ựiểm ảnh trong mỗi lớp. Nếu các giá trị ựộ xám này có phân bố tuân theo luật phân bố chuẩn thì ựộ chắnh xác của phương pháp sẽ caọ
1.2.5.2. Phương pháp theo khoảng cách tối thiểu (Minimum Distance)
đây là phương pháp tương ựối ựơn giản, dựa vào việc so sánh khoảng cách từ ựiểm ảnh cần phân loại tới tâm của các lớp trong không gian phổ rồi gán ựiểm ựó về lớp có tâm gần với nó nhất.
đầu tiên, tắnh vector trung bình của mỗi mẫu phân loại và khoảng cách Ơclit (Euclid) ựo ựược giữa pixel chưa ựược phân loại tới các vector giá trị trung bình ựó. Sau ựó, pixel sẽ ựược gán cho lớp nào có giá trị khoảng cách tắnh ựược là nhỏ nhất. Về mặt lý thuyết, theo phương pháp này, mọi pixel ựều ựược phân loạị Tuy nhiên, người phân tắch cũng có thể sử dụng ựộ lệch chuẩn hoặc ựưa ra một ngưỡng giới hạn nhất ựịnh về khoảng cách ựể xác ựịnh các pixel có thể phân loại ựược và các pixel không phân loại ựược.
Hình 1.14: Thuật toán Minimum Distance
đây cũng là một phương pháp phân loại khá nhanh, giá trị phổ của pixel gần với giá trị phổ trung bình của mẫụ Tuy nhiên, phương pháp này cũng chưa thật chắnh xác và không cân nhắc ựến sự biến thiên của các lớp phân loạị
1.2.5.3. Phương pháp phân loại hình hộp (Parallelpiped)
Phân loại hình hộp thuộc vào nhóm phương pháp phân loại có kiểm ựịnh ựơn giản nhất. Trong phương pháp này, dựa trên các số liệu mẫu ựể xác ựịnh khoảng phân bố (xác ựịnh các giới hạn thấp nhất và cao nhất) của mỗi lớp trên từng kênh, hay nói cách khác là trong không gian phổ, ta xác ựịnh các ỘhộpỢ bao bọc một nhóm cùng tắnh chất. Các pixel nằm trong ỘhộpỢ không gian giới hạn bởi các miền xác ựịnh trên trục phổ như vậy sẽ ựược phân loại vào nhóm tương ứng.
Hình 1.15: Thuật toán Parallelpiped
đầu tiên, chương trình tắnh vector giá trị trung bình cho tất cả các kênh phổ sẽ phân loại, ứng với mỗi lớp mẫu ựã chọn. Sau ựó, các pixel ựược so sánh và gán vào lớp mà giá trị của nó nằm trong khoảng [ngưỡng thấp, ngưỡng cao] của ựộ lệch chuẩn so với vector trung bình. Nếu giá trị pixel nằm trong nhiều lớp, pixel sẽ ựược gán vào lớp cuối cùng mà nó phù hợp. Nếu pixel không nằm trong một trong các khoảng giá trị ựó, nó sẽ ựược gán vào lớp chưa phân loạị
Ưu ựiểm của phương pháp này là thực hiện rất nhanh, ựơn giản nhưng kết quả có ựộ chắnh xác không caọ Nó có thể ựược dùng khi tiến hành phân loại sơ bộ ban ựầụ