Xử lý ảnh số trong Viễn thám

Hiện nay, trong kĩ thuật viễn thám có nhiều phương pháp phân loại ảnh, mỗi phương pháp đều có những ưu điểm và hạn chế nhất định. Tùy vào việc lựa chọn và sử dụng phương pháp phân loại mà kết quả phân loại là khác nhau. Do đó, việc nghiên cứuvà đánh giá kết quả phân loại của từng phương pháp là cần thiết nhằm lựa chọn phương pháp thích hợp cho từng dữ liệu ảnh nhất định. Mục tiêu của bài tiểu luận này là so sánh kết quả phân loại trên cùng dữ liệu mẫu để đánh giá các thuật toán phân loại của haiphương pháp sau: phương pháp phân loại gần đúng nhất (Maximum Likelihood Classifier – MLC) và khoảng cách ngắn nhất (Milimum Distance).

Trang 1

TRƯỜNG ĐẠI HỌC BÁCH KHOA



SO SÁNH MỘT SỐ PHƯƠNG PHÁP PHÂN LOẠI ẢNH TRONG VIỄN THÁM

Môn: Xử lý ảnh số trong Viễn thám

Tp.HCM, ngày 5 tháng 06 năm 2013

Học viên thực hiện Huỳnh Thị Mai Đình

Mã số học viên 12103003

Trang 2

1 Đặt vấn đề 1

2 Dữ liệu và phương pháp thực hiện 2

2.1 Dữ liệu 2

2.2 Phương pháp và quy trình thực hiện 2

3 Khái quát về các phương pháp phân loại ảnh trong viễn thám 3

4 Nội dung thực hiện 3

4.1 Xác định các đối tượng phân loại 3

4.2 Giải đoán ảnh bằng mắt 4

4.3 Xử lý ảnh 4

4.4 Xây dựng bộ dữ liệu mẫu huấn luyện 6

4.5 Ước tính thống kê vùng mẫu 7

4.6 Phân loại ảnh 9

4.7 Đánh giá kết quả phân loại 11

5 Kết quả và thảo luận 13

Trang 3

1 Đặt vấn đề

Công nghệ viễn thám được sử dụng để cung cấp dữ liệu không gian cho nhiều ứng dụng trong thực tế và thường có thể được thực hiện với chi phí thấp hơn so với nhiều phương pháp truyền thống khác Ưu điểm nổi bật của công nghệ này thể hiện ở khả năng chiết tách thông tin của các đối tượng trên bề mặt đất theo diện rộng qua thời gian, thậm chí tại những nơi con người không thể tiếp cận được [3] Khả năng này được thực hiện thông qua việc giải đoán và phân loại ảnh viễn thám mà đặc biệt là ảnh được cung cấp từ các vệ tinh Ảnh sau khi được phân loại được ứng dụng trong nhiều lĩnh vực đặc biệt là trong lĩnh vực môi trường

Hiện nay, trong kĩ thuật viễn thám có nhiều phương pháp phân loại ảnh, mỗi phương pháp đều có những ưu điểm và hạn chế nhất định Tùy vào việc lựa chọn và sử dụng phương pháp phân loại mà kết quả phân loại là khác nhau Do đó, việc nghiên cứu

và đánh giá kết quả phân loại của từng phương pháp là cần thiết nhằm lựa chọn phương pháp thích hợp cho từng dữ liệu ảnh nhất định Mục tiêu của bài tiểu luận này là so sánh kết quả phân loại trên cùng dữ liệu mẫu để đánh giá các thuật toán phân loại của hai phương pháp sau: phương pháp phân loại gần đúng nhất (Maximum Likelihood Classifier – MLC) và khoảng cách ngắn nhất (Milimum Distance)

Trang 4

2 Dữ liệu và phương pháp thực hiện

2.1 Dữ liệu

Dữ liệu ảnh được sử dụng cho tiểu luận là ảnh Landsat TM 7 Ảnh đã được hiệu chỉnh hình học với hệ tọa độ WGS 84, vùng 48

Khu vực ảnh giải đoán ( tổ hợp màu 5,4,2)

2.2 Phương pháp và quy trình thực hiện

Phương pháp phân loại có giám định được thực hiện trong tiểu luận này Như đã trình bày trong phần mở đầu, đề tài chỉ thực hiện so sánh hai phương pháp: phương pháp phân loại gần đúng nhất (Maximum Likelihood Classifier – MLC) và khoảng cách ngắn nhất (Milimum Distance)

