Bài giảng viễn thám ( 2 )

1.3. XỬ LÝ ẢNH SỐ
1.3.1. Khái niệm
Các tư liệu thu được trong viễn thám phần lớn là ở dưới dạng số, vấn đề xử lý số trong viễn thám chiếm một vị trí quan trọng mà cũng là phương pháp cơ bản trong viễn thám hiện đại.
Trình tự cơ bản trong xử lý ảnh có thể tóm tắt như sau:
+ Nhập số liệu:
Có hai nguồn tư liệu chính, đó là ảnh tương tự do các máy chụp cung cấp và ảnh số do các máy quét cung cấp.
Trường hợp ảnh số thì tư liệu ảnh được chuyển từ các băng từ lưu trữ mật độ cao HD DT vào các băng từ CCT. ở dạng này máy tính nào cũng có thể đọc được các số liệu. Các ảnh tương tự cũng được chuyển thành dạng số thông qua các máy quét.
+ Khôi phục và hiệu chỉnh ảnh:
Đây là giai đoạn mà các tín hiệu số được hiệu chỉnh hệ thống nhằm tạo ra tư liệu ảnh có thể sử dụng được.
Giai đoạn này thường được thực hiện trên các máy tính lớn tại các trung tâm thu số liệu vệ tinh.
+ Biến đổi ảnh:
Các quá trình xử lý như tăng cường chất lượng, biến đổi tuyến tính vvv. . là giai đoạn tiếp theo. Giai đoạn này có thể được thực hiện trên các máy tính nhỏ như máy vi tính trong khuôn khổ của một phòng thí nghiệm.
+ Phân loại :
Phân loại đa phổ với mục đích tách các thông tin cần thiết phục vụ việc theo dõi các đối tượng hay thành lập bản đồ chuyên đề là khâu then chốt của việc khai thác tư liệu viễn thám,
+ Xuất kết quả:
Sau khi hoàn tất các khâu xử lý cần phải xuất kết quả. Kết quả có thể dưới dạng phim ảnh ( tương tự ), số hay các bản đồ đường nét. Các kết quả dạng số ngày càng được sử dụng nhiều vì nó là đầu vào rất tốt cho công nghệ GIS. Trên cơ sở sử dụng hệ thông tin địa lý, nhiều chủng loại thông tin khác nhau cùng được đưa vào xử lý, tạo ra kết quả chính xác và phong phú hơn nhiều so với trường hợp chỉ sử dụng riêng tư liệu viễn thám.



1.3.2. Các hệ nhập số liệu
Đối với ảnh số thì tư liệu ảnh được chuyển từ băng từ lưu trữ mật độ cao HDDT vào băng từ CCT. ở dạng máy các máy tính đều đọc được số liệu. Hệ nhập ảnh mô tả trong phần này được coi như một hệ chuyển đổi các ảnh tương tự đen trắng hay ảnh mầu về dạng số.
Chức năng cụ thể của từng hệ phụ thuộc vào các yếu tố sau:
- Kích thước của phim: Kích thước tối đa mà thiết bị có thể chuyển đổi được.
- Độ phân giải: Mật độ điểm/inch.
- Thang cấp độ xám: Bao nhiêu cấp độ sáng có thể chuyển đổi được, có nghĩa là mỗi picel đầu ra được mã mấy bít.
- Tốc độ chuyển đổi.
- Điều kiện môi trường: Yêu cầu làm việc trong bóng tối hoàn toàn, trong ánh sáng mờ.
- Độ chính xác.
Loại ảnh có thể chuyển đổi được: Phim hay giấy.
Các hệ nhập ảnh nhìn chung được thiết kế dựa trên những phương pháp quét ảnh chính sau:
+ Quét cơ học: Bức ảnh được đặt trên một ống hình trụ và quá trình quét được thực hiện bởi sự quay của ống và một tia sáng chiếu từ bên trong ra. Tốc độ quét theo phương pháp này nói chung không cao, nhưng lại được sử dụng rộng rãi vì nó cho phép thực hiện việc chuyển đổi với độ chính xác cao và độ phân giải lớn.
+ Máy quay vô tuyến: Máy quay vô tuyến đôi khi cũng được sử dụng vì giá thành của nó rất rẻ. Nhược điểm cơ bản của nó là độ phân giải thấp, độ chính xác định vị vị trí không cao và độ phân giải về mầu không cao.
