Phân tích Fourier

Một ph†ơng pháp phân tích khơng gian lμ xác định các thuộc tính trong khơng gian của hình ảnh (thơng th†ờng lμ 2 chiều x, y). Việc nghiên cứu tần số xuất hiện của các giá trị DN trong không gian vμ lμm biến đổi chúng bằng thuật tốn thì đ†ợc gọi lμ ph†ơng pháp chuyển đổi Furier. Trong hμm tính tốn, các thơng số đ†ợc đ†a vμo tính lμ: độ lệch (góc) phân bố theo quy luật của các giá trị DN, biên độ vμ tần số xuất hiện của các giá trị DN. Kết quả phân tích sẽ tạo nên miền phân bố phổ Fourier của các giá trị DN theo hai trục X, Y. Các giá trị DN thấp nhất phân bố ở trung tâm phổ, các giá trị DN cao hơn phân bố ở xa dần.

Sau khi phân tích phổ Furier, ng†ời ta sẽ lựa chon filter thích hợp (ví dụ filter hình khối) để tạo nên ảnh mới có khả năng cung cấp nhiều thơng tin nhất. Ph†ơng pháp phân tích Fourier địi hỏi những tính tốn phức tạp nên cịn đang đ†ợc tiếp tục nghiên cứu phát triển.

.Tạo ảnh tỉ số phổ (Spectral Ration):

ảnh tỉ số phổ đ†ợc tạo bằng cách chia giá trị DN của band nμy cho giá trị DN của band khác để taọ nên một giá tri mới cho một pixel. Căn cứ vμo tính chất phổ của các đối t†ợng khác nhau ở các band, ảnh tỉ số phổ có thể cung cấp nhiều thơng tin mới so với từng band riêng biệt hay so với tổ hợp band ban đầu, đặc biệt lμ đối với các vùng bị bóng đối t†ợng che phủ hoặc những vùng có sự chênh lệch cao giữa giá trị DN ở giữa 2 band. Số l†ợng các ảnh tỉ số phổ đ†ợc tạo mới từ n band lμ n x (n-1) (ví dụ LANDSAT-1 có 4 band thì số ảnh tỉ số phổ sẽ đ†ợc tạo nên lμ 4 x (4 - 1) = 12).

ảnh tỉ số đ†ợc thμnh lập từ các cặp band phổ khác nhau, ví dụ B5/B7 , B4/b7 hoặc (B7-B4)/B7-B4). Các ảnh mới đ†ợc tạo nên có thể cung cấp các thơng tin khác ngoμi thơng tin về thực vật. Những nghiên cứu đã phát hiện thấy trong miền phân bố phổ với các band của các tính chất đối t†ợng, có các vùng phân bố của đất, cuả thực vật vμ một vùng thứ 3 giữa chúng đ†ợc gọi lμ vùng phân bố độ ẩm †ớt (Wetness). Tính chất nμy có liên quan đến tán lμ vμ độ ẩm của đất. Việc tìm ra các ảnh tỉ số thích hợp cho từng mục đích nghiên cứu đòi hỏi phải đ†ợc kiểm nghiệm vμ chỉnh lý qua thực tế.

Ngoμi ra ng†ời ta còn xây dựng các kiểu ảnh chỉ số khác dùng để nghiên c†ú các thông số khác của môi tr†ờng nh† : chỉ số khơ hạn, chỉ số độ ẩm (bảng 8.3).

DNy DNx DN'

trong đó: DN’- giá trị DN mới; X - band X;

Y - band Y.

Theo kinh nghiệm, ng†ời ta áp dụng cơng thức sau:

DNy DNx g R

DN' arctan

trong đó: R- hệ số chuyển đổi giá trị với chế độ 8 bít, R = 162,3.

DNx / Dny - góc (tính bằng radian) biến động từ 0 - 90q (0 - 1,571 radian) NDN’- giá trị mới (biến động từ 0 - 255).

