3. Viễn thám và hệ thông tin địa lý 1 Cơ sở khoa học của ph− ơng pháp viễn thám
3.2.2. Những nét chung về kỹ thuật giải đoán ảnh viễn thám
Giải đoán ảnh viễn thám là quá trình chiết tách các thông tin theo định tính cũng nh− định l−ợng từ ảnh dựa trên các tri thức chuyên ngành hoặc kinh nghiệm của ng−ời giải đoán. Việc tách các thông tin trong viễn thám có thể phân thành 5 loại, đó là: Phân loại đa phổ, phát hiện biến động, chiết tách các thông tin tự nhiên, xác định các chỉ số, xác định đối t−ợng đặc biệt[15, tr.31- 32], [47, tr.147]. Trong đó:
- Phân loại đa phổ là quá trình tách gộp các thông tin dựa trên các tính chất phổ, không gian và thời gian của các đối t−ợng nh− phân loại thực vật, phân loại lớp phủ bề mặt.
- Phát hiện biến động là phát hiện và tách các biến động dựa trên t− liệu ảnh đa thời gian nh− phát hiện biến động diện tích rừng, biến động đ−ờng bờ biển, sự thay đổi của các dòng chảy v.v...
35
- Xác định các chỉ số là việc tính toán các chỉ số mới nh− chỉ số thực vật....
- Xác định các hiện t−ợng đặc biệt nh− cháy rừng, thiên tai, lũ lụt, các cấu trúc tuyến tính, các biểu hiện tìm kiếm khảo cổ học....
Tổng quát việc giải đoán ảnh vệ tinh bao gồm 6 b−ớc cơ bản:
- Chuẩn bị t− liệu ảnh.
- Đọc thông tin bổ trợ và định vị ảnh theo bản đồ
- Tạo khoá giải đoán.
- Đo đạc các yếu tố định l−ợng.
- Phân tích ảnh và giải đoán các đối t−ợng.
- Thành lập bản đồ chuyên đề
Quá trình chiết tách thông tin từ ảnh có thể giải đoán bằng mắt hoặc thực hiện bằng máy tính hay còn gọi là xử lý số.
3.2.3.Ph−ơng pháp giải đoán bằng mắt
Là việc sử dụng mắt th−ờng cùng với các dụng cụ quang học nh− kính lúp, kính lập thể, máy tổng hợp màu để xác định các đối t−ợng. Cơ sở để giải đoán bằng mắt là các chuẩn giải đoán và khoá giải đoán. Ph−ơng pháp này có thể khai thác đ−ợc các tri thức chuyên gia và kinh nghiệm của ng−ời giải đoán, đồng thời phân tích đ−ợc các thông tin phân bố không gian một cách dễ dàng. Tuy nhiên nh−ợc điểm cơ bản của ph−ơng pháp giải đoán bằng mắt là tốn nhiều thời gian, kết quả thu đ−ợc không đồng nhất và ít tính khách quan.
3.2.4. Phân loại ảnh bằng ph−ơng pháp xử lý số
Hiện nay các t− liệu thu đ−ợc trong viễn thám chủ yếu ở dạng số. Nên ph−ơng pháp phân loại ảnh bằng xử lý số giữ một vai trò quan trọng và không thể thiếu đ−ợc trong viễn thám hiện đại[15]. Phân loại ảnh bằng ph−ơng pháp xử lý số thông th−ờng bao gồm 5 giai đoạn [47]:
36
1. Nhập số liệu 2. Khôi phục và hiệu chỉnh ảnh 3. Biến đổi ảnh 4. Phân loại 5. Xuất kết quả. Trong đó:
Nhập số liệu: Để xử lý ảnh số, tr−ớc hết ta phải tiến hành b−ớc nhập t− liệu gốc vào máy. Có hai nguồn t− liệu chính đó là ảnh t−ơng tự do các máy chụp cung cấp và ảnh số do các máy quét cung cấp. Trong tr−ờng hợp ảnh t−ơng tự sẽ đ−ợc chuyển về dạng số thông qua các máy quét. Tr−ờng hợp t− liệu là ảnh số thì nó sẽ đ−ợc chuyển từ các băng từ l−u trữ mật độ cao HDDT vào các băng từ CCT.
