Chương 3. THỰC NGHIỆM - ỨNG DỤNG CÔNG NGHỆ VIỄN THÁM VÀ GIS VÀO NGHIÊN CỨU BIẾN ĐỘNG HIỆN TRẠNG SỬ DỤNG ĐẤT
3.2. Ứng dụng công nghệ viễn thám và GIS nghiên cứu biến động hiện trạng sử dụng đất giai đoạn 1996 - 2011
3.2.2. Chiết tách thông tin trên ảnh viễn thám
Thông tin trên ảnh được chiết xuất theo nhiều phương pháp khác nhau, có thể chia làm hai nhóm chính: Giải đoán bằng mắt thường và xử lý số.
3.2.2.1 Phương pháp giải đoán bằng mắt
Đây là phương pháp khoanh định các đối tượng cũng như xác định trạng thái của chúng nhờ phân biệt các đặc tính yếu tố ảnh (Độ sáng, kiến trúc, kiểu mẫu, hình dạng, kích thước, bóng, vị trí, màu) và các yếu tố địa kỹ thuật. Cơ sở để giải đoán bằng mắt là các chuẩn giải đoán và khóa giải đoán. Phương pháp này có thể khai thác tri thức chuyên gia và kinh nghiệm của người giải đoán, đồng thời phân tích được các thông tin phân bố không gian một cách dễ dàng. Kết quả giải đoán phụ thuộc rất nhiều vào khả năng của người phân tích. Tất nhiên, hạn chế của giải đoán bằng mắt là không nhận biết được hết các đặc tính phổ của đối tượng, nguyên nhân là do khả năng phân biệt sự khác biệt về phổ của mắt người hạn chế (12-14 mức).
Tuy nhiên, với các đất đô thị và khu dân cư thì việc giải đoán bằng mắt thường là
không khả thi do kích thước các đối tượng này nhỏ hơn kích thước của pixel rất nhiều và mắt người hoàn toàn không có khả năng phân biệt.
TT Đối tượng Mẫu trên ảnh SPOT Dấu hiệu
1. Đất dân cư đô thị Xanh lam (đậm hoặc nhạt,
thậm chí trắng tuỳ theo mật độ công trình)
2. Đất dân cư nông thôn
Xanh xẫm có lẫn các đốm đỏ
3. Đất trống Trắng hoặc xanh sáng
4. Thực vật Đỏ - hồng
5. Sông hồ Đen, xanh lá cây lẫn xanh lam
(tối hoặc sáng theo độ sâu và độ sạch)
Bảng 3.1: Một số dấu hiệu giải đoán trên ảnh tổ hợp màu giả chuẩn Như vậy trong giải đoán bằng mắt phải nắm bắt và phân biệt được các dấu hiệu giải đoán, công việc đó đòi hỏi người giải đoán phải có kiến thức chuyên môn vững để có thể kết hợp tốt các kiến thức trong quá trình giải đoán ảnh và chỉ có vậy mới có thể đưa ra kết quả chính xác. Với mục tiêu chiết xuất thông tin và nghiên cứu hình thái không gian của sự phát triển đô thị thành phố, luận văn sử dụng phương pháp xử lý số nhờ ưu điểm của phương pháp là xử lý nhanh. Tuy nhiên, với các kết quả phân loại bằng phương pháp xử lý số, sau khi tách thông tin đất đô thị vẫn thấy có hiện tượng lẫn đất đô thị vào các loại đất khác do có những tính chất
phổ tương đối giống nhau, tác giả dùng phương pháp giải đoán bằng mắt để loại bỏ hiện tượng lẫn này.
3.2.2.2 Phương pháp phân loại tự động (xử lý số)
Là phương pháp phân tích tư liệu viễn thám dạng hình ảnh số. Ưu thế của phương pháp xử lý số là có thể phân tích được tín hiệu phổ rất chi tiết (256 mức hoặc hơn). Với sự trợ giúp của máy tính và các phần mềm chuyên dụng, có thể tách chiết rất nhiều thông tin phổ của đối tượng, từ đó có thể nhận biết các đối tượng một cách tự động. Tất nhiên quá trình xử lý số cần có sự kết hợp nhuần nhuyễn với kiến thức chuyên môn của người phân tích, hoặc người lập trình, các chương trình tính toán có ưu điểm nổi bật là thời gian xử lý ngắn, việc phân loại đối tượng được tiến hành nhanh chóng trên phạm vi rộng mà không cần nhiều công đi thực địa, công việc thực hiện hoàn toàn dựa vào cấp độ xám của pixel nên kết quả thu được khách quan không phụ thuộc chủ quan của người giải đoán. Nhược điểm cơ bản của phương pháp xử lý số là khó kết hợp tri thức và kinh nghiệm của con người. Đồng thời do xử lý số chỉ thuần túy dựa vào đặc trưng phản xạ phổ của các đối tượng nên còn có sự nhầm lẫn cho việc phân tích thông tin của một số đối tượng. Để khắc phục nhược điểm này, trong những năm gần đây người ta đang nghiên cứu và ngày càng hoàn thiện các chương trình ứng dụng xử lý ảnh số có khả năng mô phỏng tri thức chuyên môn của con người phục vụ cho việc phân loại tự động (Phạm Văn Cự, 2005)
Trong luận văn, các ảnh viễn thám độ phân giải trung bình (Landsat MSS, Landsat TM) và độ phân giải cao (SPOT 3 và SPOT 5) áp dụng vào đô thị phân theo hai phương pháp:
-Phân loại theo phương pháp thống kê
Các đặc trưng phản xạ phổ của các đối tượng tự nhiên chứa đựng các thông tin quan trọng cho phép nhóm chúng thành các loại đối tượng có đặc trưng phản xạ phổ giống nhau dựa trên sự giống nhau về phổ phản xạ của các đối tượng này đã có nhiều phương pháp phân loại ảnh viễn thám dựa trên đặc điểm phổ phản xạ của các
đối tượng để gộp các pixel có cùng giá trị phổ theo ngưỡng thành một nhóm. Theo hướng này, kết quả của quá trình phân loại sẽ phụ thuộc hoàn toàn vào những giá trị phổ thu được từ các giá trị pixel mẫu. Đặc trưng cho phép phân loại thống kê là phương pháp tính khoảng cách tối thiểu dựa chủ yếu vào các đặc trưng thống kê phổ phản xạ của các pixel.
