13.1 Các kỹ thuỊt phân loại
Phân loại trong xử lý t liệu viễn thám đợc thực hiện nhằm gán cho các khoảng cÍp đĩ xám nhÍt định thuĩc mĩt nhờm đỉi tợng nào đờ cờ các tính chÍt tơng đỉi đơng nhÍt với mục đích phân biệt các nhờm đờ với nhau trong khuôn khư ảnh cho trớc. Bằng cách phân loại dựa trên các tính chÍt phư hoƯc cÍu trúc không gian đƯc tính của đỉi tợng đợc phân thành nhiều lớp dựa trên mĩt luỊt quyết định nào đờ. Trên hình 40 là sơ đơ nguyên lý của quá trình phân loại. Phân loại cờ thể đợc thực hiện dụa theo nguyên lý giải đoán bằng mắt hay với sự trợ giúp của máy tính. Tuy vỊy việc sử dụng máy tính ngày càng phư cỊp hơn và mang lại các kết quả thõa đáng hơn.
Trình tự giải đoán gơm các bớc cơ bản sau: B
ớc 1: định nghĩa các lớp
Các lớp phân loại cèn đợc định nghĩa rđ ràng về mƯt chỉ tiêu. Các chỉ tiêu này cèn đợc lựa chụn cờ tính đến đƯc thù của t liệu ảnh.
B
ớc 2: Tuyển chụn các đƯc tính
Các thuĩc tính phư hoƯc cÍu trúc cho phép tách biệt các lớp với nhau cèn đợc tỊp hợp.
B
ớc 3: Chụn vùng mĨu
Các tệp mĨu cèn đợc lựa chụn dựa trên kết quả của bớc 1 và 2. Các sỉ liệu lÍy đợc trên cơ sị tệp mĨu cờ ý nghĩa quyết định trong việc thành lỊp các chỉ tiêu phân loại.
B
ớc 4: Chụn lựa các phơng pháp phân loại
Cờ thể áp dụng nhiều phơng pháp phân loại khác nhau trong khuôn khư tệp mĨu và so sánh kết qủa đạt đợc nhằm đạt đợc mĩt phơng pháp tỉi u nhÍt cho kết quả chính xác nhÍt.
B
ớc 5: Phân loại
Dựa trên các luỊt quyết định và các chỉ tiêu đã thiết lỊp, các pixel sẽ đợc phân loại tuèn tự vào các lớp đã chụn. Cờ nhiều kỹ thuỊt phân loại khác nhau:
- Phân loại theo cắt lớp
- Phân loại theo khoảng cách ngắn nhÍt - Phân loại theo xác xuÍt cực đại
- Các kỹ thuỊt phân loại khác dựa trên lý thuyết tệp mớ, hệ chuyên gia...
B
ớc 6: Kiểm tra kết qủa phân loại
Các kết qủa sau khi phân loại cèn đợc kiểm tra đĩ chính xác và đĩ tin cỊy. Nếu các chỉ tiêu chính xác không đợc bảo đảm cèn thay đưi hoƯc điều chỉnh các chỉ tiêu phân loại mĩt cách phù hợp nhằm đạt đơc kết quả tỉt hơn.
13.2 Xác định các chỉ sỉ thỉng kê
Việc xác định các chỉ sỉ thông kê phụ thuĩc vào phơng pháp phân loại đợc chụn lựa.
a. Phân loại cờ kiểm định
Phân loại cờ kiểm định (Supervised classification) là mĩt hình thức phân loại mà các chỉ tiêu phân loại đợc xác lỊp dựa trên các vùng mĨu. Các vùng mĨu là khu vực trên ảnh ngới giải đoán biết chắc chắn thuĩc vào mĩt trong các lớp cèn tìm. Dựa trên vùng mĨu, các tham sỉ thỉng kê đợc xác định và đờ chính là các chỉ tiêu thỉng kê sử dụng trong quá trình phân loại về sau.