Khôi phục và hiệu chỉnh ảnh: Đây là giai đoạn mà các tín hiệu số đ−ợc
hiệu chỉnh hệ thống, bức xạ hoặc hình học nhằm tạo ra một t− liệu ảnh có thể sử dụng đ−ợc. Giai đoạn này th−ờng đ−ợc thực hiện trên các máy tính lớn tại các trung tâm thu số liệu vệ tinh.
Biến đổi ảnh: Thực chất biến đổi ảnh là các quá trình xử lý nh− tăng
c−ờng chất l−ợng, biến đổi tuyến tính... đ−ợc thực hiện trên các máy tính nhỏ nh− máy vi tính trong khuôn khổ của một phòng thí nghiệm.
Phân loại: Mục đích của việc phân loại đa phổ là tách các thông tin
cần thiết phục vụ việc theo dõi các đôí t−ợng hoặc phục vụ thành lập bản đồ chuyên đề là khâu quan trọng của việc khai thác t− liệu viễn thám.
Xuất kết quả: Xuất kết quả là nhiệm vụ cuối cùng của tất cả các khâu
xử lý. Kết quả có thể d−ới dạng phim ảnh (t−ơng tự), dạng số hay các bản đồ đ−ờng nét. Các kết quả dạng số ngày càng đ−ợc khai thác sử dụng nhiều vì nó là đầu vào tốt nhất cho việc sử dụng công nghệ mới (GIS – Hệ thông tin địa lý). Trên cơ sở ứng dụng hệ thông tin địa lý, nhiều chủng loại thông tin khác nhau cũng đ−ợc đ−a vào xử lý tạo ra một kết quả chính xác và phong phú hơn nhiều so với tr−ờng hợp chỉ sử dụng riêng t− liệu viễn thám.
37
Việc phân loại ảnh bằng ph−ơng pháp xử lý số không thể thiếu một trong năm b−ớc cơ bản đã nêu ở trên. Nh−ng trong phần này chúng tôi chỉ giới thiệu những nét chung liên quan đến quá trình phân loại đa phổ.
Trong xử lý số t− liệu viễn thám đa phổ, việc phân loại đ−ợc thực hiên bằng cách gán cho một khoảng cấp độ xám nhất định thuộc một nhóm đối t−ợng nào đó có các tính chất t−ơng đối đồng nhất với mục đích phân biệt các nhóm đó với nhau trong khuôn khổ ảnh cho tr−ớc. Dựa vào các tính chất phổ hoặc cấu trúc không gian đặc tính của đối t−ợng ta có thể phân loại theo một quy luật nào đó. Phân loại có thể đ−ợc thực hiện dựa trên nguyên lý giải đoán bằng mắt hoặc có sự trợ giúp của máy tính. Hiện nay việc sử dụng máy tính để phân loại ngày càng đ−ợc phổ cập và mang lại các kết quả đáng khả quan hơn.
Hình 3.2:Sơ đồ nguyên lý của quá trình phân loại bằng xử lý số.
Trình tự phân loại gồm 6 b−ớc cơ bản:
B−ớc 1: Định nghĩa các lớp - Các lớp phân loại cần đ−ợc định nghĩa rõ ràng và đ−ợc lựa chọn có tính đến đặc thù của t− liệu ảnh..
38
B−ớc 2: Tuyển chọn đặc tính – Các đặc tính phổ hoặc cấu trúc cho phép phân biệt các lớp cần đ−ợc tập hợp.