Về phương pháp chọn mẫu: Dữ liệu mẫu huấn luyện và mẫu kiểm tra sẽ được chọn theo phương pháp ngẫu nhiên Bên cạnh các phương pháp tăng cường chất lượng

ảnh,đề tài sử dụng công cụ Google Earth với ảnh vệ tinh có độ phân giải cao hơn ảnh

Landsat (30m) nhằm hỗ trợ cho việc giải đoán và chọn mẫu hiệu quả

Trang 5

Quy trình giải đoán và phân loại ảnh như sau:

3 Khái quát về các phương pháp phân loại ảnh trong viễn thám

Kỹ thuật phân loại có giám định dùng thuật toán phân loại gần đúng nhất (MLC) là phương pháp được sử dụng khá phổ biến MLC được xây dựng trên cơ sở hàm mật độ xác xuất tuân theo luật phân bố chuẩn Theo đó, mỗi pixel sẽ được tính xác suất thuộc một loại nào đó và nó được chỉ định gán vào tên loại mà xác suất thuộc vào loại đó là lớn nhất

Phân loại khoảng cách ngắn nhất sử dụng khoảng cách không gian phổ từ pixel được xét đến vector đặc trưng của trung bình từng loại như chỉ số đánh giá xác định sự thuộc về một loại nào đó Các khoảng cách không gian phổ hay được sử dụng trong phương pháp này là khoảng cách Euclid; khoảng cách Euclid chuẩn hóa; khoảng cách Mahalanobis

4 Nội dung thực hiện

4.1 Xác định các đối tượng phân loại

Mục đích phân loại ảnh là thành lập bản đồ sử dụng đất, các loại cần được xác định trên bản đồ bao gồm:

Trang 6

TT Loại đất

1 Đất trồng lúa giai đoạn 1

2 Đất trồng lúa giai đoạn 2

3 Đất trồng cây ăn quả

4 Đất nuôi trồng thủy sản

5 Đất rừng ngập mặn

6 Đất đô thị

7 Đất sông ngòi, kênh, rạch suối

4.2 Giải đoán ảnh bằng mắt

Giải đoán ảnh bằng mắt giúp cho việc nhận định thông tin về sự phân bố của các đối tượng trên ảnh một cách tổng quát trước khi đi vào phân tích và phân loại ảnh bằng các phương pháp được thực hiện tự động bằng máy tính Dựa vào sự hiển thị màu hay độ sáng, hình dạng, kích thước, cấu trúc… của từng đối tượng trên ảnh là các khóa giải đoán khi thực hiện giải đoán bằng mắt Trong đó, việc tổ hợp màu đóng vai trò quan trọng

Sự hiển thị màu của từng đối tượng trên ảnh là kết quả của sự phản xạ của bước sóng điện từ đối với bề mặt đất Tùy theo từng bước sóng với từng lớp phủ khác nhau trên

bề mặt đất mà kết quả hiển thị là khác nhau Nói cách khác, mỗi đối tượng trên bề mặt đất đều có đặc trưng về phổ riêng, mà ta có thể dựa vào đặc tính này để xác định các kênh phổ thích hợp tham gia tổ hợp màu nhằm phục vụ cho quá trình giải đoán bằng mắt hiệu quả

4.3 Xử lý ảnh

Có rất nhiều kỹ thuật để xử lý ảnh trước khi phân loại nhằm nâng cao chất lượng kết quả phân loại ảnh Trong đó, kỹ thuật phân tích thành phần chính (PCA) thường được thực hiện Đây là kỹ thuật được sử dụng để làm giảm số kênh phổ mà vẫn giữ lượng thông tin không bị thay đổi đáng kể Kỹ thuật phân tích thành phần chính áp dụng trong viễn thám trên cơ sở thực tế là ảnh chụp ở các kênh phổ gần nhau có sự tương quan phổ rất cao, vì vậy mà thông tin của chúng có phần trùng lắp rất lớn (ảnh đa phổ chứa nhiễu

Trang 7

cũng như dư thừa thông tin) Nhờ vào ưu điểm này mà ta thường sử dụng kết quả ảnh sau khi thực hiện phân tích thành phần chính để tiến hành chọn mẫu và phân loại ảnh

Ma trận tương quan giữa các kênh phổ

Kênh 1 Kênh 2 Kênh 3 Kênh 4 Kênh 5 Kênh 7 Kênh 1 1 0.942403 0.900939 -0.32807 0.163119 0.357983 Kênh 2 0.942403 1 0.942913 -0.27066 0.226043 0.403178 Kênh 3 0.900939 0.942913 1 -0.30114 0.288703 0.483381 Kênh 4 -0.32807 -0.27066 -0.30114 1 0.677257 0.487048 Kênh 5 0.163119 0.226043 0.288703 0.677257 1 0.947248 Kênh 7 0.357983 0.403178 0.483381 0.487048 0.947248 1