+ Buồng chụp CCD: Các buồng chụp CCD có ưu thế hơn các máy quay vô tuyến do chúng có độ phân giải cao hơn, chính xác hơn, kích thước bé hơn. Nhưng giá thành đắt hơn nhiều lớn.
+ Buồng chụp CCD mảng tuyến tính: Buồng chụp CCD mảng tuyến tính làm việc trên nguyên lý chia đối tượng cần quét thành nhiều hàng nhỏ và việc chuyển đổi được thực hiện tuần tự theo từng hàng một. Các máy quét làm việc theo nguyên lý này hiện nay khá phổ biến vì giá thành tương đối rẻ, chất lượng lại cao.
1.3.3. Hiệu chỉnh ảnh
- Hiệu chỉnh bức xạ
Tất cả các tư liệu số hầu như bao giờ cũng chịu một mức độ nhiễm xạ nhất định. Khi thu các phản xạ bức xạ năng lượng Mặt Trời từ các đối tượng trên mặt đất lên các bộ cảm đặt trên các vật mang vũ trụ, người ta nhận thấy có một số sự khác biệt so với trường hợp quan sát cùng khoảng cách đó ở khoảng cách gần. Điều đó chứng tỏ ở những khoảng cách xa như vậy tồn tại một lượng nhiễu nhất định gây ra bởi góc nghiêng và độ cao Mặt Trời, một số điều kiện quang học khí quyển như sự hấp thụ, tán xạ, độ mù...Để đảm bảo sự tương đồng nhất định về bức xạ cần hiệu chỉnh bức xạ.
Các nguồn nhiễu bức xạ gồm 3 nhóm chính:
+ Các nguồn nhiễu do biến đổi độ nhậy của bộ cảm.
Trường hợp sử dụng bộ cảm thuần tuý quang học như máy chụp ảnh thì bao giờ cũng xảy ra trường hợp cường độ bức xạ tại tâm ảnh lớn hơn tại các góc, gây ra hiện tượng làm mờ ảnh. Khi sử dụng các bộ cảm quang điện tử thì sự chênh lệch giữa cường độ bức xạ trước ống kính và cường độ mà thiết bị thực ghi nhận cũng là một đại lượng cần đưa vào quá trình hiệu chỉnh.
+ Các nguồn nhiễu do góc chiếu của Mặt Trời và do địa hình.
Bản thân Mặt Trời tạo bóng chói của mình trên mặt đất dưới dạng một vùng sáng hơn các vùng khác. Bóng chói Mặt Trời có thể loại trừ cùng với hiện tượng làm mờ ảnh. Bóng của bản thân địa hình gây ra hiện tượng che khuất nguồn bức xạ. Để loại trừ hiện tượng này người ta sử dụng mô hình số địa hình và toạ độ vật mang tại thời điểm thu tín hiệu.
+ Các nguồn nhiễu do trạng thái khí quyển.
Rất nhiều các hiệu ứng khí quyển như hấp thụ, phản xạ, tán xạ ảnh hưởng tới chất lượng ảnh thu được. Người ta thường sử dụng các mô hình khí quyển để mô phỏng trạng thái khí quyển và áp dụng các quy luật quang hình học và quang khí quyển để giải quyết vấn đề này.
- Hiệu chỉnh khí quyển
Năng lượng bức xạ Mặt Trời trên đường truyền xuống Trái Đất bị hấp thụ, tán xạ một lượng nhất định trước khi tới được mặt đất. Khi đến mặt đất, năng lượng bức xạ lại bị mặt đất, các đối tượng trên mặt đất hấp thụ, thấu quang một phần. Sau đó năng lượng này được phản xạ hoặc bức xạ để đến bộ cảm lại bị hấp thụ, tán xạ trong khí quyển. Do vậy bộ cảm thu được không phải chỉ chứa riêng năng lượng hữu ích, mà còn chứa nhiều thành phần nhiễu nữa. Hiệu chỉnh khí quyển là công đoạn tiền xử lý nhằm loại trừ những thành phần bức xạ không mang thông tin có ích.
Một số vệ tinh trang bị các bộ cảm đặc biệt chuyên thu nhận các tham số trạng thái khí quyển đồng thời với các bộ cảm thu nhận ảnh và việc hiệu chỉnh khí quyển được tiến hành ngay trong quá trình bay.
- Hiệu chỉnh hình học
Méo hình hình học gồm méo hình nội sai và méo hình ngoại sai. Méo hình nội sai sinh ra do tính chất hình học của bộ cảm. Méo hình ngoại sai sinh ra do vị trí của vật mang và hình dáng của địa vật.