b. Phân loại phi kiểm định
Tại những khu vực không cờ mĩt chút thông tin nào về đỉi tợng cèn phân loại ngới ta sử dụng kỹ thuỊt phân loại phi kiểm định (Unsupervised classification). Phân loại phi kiểm định chỉ sử dụng thuèn túy thông tin ảnh. Trình tự thực hiện cờ thể tờm tắt nh sau:
- Các pixel trên ảnh đèu tiên đợc gĩp thành các nhờm cờ các đƯc tr- ng phư tơng đỉi đơng nhÍt bằng kỹ thuỊt ghép lớp (clustering)
- Các nhờm lớp nh vỊy đợc sử dụng để tính các tham sỉ thỉng kê cho quá trình phân loại tiếp theo. (adsbygoogle = window.adsbygoogle || []).push({});
c. Xác định các tham sỉ thỉng kê tệp mĨu
Việc xác định các tham sỉ thông kê tệp mĨu phụ thuĩc cụ thể vào phơng pháp phân loại sẽ sử dụng. Tuy nhiên phèn lớn các phơng pháp phân loại đều sử dụng các tham sỉ nh giá trị trung bình tệp mĨu, ma trỊn phơng sai-hiệp phơng sai cho nên bao giớ chúng cũng đợc tính.
Giá trị trung bình đợc định nghĩa nh sau
àei ệ j n n X = = ∑ 1
1 đỉi với i=1,2, ... m
Các phèn tử của ma trỊn phơng sai hiệp phơng sai đợc định nghĩa nh sau e m Xi X i m ei j Í = − − ∑ ∑ = 1 1 ( à )( à )
Trong đờ
m... sỉ kênh phư n... sỉ lợng pixel
Trên hình 41 là sơ đơ nguyên lý phân loại cờ kiểm định và phi kiểm định và nguyên tắc lÍy tệp mĨu cho phân loại.
13.3 Ghép nhờm
Ghép nhờm (clustering) là việc gĩp các sỉ liệu cờ các tính chÍt giỉng nhau thành mĩt nhờm. Ghép nhờm đợc chia thành hai loại: cờ cÍu trúc và phi cÍu trúc.
a. Ghép nhờm cờ cÍu trúc
Trong phơng pháp này chỉ tiêu đánh giá là khoảng cách. Khoảng cách ngắn nhÍt giữa các nhờm sẽ đợc sử dụng nh mĩt chỉ tiêu để gĩp các nhờm. Quá trình gĩp nhờm sẽ lƯp lại cho đến khi sỉ lợng cũng nh khoảng cách giữa các nhờm thõa mãn yêu cèu đƯt ra.
Các loại khoảng cách đợc sử dụng trong gĩp nhờm cờ cÍu trúc phụ thuĩc vào các mô hình ghép nhờm nh sau:
- Phơng pháp ngới láng giềng gèn nhÍt
Trong phơng pháp này các pixel gèn nhau với khoảng cách bé nhÍt đợc ghép lại với nhau tạo ra mĩt nhờm mới.
- Phơng pháp ngới láng giềng xa nhÍt
Trong phơng pháp này các pixel cờ khoảng cách xa nhÍt đợc ghép với nhau tạo ra nhờm mới.
- Phơng pháp tâm điểm
Trong phơng pháp này khoảng cách giữa trụng tâm của các nhờm đ- ợc đánh giá và nếu nhõ hơn mĩt ngỡng nhÍt định thì chúng đợc ghép với nhau tạo ra mĩt nhờm mới.
b. Ghép nhờm phi cÍu trúc
đèu tiên sỉ nhờm đợc Ín định cho mĩt sỉ nào đờ, sau đờ các pixel đ- ợc phân tích và đợc ghép sao cho khả năng phân cách giữa các nhờm là cao nhÍt. Sau đờ các trụng tâm đợc tính lại và sỉ lợng các nhờm cũng đợc điều chỉnh. Quá trình này đợc lƯp vòng cho đến khi sỉ lợng các nhờm trị nên ưn định.
13.4 Phân loại hình hĩp
Phân loại hình hĩp là phơng pháp phân loại cờ kiểm định đơn giản nhÍt. Bản chÍt hình hục của nờ đợc mô tả trên hình 42. Trong phơng pháp
này mỡi trục phư đợc chia thành nhiều lớp dựa trên các giá trị tỉi đa, tỉi thiểu của tệp mĨu lớp tơng ứng. Các pixel nằm trong không gian giới hạn bịi các miền xác định trên các trục phư nh vỊy sẽ đợc phân loại vào nhờm tơng ứng. Phơng pháp này rÍt đơn giản và dễ hiểu, tỉc đĩ thực hiện trên máy tính cũng rÍt cao nhng đĩ chính xác và khả năng áp dụng nhiều khi còn bị hạn chế.
