Hiện nay các tư liệu thu ựược trong viễn thám chủ yếu ở dạng số. Nên phương pháp phân loại ảnh bằng xử lý số giữ một vai trị quan trọng và khơng thể thiếu ựược trong viễn thám hiện ựại[9]. Phân loại ảnh bằng phương pháp xử lý số thơng thường bao gồm 5 giai ựoạn :
1. Nhập số liệu 2. Khơi phục và hiệu chỉnh ảnh 3. Biến ựổi ảnh 4. Phân loại 5. Xuất kết quả. Trong ựĩ:
Nhập số liệu: để xử lý ảnh số, trước hết ta phải tiến hành bước nhập tư liệu gốc vào máy. Cĩ hai nguồn tư liệu chắnh ựĩ là ảnh tương tự do các máy chụp cung cấp và ảnh số do các máy quét cung cấp. Trong trường hợp ảnh tương tự sẽ ựược chuyển về dạng số thơng qua các máy quét. Trường hợp tư liệu là ảnh số thì nĩ sẽ ựược chuyển từ các băng từ lưu trữ mật ựộ cao HDDT vào các băng từ CCT.
Khơi phục và hiệu chỉnh ảnh: đây là giai ựoạn mà các tắn hiệu số ựược hiệu chỉnh hệ thống, bức xạ hoặc hình học nhằm tạo ra một tư liệu ảnh cĩ thể sử dụng ựược. Giai ựoạn này thường ựược thực hiện trên các máy tắnh lớn tại các trung tâm thu số liệu vệ tinh.
Biến ựổi ảnh: Thực chất biến ựổi ảnh là các quá trình xử lý như tăng cường chất lượng, biến ựổi tuyến tắnh ựược thực hiện trên các máy tắnh nhỏ như máy vi tắnh trong khuơn khổ của một phịng thắ nghiệm.
Phân loại: Mục ựắch của việc phân loại ựa phổ là tách các thơng tin cần thiết phục vụ việc theo dõi các ựơắ tượng hoặc phục vụ thành lập bản ựồ chuyên ựề là khâu quan trọng của việc khai thác tư liệu viễn thám.
Xuất kết quả: Xuất kết quả là nhiệm vụ cuối cùng của tất cả các khâu xử lý. Kết quả cĩ thể dưới dạng phim ảnh (tương tự), dạng số hay các bản ựồ
Trường đại học Nơng nghiệp Hà Nội Ờ Luận văn thạc sĩ nơng nghiệp ... 32
ựường nét. Các kết quả dạng số ngày càng ựược khai thác sử dụng nhiều vì nĩ là ựầu vào tốt nhất cho việc sử dụng cơng nghệ mới (GIS). Trên cơ sở ứng dụng hệ thơng tin ựịa lý, nhiều chủng loại thơng tin khác nhau cũng ựược ựưa vào xử lý tạo ra một kết quả chắnh xác và phong phú hơn nhiều so với trường hợp chỉ sử dụng riêng tư liệu viễn thám.
Việc phân loại ảnh bằng phương pháp xử lý số khơng thể thiếu một trong năm bước cơ bản ựã nêu ở trên. Trong phần này chúng tơi chỉ giới thiệu những nét chung liên quan ựến quá trình phân loại ựa phổ.
Trong xử lý số tư liệu viễn thám ựa phổ, việc phân loại ựược thực hiên bằng cách gán cho một khoảng cấp ựộ xám nhất ựịnh thuộc một nhĩm ựối tượng nào ựĩ cĩ các tắnh chất tương ựối ựồng nhất với mục ựắch phân biệt các nhĩm ựĩ với nhau trong khuơn khổ ảnh cho trước. Dựa vào các tắnh chất phổ hoặc cấu trúc khơng gian ựặc tắnh của ựối tượng ta cĩ thể phân loại theo một quy luật nào ựĩ. Phân loại cĩ thể ựược thực hiện dựa trên nguyên lý giải ựốn bằng mắt hoặc cĩ sự trợ giúp của máy tắnh. Hiện nay việc sử dụng máy tắnh ựể phân loại ngày càng ựược phổ cập và mang lại các kết quả ựáng khả quan hơn.
