L ỜI CẢM ƠN
4.3.4 Phân loại ảnh
+ ðể tiến hành phân loại ảnh bằng phần mềm ENVI người ta sử dụng 2 phương pháp phân loại: Phân loại khơng giám định và phân loại cĩ giám định.
- Phương pháp phân loại khơng giám định là một phương pháp chỉ sử dụng thuần túy thơng tin ảnh, quá trình xử lý hồn tồn trong phịng. ðây là một phương pháp cho hiệu quả kinh tế cao nhưng độ tin cậy thấp, phương pháp chỉ sử dụng để
phân loại sơ bộ ban đầu hoặc dùng để phân loại cho những vùng nghiên cứu mà chúng ta chưa cĩ thơng tin phổ về đối tượng nghiên cứu. Trong phân loại khơng giám định (phi kiểm định) gồm hai phương pháp: Phương pháp Isodata và phương pháp Kmeans.
- Phương pháp phân loại cĩ giám định là một hình thức kết hợp giữa giải
đốn nhờ sự trợ giúp của máy tính với kết quả điều tra thực địa. Phương pháp này được ứng dụng phổ biến trên thế giới. ðộ chính xác của nĩ phụ thuộc vào diện tích, mật độ phân bố và độ chính xác mẫu chọn trên khu vực nghiên cứu. Trong phân loại cĩ giám định gồm bốn phương pháp cơ bản: Phương pháp phân loại hàm cực đại Maximum Likelihood, phương pháp theo khoảng cách Mahalanobis, phương pháp phân loại hình hộp Parallelepiped, phương pháp phân loại theo khoảng cách nhỏ nhất Minimum Distance.
Trường ðại học Nơng nghiệp Hà Nội – Luận văn thạc sỹ khoa học Nơng nghiệp ……… 61 + Do tư liệu ảnh của đề tài thu thập được gồm hai tư liệu ảnh ở hai thời
điểm khác nhau. Một ảnh chụp ngày 3/9/2009 (trước thời điểm diễn ra ngập lụt) chỉ cĩ 1 Band (1 kênh phổ) và ảnh chụp ngày 5/11/2009 (tại thời điểm diễn ra ngập lụt) cĩ 3 Band với độ phân giải của ảnh là 10m.
+ Mặt khác, như chúng ta đã biết bản chất của quá trình phân loại trong xử lý tư liệu viễn thám là gán các khoảng độ xám nhất định thuộc một nhĩm đối tượng nào đĩ cĩ tính chất tương đối đồng nhất nhằm phân biệt các nhĩm đĩ với nhau trong khuơn khổ ảnh cho trước. Với mục đích là phân loại được lớp ngập lụt mới so với lớp khơng bị ngập và lớp ngập cũ. Vì vậy để phân loại ảnh tại hai thời điểm, đề tài đã sử dụng phương pháp phân loại cĩ kiểm định:
- Phương pháp Densyti Slice dùng cho ảnh chỉ cĩ 1 kênh phổ. - Phương pháp Maximumlikelihood.
4.3.4.1 Phân loại ảnh trước thời điểm ngập lụt
Sử dụng phương pháp Densyti Slice để chiết tách ảnh trước thời điểm ngập lụt với các bước thực hiện như sau:
+ Bước 1: Xác định ngưỡng chiết tách
Giá trị từ 0 – 80: ðối tượng ngập thường xuyên. Giá trị từ 81 – 255: ðối tượng khác.
Thực chất của phương pháp Densyti Slice này là chúng ta lựa chọn các khoảng độ xám phân thành từng lớp và gán thơng tin vào cho chúng. Trước tiên giải đốn vùng ngập trên ảnh Radar, lấy mẫu những vùng ngập sau đĩ thống kê mẫu gồm cĩ giá trị max, min, giá trị trung bình, độ lệch chuẩn, từ đĩ tính tốn ngưỡng theo cơng thức: DN (vùng ngập) = Mean ± 2 Stdev. Sử dụng cơng cụ
"Density Slicing", đặt giá trị max ngưỡng và giá trị min ngưỡng, chạy chiết tách ra vùng ngập. Tiến hành kiểm tra đối sốt nếu kết quảđạt thì dừng lại, nếu thấy chưa đạt đặt lại ngưỡng cho phù hợp.