B−ớc 3: Chọn vùng mẫu – Các tệp mẫu cần đ−ợc lựa chọn dựa vào kết quả của b−ớc 1 và 2. Các số liệu lấy từ tệp mẫu có ý nghĩa quyết định trong việc thành lập chỉ tiêu phân loại.
B−ớc 4: Chọn lựa các ph−ơng pháp phân loại- Có thể áp dụng nhiều cách phân loại khác nhau trong khuôn khổ tệp mẫu và so sánh kết quả đạt đ−ợc để lựa chọn cách phân loại tối −u nhất.
B−ớc 5: Phân loại- Dựa trên các luật quyết định và các chỉ tiêu đã thiết lập, các pixel sẽ đ−ợc phân loại tuần tự theo các lớp đã chọn.
B−ớc 6: Kiểm tra các kết quả phân loại – Các kết quả sau phân loại cần đ−ợc kiểm tra độ tin cậy. Nếu chỉ tiêu chính xác không đ−ợc bảo đảm, cần phải thay đổi hoặc điều chỉnh các chỉ tiêu phân loại một cách phù hợp nhằm đạt đ−ợc kết quả tốt hơn.
Việc xác định các tham số thống kê tệp mẫu phụ thuộc cụ thể vào ph−ơng pháp phân loại sẽ đ−ợc sử dụng. Tuy nhiên phần lớn các ph−ơng pháp phân loại đều sử dụng các tham số nh− giá trị trung bình tệp mẫu, ma trận ph−ơng sai - hiệp ph−ơng sai [15, tr.56-62], [23, tr.51-54], [47, tr.210-212].
Trong viễn thám một số cách phân loại th−ờng đ−ợc sử dụng là: Phân loại xác suất cực đại, phân loại hình hộp, phân loại khoảng cách ngắn nhất và phân loại theo cây quyết định.
+ Phân loại xác suất cực đại đ−ợc sử dụng nhiều trong xử lý ảnh viễn thám,
nó thuộc vào nhóm ph−ơng pháp có kiểm định. Nguyên lý của ph−ơng pháp này là: mỗi pixel đ−ợc tính xác suất thuộc vào một lớp nào đó và nó đ−ợc gán vào lớp mà xác suất thuộc vào lớp đó là lớn nhất. Xác suất này đ−ợc xác định theo [15, tr.61], [23] với công thức:
39
Lk = P(k/X) = P(k)*P(X/k)/∑P(i)*P(X/i). (3.2) Trong đó: P(k) : Xác suất tiền định của lớp k
P(X/k) : Xác suất điều kiện có thể lấy đ−ợc X thuộc vào lớp k Thông th−ờng ng−ời ta coi P(k) là hằng số cho tất cả các lớp và P(i)*P(X/i) cũng đ−ợc coi nh− vậy cho nên thực chất xác suất Lk chỉ phụ thuộc vào P(X/k).
Trong tr−ờng hợp các quan trắc có hàm phân bố chuẩn theo Gauss thì đại l−ợng Lk có thể tính theo công thức (3.3):
Lk(X) = e-1/2(X- àk)/((2Π)n/2[∑k]1/2). (3.3) Với : n :Số kênh phổ.
X : Véc tơ ảnh.
àk :Véc tơ trung bình của lớp k Lk(X) : Xác suất mà X thuộc vào lớp k
∑k : Ma trận ph−ơng sai – hiệp ph−ơng sai.
⏐∑k⏐ : Định thức của ma trận ph−ơng sai – hiệp ph−ơng sai
Ph−ơng pháp phân loại xác suất cực đại có nhiều −u việt xét theo quan điểm lý thuyết xác suất. Tuy vậy khi sử dụng nó cần phải chú ý tới mấy điểm sau:
- Số l−ợng, mật độ và diện tích của các khu vực lấy mẫu phải đủ lớn và hợp lý để giá trị trung bình cũng nh− ma trận ph−ơng sai-hiệp ph−ơng sai tính cho một lớp nào đó có giá trị đúng với thực tế.