Trường đại học Nơng nghiệp Hà Nội Ờ Luận văn thạc sĩ nơng nghiệp ... 33
Trình tự phân loại gồm 6 bước cơ bản:
Bước 1: định nghĩa các lớp - Các lớp phân loại cần ựược ựịnh nghĩa rõ ràng và ựược lựa chọn cĩ tắnh ựến ựặc thù của tư liệu ảnh..
Bước 2: Tuyển chọn ựặc tắnh Ờ Các ựặc tắnh phổ hoặc cấu trúc cho phép phân biệt các lớp cần ựược tập hợp.
Bước 3: Chọn vùng mẫu Ờ Các tệp mẫu cần ựược lựa chọn dựa vào kết quả của bước 1 và 2. Các số liệu lấy từ tệp mẫu cĩ ý nghĩa quyết ựịnh trong việc thành lập chỉ tiêu phân loại.
Bước 4: Chọn lựa các phương pháp phân loại- Cĩ thể áp dụng nhiều cách phân loại khác nhau trong khuơn khổ tệp mẫu và so sánh kết quả ựạt ựược ựể lựa chọn cách phân loại tối ưu nhất.
Bước 5: Phân loại- Dựa trên các luật quyết ựịnh và các chỉ tiêu ựã thiết lập, các pixel sẽ ựược phân loại tuần tự theo các lớp ựã chọn.
Bước 6: Kiểm tra các kết quả phân loại Ờ Các kết quả sau phân loại cần ựược kiểm tra ựộ tin cậy. Nếu chỉ tiêu chắnh xác khơng ựược bảo ựảm, cần phải thay ựổi hoặc ựiều chỉnh các chỉ tiêu phân loại một cách phù hợp nhằm ựạt ựược kết quả tốt hơn.
Việc xác ựịnh các tham số thống kê tệp mẫu phụ thuộc cụ thể vào phương pháp phân loại sẽ ựược sử dụng. Tuy nhiên phần lớn các phương pháp phân loại ựều sử dụng các tham số như giá trị trung bình tệp mẫu, ma trận phương sai - hiệp phương sai [9], [22].
Trong viễn thám một số cách phân loại thường ựược sử dụng là Phân loại xác suất cực ựại, phân loại hình hộp, phân loại khoảng cách ngắn nhất và phân loại theo cây quyết ựịnh.
+ Phân loại xác suất cực ựại ựược sử dụng nhiều trong xử lý ảnh viễn thám, nĩ thuộc vào nhĩm phương pháp cĩ kiểm ựịnh. Nguyên lý của phương pháp
Trường đại học Nơng nghiệp Hà Nội Ờ Luận văn thạc sĩ nơng nghiệp ... 34
này là mỗi pixel ựược tắnh xác suất thuộc vào một lớp nào ựĩ và nĩ ựược gán vào lớp mà xác suất thuộc vào lớp ựĩ là lớn nhất. Xác suất này ựược xác ựịnh theo [9], [22] với cơng thức:
Lk = P(k/X) = P(k)*P(X/k)/∑P(i)*P(X/i). Trong ựĩ: P(k) : Xác suất tiền ựịnh của lớp k
P(X/k) : Xác suất ựiều kiện cĩ thể lấy ựược X thuộc vào lớp k Thơng thường người ta coi P(k) là hằng số cho tất cả các lớp và P(i)*P(X/i) cũng ựược coi như vậy cho nên thực chất xác suất Lk chỉ phụ thuộc vào P(X/k).
Trong trường hợp các quan trắc cĩ hàm phân bố chuẩn theo Gauss thì ựại lượng Lk cĩ thể tắnh theo cơng thức sau:
Lk(X) = e-1/2(X- ộk)/((2Π)n/2[∑k]1/2). Với : n :Số kênh phổ.
X : Véc tơ ảnh.
