Escolar Documentos
Profissional Documentos
Cultura Documentos
0
p
0 T
0
PHҪN 1. CƠ SӢ LÝ THUYӂT
Ë Đây là quá trình rҩt quan trӑng, giúp hoàn thiӋn các quá trình
xӱ lý gia công các thông tin trong bài toán phân loҥi, thành lұp
hoһc hiӋu chӍnh bҧn đӗ
Ë Phương pháp nҳn chӍnh hình hӑc: nhҵm loҥi bӓ các sai sӕ biӃn
dҥng và xây dӵng đưӧc mӕi tương quan giӳa hӋ toҥ đӝ ҧnh và
hӋ toҥ đӝ quy chiӃu chuҭn, bao gӗm:
Phương pháp 1: ThiӃt lұp mӝt quan hӋ toán hӑc giӳa các pixel cӫa các
ҧnh vӟi tӑa đӝ các điӇm tương ӭng trên mһt đҩt (thông qua bҧn đӗ sӕ)
Phương pháp 2: Xây dӵng mӝt mô hình phҧn ánh bҧn chҩt và mӭc đӝ
cӫa các sai sӕ hình hӑc, sau đó dùng mô hình này đӇ tính toán công thӭc
toán hӑc dùng đӇ khӱ sai
PHƯƠNG PHÁP 1. DÙNG CÁC PHÉP TƯƠNG ӬNG GIӲA
CÁC ĐIӆM TRÊN ҦNH VӞI CÁC ĐIӆM ĐÃ BIӂT TӐA ĐӜ
TRÊN THӴC Tӂ
Ë Ҧnh viӉn thám thưӡng đã đưӧc nҳn chӍnh sai sӕ hӋ thӕng và đăng ký theo
mӝt hӋ tӑa đӝ đӏa lý nào đó (thưӡng là UTM, Lat/Long«)
Ë Phương pháp nҳn chӍnh hình hӑc: nhҵm loҥi bӓ các sai sӕ biӃn dҥng và xây
dӵng đưӧc mӕi tương quan giӳa hӋ toҥ đӝ ҧnh và hӋ toҥ đӝ quy chiӃu
chuҭn, bao gӗm:
Ë Tuy nhiên, đӇ đҥt đưӧc đӝ chính xác cao, ngưӡi dùng sӁ nҳn chӍnh thêm
dùng biӃn đәi hình hӑc và các điӇm khӕng chӃ (GP-Ground ontrol
Points)
!"#$
Đánh giá đӝ
chính xác
Ҧnh đã nҳn
VIӊC CHӐN LӴA CÁC ĐIӆM HӔNG CHӂ
Ë ác điӇm khӕng chӃ nên:
DӉ nhұn dҥng trên ҧnh cũng như trên bҧn đӗ
Phân bӕ đӗng đӅu trên toàn cҧnh, đһc biӋt chú ý phân bӕ trên biên
Khi biӃt đưӧc tӑa đӝ cӫa các điӇm GP trên ҧnh thông qua các điӇm
tương ӭng trên bҧn đӗ, có thӇ tính đưӧc các hàm f(x,y) và g(x,y)
Trong thӵc tӃ, phép nӝi suy và phép lҩy mүu lҥi đưӧc sӱ dөng đӇ tính
toán giá trӏ cӫa các pixel, là ҧnh cӫa (x,y) qua hàm f và g
thuұt tăng cưӡng ҧnh
Ë Tăng cưӡng ҧnh là đi thӵc hiӋn sӱa đәi ҧnh cho phù hӧp
vӟi thӏ giác cӫa con ngưӡi .
Ë Xӱ lí hình ҧnh cӫa ҧnh thô đӇ có đưӧc mӝt hình ҧnh rõ nét,
có đӝ tương phҧn tӕt, tұn dөng đưӧc mӑi giá trӏ trong
khoҧng cho phép
Ë Tăng cưӡng chҩt lưӧng ҧnh gӗm nhӳng kӻ thuұt xӱ lý khác
nhau nhҵm thay đәi các giá trӏ xám đӝ cӫa ҧnh ban đҫu, tҥo
ra ҧnh mӟi vӟi chҩt lưӧng hình ҧnh tӕt hơn
Ë Kӻ thuұt tăng cưӡng ҧnh phө thuӝc vào 2 yӃu tӕ chính:
Dӳ liӋu sӕ ( band phә và đӝ phân gҧi)
ác đӕi tưӧng cҫn hiӇn thӏ (The objectives of interpretation )
Ë Kӻ thuұt làm tăng cưӡng đӝ tương phҧn cho phép hiӇn thӏ
rõ hơn thông tin, đһc biӋt ӣ nhӳng vùng có đӝ sáng quá
thҩp hoһc quá cao.
