- Ngành nông nghiệp:
4.2.5Phân loại ảnh
3 đất chưa sử dụng CSD 191,98 1,
4.2.5Phân loại ảnh
Phân loại ảnh có 02 phương pháp: Phân loại không kiểm ựịnh và phân loại có kiểm ựịnh [6].
* Phương pháp phân loại không kiểm ựịnh: Kỹ thuật phân loại này chỉ sử dụng thuần tuý thông tin phổ do ảnh cung cấp và ựòi hỏi người phân tắch phải có kinh nghiệm về việc chỉ ựịnh số cụm phổ ban ựầu.
* Phương pháp phân loại có kiểm ựịnh: đây là một hình thức phân loại mà các chỉ tiêu phân loại ựược xác lập dựa trên các vùng mẫu và dùng luật quyết ựịnh dựa trên thuật toán thắch hợp ựể gắn nhãn pixel ứng với từng vùng phủ cụ thể. Các vùng mẫu là những khu vực trên ảnh tương ứng với từng loại mà người giải ựoán biết ựược ựặc trưng phổ. Dựa trên dữ liệu vùng mẫu thu ựược trên từng vùng mẫu, các tham số thống kê ựược xác ựịnh. Từ ựó, các chỉ tiêu phân loại ựược sử dụng trong quá trình chỉ ựịnh pixel thuộc vào từng loại cụ thể.
Trong ựề tài này, phương pháp ựược lựa chọn ựể phân loại ảnh là phương pháp phân loại có kiểm ựịnh theo thuật toán xác suất cực ựại
Trường đại học Nông nghiệp Hà Nội - Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦ 66 (Maximum likelihood).
Phân loại theo phương pháp Maximum likelihood coi số liệu thống kê của mỗi lớp trong mỗi kênh ảnh ựược phân tán một cách thông thường và phương pháp này có tắnh ựến khả năng một pixel thuộc một lớp nhất ựịnh. Nếu không chọn một ngưỡng xác suất thì phải phân loại tất cả các pixel. Mỗi pixel ựược gán cho một lớp có ựộ xác suất cao nhất. Theo phương pháp này các band phổ có sự phân bố chuẩn và các pixel sẽ ựược phân loại vào lớp mà nó có xác suất cao nhất. đây là phương pháp phân loại chắnh xác nhưng lại mất nhiều thời gian tắnh toán và phụ thuộc sự phân bố chuẩn của dữ liệu.
Các bước tiến hành phân loại như sau:
- Xác ựịnh các loại: Từ tư liệu ảnh tiến hành xác ựịnh các lớp phân loại. Các lớp phân loại cụ thể gồm 11 lớp bao gồm: đất xây dựng, ựất ở, ựất sông ngòi, ựất mặt nước chuyên dùng, ựất giao thông, ựất trồng lúa, ựất trồng cây lâu năm, ựất trồng cây hàng năm khác, ựất lâm nghiệp, ựất nuôi trồng thuỷ sản và ựất chưa sử dụng.
- Lựa chọn các ựặc tắnh: Các ựặc tắnh ở ựây bao gồm ựặc tắnh về phổ và ựặc tắnh cấu trúc. Việc lựa chọn này có ý nghĩa quan trọng, nó cho phép tách biệt các lớp ựối tượng với nhau.
- Chọn vùng mẫu: Việc chọn vùng mẫu có tắnh chất quyết ựịnh tới kết quả phân loại. để ựảm bảo ựộ chắnh xác khi lựa chọn vùng mẫu phải chú ý các yêu cầu sau [2]:
+ Số lượng các vùng lấy mẫu của mỗi loại ựối tượng cần phải phù hợp. Số lượng vùng mẫu quá ắt sẽ không ựảm bảo ựộ chắnh xác, ngược lại nếu nhiều quá sẽ làm tăng khối lượng tắnh toán lên rất nhiều, ựôi khi làm nhiễu kết quả tắnh toán.
+ Diện tắch các vùng lấy mẫu ựủ lớn, ựồng thời các vùng mẫu không ựược nằm gần ranh giới giữa các lớp ựối tượng với nhau.
Trường đại học Nông nghiệp Hà Nội - Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦ 67 + Vùng mẫu ựược chọn phải ựặc trưng cho ựối tượng phân loại và phân bố ựều trên khu vực nghiên cứu.
Từ số liệu ựiều tra thực ựịa và bản ựồ hiện trạng sử dụng ựất tiến hành chọn mẫu phân loại bằng cách khoanh vẽ trực tiếp lên trên ảnh cần phân loại.
Sử dụng chức năng Roi Tool.. của ENVI ựể chọn vùng mẫu trên ảnh. Hộp thoại ROI Tool xuất hiện cho phép ta ựánh tên từng loại hình sử dụng ựất
cần lấy mẫu và gán màu cho từng lớp [2].
Hình 4.3. Xây dựng tệp mẫu cho ảnh
Tiến hành lấy mẫu cho từng loại hình sử dụng: Với mỗi loại hình sử dụng ựất ta gán cho một màu nhất ựịnh, vắ dụ như ựất xây dựng ta gán cho màu xanh lá cây, ựất cây hàng năm ta gán cho màu ựỏ,...làm tương tự cho các loại hình sử dụng ựất khác, ta có kết quả như bảng 4.3.
Trường đại học Nông nghiệp Hà Nội - Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦ 68
Bảng 4.3 Các tệp mẫu ảnh xây dựng
Trường đại học Nông nghiệp Hà Nội - Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦ 69 Với mỗi loại hình sử dụng sau khi gán cho một màu nhất ựịnh, ta tiến hành chọn mẫu và khoanh vẽ trực tiếp lên ảnh. Vắ dụ ta chọn mẫu cho loại ựất xây dựng, trên ảnh sẽ thể hiện các vùng mẫu ựược chọn có màu xanh lá cây như hình 4.5.