Ma trận tương quan sau khi phân tích PCA

Kênh 1 Kênh 2 Kênh 3 Kênh 4 Kênh 5 Kênh 7

Ta thấy rằng, giá trị xung quanh đường chéo chính đều bằng 0, chứng tỏ không còn

sự tương quan giữa các kênh sau khi phân tích PCA

Nếu ảnh gốc có k kênh, thì sau khi biến đổi cũng sẽ nhận được k kênh, nhưng 3 thành phần đầu tiên chiếm hết 90% lượng thông tin chứa trong ảnh gốc, từ kênh thứ 3 trở

đi, nội dung thông tin bị giảm dần Ta có thể sử dụng 3 kênh đầu này để tổ hợp màu phục

vụ cho việc giải đoán ảnh bằng mắt Tuy nhiên, nhược điểm của PCA là khó chỉ định kênh nào vào màu nào cho phù hợp với giải đoán, vì ảnh PCA là một hàm bước sóng

Trang 8

của ảnh gốc Do đó, cần tìm mối tương quan giữa ảnh gốc và ảnh PCA để chỉ định màu ứng với từng bước sóng một cách phù hợp

Ma trận tương quan giữa ảnh gốc và ảnh PCA

Kenh 1 Kenh 2 Kenh 3 Kenh 4 Kenh 5 Kenh 7 PCA1 0.006 0.015 0.036 0.564 0.763 0.314 PCA2 -0.356 -0.241 -0.469 0.637 -0.321 -0.293 PCA3 -0.514 -0.353 -0.45 -0.513 0.358 0.129 PCA4 -0.649 0.059 0.651 0.022 0.11 -0.372 PCA5 -0.307 -0.136 0.233 0.108 -0.417 0.805 PCA6 -0.304 0.891 -0.313 -0.025 -0.028 0.115

Vì ảnh PCA là một hàm bước sóng của ảnh gốc, nên ta cần chuyển đổi các giá trị pixel từ số thực về số nguyên bằng kĩ thuật histogram Sau đó, dùng các ảnh đã chuyển đổi này để tạo ảnh tổ hợp màu

Ảnh tổ hợp màu 3 kênh ảnh PCA

4.4 Xây dựng bộ dữ liệu mẫu huấn luyện

Khác với kỹ thuật phân loại phi giám định, trong kỹ thuật phân loại có giám định, cần chọn các vùng mẫu cho mỗi loại theo yêu cầu đã xác định Số lượng pixel tối thiểu yêu cầu phải thu thập cho mỗi mẫu là k + 1 đến 10k pixel (k: số kênh phổ của ảnh vệ tinh dùng để phân loại)

Trang 9

4.5 Ước tính thống kê vùng mẫu

Các mẫu sau khi được xây dựng được tính toán thống kê các tham số như giá trị trung bình mẫu, ma trận phương sai, hiệp phương sai…của hàm phân bố chuẩn Đặc biệt với phương pháp phân loại khoảng cách gần đúng nhất, việc kiểm tra xem sự phân bố của

dữ liệu huấn luyện ứng với từng vùng mẫu có phù hợp với luật phân bố chuẩn hay không

là rất quan trọng để cho ra kết quả hiệu quả khi thực hiện phương pháp này

Tham số thống kê tương ứng với từng vùng mẫu

Đối với lớp phủ là Đất trồng lúa giai đoạn 1

Min Max Mean Stdev Band 1 57 68 61.60274 2.520691 Band 2 25 31 28.12329 1.641013 Band 3 18 24 20.42466 1.580417 Band 4 88 128 112.0548 8.017152 Band 5 64 94 78.47945 6.446596 Band 7 20 31 25.20548 2.788662

Đối với lớp phủ là Đất trồng lúa giai đoạn 2

Đối với lớp phủ là Đất trồng cây ăn quả

Trang 10

Đối với lớp phủ là Đất nuôi trồng thủy sản

Đối với lớp phủ là Đất rừng ngập mặn

Đối với lớp phủ là Đất đô thị

Trang 11

Đối với lớp phủ là Đất sông ngòi, kênh, rạch suối

Đối với lớp phủ là Mây

4.6 Phân loại ảnh

Hai phương pháp phân loại được sử dụng để phân loại ảnh là phương pháp phân loại gần đúng nhất và phương pháp khoảng cách gần đúng nhất Như đã trình bày ở phần