.Tạo ảnh thμnh phần chính (Principle Component Image - PC )

Trên các band gốc của t† liệu viễn thám, từ nhiều band phổ, có thể xác định đ†ợc các vùng tập hợp của các giá trị DN cho một đối t†ợng. Tuy nhiên, với ảnh nguyên thủy, có thể sự phân bố các giá trị lμ khơng rõ rμng giữa các band từ đó việc phân tích thơng tin sẽ gặp khó khăn. Ngun tắc của việc tạo ảnh thμnh phần chính lμ tạo nên những band ảnh mới theo ph†ơng pháp tạo nên các trục toạ độ mới trong không gian phân bố các giá trị độ sáng (hình 8..23)

Hình 8.23: Quay trục tọa độ trong ph‡ơng pháp phân tích

thμnh phần chính

Giá trị số kênh A (PCI)

Giá trị số kênh B Trục tọa độ

mới I

Trục tọa độ mới II (PCII)

Các band ảnh mới đ†ợc gọi lμ các thμnh phần chính. Nếu tính cho hai band A vμ band B thì sự phân bố các giá trị độ sáng DN ở hai trục lμ I vμ II (hình 8.21) ta có:

DNII = a21 DNA - a22 DNB

trong đó: DNI; DNII - giá trị số độ sáng (DN) trên hệ toạ độ mới; DNA; DNB - giá trị số độ sáng (DN) trên hệ toạ độ cũ;

a11; a12; a21; a22 - hệ số chuyển đổi (hằng số).

Kết quả ảnh thμnh phần chính đ†ợc tạo nên có sự phân biệt rõ rμng về miền phân bố của các đối t†ợng. T†ơng tự nh† vậy, số l†ợng ảnh thμnh phần chính PC t†ơng đ†ơng với số band phổ đ†a vμo để tính tốn. Thơng th†ờng l†ợng thơng tin tập trung nhiều ở ảnh thμnh phần chính thứ nhất (70 - 80%), phần còn lại phân bố ở các thμnh phần chính khác (PC1, PC2…).

Hình 8.24: Thμnh phần chính PC1 (a) vμ PC2 (b) tạo ra từ 3 kênh ảnh

SPOT-1, -2 vμ -3 vùng Westboro (kênh 2 vμ kênh 3)

a b

.Tạo ảnh chỉ số thực vật (Vegetation Index Image)

Chỉ số thực vật lμ thông tin tiêu biểu cho việc nghiên cứu l†ợng chlorophyl (diệp lục tố). Thông th†ờng chỉ số thực vật dùng để nghiên cứu sinh khối của rừng, nông nghiệp hay nghiên cứu hμm l†ợng tảo lục trong n†ớc. Tính chất phổ biến của thực vật có đặc điểm khác biệt với các đối t†ợng khác lμ có sự phản xạ mạnh ở dải Green (0,5 - 0,6Pm). Do đó có sự khác biệt lớn về độ sáng giữa band gần hồng ngoại vμ band Green. Đặc điểm đó đ†ợc gọi lμ tính chất xanh lá cây (Greeness) của đối t†ợng. Nh† vậy giữa độ sáng (Brightness) vμ độ xanh (Greeness) có sự khác biệt lớn nhất về giá trị DN. Thông th†ờng tổng độ sáng của các band cao hay thấp liên quan đến các loại đất khác nhau, còn sự khác biệt về giá trị DN giữa band Green vμ gần hồng ngoại liên quan đến độ xanh. Để hình dung rõ đ†ợc ý nghĩa sự khác biệt đó, ng†ời ta tạo ra ảnh chỉ số thực vật (Vegetation Index) hay ảnh về sự khác biệt của chỉ số thực vật (Normal Different Vegetation Index).

)8 8 , 0 7 , 0 ( ) 6 , 0 5 , 0 ( DNRed DNGreen Band Band hay VI Bảng 8.3: Các công thức chỉ số thực vật th‡ờng sử dụng [29]

Chỉ số Công thức Ng†ời phát triển

NDVI

Chỉ số khác biệt thực vật NDVI=NIR RED

RED NIR Rouse vμ cộng sự (1973) RVI chỉ số thực vật RVI=RED NIR Jordan (1969) SAVI chỉ số đất có điều chỉnh bởi thực vật SAVI= (1 L) ) L RED NIR ( ) RED NIR ( Huete (1988) TSAVI

chỉ số chuyển đổi có điều chỉnh bởi thực vật TSAVI= ) ab aNIR RED ( ) b aRED NIR ( a Baret vμ cộng sự (1989) SAVI2 chỉ số đất có điều chỉnh bởi thực vật SAVI= ) / (RED b a NIR Major vμ cộng sự (1990) PVI chỉ số thực vật vng góc PVI= 2 a 1 b aRED NIR Richarson vμ Wiegand (1977) DVI

