4. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
1.1.4. Phần mềm giải đoán ảnh viễn thám theo phương pháp phân loại định hướng đố
hướng đối tượng eCognition
1.1.4.1. Tổng quan về phần mềm eCognition
Phần mềm eCognition do công ty Definiens Imaging (CHLB Đức) phát triển. Điểm khác cơ bản với quy trình xử lý dựa trên từng pixel là eCognition không phân loại các pixel đơn lẻ, mà các đối tượng ảnh gốc được chiếc tách từ một bước phân đoạn đa phân giải, một quy trình xử lý tinh vi cho việc chiếc tách đối tượng ảnh. Phần mềm eCognigtion mang những đặc điểm sau:
- Ngoài thông tin thuần túy ra, còn sử dụng nhiều thuộc tính bổ sung của đối tượng ảnh như: hình dạng, cấu trúc và thực hiện thông qua mạng lưới hay một tập trọn vẹn các thông tin quan hệ.
- Phương pháp phân đoạn đa phân giải cho phép tách rời các vùng gần kề nhau tạo sự tương phản mạnh những vùng mà bản thân chúng có đặc tính cấu trúc hoặc độ nhiễu nhất định cũng được phân tích.
- Mỗi tác vụ phân loại có một tỷ lệ nhất định. Chỉ các đối tượng ảnh có độ phân giải thích hợp mới cho phép phân tích để dễ dàng thích nghi độ phân giải đối tượng ảnh với yêu cầu.
- Các đối tượng ảnh đồng nhất đưa ra một tỷ lệ “tín hiệu - độ nhiễu” được xem là các thuộc tính dùng cho phân loại, vì thế làm cho việc phân loại tinh vi hơn.
- Dùng các khả năng có thể để sản xuất các đối tượng ảnh ở các độ phân giải khác nhau, một độ phân giải có thể có một mạng phân cấp với các cấp độ đối tượng khác nhau ở các độ phân giải khác nhau.
- Phần mềm eCognition cũng có thể gộp các đối tượng lại để có được những đối tượng quan tâm.
- Phần mềm eCognition là hệ thông phân loại mờ có thể xử dụng toàn bộ các lợi ích về thông tin chứa trong các đối tượng ảnh và trong mội quan hệ lẫn nhau giữa chúng. Phần mềm eCognition hỗ trợ phân loại rất nhanh và đơn giản bằng cách dùng một bộ phân loại nhất mờ. Các cá thể đối tượng ảnh được đánh dấu như một đại diện đặc trưng của một lớp và toàn bộ phần còn lại của ảnh sau đó được phân lớp. Mặt khác, nó cho phép người dùng biểu thức hóa các khái niệm và thông tin về nội dung ảnh thích hợp bởi phương tiện các quy luật mờ có thể xử l thông tin ngữ cảnh phức tạp [23].
1.1.4.2. Các chức năng cơ bản của phần mềm eCognition
a. Tạo mới một Project, save và mở project
Trên thanh Menu chọn File→ New project
Hình 1.19. Tạo mới project
b. Trộn các kênh ảnh và tăng cường chất lượng ảnh
Hình 1.20. Trộn các kênh ảnh
Trên hộp layer mixing, cho phép hiển thị từng layer, nhiều kênh ảnh.
Trên hộp equalzing, cho phép lựa chọn các cách tăng cường ảnh khác nhau như:
Project Name: Đặt tên project
Resolution (m/pxl): Độ phân giải ảnh
Image/File Location: Nhập file ảnh (dạng rater) cần giải đoán (phân tích).
Thematic layer alias: Nhập file chuyên đề (dạng vector) hỗ trợ cho việc giải đoán ảnh đánh giá độ chính xác.
Ghi chú:
Trên cửa sổ creat project cung cấp một số thông tin của ảnh như: hệ thống toạ độ (coordinate system), độ phân giải của ảnh (Resolution), project size, geocoding, các kênh ảnh.
Để phân tích trên một phần của ảnh bằng cách click vào: subset selection trên cửa sổ new project.