[3.], mỗi phương pháp đều dựa trên thuật toán khác nhau, do đó, ứng với từng phương

pháp, kết quả ảnh phần loại nhận được là khác nhau Để so sánh độ chính xác của hai phương pháp này, cần đưa vào tính toán với cùng chung một bộ dữ liệu mẫu và dữ liệu kiểm tra

Trang 12

Kết quả ảnh sau khi phân loại của hai phương pháp này như sau:

Ảnh phân loại bằng phương pháp phân loại gần đúng nhất

Trang 13

Ảnh phân loại bằng phương pháp khoảng cách ngắn nhất

4.7 Đánh giá kết quả phân loại

Đánh giá kết quả phân loại là việc so sánh sự phù hợp giữa những loại thực vật trên mặt đất và những loại giải đoán bằng các phương pháp phân loại Trong tiểu luận này, hai phương pháp được sử dụng là khoảng cách gần đúng nhất và khoảng cách ngắn nhất Dữ liệu kiểm tra hai phương pháp này cũng phải cùng một bộ dữ liệu

Kết quả thống kê trên ma trận sai số ta được các chỉ tiêu đánh giá của hai phương pháp như sau:

Trang 14

Phương pháp phân loại theo khoảng cách ngắn nhất

Mây

Đất trồng lúa giai đoạn 1

Đất trồng cây

ăn quả

Đất nuôi trồng thủy sản

Đất rừng ngập mặn

Đất đô thị

Đất sông ngòi, kênh, rạch suối Mây

Độ chính xác

toàn cục 70.707%

Hệ số Kappa 0.6645

Phương pháp phân loại gần đúng nhất

Mây

Đất trồng cây

ăn quả

Đất nuôi trồng thủy sản

Đất rừng ngập mặn

Đất đô thị

Đất sông ngòi, kênh, rạch suối Mây

Độ chính xác

toàn cục 62.62%

Hệ số Kappa 0.5727

Trang 15

5 Kết quả và thảo luận

Với cùng một bộ dữ liệu huấn luyện và cùng bộ dữ liệu kiểm tra,từ kết quả phân loại ta nhận thấy kết quả so sánh từ hai phương pháp phân loại như sau:

Phương pháp phân loại gần

đúng nhất

Phương pháp phân loại theo khoảng cách ngắn nhất

Độ chính xác toàn cục

70.707% 62.62%

Hệ số Kappa

0.6645 0.5727

Độ chính xác toàn cục và hệ số Kappa của phương pháp phân loại gần đúng nhất đều cao hơn phương pháp phân loại theo khoảng cách ngắn nhất Kết quả so sánh cho thấy, thuật toán của phương pháp phân loại gần đúng nhất ưu điểm hơn phương pháp phân loại theo khoảng cách ngắn nhất Tuy nhiên, kết quả phân loại dựa vào phương pháp phân loại gần đúng nhất chỉ hiệu quả đối với dữ liệu mẫu theo phân bố chuẩn, do đó, khi

sử dụng phương pháp này, cần cẩn thận khi chọn và thống kê các tham số vùng mẫu trước khi thực hiện phân loại

Trang 16

Tài liệu tham khảo

1 Lê Văn Trung, 2010, Viễn Thám, Nhà xuất bản Đại học quốc gia Tp Hồ Chí Minh

2 Lê Văn Trung, 2006, Thực hành Viễn Thám, Nhà xuất bản Đại học quốc gia Tp

Hồ Chí Minh

3 F S Al-Ahmadi và A S Hames, 2007, Comparison of Four Classification Methods to Extract Land Use and Land Cover from Raw Satellite Images for Some Remote Arid Areas, Kingdom of Saudi Arabia, King Abdulaziz University

Tiêu đề	So sánh Một Số Phương Pháp Phân Loại Ảnh Trong Viễn Thám
Tác giả	Huỳnh Thị Mai Đình
Người hướng dẫn	PGS.TS. Lê Văn Trung
Trường học	Đại học Bách khoa, Đại học Quốc gia TP.HCM
Chuyên ngành	Xử lý ảnh số trong Viễn thám
Thể loại	Báo cáo thực tập
Năm xuất bản	2013
Thành phố	TP.HCM

Định dạng
Số trang	16
Dung lượng	1,77 MB
File đính kèm	Xử lý ảnh số trong Viễn thám.rar (2 MB)