Phân loại Thông tin nước Loại khác Tổng hàng Độ chính xác phân loại (%)
Thông tin nước 41 2 43 95
Loại khác 0 41 41 100 Tổng cột 41 43 82 Độ chính xác bản đồ (%) 100 95 0.976 Trong đó:
- Tổng hàng: là số kiểm tra phân loại đối tượng - Đường chéo: là sốđiểm kiểm tra đúng
- Các điểm còn lại (khác đường chéo chính): là sốđiểm phân loại nhầm lẫn - Độ chính xác phân loại = (sốđiểm kiểm tra đúng/tổng hàng) × 100
- Độ chính xác bản đồ = ( tổng số kiểm tra đúng/ tổng sốđiểm kiểm tra) × 100 Hình 5.9 mô tả các vị trí được đánh dấu theo tọa độ trên ảnh kết quả để kiểm tra thực
địa, đối chứng kết quả trích xuất thông tin nước và thực tế. Ảnh kết quả này đã được chuyển từđịnh dạng Raster ban đầu sang dạng Vector.
Hình 5.9 Hình ảnh đánh dấu các vị trí kiểm tra thực địa theo tọa độTừ Bảng 5.2 ta thấy: Từ Bảng 5.2 ta thấy: - Tổng sốđiểm kiểm tra: 84 - Tổng sốđiểm đúng: 82 - Độ chính xác tổng thể: 97.6% - Hệ số Kappa: K = 0.95
Với độ chính xác tổng thể = tổng sốđiểm đúng/tổng sốđiểm kiểm tra = 82/84 = 0.976. Hệ số Kappa = ((84 × 82) - (43 × 41 + 41 × 41))/(84^2 - (43 × 41 + 41 × 41)) = 0.95 Kết quảđánh giá độ chính xác sau khi phân loại đạt 97.6%, hệ số Kappa = 0,95.
Từ đó, chúng ta có kết luận rằng thuật toán trích xuất thông tin nước cho ảnh vệ tinh VNREDSat-1 đã đạt được độ tin cậy cao.
KẾT LUẬN
Luận văn đã hệ thống hóa một số vấn đề lý thuyết về viễn thám, tiền xử lý ảnh vệ
tinh, giới thiệu một số thuật toán trích xuất thông tin nước trên ảnh vệ tinh tại Việt nam và trên thế giới. Từ đó lựa chọn giải pháp tốt nhất để trích xuất thông tin nước trên ảnh VNREDSat-1, đó là phương pháp sử dụng cây quyết định dựa trên phân tích giá trị đường phổ qua các kênh ảnh kết hợp phân tích và tính toán các đặc điểm không gian liên quan. Thuật toán trích xuất thông tin nước này đã đạt được kết quả khả quan,
đáng tin cậy, áp dụng được kết quả vào thực tế.
Sau đây là một số nét chính mà luận văn đã giải quyết
Luận văn đã làm sáng tỏ về viễn thám, ảnh vệ tinh, tiền xử lý ảnh vệ tinh.
Luận văn đã giới thiệu được một số giải pháp khác nhau để trích xuất thông tin
nước trong nước và trên thế giới để tìm ra phương pháp trích xuất thông tin nước phù hợp cho ảnh vệtinh đa phổ VNREDSat-1 đạt độ tin cậy cao.
Cuối cùng, luận văn đã trình bày thuật toán trích xuất thông tin nước từ ảnh VNREDSat-1, đưa ra kết quả là ảnh vệ tinh thông tin nước với độ tin cậy cao, ứng dụng được vào thực tế. Sau đó, thực hiện chuyển đổi dữ liệu ảnh kết quả thông tin
nước thu được từ ảnh VNREDSat-1 dạng Raster sang dữ liệu ảnh Vector để thuận lợi cho việc đo đạc tất cảcác thông tin nước trên ảnh theo yêu cầu của người sử dụng.
Công việc nghiên cứu trong tương lai
Mặc dù việc trích xuất thông tin nước trên ảnh vệ tinh đa phổ VNREDSat-1 có
độ phân giải 10 m nhưng đã có kết quả khá tốt. Khi ảnh vệ tinh có độ phân giải cao
hơn thì kết quả trích xuất thông tin nước sẽ rõ hơn, đáng tin cậy hơn.