Ë Kӻ thuұt tăng đӝ tương phҧn là kéo giãn giӳa min và
Max. ác giá trӏ mӟi đưӧc tính theo công thӭc:
DNmӟi =( (DN-min)/(max-min))*255
Ë Ҧnh đưӧc tăng cưӡng đӝ tương phҧn là phҫn tӕi (Min)
đưӧc chuyӇn thành màu đen và phҫn sáng nhҩt (Max)
chuyӇn thành màu trҳng. các giá trӏ phә ӣ giӳa sӁ có sӵ
chênh lӋch nhau cao hơn, vì thӃ khҧ năng phân biӋt chúng
bҵng mҳt thưӡng cũng cao hơn
thuұt phân chia theo mӭc (Level
slicing ):
Ë Là kӻ thuұt phân chia đӝ sáng hoһc màu cӫa tӯng
band hoһc cӫa tә hӧp band theo tӯng mӭc.
Ë ó thӇ làm rõ ranh giӟi cӫa tӯng đӕi tưӧng hay
tӯng nhóm đӕi tưӧng
thuұt lӑc không gian
Ë L͕c trung bình Means: Là phép lӑc tҥo giá trӏ trung bình
cӫa các pixel ҧnh theo mӭc đӝ xám tҥi tâm cӱa sә đӝng.
Ë @hép l͕c Gauss:
Phép lӑc này thưӡng dùng cho cӱa sә đӝng 5x5, 7x7. Giá
trӏ đҫu ra cӫa mӝt pixel là tәng cӫa giá trӏ gӕc cӫa nó vӟi
giá trӏ cӫa toán tӱ kernel
Ë @hép l͕c Median:
Trong phép lӑc này không dùng toán tӱ kernel như các
phép lӑc trên. Tuy nhiên giá trӏ pixel cӫa cӱa sә đӝng 9
pixel giӕng bӝ lӑc 3x3
Ë @hép l͕c h͡p thích ͱng (Adaptive box )
Trong phép lӑc này giá trӏ là mӝt hàm biӃn thiên
giӳa pixel tâm cӱa sә đӝng và các giá trӏ khác cӫa
giá trӏ cӱa sә mүu.
Ë @hép l͕c MODE:
Phép lӑc này không có toán tӱ lӑc, giá trӏ đҫu ra là
mode cuҧ cӱa sә 3x3, 5x5, 7x7 cӫa khuôn.
Ë c phép l͕c tăng ch̭t lưͫng biên ki͋u Laplass:
Phép lӑc này cho kӃt quҧ là tәng giá trӏ sӕ cӫa
pixel gӕc và giá trӏ cӫa toán tӱ. Ma trұn toán tӱ
cӫa cӱa sә đӝng có kích thưӟc khác nhau
Ë @hép l͕c Highpass
Đҫu ra là tәng cӫa giá trӏ gӕc tҥi mӛi pixel ҧnh
vӟi giá trӏ cӫa toán tӱ kernel tҥi điӇm đó.
Ë c phép l͕c đ̿t ra bͧi ngưͥi x͵ lý:
ó rҩt nhiӅu phép lӑc khác nhau đưӧc sӱ dөng bӣi
ngưӡi dùng. Trong các phҫn mӅm xӱ lý ҧnh đӅu
đӇ ngӓ modul đӇ ngưӡi dùng có thӇ tӵ tҥo các
phép lӑc sao cho có lӧi nhҩt cho viӋc khai thác
thông tin tӯ ҧnh.
TĂNG CƯӠNG ҦNH VIӈN THÁM
Ë Phân lӟp không có giám sát: Phương pháp này đưӧc áp dөng
trong trưӡng hӧp ta không biӃt hoһc không quen vӟi nhӳng đӕi
tưӧng xuҩt hiӋn trên ҧnh, đӗng thӡi nó cũng loҥi bӓ đưӧc
nhӳng sai sӕ chӫ quan cӫa con ngưӡi.
Ë Phân lӟp có giám sát (có chӑn mүu): là phép phân loҥi dӵa
trên các pixel mүu đã đưӧc chӑn sҹn bӣi ngưӡi phân tích.
Bҵng cách chӑn mүu, ngưӡi phân tích đã chӍ ra giúp máy tính
xác đӏnh nhӳng pixel có cùng mӝt sӕ đһc trưng vӅ phә phҧn
xҥ.