Trường ðại học Nơng nghiệp Hà Nội – Luận văn thạc sỹ khoa học Nơng nghiệp ……… 62
Hình 4.4: Cấp độ xám của đối tượng phân loại
Theo thực nghiệm ta thấy rằng ở vùng ngập thường xuyên cĩ độ xám dao
động trong khoảng 0 - 80, lớp cịn lại biên thiên trong khoảng 81 - 255 là phù hợp. Do vậy đề tài đã lựa chọn 2 ngưỡng độ xám là từ 0 - 80 là đối tượng ngập thường xuyên và từ 81 - 255 là lớp đối tượng khác.
+ Bước 2: Phân loại ảnh
Sau khi xác định được ngưỡng độ xám cho các lớp đối tượng rồi ta tiến hành phân loại, chiết tách các lớp đối tượng.
Quá trình thực hiện như sau: Trên ảnh đã nắn vào ToolsColor Mapping →
Densyti Slice để mở hộp thoại Density Slice Band Choice. Trên Density Slice Band Choice, chọn “Ảnh cần phân loại” → OK để mở hộp thoại Density Slice.
Trên hộp thoại Density Slice: Chọn CleaRanges để xĩa 8 ngưỡng giá trị
theo cấp độ xám mặc định rồi chọn Options Add New Ranges để tạo mới ngưỡng giá trị theo cấp độ xám phù hợp. Do mục đích chỉ chiết tách hai đối tượng: Ngập thường xuyên (sơng, ao, hồ,…) và các đối tượng khác nên chỉ chọn hai ngưỡng giá trị theo cấp độ xám.
Trường ðại học Nơng nghiệp Hà Nội – Luận văn thạc sỹ khoa học Nơng nghiệp ……… 63
Hình 4.5: Ngưỡng giá trị cấp độ xám
Một vài hình ảnh thể hiện phĩng to kết quả thu được phân lớp ranh giới 2
đối tượng khá rõ ràng.
Trường ðại học Nơng nghiệp Hà Nội – Luận văn thạc sỹ khoa học Nơng nghiệp ……… 64
Hình 4.6: Ảnh trước và sau phân loại
+ Bước 3: Kết quảảnh sau phân loại
Trường ðại học Nơng nghiệp Hà Nội – Luận văn thạc sỹ khoa học Nơng nghiệp ……… 65
4.3.4.2 Phân loại ảnh tại thời điểm ngập lụt
ðể phân loại ảnh tại thời điểm ngập lụt, đề tài đã chọn phương pháp xác suất cực đại (Maximumlikelihood) để phân loại các đối tượng.
Các bước thực hiện như sau:
+ Bước 1: ðịnh nghĩa các lớp phân loại và lựa chọn các đặc tính
Từ tư liệu ảnh tiến hành định nghĩa các lớp phân loại. Các lớp phân loại cụ thể gồm 3 lớp bao gồm: "Ngap_Lut", "Ngap_Lut2" và "VungKhac".
Trong đĩ: - "Ngap_Lut": Tương ứng vùng nước ngập lâu năm. - "Ngap_Lut2": Tương ứng vùng nước mới ngập. - "VungKhac": Tương ứng vùng ko ngập.
Lựa chọn các đặc tính: Các đặc tính ởđây bao gồm đặc tính về phổ và đặc tính cấu trúc. Việc lựa chọn này cĩ ý nghĩa quan trọng, nĩ cho phép tách biệt các lớp đối tượng với nhau.
