Ơ tơ 7 4
Xe tải 5 7
Các ngưỡng T1, T2 và T3 thu được bằng thuật toán Nhiều ngưỡng là 206,33, 114 và160,166 tương ứng. Hình2.31 cho thấy các phương tiện sáng được phát hiện bằng thuật toán Nhiều ngưỡngvà các phương tiện tối được phát hiện bởi Otsu Threshold. Trong trường hợp này, cả 8 xe sáng đều được phát hiện.Vì khơng có xe tối và bóng tối nên tổng số xe bằng số vân sángphương tiện được phát hiện.
Hình2.31. Phương tiện sáng được phát hiện bằng nhiều ngưỡng và phương tiện tối được phát hiện bằngNgưỡng Otsu
Hình2.32 cho thấy sự so sánh giữa hình ảnh thử nghiệm, các phương tiện được phát hiện bởi Otsu Thresholdvà các phương tiện được phát hiện bởi MultipleThresholds.
Đếm và phân loại Đếm thủ công
Bảng 2.3. Kết quả đếm xe thủ công
Đếm Thực tế Nhiều Ngưỡng Ngưỡng Otsu
Ơ tơ 5 5 5
Xe tải 3 3 3
Toàn bộ 8 8 8
Đếm tự động
Bảng 2.4. Kết quả đếm xe tự động
Trong Hình2.32, các phương tiện được đánh dấu bằng màu sắc là xe tải. Các phương tiện được đánh dấu đỏ làxe tải được phát hiện bởi Otsu Threshold và xe được đánh dấu màu xanh lam là xe tải được phát hiện bởi NhiềuCác ngưỡng. Trong ví dụ cụ thể này, kết quả của tính tốn thủ cơng và tự động là giống nhau.Vì khơng có bóng, khơng có xe tối, khơng có vạch đánh dấu làn đường và vì tất cả các phương tiện đều được đặt cách xa nhau nên kết quả thu được rất chính xác.
2.2.4 Kết luận
Nhiều ngưỡng khơng phát hiện những phương tiện có giá trị cường độ tương tự như làn đường điểm đánh dấu.
Do hoạt động của vùng lân cận trượt, kích thước của các phương tiện sáng hơn được phát hiện bởi Ngưỡng Otsu lớn hơn kích thước của các phương tiện sáng hơn được phát hiện bởi Nhiều ngưỡng.
Nếu các phương tiện ở rất gần nhau, thì có khả năng nhận dạng được chúng như một phương tiện duy nhất.
Nhiều Ngưỡng Ngưỡng Otsu
Ơ tơ 5 5
Xe tải 3 3
Trong khi phát hiện các phương tiện, các phương tiện tối và sáng được xác định trong hai hình ảnh nhị phân khác nhau.
Hai hình ảnh nhị phân này được kết hợp để hợp nhất một chiếc xe với bóng của nó. Nếu một chiếc xe sáng khơng có bóng và một chiếc xe tối gần phương tiện này, thì có khả năng trời tốivà các phương tiện sáng được kết hợp thành một phương tiện duy nhất. Điều này sẽ làm thay đổi kết quả của số lượngxe cộ.
Một số hạn chế
Kết quả tốt hơn chỉ nhận được cho một cách.Khơng thể cắt đường có hình đa giác.
2.3. Phát hiện thảm thực vật từ ảnh vệ tinh độ phân giải cao
2.3.1 Đặt vấn đề
Tự động phát hiện và khai thác thảm thực vật từ ảnh vệ tinh có thể được thực hiện bằng cách sử dụngđặc tính chung của thảm thực vật. Màu xanh lá cây, kết cấu và hình dạng là một số đặc tính chung[17]. Thơng tin chi tiết về kết cấu và hình dạng rất khó có được từ ảnh vệ tinh. Điều nàythơng tin có thể được thu thập một cách chi tiết từ ảnh hàng khơng. Thơng tin về thuộc tính màu có thểthu được từ cả ảnh hàng không và ảnh vệ tinh. Khi chúng tơi quan tâm đến việc sử dụng các hình ảnh vệ tinh,có nhiều ưu điểm hơn so với ảnh hàng không, chúng tôi đã sử dụng thuộc tính màu tức là màu xanh lá cây cho sự phát hiện thảm thực vật. Các phương pháp được đề xuất để phát hiện thảm thực vật từ ảnh vệ tinh cũng có thể được sử dụng chophát hiện thảm thực vật từ ảnh hàng khơng màu thực. Hình 2.33 cho thấy một hình ảnh thử nghiệm màu sắc trung thực, là một “Hình ảnh vệ tinh độ phân giải 1 m Ikonos”.