Kỹ thuật chiết tách thông tin.(1)

Một phần của tài liệu Bước đầu thử nghiệm công nghệ GIS trong vấn đề theo dõi biến động sử dụng đất (Trang 25 - 29)

+ Tạo các ảnh tỷ số: ảnh tỷ số đ−ợc tạo nên bằng cách chia giá trị độ sáng trên một band cho giá trị của chính pixel đó trên band khác rồi làm giãn các giá trị số đó để xác định các giá trị mới của pixel. Kết quả tạo đ−ợc ảnh mới với giá trị độ sáng của pixel khác với giá trị độ sáng của ảnh ban đầu.

+ Phân loại đa phổ.

+ Tạo các ảnh có sự thay đổi (change detection images). 2.4. Ph−ơng pháp phân loại đa phổ.(6)

Mục đích tổng quát của phân loại đa phổ là tự động phân loại tất cả các các pixel trong ảnh thành các lớp phủ đối t−ợng. Thông th−ờng ng−ời ta sử dụng các dữ liệu đa phổ để phân loại, mẫu phổ trong cơ sở dữ liệu đối với mỗi pixel sẽ đ−ợc dùng để làm cơ sở phân loại. Có nghĩa là, các kiểu đặc tr−ng khác nhau biểu thị các tổ hợp DN dựa trên sự bức xạ phổ và đặc tr−ng bức xạ vốn có của chúng. Vì vậy một “ mẫu phổ” không nói đến tính chất hình học mà đúng hơn, thuật ngữ “ phổ ” ở đây nói đến một tập hợp đo bức xạ thu đ−ợc trong các kênh phổ khác nhau đối với mỗi pixel. Việc nhận biết mẫu phổ đề cập đến một số ph−ơng pháp phân loại có sử dụng thông tin phổ trên các pixel làm cơ sở để tự động phân loại các đối t−ợng.

Nhận biết mẫu phổ theo không gian bao gồm phân loại pixel hình ảnh dựa

trên cơ sở quan hệ không gian của chúng với các pixel bao quanh. Việc phân loại không gian có thể xem xét những khía cạnh nh− cấu trúc của hình ảnh, tính chất gần gũi của pixel, kích th−ớc nét, hình ảnh, tính định h−ớng, tính lặp lại và bối cảnh cụ thể. Những dạng phân loại này có mục đích là tái tạo loại hình ảnh tổng hợp theo không gian do ng−ời giải đoán tiến hành trong quá trình đoán đọc ảnh bằng mắt. Do đó ph−ơng thức nhận biết mẫu theo không gian có xu h−ớng phức tạp hơn và đòi hỏi đi sâu vào tính toán hơn.

Nhận biết mẫu theo thời gian : Sử dụng thời gian nh− một công cụ trợ giúp

cho việc nhận dạng các đặc tr−ng. Trong việc khảo sát cây trồng nông nghiệp chẳng hạn, những thay đổi khác biệt về phổ và không gian trong một vụ canh tác có thể cho phép phân biệt trên hình ảnh đa thời gian nh−ng không thể phân biệt đ−ợc nếu chỉ cho một dữ liệu mà thôi. Chẳng hạn, một ruộng lúa n−ơng có thể không phân biệt đ−ợc với đất hoang nếu vừa mới gieo xong vào mùa đông và về ph−ơng diện phổ nó sẽ t−ơng tự nh− nh− bãi đất hoang ở mùa xuân. Tuy nhiên nếu đ−ợc phân tích từ hai dữ liệu thì ruộng lúa n−ơng nhận biết đ−ợc, bởi vì không có lớp phủ nào khác để hoang về cuối đông và có màu xanh lục ở cuối mùa xuân.

Với việc khôi phục lại hình ảnh và các kỹ thuật tăng c−ờng, việc phân loại hình ảnh có thể sử dụng kết hợp theo kiểu lai tạo. Do vậy, không có một cách “đúng đắn” đơn lẻ nào có thể áp dụng cho việc phân loại hình ảnh. Việc áp dụng ph−ơng

pháp phân loại này hay ph−ơng pháp phân loại khác phụ thuộc vào tính chất của dữ liệu đang phân tích và vào khả năng tính toán. Thông th−ờng khi giải đoán, ng−ời làm công tác giải đoán th−ờng phải căn cứ vào các dấu hiệu giải đoán và các yếu tố địa kỹ thuật.