Hiệu chỉnh hình học là xây dựng được mối quan hệ tương quan giữa toạ độ ảnh đo và hệ toạ độ qui chiếu chuẩn.
1.3.4. Biến đổi ảnh
- Tăng cường chất lượng và chiết tách đặc tính.
Tăng cường chất lượng ảnh là thao tác chuyển đổi nhằm tăng tính dễ đọc, dễ hiểu của ảnh cho người đoán đọc ảnh.
Chiết tách là thao tác nhằm phân loại sắp xếp các thông tin có sẵn trong ảnh theo các yêu cầu hoặc chỉ tiêu đưa ra dưới dạng các hàm số.
+ Tăng cường chất lượng ảnh.
Những phép tăng cường chất lượng ảnh thường được sử dụng là biến đổi cấp độ xám, tổ hợp mầu.
+ Chiết tách đặc tính.
Chiết tách đặc tính được thực hiện với 3 loại đặc tính chính:
- Đặc tính phổ: Các mầu sắc đặc biệt, gradient, tham số phổ.
- Đặc tính hình học: các cấu trúc đường, hình dáng, kích thước.
- Đặc tính cấu trúc: Mẫu, tần suất phân bố không gian, tính đồng nhất.
- Biến đổi cấp độ xám.
Biến đổi cấp độ xám là kỹ thuật tăng cường chất lượng ảnh nhằm biến đổi khoảng giá trị cấp độ xám mà thiết bị hiển thị có khả năng thể hiện được, làm cho hình ảnh trông rõ hơn. Có thể thực hiện phép biến đổi theo quan hệ sau:
y = f(x)
Trong đó y là cấp độ xám sau biến đổi, x là giá trị cấp độ xám nguyên thuỷ.
- Thể hiện mầu trên tư liệu ảnh.
Để thể hiện mầu trên tư liệu ảnh viễn thám người ta phải tổ hợp mầu và hiện mầu giả.
+ Tổ hợp mầu:
Một bức ảnh mầu có thể được tổ hợp trên cơ sở gán 3 kênh phổ nào đó cho 3 mầu cơ bản. Có hai phương pháp trộn màu, đó là cộng mầu và trừ mầu.
Trong trường hợp trộn cộng mầu người ta sử dụng ba mầu cơ bản là đỏ, lục, chàm ( red, green, blue) trên nền đen. Trong trường hợp trộn mầu trừ người ta sử dụng ba mầu cơ bản là vàng, tím ( cánh sen) và lam trên nền trắng. Trên hình 15 là sơ đồ trộn mầu.



Hình 21: Sơ đồ trộn mầu
Nếu ta chia toàn bộ dải sóng nhìn thấy thành 3 vùng cơ bản của đỏ, lục, chàm và sau đó lại dùng ánh sáng trắng chiếu qua các kính lọc đỏ, lục, chàm tương ứng ta thấy hầu hết các màu tự nhiên đều được tái tạo lại. Phương pháp tổ hợp màu như vậy được gọi là tổ hợp mầu tự nhiên.
Trong viễn thám, các kênh phổ không được chia đều trong dải sóng nhìn thấy nên không thể tái tạo lại các mầu tự nhiên mặc dù cũng sử dụng 3 mầu cơ bản đỏ, lục, chàm. Tổ hợp mầu như vậy gọi là tổ hợp mầu giả.
Tổ hợp mầu giả thông dụng nhất trong viễn thám là tổ hợp mầu giả khi gán mầu đỏ cho kênh hồng ngoại, mầu lục cho kênh đỏ và mầu chàm cho kênh lục. Trên tổ hợp mầu này, các đối tượng được thể hiện theo gam mầu chuẩn như thực vật có mầu đỏ, các mức độ khác nhau thể hiện mức độ dày đặc của thảm thực vật.
+ Hiện mầu giả:
Tổ hợp mầu chỉ thực hiện được trong trường hợp có 3 kênh phổ trở lên. Trong trường hợp chỉ có một kênh phổ, để thể hiện trong không mầu người ta sử dụng phương pháp hiện mầu giả, trong đó một khoảng cấp độ xám nhất định được gán một mầu nào đó. Cách gán mầu như vậy không có quy luật nào cả, hoàn toàn phụ thuộc vào người thiết kế. Thông thường cách này hay được sử dụng cho ảnh sau phân loại, ảnh chỉ số thực vật, ảnh nhiệt...