Trong tương lai, tác giả dự kiến sẽ xây dựng giao diện tương tác Client - Server
để trích xuất thông tin nước hoặc thông tin các đối tượng khác theo yêu cầu từ phía Client, áp dụng được cho nhiều loại ảnh vệtinh. Trong đó, người sử dụng (phía Client) dùng chuột để chọn khu vực cần nghiên cứu trên bản đồ và thiết lập yêu cầu trích xuất thông tin, Server sẽ kiểm tra điều kiện hợp lệ của Client để thực hiện trích xuất thông tin và trả về kết quả cho phía Client. Ứng dụng cho phép lấy mẫu và tựđộng phân tích mẫu đối tượng cần nghiên cứu để thiết lập các ngưỡng cần thiết cho việc trích xuất thông tin theo yêu cầu.
TÀI LIỆU THAM KHẢO
Tiếng Việt
1. Lương Mạnh Bá, Nguyễn Thanh Thủy (1999), Nhập môn xử lý ảnh số, Nhà xuất bản Khoa học kỹ thuật.
2. Nguyễn Ngọc Thạch (2005), Giáo trìnhCơ sở viễn thám, Đại học Khoa học tự nhiên - Đại học Quốc gia Hà nội.
3. Thông tư (2015), Quy định kỹ thuật về sản xuất ảnh viễn thám quang học độ phân giải cao và siêu cao để cung cấp đến người sử dụng, số 10/2015/TT-BTNMT của Bộ Tài nguyên và Môi trường, ngày 25/3/2015.
Tiếng Anh
4. Canada Centre for Remote Sensing (2002), Fundamentals of Remote Sensing.
5. Cao Kai (2006), The Study of Automatically Extracting Water Information in City Zone Based On SPOT5 Image, 0-7803-9510-7/06/$20.00 © 2006 IEEE.
6. Dongchuan Wang (2009), The Extraction of Water Information Based on SPOT5 Image Using Object-oriented Method, Tianjin Institute of Urban Construction, Tianjin, China, 300384.
7. Gonzalez Woods & Eddins-2, Digital Image Processing using Matlab, pp. 12-14. 8. Erik Westra (2010), Python Geospatial Development.
9. FREDrik Lundh & Matthew Ellis (2012), Python Imaging Library Overview.
10. Jan Erik Solem (2012), Programming Computer Vision with Python.
11. Matthew Ellis, Python Imaging Library Overview, FREDrik Lundh.
12. Nguyen Dinh Duong (2012), Water body extraction from multispectral image by spectral pattern analysis, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXIX-B8.
13. Rajiv Kumar Nath & S K Deb, Water-Body Area Extraction from High Resolution SatelliteImages-An Introduction, Review, and Comparison, International Journal of Image Processing (IJIP), Volume (3): Issue (6).
14. Rodrigo Bruno ZANIN, Erico Fernando de Oliveira MARTINS, Aluir Porfírio DAL POZ(2013), Automatic extraction of river in satellite images using geometric active contours.
15. Technical information (2003), Spot satellite technique data, Image spot Cnes 2003 – Distribution Spot Image.
Website 17. http://www.tankonyvtar.hu/hu/tartalom/tamop425/0033_SCORM_MFGGT218- EN/sco_01_02.scorm 18. http://pythonvision.org/basic-tutorial 19. www.numpy.org 20. www.gdal.org 21. http://matplotlib.org 22. http://www.diahai.com.vn/vi/cong-nghe/cong-nghe-vien-tham.html 23. http://www.vast.ac.vn/ 24. http://www.vast.ac.vn/ban-tin-vnredsat1/2456-ban-tin-tinh-hinh-hoat-dong-cua-ve- tinh-vnredsat-1-tu-06-8-2015-den-06-9-2015 25. http://www.seos-project.eu/modules/classification/classification-c00-p05.html 26. https://vi.wikipedia.org/wiki/Hồ_Tây
27. http://hanoi.ws/diem-den/khu-sinh-thai-cong-vien/item/413-huyền-thoại-về-hồ- tây.html 28. https://vi.wikipedia.org/wiki/Hồ_Bảy_Mẫu 29. http://soxaydung.hanoi.gov.vn/c3s576p1/vi-VN/Du-an-cai-tao-ho-Bay-Mau-s?-v?- dich-dung-hen 30. https://vi.wikipedia.org/wiki/Hồ_Hoàn_Kiếm 31. http://www.nxbhanoi.com.vn/chi_tiet_tin/tabid/204/cateID/4/artilceID/13854/language /vi-VN/Default.aspx
PHỤ LỤC
Cài đặt Python và các thư viện, công cụ liên quan: a. Cài đặt ngôn ngữ lập trình Python 2.7
- Tải Python miễn phí tại http://www.python.org - Cài đặt Python lên máy
- Thiết lập biến môi trường cho Python như Hình 5.9.