Ngoài ra, có thể đánh trọng số cho các layer của ảnh bằng cách bỏ dấu stick trên No weight layer.
c. Sử dụng thuật toán Segmentation cho sự phân mảnh đối tượng ảnh
Trên của sổ append new, trên hộp thuật toán Algorithm kéo thả để chọn thuật toán phân mảnh.
eCognition cung cấp một số thuật toán cho phân mảnh ảnh (segmentation) như: Thuật toán chessboard segmentation, Thuật toán quatree based segmentation, Thuật toán multiresolution segmentation. Thuật toán phân mảnh thường xuyên được sử dụng trong quá trình xử lý ảnh là phân mảnh đa độ phân giải (Multi-segmentation).
Multi-segmentation: Áp dụng mức độ tối ưu hoá làm giảm thiểu mức độ bất đồng nhất của đối tượng ảnh cho một độ phân giải nhất định. Thuật toán có thể được ứng dụng trên mức Pixel hay mức đối tượng ảnh.
Thuật toán được thực hiện dựa theo việc lựa chọn các trọng số về hình dạng (shape) - màu sắc (color), độ chặt (compactness) - độ trơn (smoothness), các trọng số này có thể thay đổi dễ dàng).
Hình 1.21. Chỉnh sửa các thông số tỷ lệ để phân mảnh
Level name: Đặt tên phân mảnh (ví dụ layer 1).
Image layer weights: Đặt trọng số cho từng layer.
Scale parameter: Tham số tỷ lệ.
Tham số tỷ lệ (Scale parameter): Là vấn đề quan trọng trong việc lý giải thông tin trên ảnh và thường được hiểu trên cơ sở kích thước pixel. Tham số này thể hiện kích thước của đối tượng ảnh trong quá trình phân mảnh. Tham số này càng lớn thì
kích thước đối tượng ảnh tạo ra càng lớn và ngược lại.
d. Thiết lập các chỉ số
eCognition cho phép thiết lập các chỉ số phục vụ cho việc nhận biết, phân tích đối tượng ảnh.
Hình 1.22. Thiết lập các chỉ số trên phần mềm eCognition
e. Xem đặc trưng của đối tượng ảnh
Đây là giai đoạn rất quan trọng để tìm ra ngưỡng (threshold) cho sự phân loại các đối tượng ảnh. Mỗi một đối tượng ảnh có chứa những thông tin thuộc tính. Các thông tin thuộc tính này có thể là các thông tin về giá trị phổ của các lớp, độ sáng, hình dạng, vị trí, cấu trúc, diện tích, khoảng cách đến đường biên bên phải, đường bên bên trái của ảnh …
f. Lập bộ quy tắc cho phân loại ảnh
Bộ nguyên tắc sử dụng trong phân loại đối tượng bao gồm các thuật toán phân mảnh ảnh (segment), các thuật toán phân loại đối tượng ảnh, cũng như các thuật toán kiểm tra thông tin đối tượng ảnh, nhập dữ liệu, xuất dữ liệu….được thiết lập trên cửa sổ Process Tree.
Việc lập một bộ rule set trong phân loại ảnh đối tượng đòi hỏi người phân tích ảnh phải có rất nhiều hiểu biết khác nhau nhau: đặc trưng của từng kênh ảnh, đặc trưng phản xạ của đối tượng trên ảnh, sự hiểu biết khu vực nghiên cứu, mối quan hệ giữa các đối tượng với nhau.
Feature name: Đặt tên thuật toán.
Feature caculator: Thiết lập biểu thức tính chỉ số.
g. Gán lớp phân loại
Sau khi tiến hành khảo sát ngưỡng của các đối tượng theo các thuật toán, phần mềm cho phép gán đối tượng theo các lớp phân loại.
h. Chỉnh sửa bằng tay
Phần mềm cho phép gộp đối tượng (Merge Objects Manually), phân loại đối tượng ảnh (Classify Image Objects Manually) và chia nhỏ một đối tượng ảnh (Cut an Object Manually).
i. Đánh giá độ chính xác
Phần mềm đánh giá kết quả phân phân loại thông qua chỉ số Kappa.
k. Xuất kết quả
Dữ liệu sau khi được phân tích có thể được xuất ra thành 3 khuôn dạng chính: dạng vector (Shapefile), dạng raster (Raster file) và dạng thống kê (statistics).
Hình 1.23. Xuất kết quả
Export type: Khuôn dạng dữ liệu sẽ export.
Fomat export: Định dạng dữ liệu.
Level: Các lớp phân loại tại mức đối tượng ảnh.
Select Classes: Lựa chọn các lớp cần export.
Select features: Các đặc trưng sẽ export [26].