1.3.5. Phân loại đa phổ
Phân loại trong xử lý tư liệu viễn thám được thực hiện bằng việc gán cho các khoảng cấp độ xám nhất định thuộc nhóm đối tượng nào đó có các tính chất tương đối đồng nhất để phân biệt các nhóm đó với nhau trong khuôn khổ ảnh cho trước. Phân loại có thể được thực hiện trên nguyên lý đoán đọc bằng mắt hoặc với sự trợ giúp của máy tính. Hiện nay sử dụng máy tính để phân loại ngày càng phổ cập hơn và mang lại kết quả khả quan hơn.
Trình tự phân loại gồm các bước cơ bản như sau:
Bước 1: Định nghĩa các lớp
Các lớp phân loại cần được định nghĩa rõ ràng về mặt chỉ tiêu. Các chỉ tiêu này cần được lựa chọn có chú ý đến đặc thù của tư liệu ảnh.
Bước 2: Lựa chọn các đặc tính
Các đặc tính phổ hoặc cấu trúc cho phép phân biệt các lớp cần được tập hợp, lựa chọn.
Bước 3: Chọn vùng mẫu
Các tệp mẫu cần được lựa chọn dựa vào kết quả của bước 1 và bước 2. Các số liệu lấy được dựa vào tệp mẫu có ý nghĩa quyết định trong việc thành lập chỉ tiêu phân loại.
Bước 4: Lựa chọn các phương pháp phân loại:
Có thể sử dụng nhiều cách phân loại khác nhau trong khuôn khổ tệp mẫu và so sánh kết quả đạt được để lựa chọn cách phân loại tối ưu nhất, cho kết quả chính xác nhất.
Bước 5: Phân loại
Dựa trên các luật quyết định và các chỉ tiêu đã thiết lập, các picel sẽ được phân loại tuần tự theo các lớp đã chọn.
Bước 6: Kiểm tra kết quả phân loại
Các kết quả sau khi phân loại cần được kiểm tra độ chính xác và độ tin cậy. Nếu các chỉ tiêu chính xác không được bảo đảm thì cần thay đổi hoặc điều chỉnh các chỉ tiêu phân loại một cách phù hợp nhằm đạt được kết quả tốt hơn.


CHƯƠNG II
PHƯƠNG PHÁP XỬ LÝ THÔNG TIN VIỄN THÁM

2.1. PHƯƠNG PHÁP GIẢI ĐOÁN ẢNH BẰNG MẮT
Giải đoán ảnh bằng mắt các thể áp dụng trong mọi điều kiện trang thiết bị. Giải đoán ảnh bằng mắt là việc sử dụng mắt thường cùng với các dụng cụ quang học như kính lúp, kính lập thể, máy tổng hợp màu để xác định các đối tượng. Cơ sở để giải đoán ảnh bằng mắt là các chuẩn giải đoán đọc và khoá giải đoán ảnh.
2.1.1. Các chuẩn giải đoán ảnh vệ tinh
Nhìn chung các thể chia các chuẩn giải đoán thành 8 nhóm chính sau:
+ Chuẩn kích thước
Cần phải chọn tỷ lệ ảnh phự hợp để giải đoán. Kích thước của đối tượng các thể xác định bằng cách lấy kích thước đo được trên ảnh nhân với mẫu số tỷ lệ ảnh.
+ Chuẩn hình dạng
Hình dạng các ý nghĩa quan trọng trong giải đoán ảnh. Hình dạng đặc trưng cho mỗi đối tượng khi nhìn từ trên cao xuống và được coi là chuẩn giải đoán quan trọng.
+ Chuẩn bóng
Bóng của vật thể dễ dàng nhận thấy khi nguồn sáng không nằm chính xác ở đỉnh đầu hoặc trường hợp chụp ảnh sườn. Dựa vào bóng của vật thể các thể xác định được chiều cao của nó.
+ Chuẩn độ đen
Độ đen trên ảnh đen trắng biến thiên từ trắng đến đen. Mỗi vật thể được thể hiện bằng một cấp độ sáng nhất định tỷ lệ với cường độ phản xạ ánh sáng của nó. Ví dụ: cỏ khô phản xạ rất mạnh ánh sáng nên trên ảnh toàn sắc bao giờ cũng các màu trắng, trong khi đó cát ướt do độ phản xạ kém hơn nên có màu tối hơn. Trên ảnh hồng ngoại đen trắng, do cây lỏ nhọn phản xạ mạnh tia hồng ngoại nên các ảnh màu trắng và nước lại hấp thụ hầu hết bức xạ trong dải sóng này nên bao giờ ảnh cũng có màu đen.