- Khi độ t−ơng quan giữa các kênh phổ gần nhau quá cao thì ma trận nghịch đảo của ma trận ph−ơng sai – hiệp ph−ơng sai sẽ không ổn định. Vì vậy
40
trong tr−ờng hợp này cần áp dụng những ph−ơng pháp làm giảm số kênh phổ, nh− ph−ơng pháp phân tích thành phần chính.
- Tr−ờng hợp hàm phân bố của các đối t−ợng nghiên cứu không tuân theo luật phân bố chuẩn Gaus thì không nên sử dụng ph−ơng pháp này.
+ Phân loại hình hộp là ph−ơng pháp phân loại có kiểm định đơn giản nhất.
Trong ph−ơng pháp này mỗi trục phổ đ−ợc chia thành nhiều lớp dựa trên các giá trị tối đa tối thiểu của tệp mẫu lớp t−ơng ứng. Các pixel nằm trong không gian giới hạn bởi các miền xác định trên các trục phổ nh− vậy sẽ đ−ợc phân loại vào nhóm t−ơng ứng. Ph−ơng pháp này có tốc độ thực hiện trên máy tính rất cao nh−ng chỉ bảo đảm độ chính xác với các đối t−ợng t−ơng đối đồng nhất. Vì vậy khả năng áp dụng của ph−ơng pháp này nhiều khi còn bị hạn chế.
+ Phân loại theo khoảng cách ngắn nhất đ−ợc sử dụng để phân loại các đối
t−ợng trong không gian phổ đa chiều. Khoảng cách giữa các pixel nh− th−ớc đo đánh giá sự thuộc về một lớp nào đó của pixel đang khảo sát. Các khoảng cách th−ờng đ−ợc sử dụng trong viễn thám đó là: khoảng cách Ơclít, Khoảng cách Ơclít chuẩn hoá và khoảng cách Mahalanobis. Việc lựa chọn loại khoảng cách nào là tuỳ thuộc vào tính chất và từng tr−ờng hợp cụ thể. Theo [13, tr.60], [23, tr.53] thì:
Tr−ờng hợp ph−ơng sai của các lớp khác nhau ta có thể sử dụng khoảng cách Ơclít (công thức3.4) và coi nó nh− hệ số đồng dạng.
d2
k = (X - àk)/.(X - àk). (3.4) Và khoảng cách Ơclít chuẩn hoá đ−ợc xác định theo công thức (3.5).
d2
k = (X - àk)/. σk-1.(X - àk). (3.5) Trong tr−ờng hợp tồn tại mối t−ơng quan giữa các kênh phổ thì khoảng cách Mahalanobis đ−ợc sử dụng thay cho các khoảng cách khác. Khoảng cách này đ−ợc xác định theo công thức (3.6):
41
d2
k = (X - àk)/. ∑k-1 (X - àk). (3.6) Trong các công thức (3.7), (3.8), (3.9) trên đây, thì:
X : Véc tơ giá trị cấp độ xám X = [ x1, x2, ...xn ] àk : Véc tơ trung bình àk= [ m1, m2, ...mn ] σ11 0... 0 0 ... σ22... 0 . . . 0... σmn σk - Ma trận ph−ơng sai: σk =
∑k - Ma trận ph−ơng sai-hiệp ph−ơng sai: ∑k =
+ Phân loại theo cây quyết định là một ph−ơng pháp đ−ợc ứng dụng cùng với
t− duy chuyên ngành. Ph−ơng pháp này thuộc nhóm phân loại có cấu trúc và không có thuật toán tổng quát nào cho ph−ơng pháp phân loại này. Ng−ời phân loại phải xuất phát từ việc đánh giá khả năng phân tách các đối t−ợng dựa trên tri thức chuyên gia và đặc tính phổ của chúng.
σ11 σ12...σ1n
σ21 σ22... . σ2n
. . .
σn1 σn2.... σnn