Các dấu hiệu giải đoán (Photo elements).(2)

Tone ảnh: Là tổng hợp l−ợng ánh sáng đ−ợc phản xạ bởi bề mặt đối

t−ợng. Tone ảnh là dấu hiệu hết sức quan trọng để xác định đối t−ợng. Tone ảnh đ−ợc chia ra nhiều cấp khác nhau, trong giải đoán bằng mắt th−ờng có 10-12 cấp. Sự khác biệt của tone ảnh phụ thuộc nhiều vào tính chất khác nhau của đối t−ợng.

Cấu trúc ảnh (texture): Kiến trúc ảnh đ−ợc hiểu là tần số lặp lại của sự

thay đổi tone ảnh, gây ra bởi tập hợp của nhiều đặc tính rõ ràng của các cá thể riêng biệt.

Ví dụ: Cấu trúc mịn đặc tr−ng cho trầm tích bở rời; cấu trúc thô đặc tr−ng cho đá macma; cấu trúc dạng dải đặc tr−ng cho các đá trầm tích biến chất.

Kiểu mẫu (pattern): Là nhân tố rất quan trọng thể hiện sự sắp xếp của

đối t−ợng theo một quy luật nhất định.Ví dụ: Dạng đ−ờng thẳng nh− đ−ờng quốc lộ, đ−ờng sắt, hoặc các đứt gãy…

Hình dạng (Shape): Là những đặc tr−ng bên ngoài tiêu biểu cho từng đối

t−ợng. Ví dụ hồ hình móng ngựa là khúc sông cụt, dạng chổi sáng màu là các cồn cát ven biển.

Kích th−ớc (size): Kích th−ớc của một đối t−ợng đ−ợc xác định theo tỷ lệ

ảnh và kích th−ớc đo đ−ợc trên ảnh, dựa vào thông tin này cũng có thể phân biệt đ−ợc các đối t−ợng trên ảnh.

Bóng (Shadow): ảnh vệ tinh th−ờng chụp vào lúc 9h30 đến 10h00( thế hệ 2) căn cứ vào bóng đối t−ợng trên ảnh có thể xác định độ cao t−ơng đối của đối t−ợng, từ đó có thể phân biệt đ−ợc các đối t−ợng.

Vị trí (Site) : Vị trí cũng là một yếu tố rất quan trọng để phân biệt các đối

t−ợng. Cùng một dấu hiệu, song ở các vị trí khác nhau có thể là các đối t−ợng khác nhau.

Màu (colour): Màu của đối t−ợng trên ảnh màu giả (FCC) giúp cho

ng−ời giải đoán có thể phân biệt nhiều đối t−ợng có đặc điểm tone ảnh t−ơng tự nhau trên ảnh đen trắng. Tổ hợp màu giả thông dụng trong ảnh Landsat là xanh lơ (blue),

xanh lục(green), và màu đỏ (red) thể hiện các nhóm yếu tố cơ bản là: Thực vật có màu hồng đến đỏ, n−ớc có màu xanh lơ nhạt đến lơ sẫm, rừng ngập mặn có màu đỏ sẫm đến nâu sẫm, đất trống có cây màu vụ đông thì màu loại hồng đến màu vàng,…Ngoài 3 tổ hợp màu giả trên, ng−ời ta có thể tạo ra rất nhiều tổ hợp màu giả khác bằng ph−ơng pháp quang học (dùng các tấm lọc màu) hoặc bằng kỹ thuật xử lý ảnh số. Vì vậy khi giải đoán các đối t−ợng trên ảnh màu giả phải có những định h−ớng ngay từ đầu về các tổ hợp màu giả, từ đó mới tránh đ−ợc những sự nhầm lẫn.

Các yếu tố địa kỹ thuật.

Địa hình: Địa hình cho phép phân biệt sơ bộ các yếu tố trên ảnh, để từ đó

định h−ớng trong phân tích.

Ví dụ: dạng địa hình núi đá vôi, đồi sót, đồng bằng, dải ven biển, lòng sông cổ,…Kiểu địa hình nh− dải núi thấp cấu tạo bởi đá vôi…

Thực vật: Sự phân bố của một kiểu thảm và đặc điểm của nó (nh− mật độ

tán che, sinh khối…) là một dấu hiệu hết sức quan trọng để phân biệt đối t−ợng. Ví dụ nh− rừmg th−ờng xanh th−ờng có ở vùng núi cao hoặc vùng núi trung bình…

Hiện trạng sử dụng đất: Đây vừa là mục tiêu phấn đấu, vừa là dấu hiệu

trong giải đoán bằng mắt. Hiện trạng sử dụng đất cung cấp những thông tin quan trọng để xác định đối t−ợng. Ví dụ lúa một vụ có ở vùng bồi cao là chủ yếu, lúa 2 vụ chủ yếu ở vùng thấp th−ờng xuyên vừa đủ n−ớc.