Hình 5.10 Thiết lập biến môi trường cho Python
b. Cài đặt các thư viện liên quan:
Cài đặt thư viện Numpy:
Tải thư viện Numpy tại https://pypi.python.org/pypi/numpy Lựa chọn numpy-1.7.1.win32-py2.7.exe (md5)
Hình 5.11 Cài đặt thư viện Numpy
Hệ thống sẽ tựđộng tìm thư mục cài đặt Python27 trên máy tính để cài thư viện
PIL vào đường dẫn C:\Python27\Lib\site-packages\ (trường hợp này Python cài tại ổ
C:\
Kiểm tra cài đặt thành công: Nếu thư mục Numpy xuất hiện trong đường dẫn sau: C:\Python27\Lib\site-packages\numpy thì quá trình cài đặt đã thành công.
Cài đặt thư viện Matplotlib - 1.3.0:
Thư viện Matplotlib dùng để hiển thị kết quả trình chiếu lên màn hình dưới dạng các khung nhìn, thuận tiện cho việc kiểm tra kết quả trực quan, nhanh chóng.
Tải bộcài thư viện Matplotlib – 1.3.0 tại website http://matplotlib.org/.
Chạy tệp cài đặt matplotlib-1.3.0.win32-py2.7.exe sẽ xuất hiện giao diện như
Hình 5.12 Cài đặt thư viện Mathplotlib
Các thư viện hỗ trợ khác gồm: os, sys, time, math
c. Cài đặt công cụ hỗ trợ:
Quantum GIS là một phần mềm máy tính để bàn nguồn mở GIS phổ biến được biết đến như QGIS. QGIS là phần mềm xử lý về hệ thống thông tin địa lý, thao tác trên các bản đồ thông tin địa lý, ảnh vệ tinh với dữ liệu dạng raster và vector. Các định dạng dữ liệu được hỗ trợ bao gồm các tập tin hình dạng ESRI, Geodatabases PostgreSQL / PostGIS, GRASS dựa vector và raster file, cũng như GeoTIFFs.
Truy cập website QGIS để tải tệp cài đặt QGIS-OSGeo4W-2.10.1-1-Setup- x86.exe tại địa chỉ http://www.qgis.org/en/site/
Trong luận văn này, QGIS được sử dụng để cắt lấy mẫu các đối tượng cần nghiên cứu, hiển thịảnh vệ tinh, kiểm tra các thông tin liên quan đến ảnh vệtinh trước và sau khi trích xuất thông tin nước.
ArcMap 10.2 là gói phần mềm trong bộ ArcGIS 10.2. Luận văn sử dụng ArcMap
10.2 để chuyển đổi file dữ liệu kết quả (đã trích xuất thông tin nước) từ dạng Raster sang dạng Vector, phân thành hai lớp thông tin gồm lớp thông tin nước và lớp khác
thông tin nước trên ảnh kết quả để từ đó tính được diện tích cho các hồ nước trong vùng nghiên cứu phục vụđánh giá kết quả trích xuất định lượng và ứng dụng cho việc tính toán bất kỳ diện tích, chu vi cụm thông tin nước nào trên ảnh kết quả.
d. Quá trình lấy mẫu một sốđối tượng:
Việc lấy mẫu các đối tượng được tuân thủ theo nguyên tắc lấy mẫu là vùng ảnh
đặc trưng nhất cho đối tượng đó và hạn chế tối đa việc lấy mẫu nhầm sang vùng biên của đối tượng kế cận. Hình 5.12 minh họa quá trình lấy mẫu đối tượng Nước lục địa. Hình 5.13 minh họa quá trình lấy mẫu đối tượng Đường. Hình 5.14 mô tả quá trình lấy mẫu nước Sông Hồng.
