6. Giải đoán ảnh số:
Giải đoán số dựa trên phƣơng pháp phân loại có giám định và phân loại không giám định. Phƣơng pháp phân loại có giám định là một hình thức phân loại mà các chỉ tiêu phân loại đƣợc xác lập dựa trên các vùng mẫu. Các vùng mẫu là khu vực mà trên ảnh ngƣời giải đoán biết chắc chắn thuộc vào một trong các lớp cần tìm. Dựa vào các vùng mẫu, các tham số thống kê đƣợc xác định và đó chính là các chỉ tiêu thống kê sử dụng trong quá trình phân loại sau này. Sự khác nhau giữa phƣơng pháp phân loại có giám định và không giám định là ở chỗ chúng ta giảm tối đa công tác ngoại nghiệp mà thay vào đó là việc sử dụng các tài liệu tƣ liệu... phục vụ cơng tác giải đốn ảnh.
+ Chọn vùng mẫu:
Việc chọn các vùng mẫu rất quan trọng trong xử lý ảnh số, đặc biệt là trong việc phân loại có kiểm định, bởi vì chất lƣợng ảnh phân loại sẽ đƣợc xác định bởi quá trình chọn vùng mẫu cho các loại đối tƣợng khác nhau. Các vùng mẫu đƣợc chọn dựa vào các đặc điểm ảnh nhƣ màu, bố cục và mẫu hình và các số liệu khảo sát thực tế. Các vùng mẫu nên đƣợc chọn trong các vùng đồng nhất (có màu và cấu trúc đồng đều trên ảnh) nên nó có các giá trị lớn nhất, nhỏ nhất, trung bình nhất định. Với các dấu hiệu khác nhau thể hiện trên ảnh vệ tinh, việc chọn vùng mẫu sẽ cho kết quả tốt.
+ Phân loại có kiểm định (Supervised classification):
Phân loại có giám định là một hình thức kết hợp giữa giải đoán nhờ sự trợ giúp của máy tính với kết quả điều tra thực địa các chỉ tiêu phân loại đƣợc xác lập dựa trên các vùng mẫu. Các vùng mẫu là khu vực ở trên ảnh mà ngƣời giải đoán biết chắc chắn thuộc vào một trong các lớp cần tìm. Độ chính xác của việc phân loại này phụ thuộc vào diện tích, mật độ phân bố và độ chính xác của các mẫu trên khu vực nghiên cứu.
Trong phƣơng pháp phân loại có giám định, ngƣời giải đốn ảnh sẽ “kiểm tra” quá trình phân loại pixel bằng việc quy định cụ thể theo thuật tốn máy tính, các chữ số mơ tả bằng số các thể loại lớp phủ mặt đất khác nhau có mặt trên một ảnh. Để làm việc này, các điểm lấy mẫu đại diện của loại đối tƣợng đã biết (gọi là các vùng mẫu) đƣợc sử dụng để biên tập thành một “khố giải đốn” bằng số mơ tả các thuộc tính phổ cho mỗi thể loại điển hình. Sau đó mỗi pixel trong tập hợp dữ liệu sẽ đƣợc so sánh với mỗi chủng.
Loại trong “khoá giải đoán” và đƣợc gán bằng tên của chủng loại mà nó “có vẻ giống nhất”. Nếu nhƣ trong phƣơng pháp phân loại khơng giám định, những đặc tính của lớp phủ bề mặt đƣợc phân loại từ ảnh không qua sự hiểu biết thực tế hoặc là những đối tƣợng bề mặt đƣợc xác định khơng tốt thì đối với phƣơng pháp phân loại có giám định khắc phục đƣợc những nhƣợc điểm này.
Ngƣời xử lý có thể sử dụng phân loại không giám định để xây dựng số lƣợng thông tin tƣơng đối với số lớp hiện trạng hiện có của khu vực, sau đó sử dụng các phƣơng pháp “che lấp” đối tƣợng để tiến hành phân loại bằng việc lựa chọn vùng mẫu bổ sung thì cơng tác xử lý sẽ nhanh hơn rất nhiều nếu chúng ta chỉ lựa chọn vùng mẫu ngay từ đầu. Các bƣớc bao gồm:
Định nghĩa các lớp.
Chọn vùng mẫu.
Tính chỉ số thống kê.
Phân lớp sơ bộ.
Phân tích, kiểm tra ghép nhóm các đối tƣợng.
+ Phân loại ảnh:
Tính diện các đối tƣợng
Lọc ảnh: là biện pháp xử lý ảnh nhằm tăng cƣờng khả năng suy giải các chi tiết cảu ảnh. Có hai phƣơng pháp xử lý nhiễu:
- So sánh với tín hiệu chuẩn của một hình ảnh mẫu.
- Lấy trung bình các hình ảnh chụp khu vực nghiên cứu để giảm bớt nhiễu. + Đánh giá độ chính xác của phân loại ảnh
Độ chính xác của ảnh phân loại đƣợc tính tốn bởi máy tính dùng hệ số Kapa. Hàm của hệ số Kapa đƣợc thể hiện dƣới đây.
- Tạo ra ma trận so sánh giữa ảnh đƣợc phân loại (hàng) và vùng mẫu (cột).
- Tính q: N m(cét) * n(hµng) q
- Tính hệ số Kapa (Kapa = 1 hay 100% là độ chính xác cao nhất)
q) - (N q) - (d Kappa
Trong đó:
n (hàng) là tổng số hàng cho mỗi lớp
m (cột) là tổng số cột cho mỗi lớp
N là tổng số điểm kiểm tra
d là đƣờng chéo tổng của các ô + Xử lý sau phân loại:
Ảnh sau phân loại xuất hiện các sai lạc do sự thay đổi phổ vốn có bắt gặp bởi phân loại khi sử dụng phân loại theo pixel-by-pixel. Ví dụ nhƣ một vài phần tử ảnh phân tán trong các vùng thổ cƣ nông thơn có thể trở thành đất trống, cây bụi hay ngƣợc lại. Trong trƣờng hợp này cần phải làm cho nhẵn ảnh sau phân loại để chỉ cho thấy các lớp trội hơn. Mặt khác ảnh phân loại có thể chứa dãy vị trí các phần tử ảnh phục vụ cho các hàm chứa nhãn không đƣợc định lƣợng trƣớc khi phân loại. Do đó hàng loạt các phép lọc đƣợc thực hiện để làm phẳng các ảnh sau phân loại.
Trên các ảnh có các đối tƣợng khác nhau về mặt phản xạ phổ nhƣng cùng một đối tƣợng mặt đất. Khi chọn vùng mẫu, các đối tƣợng này phải đƣợc chọn ra các lớp khác nhau. Sau khi phân loại, các lớp này đƣợc gộp lại thành một lớp đối tƣợng. Một số đối tƣợng không thể tách ra đƣợc trong xử lý ảnh số cần đƣợc tách riêng bằng cách sử dụng mặt nạ (Mask).