Phương pháp này giả định rằng các pixel của K kênh ảnh được tập hợp thành các lớp dưới dạng các đám mây của siêu khối hình cầu hoặc hình ellipsoid.
Một pixel thứ i nào đó của kênh ảnh K sẽ thuộc về lớp C nào đó nếu khoảng cách từ pixel đó tới tâm của siêu khối cầu hoặc tâm của ellipsoid C nhỏ hơn hoặc bằng bán kính trục của ellipsoid C đó (Báo cáo đô thị, 2003).
Đây là phương pháp thông dụng nhất và thuộc vào nhóm phương pháp có kiểm định. Phương pháp này sử dụng các thống kê (mean, varriance-covarriance) trong không gian phổ để xây dựng thuật toán.
Nguyên lý của phương pháp này là : Mỗi pixel được tính xác suất nào đó và nó được gán vào lớp mà xác suất thuộc vào lớp đó là lớn nhất.
Theo lý thuyết Bayes :
Gọi x là 1 vector phổ của 1 pixel đang xét.
p(x,i) là xác suất để vectorr x thuộc lớp i.
Nguyên tắc của Maximum Likelihood là :
x thuộc lớp i nếu : p(x,i) > p(x, j) với mọi j ≠ i.
Gọi p(x,i) là xác suất để với x cho trước, lớp i chứa vector x.
Gọi p(i) là xác suất để lớp i hiện hữu.
Theo định lý Bayes : p(i/x) = p(x/i) p(i) / p(x)
Do đó, điều kiện chọn lớp cho vector x trở thành : p(x,i) p(i)> p(x, j) p(j)
Nếu đặt Di(x) = p(x,i) p(i)
Khi đó điều kiện để ra quyết định là : x thuộc lớp i nếu Di(x) >Dj(x) với j ≠ i.
Phương pháp phân loại này có nhiều ưu việt xét theo quan điểm lý thuyết xác suất. Tuy vậy, khi sử dụng nó cần phải chú ý tới mấy điểm sau :
- Số lượng, mật độ và diện tích của các khu vực lấy mẫu phải đủ lớn và hợp lý để giá trị trung bình cũng như ma trận phương sai - hiệp phương sai tính cho một lớp nào đó có giá trị đúng với thực tế.
- Khi độ tương quan giữa các kênh phổ gần nhau quá cao thì ma trận nghịch đảo của ma trận phương sai - hiệp phương sẽ không ổn định. Vì vậy, trong trường hợp này cần áp dụng những phương pháp làm giảm số kênh phổ như phương pháp phân tích thành phần chính (Hồ Đình Duẩn, 2005).
Phân loại có kiểm định tiến hành trên các kênh ảnh phổ của ảnh Landsat và SPOT với độ phân giải không gian 80m, 30m, 20m và 10m. Nếu chỉ phân loại mà không sử dụng các kênh chỉ số thì chỉ bằng việc so sánh trực quan với ảnh tổ hợp màu ba kênh ảnh phổ tương ứng mỗi date tác giả có thể thấy kết quả phân loại này không đạt yêu cầu. Vì khu vực thành phố Thủ Dầu Một có tính đa dạng về kiểu sử dụng đất, địa hình nên có rất nhiều pixel của các đối tượng khác nhau nhưng lại có giá trị phản xạ phổ giống nhau. Tác giả đã tìm cách giảm thiểu sai lẫn này bằng việc sử dụng các kênh chỉ số khi phân loại.