13.5 Phân loại theo cây quyết định
Phân loại theo cây quyết định (decision tree classifier) thuĩc vào nhờm phân loại cờ cÍu trúc. Trong thực tế không cờ thuỊt toán tưng quát nào cho phơng pháp phân loại này và nờ thớng đợc ứng dụng cùng với t duy chuyên gia. Ngới phân loại sẽ phải xuÍt phát từ việc đánh giá khả năng phân tách các đỉi tợng dựa trên tri thức chuyên gia và đƯc tính phư của chúng và tự mình tạo dựng ra sơ đơ phân loại.
13.6 Phân loại khoảng cách ngắn nhÍt
Phân loại khoảng cách ngắn nhÍt (minimum distance classifier) đợc sử dụng để phân loại các đỉi tợng trong không gian phư đa chiều. đĩ lớn của khoảng cách giữa các pixel đợc sử dụng nh thớc đo đánh giá sự thuĩc về mĩt lớp nào đờ của pixel đang khảo sát. Các khoảng cách hay đợc sử dụng là:
1/ Khoảng cách ơ clit (adsbygoogle = window.adsbygoogle || []).push({});
Khoảng cách này đợc định nghĩa nh sau:
dk X k t X
k
2 =( − à ) ( − à )
Khoảng cách này đợc sử dụng trong trớng hợp phơng sai của các lớp khác nhau. Khoảng cách ơ clit cờ thể đợc coi nh hệ sỉ đơng dạng.
2/ Khoảng cách ơ clit chuỈn hoá
Khoảng cách ơ clit chuỈn hoá đợc định nghĩa nh sau
dk X k t X
k k
2 =( − à σ) −1( −à )3/ Khoảng cách Mahalanobis 3/ Khoảng cách Mahalanobis
Trong trớng hợp tơn tại mỉi tơng quan giữa các kênh phư thì khoảng cách Mahalanobis đợc sử dụng thay vì các khoảng cách khác. Khoảng cách Mahalanobis đợc định nghĩa nh sau:
dk X k t X
k k
2 = − ∑ −1 −
( à ) ( à )
Trong các công thức trên
X ... vec tơ giá trị cÍp đĩ xám X=[x x1, ,...2 xn]
σk ... ma trỊn phơng sai σ σ σ σ k nn = 11 22 0 0 0 0 0 ... ... : : : : ... ... k
∑ ... ma trỊn phơng sai-hiệp phơng sai
k n n n n nn = ∑ σ σ σ σ σ σ σ σ σ 11 12 1 21 22 2 1 2 ... ... : : : : ...
Trên hình 43 là nguyên lý áp dụng các khoảng cách trên trong phân loại.
13.7 Phân loại xác suÍt cực đại
Phơng pháp phân loại theo xác suÍt cực đại đợc sử dụng thớng xuyên trong xử lý ảnh viễn thám. Mỡi pixel đợc tính xác suÍt thuĩc vào mĩt lớp nào đờ và nờ đợc gán vào lớp mà xác suÍt thuĩc vào lớp đờ là lớn nhÍt. Xác suÍt này đợc định nghĩa nh sau:
Lk = P k X( / )= P k P X k( )* ( / )/∑P i P X i( )* ( / ) Trong đờ Trong đờ
P(k) ... Xác suÍt tiền định của lớp k
P(X/k) ... Xác suÍt điều kiện cờ thể thÍy đợc X thuĩc vào lớp k
Thông thớng ngới ta coi P(k) là hằng sỉ cho tÍt cả các lớp và
P i P X i( )* ( / )
∑ cũng đợc coi nh vỊy cho nên thực chÍt xác xuÍt Lk chỉ phụ thuĩc vào P(X/k).
Trong trớng hợp các quan trắc cờ hàm phân bỉ là chuỈn theo Gauss thì đại lợng Lk cờ thể đợc viết nh sau: (adsbygoogle = window.adsbygoogle || []).push({});
L Xk e n k X k k X k ( ) ( ) / ( ) ( ) = ∑ ∑ − − − − 1 2 2 1/2 1 2 1 π à à Trong đờ n ... sỉ kênh phư X ... vec tơ ảnh
L Xk( ) ... xác suÍt mà X thuĩc vào lớp k
k
∑ ... ma trỊn phơng sai-hiệp phơng sai
k
∑ ... định thức của ma trỊn phơng sai-hiệp phơng sai