PHÂN LӞP HÔNG CÓ GIÁM SÁT
- Sau phân lӟp k-means, các lӟp cҫn phҧi đưӧc xem xét:
+ Lӟp có quá ít phҫn tӱ: có thӇ bӓ qua
+ Hai lӟp có đһc trưng gҫn giӕng nhau có thӇ gӝp chung lҥi thành 1.
+ Mӝt lӟp nào đó quá lӟn có thӇ chia nhӓ( bҵng cách chӍ ra trưӟc sӕ
standard deviation cho các kênh phә).
Ë Thuұt toán khá mӅm dӁo, không cҫn cӕ đӏnh sӕ các lӟp.
Ë Bưӟc 1: Phân hoҥch ban đҫu cho mӛi pixel là 1 lӟp.
Ë Bưӟc 2: Liên tiӃp nhұp lҥi, tách ra các lӟp bҵng cách so sánh khoҧng
cách giӳa các tâm và các ngưӥng cho trưӟc.
Ë Bưӟc 3: Quá trình dӯng khi phân hoҥch thӓa mãn các tiêu chí đһt ra.
PHÂN LӞP CÓ GIÁM SÁT
Ë Phương pháp này sӱ dөng các thuұt toán thích hӧp đӇ xӃp loҥi các pixel
cӫa ҧnh theo các lӟp phӫ mһt đҩt khác nhau (gӑi là class)
Ë aiӋc phân lӟp dӵa trên thông tin đã biӃt vӅ mӝt sӕ các mүu (samples)
CÁC BƯӞC TRONG VIӊC PHÂN LӞP
Ë hӑn trưӟc mӝt tұp hӧp các lӟp phӫ mà theo đó ҧnh sӁ đưӧc phân lӟp
Ë aӟi mӛi lӟp, chӑn ra mӝt tұp các pixel tiêu biӇu cho lӟp đó (gӑi là samples
hoһc traning data)
Ë ác tұp training có thӇ lҩy đưӧc tӯ đi thӵc đӏa, tӯ bҧn đӗ, hay tӯ các nguӗn
ҧnh khác.
Ë ác tұp training đưӧc dùng đӇ ưӟc đoán các tham sӕ cӫa giҧi thuұt phân
lӟp sӁ đưӧc sӱ dөng (các tham sӕ thuӝc 1 lӟp training gӑi là signature cӫa
lӟp đó)
Ë Dӵa vào các tұp traning, xӃp loҥi tҩt cҧ các pixel cӫa ҧnh sao cho mӛi pixel
sӁ thuӝc vӅ mӝt lӟp duy nhҩt.
Ë Tҥo ҧnh (hoһc bҧn đӗ) phân lӟp, tính toán các thӕng kê cӫa phân lӟp
CÁC THUҰT TOÁN THƯӠNG SӰ DӨNG
TRONG VIӊC PHÂN LӞP CÓ GIÁM SÁT
Ë Ӭng dөng công nghӋ aiӉn thám đӇ phân tích tình hình sӱ dөng đҩt
tҥi khu vӵc Tây Nam TP HM (Bình Tân, Bình hánh, Q8, Q6...)
Ë hương trình xӱ lý: sӱ dөng chương trình ENaI - Environment for
aisualizing Images đӇ phân tích tình hình sӱ dөng đҩt tҥi khu vӵc
trên
ác tư liӋu khác
Bҧn đӗ đӏa hình Tư liӋu vӋ tinh Sӕ liӋu thӵc đӏa
Nhұp ҧnh
Đҩt loҥi 1
Đҩt loҥi 2
Đҩt loҥi 3
Đҩt loҥi 4
Đҩt loҥi 5
ӂҦ
YKҦY
Ë Dӵa vào kӃt quҧ phân loҥi theo tӯng nhóm đҩt, ta sӁ tính toán đưӧc
diӋn tích cӫa tӯng loҥi đҩt trên đӏa bàn như sau:
Ë Dat loai 1: 131,336 points (25.132%) (29,550,600.0000 Meters²)
Ë Dat loai 2: 63,518 points (12.155%) (14,291,550.0000 Meters²)
Ë Dat loai 3: 100,493 points (19.230%) (22,610,925.0000 Meters²)
Ë Dat loai 4: 110,141 points (21.077%) (24,781,725.0000 Meters²)
Ë Dat loai 5: 117,088 points (22.406%) (26,344,800.0000 Meters²)