Chỉ điều chỉnhsố thực vật DVI=NIR-RED Turker (1979)

Đối với ảnh MSS thì VI = B5/B7. Đối với ảnh TM thì VI = B3/B4. - ảnh khác biệt của chỉ số thực vật 5 7 5 7 DNGreen - DNRed DNGreen - DNRed B B B B hay NDVI

Trong thực tế gía trị nμy rất thấp nên ng†ời ta sử dụng công thức kinh nghiệm gọi lμ hệ số thực vật chuyển đổi, trong đó có cộng thêm 127 vμo giá trị vủa NDVI. Giá trị biến đổi chỉ số thực vật đ†ợc sử dụng để nghiên cứu các kiểu tán lμ - nghĩa lμ nghiên cứu các kiểu rừng, mùa mμng, ... các t† liệu Viễn thám đ†ợc sử dụng gồm có LANDSAT, SPOT, CZCS, NOAA- AVHRR,MODIS,ASTER...

.Ph‡ơng pháp tổ hợp mμu

Hình 8.25:ảnh chỉ số thực vật khu vực Đông D‡ơng-Thái Land. Tháng 1/1999. Xây dựng từ ảnh NOAA_AVHRR

Tổ hợp mμu thật vμ mμu giả

Ph†ơng pháp tổ hợp mμu thể hiện tính †u điểm của việc dùng các kênh ảnh đa phổ của các ảnh vệ tinh hiển thị cùng một lúc trên ba kênh ảnh đ†ợc gắn ba loại mầu chính lμ đỏ, lục vμ xanh nam (blue) cịn gọi lμ RGB. Ph†ơng pháp nμy có thể tổ hiển thị 3 kênh ảnh của một loại ảnh vệ tinh, tổ hợp mμu của 3 kênh ảnh của các vệ tinh khác nhau cùng độ phân giải, tổ hợp mμu của ảnh vệ tinh vμ ảnh máy bay có cùng độ phân giải, tổ hợp mμu của một ảnh radar với các thời gian khác nhau.

Trong một ảnh vệ tinh có nhiều kênh ảnh khác nhau, ví dụ ảnh vệ tinh Landsat-5, Landsat-7 có 6 kênh phổ (các kênh 1-5, vμ 7) có thể dùng để tổ hợp mμu theo tổ hợp chập 3 của 6. Nếu trong tổ hợp mμu kênh phổ có dải sóng đ†ợc gắn đúng với mμu thì gọi lμ tổ hợp mμu thật vμ trong các tr†ờng hợp khác gọi lμ tổ hợp giả mμu. Ví dụ, các kênh phổ của ảnh vệ tinh Landsat-7 ETM+ có các kênh 1 ( kênh phổ xanh lam-blue) đ†ợc gắn mμu xanh lam, kênh 2 (phổ lục- green) đ†ợc gắn mμu lục, vμ kênh 3 (phổ đỏ-red) đ†ợc gắn mμu đỏ trong khi hiển thị mμu, nghĩa lμ kênh 3:2:1 gắn R:G:B vμ tổ hợp nμy gọi lμ tổ hợp mμu thật.

(a) (b)

Hình 8.26:ảnh tổ hợp mμu giả RGB 432 Landsat-7 ETM+ (a)- vùng Hịa Bình (17/9/2000), (b)-vùng cửa Balạt, đồng bằng sơng Hồng (05/8/2001).

Hình 8.27: Tổ hợp mμu thật RGB theo các kênh phổ 321 của ảnh vệ tinh

Landsat-7 ETM+ một phần Hoμ Bình, ảnh thu 17/9/2000.

Để hiển thị ảnh ở dạng tổ hợp mμu ta chọn ph†ơng án tổ hợp mμu (color composit) trong modul display (idrisi) , vμ chọn các kênh ảnh với các mμu cần tổ hợp. Số l†ợng ảnh tạo ra bằng tổ hợp mμu sẽ rất lớn vμ phụ thuộc vμo số kênh phổ dùng trong một nhóm tổ hợp. Đối với 3 kênh phổ của SPOT ta sẽ có tất cả lμ 3 x 2 x 1 = 6, đối với Landsat-5 vμ Landsat-7 dùng 6 kênh ảnh sẽ cho ra 6 x 5 x 4 = 120 kiểu tổ hợp khác nhau trên 3 mμu RGB. Nếu dùng các kênh siêu phổ để tổ hợp mμu thì số l†ợng ảnh tổ hợp sẽ lớn hơn nhiều.