+ Bước 2: Chọn vùng mẫu
Việc chọn vùng mẫu cĩ tính chất quyết định tới chất lượng kết quả sau phân loại. ðể đảm bảo độ chính xác khi lựa chọn vùng mẫu phải chú ý các yêu cầu sau:
- Số lượng các vùng lấy mẫu của mỗi loại đối tượng cần phải phù hợp. Số
lượng vùng mẫu quá ít sẽ khơng đảm bảo độ chính xác, ngược lại nếu số lượng vùng mẫu nhiều quá sẽ làm tăng khối lượng tính tốn và đơi khi làm nhiễu kết quả tính tốn.
- Diện tích các vùng lấy mẫu đủ lớn, đồng thời các vùng mẫu khơng được nằm gần ranh giới giữa các lớp đối tượng với nhau.
- Vùng mẫu được chọn phải đặc trưng cho đối tượng phân loại và phân bố đều trên khu vực nghiên cứu.
- Từ số liệu điều tra thực địa và bản đồ hiện trạng sử dụng đất tiến hành chọn mẫu phân loại bằng cách khoanh vẽ trực tiếp lên trên ảnh cần phân loại.
Trường ðại học Nơng nghiệp Hà Nội – Luận văn thạc sỹ khoa học Nơng nghiệp ……… 66
Hình 4.8: Lựa chọn vùng mẫu phân loại
+ Bước 3: Tính tốn chỉ số thơng kê vùng mẫu
Sau khi chọn mẫu xong tiến hành tính tốn chỉ số thống kê vùng mẫu và sự khác biệt giữa các mẫu.
Mỗi mẫu phân loại được tính tốn và so sánh với các mẫu cịn lại, cặp giá trị thể hiện sự khác biệt được đặt trong dấu ngoặc sau các mẫu. Nếu giá trị này nằm trong khoảng:
- Từ 1,9 đến 2,0 chứng tỏ cĩ sự khác biệt rất tốt. - Từ 1,0 đến 1,9 chất lượng việc chọn mẫu là tốt.
- Nhỏ hơn 1,0 gộp hai mẫu đĩ lại với nhau tránh hiện tượng phân loại nhầm. Kết quả tính tốn sự khác biệt phổ giữa các mẫu thể hiện ở hình 4.8
Kết quả bảng tính tốn mẫu phổ ta nhận thấy rằng sự khác biệt giữa 2 vùng "Ngap_Lut" và "Ngap_Lut2" với "VungKhac" là tương đối tốt, nhưng sư
Trường ðại học Nơng nghiệp Hà Nội – Luận văn thạc sỹ khoa học Nơng nghiệp ……… 67 tồn hợp lý bởi vì cả hai vùng đều là nước nhưng thành phần vật chất cĩ trong nước khác nhau nên khả năng phản xạ khác nhau "Ngap_Lut" là vùng nước ngập lâu năm nên cĩ màu thẫm hơn và vùng "Ngap_Lut2" mới ngập cĩ màu đỏ
tươi hơn.
Hình 4.9: Giá trị khác biệt phổ giữa các mẫu phân loại
+ Bước 4: Phân loại các đối tượng theo thuật tốn xác suất cực đại
ðể phân loại kiểm định các đối tượng mang tính chính xác và chủ quan hơn, đề tài sử dụng thuật tốn xác suất cực đại (Maximum likelihood).
Trên quan điểm của lý thuyết xác suất thì phương pháp này cĩ nhiều ưu
điểm hơn các phương pháp khác và nĩ thường được sử dụng trong xử lý ảnh viễn thám để phân loại các đối tượng cho các khu vực cĩ thảm thực vật ít cĩ sự đồng nhất.
Nguyên lý: Mỗi pixel được tính xác suất thuộc vào một lớp nào đĩ và nĩ chỉđược gán vào lớp mà xác suất thuộc vào lớp đĩ là lớn nhất.
Trường ðại học Nơng nghiệp Hà Nội – Luận văn thạc sỹ khoa học Nơng nghiệp ……… 68
Hình 4.10: Ảnh phân loại tại thời điểm ngập lụt