Tuy nhiên, với ảnh đa phổ độ phân giải cao như SPOT 3 (20m) và SPOT 5 (10m), để giảm thiểu sự lẫn thì phương pháp phân loại định hướng đối tượng rất thích hợp với đối tượng là đô thị. Quá trình phân loại dựa trên các kênh phổ chính của ảnh SPOT. Các đối tượng được xác định dựa trên các thông tin về đối tượng (ví dụ như về hình dạng, cấu trúc, kiến trúc và mối quan hệ của các đối tượng này với các đối tượng khác…). Hướng phân loại này cho kết quả chính xác cao và tránh được sự lẫn giữa các lớp phân loại so với phân loại theo xám độ.
Mối liên quan thể hiện thông tin hình ảnh theo đối tượng là hệ thống phân cấp (class hierarchy). Nhưng ngược lại mối quan hệ gần kề được đưa ra một cách đầy
đủ bởi cấu trúc dữ liệu raster. Tập hợp các đối tượng gần nhau phải được làm rõ, ưu điểm lớn của phương pháp này là cho phép nhân rộng có hiệu quả của nhiều loại thông tin.
Mỗi một đối tượng tồn tại trong tự nhiên là một phần của thế giới thực được phản ánh dưới dạng dữ liệu không gian. Việc phân loại theo đối tượng gắn liền với sự mô tả có hệ thống và có trật tự về các lớp đối tượng. Trật tự của hệ thống này được xác định theo các chức năng nhất định như mật độ lớp phủ, lớp sử dụng đất,...
các yếu tố này lại được phản ánh bằng cấu trúc, định nghĩa về không gian.
Đặc trưng của phân tích ảnh dựa trên đối tượng là các thông tin được lấy ra từ ảnh. Sự phản ánh của các đối tượng trên bề mặt đất được xác định bằng tính chất vật lý, hóa học của đối tượng đó và phụ thuộc vào đặc điểm thu nhận như độ phân giải phổ, độ phân giải không gian, khả năng đo cường độ phản xạ từ đối tượng của đầu thu thiết bị. Đặc trưng của đối tượng thế giới thực được phân biệt như sau:
- Các yếu tố bên trong: là đặc tính tự nhiên của đối tượng. Đây là yếu tố xác định về hình ảnh của đối tượng thực tế được thu nhận bởi bộ cảm biến của thiết bị thu như màu sắc, hình dạng, cấu trúc...
- Các yếu tố quan hệ: là đặc trưng mô tả mối quan hệ địa lý giữa các đối tượng với nhau hoặc với toàn cảnh xung quanh, ví dụ như bên trái hay bên phải so với một đối tượng hay khu vực đã định sẵn trên ảnh.
- Các yếu tố ngữ cảnh: đây là đặc trưng mô tả mối quan hệ ngữ nghĩa giữa các đối tượng. Ví dụ một khu đất trồng cây xanh xen kẽ với các vùng dân cư thì sẽ được nhận định là các công viên cây xanh khi xem xét mối quan hệ của nó với các vùng dân cư liền kề.
Phân loại theo đối tượng gắn liền với một sự mô tả có hệ thống và có trật tự về các lớp đối tượng. Quá trình phân loại là đăng ký một số đối tượng vào một lớp đối tượng nhất định dựa vào các mô tả mang tính chất định nghĩa của lớp đối tượng đó.
Do vậy, sự mô tả của một lớp là mô tả về những nét đặc thù hoặc các điều kiện tạo nên lớp đó. Đối tượng sẽ được phân loại dựa theo những đặc trưng chúng có hoặc
không được phân loại khi so sánh các đặc trưng điều kiện trên. Kết quả là mỗi đối tượng thuộc về một lớp nào đó hoặc không trong trường hợp không được phân loại.
Các lớp đối tượng này có liên hệ với nhau do đó bản thân mỗi đối tượng không chỉ được biết trong một cách riêng biệt mà còn trong một ngữ cảnh chung trong đó xác định mối liên hệ của nó với các lớp đối tượng trên và dưới nó. Như vậy, các đối tượng ảnh thu được sau khâu phân đoạn ở dạng thô sơ đơn giản nhất là cơ sở cho các bước phân loại và quá trình phân cấp tiếp theo.
Để thực hiện được quá trình này cần đạt được các mục tiêu sau:
- Thủ tục phân đoạn phải tạo ra những phần ảnh rõ ràng và riêng biệt.
- Với mỗi vấn đề nảy sinh trong quá trình phân tích ảnh liên quan đến kết cấu ở một tỷ lệ không gian ảnh nhất định, kích thước trung bình của đối tượng ảnh phải thích hợp với tỷ lệ mong muốn.
- Phần lớn các đặc trưng của đối tượng ảnh như tone ảnh, cấu trúc, hình dạng và mối quan hệ với các vùng kế cận phải ít nhiều liên quan đến tỷ lệ. Chỉ có cấu trúc của các tỷ lệ như nhau mới có thể so sánh hay có những đặc trưng như nhau.
- Thủ tục phân đoạn cần phổ biến và có khả năng áp dụng cho nhiều loại dữ liệu khác nhau như ảnh hàng không, viễn thám, các dữ liệu chuyên đề khác nhau.
- Quá trình phân đoạn phải đạt được một tốc độ nhất định đáp ứng cho số lượng thông tin ngày càng nhiều và phức tạp mà các dữ liệu đầu vào chứa đựng.