ộk :Véc tơ trung bình của lớp k Lk(X) : Xác suất mà X thuộc vào lớp k
∑k : Ma trận phương sai Ờ hiệp phương sai. (adsbygoogle = window.adsbygoogle || []).push({});
∑k : định thức của ma trận phương sai Ờ hiệp phương sai Phương pháp phân loại xác suất cực ựại cĩ nhiều ưu việt xét theo quan ựiểm lý thuyết xác suất. Tuy vậy khi sử dụng nĩ cần phải chú ý tới mấy ựiểm sau:
Số lượng, mật ựộ và diện tắch của các khu vực lấy mẫu phải ựủ lớn và hợp lý ựể giá trị trung bình cũng như ma trận phương sai-hiệp phương sai tắnh cho một lớp nào ựĩ cĩ giá trị ựúng với thực tế.
Trường đại học Nơng nghiệp Hà Nội Ờ Luận văn thạc sĩ nơng nghiệp ... 35
nghịch ựảo của ma trận phương sai Ờ hiệp phương sai sẽ khơng ổn ựịnh. Vì vậy trong trường hợp này cần áp dụng những phương pháp làm giảm số kênh phổ, như phương pháp phân tắch thành phần chắnh.
Trường hợp hàm phân bố của các ựối tượng nghiên cứu khơng tuân theo luật phân bố chuẩn Gaus thì khơng nên sử dụng phương pháp này.
+ Phân loại hình hộp là phương pháp phân loại cĩ kiểm ựịnh ựơn giản nhất. Trong phương pháp này mỗi trục phổ ựược chia thành nhiều lớp dựa trên các giá trị tối ựa tối thiểu của tệp mẫu lớp tương ứng. Các pixel nằm trong khơng gian giới hạn bởi các miền xác ựịnh trên các trục phổ như vậy sẽ ựược phân loại vào nhĩm tương ứng. Phương pháp này cĩ tốc ựộ thực hiện trên máy tắnh rất cao nhưng chỉ bảo ựảm ựộ chắnh xác với các ựối tượng tương ựối ựồng nhất. Vì vậy khả năng áp dụng của phương pháp này nhiều khi cịn bị hạn chế.
+ Phân loại theo khoảng cách ngắn nhất ựược sử dụng ựể phân loại các ựối tượng trong khơng gian phổ ựa chiều. Khoảng cách giữa các pixel như thước ựo ựánh giá sự thuộc về một lớp nào ựĩ của pixel ựang khảo sát. Các khoảng cách thường ựược sử dụng trong viễn thám ựĩ là khoảng cách Ơclắt, Khoảng cách Ơclắt chuẩn hố và khoảng cách Mahalanobis. Việc lựa chọn loại khoảng cách nào là tuỳ thuộc vào tắnh chất và từng trường hợp cụ thể. Theo [22] thì:
Trường hợp phương sai của các lớp khác nhau ta cĩ thể sử dụng khoảng cách Ơclắt (cơng thức3.4) và coi nĩ như hệ số ựồng dạng.
d2k = (X - ộk)////.(X - ộk). (3.4) Và khoảng cách Ơclắt chuẩn hố ựược xác ựịnh theo cơng thức (3.5). d2k = (X - ộk)////. σk-1
.(X - ộk). (3.5)
Trường đại học Nơng nghiệp Hà Nội Ờ Luận văn thạc sĩ nơng nghiệp ... 36
cách Mahalanobis ựược sử dụng thay cho các khoảng cách khác. Khoảng cách này ựược xác ựịnh theo cơng thức (3.6):
d2k = (X - ộk)////. ∑k-1 (X - ộk). (3.6) Trong các cơng thức (3.7), (3.8), (3.9) trên ựây, thì:
X : Véc tơ giá trị cấp ựộ xám X = [ x1, x2,...xn ]
ộk : Véc tơ trung bình ộk= [ m1, m2,...mn ]
σk - Ma trận phương sai: σk =
∑k - Ma trận phương sai-hiệp phương sai: ∑k =
+ Phân loại theo cây quyết ựịnh là một phương pháp ựược ứng dụng cùng với tư duy chuyên ngành. Phương pháp này thuộc nhĩm phân loại cĩ cấu trúc và khơng cĩ thuật tốn tổng quát nào cho phương pháp phân loại này. Người phân loại phải xuất phát từ việc ựánh giá khả năng phân tách các ựối tượng dựa trên tri thức chuyên gia và ựặc tắnh phổ của chúng.