Hình 5.13 Qúa trình lấy mẫu Nước lục địa
Hình 5.15 Quá trình lấy mẫu nước Sông Hồng
Các bảng sau đây từ Bảng 5.1 đến Bảng 5.8 là các bảng giá trị được trích phần
đầu từ mẫu 1 đến mẫu 30 của mỗi đối tượng nghiên cứu: nước Sông Hồng (SH), Nhà
(Nha), Đường (Duong), Thực vật (TV), Đất (Dat), Mây (May), Nước lục địa (NLD),
bóng đổ tòa nhà (BD) để mô tả cho quá trình lấy mẫu và tính toán giá trị trung bình trên các kênh ảnh.
e. Thiết lập giá trị trung bình trên các kênh ảnh từng đối tượng nghiên cứu:
Sau khi lấy mẫu, sử dụng ngôn ngữ lập trình Python đọc mẫu dữ liệu ảnh tại các kênh ảnh để tìm giá trị max, min từng mẫu ảnh, từđó tính giá trị trung bình của nó.
Bảng 5.3 Bảng thiết lập giá trị trung bình trên các kênh ảnh của đối tượng Nước lục địa
Ten mau
BLUE GREEN RED NIR
Min Max Average Min Max Average Min Max Average Min Max Average
67 94 78.53 90 120 103.155 125 150 136.45 62 134 78.275 NLD1 79 80 79.5 104 105 104.5 137 138 137.5 80 81 80.5 NLD2 74 77 75.5 100 103 101.5 131 134 132.5 72 77 74.5 NLD3 74 76 75 100 102 101 132 134 133 72 76 74 NLD4 79 80 79.5 103 104 103.5 135 138 136.5 78 80 79 NLD5 75 77 76 98 100 99 132 133 132.5 74 78 76 NLD6 77 79 78 102 105 103.5 135 137 136 75 79 77 NLD7 75 75 75 99 100 99.5 134 134 134 70 71 70.5 NLD8 75 76 75.5 99 100 99.5 133 134 133.5 76 80 78 NLD9 74 76 75 98 100 99 132 134 133 75 78 76.5 NLD10 72 74 73 96 98 97 130 133 131.5 70 73 71.5 NLD11 74 75 74.5 97 99 98 132 134 133 72 75 73.5 NLD12 73 76 74.5 97 100 98.5 130 134 132 69 73 71
NLD13 71 73 72 94 97 95.5 130 132 131 68 72 70 NLD14 71 73 72 95 97 96 129 132 130.5 70 73 71.5 NLD15 72 75 73.5 96 99 97.5 131 133 132 69 72 70.5 NLD16 72 74 73 97 99 98 131 132 131.5 70 73 71.5 NLD17 72 76 74 96 99 97.5 130 133 131.5 69 75 72 NLD18 71 72 71.5 96 98 97 131 133 132 68 69 68.5 NLD19 71 73 72 96 97 96.5 130 131 130.5 69 72 70.5 NLD20 76 78 77 100 102 101 133 136 134.5 74 77 75.5 NLD21 75 76 75.5 99 101 100 132 133 132.5 69 70 69.5 NLD22 74 77 75.5 99 100 99.5 132 134 133 65 67 66 NLD23 75 78 76.5 99 102 100.5 132 134 133 66 69 67.5 NLD24 76 76 76 98 100 99 133 134 133.5 70 72 71 NLD25 74 76 75 98 99 98.5 132 133 132.5 67 71 69 NLD26 75 76 75.5 97 98 97.5 131 132 131.5 68 70 69 NLD27 75 78 76.5 98 102 100 132 134 133 65 67 66 NLD28 76 77 76.5 99 100 99.5 133 134 133.5 68 71 69.5 NLD29 74 75 74.5 97 98 97.5 131 133 132 67 72 69.5 NLD30 74 77 75.5 97 100 98.5 132 133 132.5 69 73 71 ….