Dựa vào hiện trạng sử dụng ựất hiện tại của huyện Lâm Thao, chúng ta xây dựng ựược 11 loại hình sử dụng ựất (bảng 4.3)
Sau khi xây dựng xong tập mẫu chúng ta cần ựánh giá ựể khẳng ựịnh ựộ chắnh xác của các mẫu phân loại. Dựa vào ựặc tắnh phản xạ phổ của các ựối tượng ựược chọn trong tập mẫu tiến hành tắnh toán sự khác biệt giữa các mẫu phân loại theo phương pháp phân tắch Separability [2].
Từ Menu của hộp thoại Roi tool, ta chọn chức năng Options\Compute Roi Separability.
Kết quả tắnh toán sẽ xuất hiện trên màn hình hộp thoại Roi Separability (như bảng 4.4).
Quan sát bảng 4.4 ta thấy: Mỗi mẫu phân loại sẽ ựược so sánh lần lượt với các mẫu còn lại, cặp giá trị thể hiện sự khác biệt ựược ựặt trong dấu ngoặc sau các mẫu. Nếu giá trị này [2]:
- Nằm trong khoảng 1,9 - 2,0 phản ánh việc lựa chọn các mẫu ựạt chất lượng rất tốt.
- Nằm trong khoảng 1,5 - 1,9 phản ánh chất lượng việc chọn mẫu là tốt. - Nằm trong khoảng 1,0 - 1,5 phản ánh có nhiều ựiểm chung giữa hai mẫu ựược chọn.
- Nhỏ hơn 1,0 ta nên gộp hai mẫu ựó lại với nhau, tránh hiện tượng phân loại nhầm lẫn.
Nhận xét các vùng mẫu ựược chọn: (adsbygoogle = window.adsbygoogle || []).push({});
Dựa theo bảng Roi Separability Report (bảng 4.4) với 11 lớp như trên cho thấy: Các cặp giá trị khi so sánh giữa mỗi loại ựất ựối với các loại ựất còn lại ựều có giá trị nằm trong khoảng 1,9 - 2,0 và 1,8 - 1,9. Như vậy việc chọn mẫu
Trường đại học Nông nghiệp Hà Nội - Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦ 70 cho thấy có sự khác biệt tốt và rất tốt giữa các cặp mẫu ựược lựa chọn. Vậy ta sẽ chấp nhận tập mẫu này ựể tiến hành bước phân loại ảnh tiếp theo.
Bảng 4.4 Kết quả so sánh sự khác biệt giữa các mẫu phân loại
Như vậy, ta ựã xây dựng ựược khóa giải ựoán ảnh vệ tinh gồm 11 loại hình sử dụng ựất (bảng 4.5).
Trường đại học Nông nghiệp Hà Nội - Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦ 71
Bảng 4.5 Mô tả các loại hình sử dụng ựất
TT Loại ựất Mô tả
1 đất trồng lúa đất lúa một vụ và ựất lúa 2 vụ 2 đất trồng cây HN khác Ngô, ựậu ựỗ các loại và cây rau màu
3 đất trồng cây lâu năm đất trồng cây ăn quả: Nhãn, xoài, bưởi, táoẦ 4 đất NTTS đất ao, hồ, ựầm chuyên nuôi trồng thuỷ sản 5 đất lâm nghiệp đất trồng rừng sản xuất (Bạch ựàn, keo,Ầ) 6 đất sông ngòi đất sông, ngòi
7 đất MN chuyên dùng đất mặt nước hồ, ựầm
8 đất ở đất làm nhà ở trong khu dân cư
9 đất xây dựng đất công nghiệp, ựất SXKD, ựất công cộng 10 đất giao thông đất làm ựường giao thông (Quốc lộ, ựường
tỉnh, huyện, xã, thôn xóm) 11 đất chưa sử dụng đất trống chưa canh tác
Bảng 4.6 Mẫu giải ựoán ảnh vệ tinh
Loại ựất Ảnh vệ tinh Ảnh thực ựịa
đất trồng lúa
đất trồng cây hàng năm khác
đất trồng cây lâu năm
đất lâm nghiệp
đất ở
Trường đại học Nông nghiệp Hà Nội - Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦ 72
Loại ựất Ảnh vệ tinh Ảnh thực ựịa
đất xây dựng: ựất sản
xuất kinh doanh, ựất khu công nghiệp, ựất hạ tầng khác đất sông, ựất mặt nước chuyên dùng đất nuôi trồng thuỷ sản đất chưa sử dụng
- Phân loại ảnh: Tiến hành phân loại ảnh với các mẫu ựã chọn bằng phương pháp phân loại theo xác suất cực ựại: Từ menu cửa sổ chắnh của ENVI ta chọn chức năng: Classification/Supervised/Maximum likelihood. Trên
màn hình xuất hiện hộp thoại Classification Input File cho phép chọn ảnh cần phân loại. Tiếp ựó sẽ xuất hiện hộp thoại tương ứng với phương pháp phân loại lựa chọn và chọn các tham số cần thiết, chọn ựường dẫn lưu kết quả. Bấm chọn
Slect All Items ựể chọn tất cả các mẫu ựược chọn rồi bấm nút OK ựể tiến hành
phân loại. Sau khi quá trình tắnh toán kết thúc, kết quả phân loại ảnh sẽ có trong hộp thoại Available bands List, sau ựó hiển thị kết quả lên màn hình.
Trường đại học Nông nghiệp Hà Nội - Luận văn thạc sĩ khoa học nông nghiệp ẦẦẦẦẦẦẦẦ 73
Hình 4.5. Ảnh phân loại (adsbygoogle = window.adsbygoogle || []).push({});