Mạng l−ới sông suối: Cũng là một dấu hiệu quan trọng hàng đầu trong

phân tích ảnh. Mạng l−ới sông suối có quan hệ rất mật thiết với dạng địa hình, độ dốc, lớp vỏ phong hoá, nền thạch học…đồng thời nó cũng cho biết đặc điểm cấu trúc địa chất của khu vực.

Có các dạng mạng l−ới thuỷ văn cơ bản là:

Kiểu cành cây; kiểu phân nhánh; kiểu ô mạng; kiểu toả tia; kiểu h−ớng tâm; kiểu bị khống chế; kiểu song song; kiểu vành khuyên; kiểu vuông góc; kiểu có góc; kiểu bện tóc; kiểu ẩn…

Hệ thống các khe nứt lớn và các yếu tố dạng tuyến (lineament): Những

thông số của hệ thống khe nứt cần đ−ợc xem xét đến là: h−ớng mật độ, hình dạng, độ lớn. Hệ thống lineament có thể liên quan đến các kiểu đứt gãy, khe nứt lớn của đá cứng. Đây là một yếu tố rất quan trọng để xác định và phân biệt đồng thời cũng là thông số để đánh giá đối t−ợng.

Tổ hợp các yếu tố giải đoán: Trong quá trình giải đoán, ngoài việc phân

tích các yếu tố riêng lẻ còn xem xét đến sự tập hợp trong không gian của từng nhóm yếu tố. Sự tập hợp đó có thể tạo nên một dạng hay một kiểu địa hình, từ đó giúp

ng−ời giải đoán có thể hiệu chỉnh, loại bỏ những sai sót và nâng cao độ chính xác. Ví dụ nh− bãi bồi không thể ở trên s−ờn đồi…

Nh− vậy, trong giải đoán bằng mắt phải nắm bắt và phân biệt đ−ợc các dấu hiệu giải đoán. Công việc đó đòi hỏi ng−ời giải đoán phải có kiến thức chuyên môn vững để có thể kết hợp tốt các kiến thức trong quá trình giải đoán ảnh và chỉ có vậy mới đ−a ra đ−ợc kết quả chính xác.

Có hai ph−ơng pháp phân loại đa phổ, đó là ph−ơng pháp phân loại có kiểm định và ph−ơng pháp phân loại không kiểm định.

Trong ph−ơng pháp phân loại có kiểm định ng−ời giải đoán sẽ “kiểm tra”

quá trình phân loại pixel bằng việc quy định cụ thể theo thuật toán máy tính, các chữ số mô tả bằng số các thể loại lớp phủ mặt đất khác nhau có trên một cảnh. Để làm đ−ợc việc này, các điểm lấy mẫu đại diện của loại lớp phủ đã biết ( gọi là các vùng mẫu) đ−ợc sử dụng để biên tập thành một “khoá giải đoán” bằng số mô tả các thuộc tính phổ cho mỗi thể loại điển hình. Sau đó mỗi pixel trong tập hợp dữ liệu sẽ đ−ợc so sánh với mỗi chủng loại trong khoá giải đoán và đ−ợc gán nhãn bằng tên của chủng loại mà nó “có vẻ giống nhất”.

Còn ph−ơng pháp phân loại không kiểm định không giống nh− ph−ơng

pháp phân loại có kiểm định, quy trình phân loại không kiểm định gồm hai b−ớc riêng biệt. Điểm khác biệt cơ bản riêng biệt cơ bản giữa hai ph−ơng pháp này là ở chỗ ph−ơng pháp phân loại có kiểm định bao gồm b−ớc lấy mẫu và b−ớc phân loại, còn trong ph−ơng pháp phân loại không kiểm định, tr−ớc tiên dữ liệu ảnh đ−ợc phân loại bằng cách nhóm chúng thành các nhóm tự nhiên hoặc thành các cụm có mặt trên ảnh. Sau đó ng−ời giải đoán sẽ xác định tính đồng nhất của lớp phủ mặt đất của các lớp phủ này bằng cách so sánh các dữ liệu hình ảnh đã phân loại với các dữ liệu tham khảo mặt đất

Một phần của tài liệu Bước đầu thử nghiệm công nghệ GIS trong vấn đề theo dõi biến động sử dụng đất (Trang 25 - 29)

Tải bản đầy đủ (PDF)

(69 trang)