Ưu điểm của việc dùng tổ hợp mμu:

- Nhạy cảm với mắt của con ng†ời - Số l†ợng biến thiên đa dạng.

ảnh trắng đen chỉ có một biến mμu vì vậy ảnh chỉ phân biệt đ†ợc bằng múc độ xám (tone vμ độ sáng). Trong ảnh mμu có 3 biến lμ mμu sắc (Hue), no (saturation) vμ độ sáng.

- Hiển thị nhiều ảnh một lúc

ảnh mμu tổ hợp theo không gian mμu HIS (Hue -Intensity - Satuation Color Space Transformation)

Nh† phần đầu đã nêu về nguyên tắc mμu, có hai khái niệm mμu cơ bản: mμu d†ơng cơ bản (Blue, Green vμ Red) vμ mμu âm cơ bản (Yellow, Manganta vμ Cyan). Ngoμi ra cịn có khái niệm về c†ờng độ mμu (Intensity), sắc mμu (Hue) vμ mật độ (Saturation).

- C†ờng độ: liên quan đến độ sáng của ảnh.

- Sắc mμu: liên quan đến dải sóng trung bình chiếm †u thế.

- Mật độ: liên quan đến tính chất tinh khiết của mμu.

Hình 8.28: Liên hệ không gian mμu của cơ chế mμu BGR vμ HSI.

ở hình 8.28 nếu tạo nên một mặt phẳng mới vng góc với đ†ờng độ sáng thì với hệ chiếu mới, cơ chế mμu sẽ khác đi, gọi lμ cơ chế mμu lục giác. Theo R.Hayden,1982, khái niệm H, S, I vμ BGR đ†ợc liên hệ nh† sau:

I = R+G+B

H = (G-B)/(1-3B ) S = (1-3 B )/(I) S = (1-3 B )/(I)

Với cơ chế không gian mμu mới, các tổ hợp mμu sẽ rất đa dạng. Thơng th†ờng với 3 band vμ dải mμu có 256 mức thì số tổ hợp mμu đã rất lớn song với cả HIS thì sẽ lμ 16 triệu tổ hợp mμu. Với sự tổ hợp mμu rất đa dạng nh† vậy, nhiều thơng tin mới có thể đ†ợc phát hiện thêm từ các t† liệu Viễn thám ban đầu.

8.2.2.3.Phân loại ảnh (Image Classification)

Nhìn tổng quan, phân loại ảnh trong xử lý số lμ quá trình phân định các pixel trong hình ảnh thμnh các lớp hoặc các nhóm đơn vị lớp phủ mặt đất (Landcover). Trong quá trình phân loại, giá trị DN của từng pixel lμ thông số duy nhất đ†ợc sử dụng.

Tuy nhiên có một khái niệm khác đ†ợc vận dụng lμ nhận dạng các mẫu không gian (Spectial Pattern Recognition). Khái niệm mẫu phổ khơng hề có liên quan đến tính chất hình học của các pixel. Khái niệm mẫu phổ liên quan đến những dải giá trị phổ đo đ†ợc với các band khác nhau cho mỗi pixel. Nhận dạng phổ lμ việc phân chia đặc điểm phổ thμnh các nhóm có đặc điểm giống nhau vμ việc phân loại đ†ợc thực hiện theo nguyên tắc pixel - pixel phân loại cho lần l†ợt từng pixel trong ảnh. Khái niệm mẫu phổ khơng gian, cịn liên quan đến mỗi liên quan giữa một số pixel với các pixel ở xung quanh về các tính chất, kích th†ớc của đặc tính, hình dạng, h†ớng, sự lặp lại vμ các tính chất khác. Những đặc tính nμy dễ phân biệt trong giải đốn nh†ng t†ơng đối phức tạp trong việc xử lý tự động bằng máy tính.

Phân loại ảnh (hay phân loại phổ của hình ảnh) có 2 hình thức : phân loại có kiểm định (Supervised Classification) vμ phân loại khơng kiểm định (Unsupersived Classification).