+ Chuẩn màu sắc
Màu sắc là một chuẩn rất tốt trong việc xác định các đối tượng. Ví dụ: các kiểu loài thực vật các thể được phỏt hiện dễ dàng ngay cả cho những người không các nhiều kinh nghiệm trong giải đoán ảnh khi sử dụng ảnh hồng ngoại mầu. Các đối tượng khác nhau cho các tụng màu khác nhau, đặc biệt khi sử dụng ảnh đa phổ tổng hợp màu.
+ Chuẩn cấu trúc
Cấu trúc là một tập hợp của nhiều hình mẫu nhỏ. Ví dụ: một bãi cỏ không xen lẫn các loài cây khác cho ta ảnh các cấu trúc mịn, ngược lại rừng hỗn giao cho ảnh các cấu trúc sần sùi. Đương nhiên điều này cần phụ thuộc vào tỷ lệ ảnh được sử dụng.
+ Chuẩn phân bố
Chuẩn phân bố là một tập hợp của nhiều hình dạng nhỏ phân bố theo một quy luật nhất định trên ảnh. Ví dụ: hình ảnh của các dRy nhà, hình ảnh của ruộng lỳa nước, các đồi trồng chố ... tạo ra những hình mẫu đặc trưng riêng cho các đối tượng đó.
+ Chuẩn mối quan hệ tương hỗ
Một tổng thể các chuẩn giải đoán môi trường xung quanh hoặc mối liờn quan của các đối tượng nghiên cứu với các đối tượng khác cung cấp một thông tin giải đoán quan trọng. Nhằm trợ giúp cho công tác giải đoán, người ta thành lập các khoá giải đoán cho các đối tượng khác nhau. Khoá giải đoán là tập hợp các chuẩn dùng để giải đoán một đối tượng nhất định. Kết quả giải đoán phụ thuộc vào khoá giải đoán. Mục đích của việc sử dụng khoá giải đoán là làm chuẩn húa các kết quả giải đoán của nhiều người khác nhau. Thông thường, khoá giải đoán do những người các kinh nghiệm và hiểu biết thành lập dựa trên những vùng nghiên cứu thử nghiệm đó được điều tra kỹ lưỡng. Tất cả 8 chuẩn giải đoán cùng với các thông tin về thời gian chụp, tỷ lệ ảnh, mựa chụp đều phải đưa vào khoá giải đoán. Một bộ khoá giải đoán gồm không chỉ phần ảnh mà cần mô tả bằng lời nữa.
2.1.2. Ảnh tổng hợp màu
Tư liệu ảnh dùng để giải đoán bằng mắt tốt nhất là ảnh tổng hợp màu.
Đặc điểm cơ bản của ảnh tổng hợp màu là sự mã hoá bằng màu các khác biệt về phổ của các đối tượng. ở đây chuẩn giải đoán chính là sự tương phản màu được nhấn mạnh nhờ sự lựa chọn một cách các ý thức phương án tổng hợp màu. Trong trường hợp tư liệu gốc thỏa mãn các điều kiện kỹ thuật nếu, sử dụng phương án tổng hợp màu chuẩn và điều kiện xử lý húa ảnh chặt chẽ thì màu là một chuẩn giải đoán tương đối ổn định.
Nhờ khả năng phân biệt cao của màu sắc nên nó các thể truyền đạt sự khác biệt về phổ của đối tượng nghiên cứu cho người giải đoán, ảnh tổng hợp màu các tính trực quan sinh động hơn ảnh phổ đen trắng. Đối với ảnh phổ chụp ở vùng hồng ngoại, ảnh tổng hợp màu cho ta bức tranh màu giả không các thực trong tự nhiên.
Về màu sắc, ảnh tổng hợp màu so với ảnh màu vệ tinh chụp trên phim màu các nhiều màu sắc hơn với độ tương phản màu cao hơn. So với ảnh đa phổ thì ảnh tổng hợp màu cũng các nhiều màu sắc hơn và độ tương phản cao hơn, nhưng độ phân giải lại kém hơn ảnh phổ màu. Khả năng giải đoán các đối tượng trên ảnh tổng hợp màu phụ thuộc vào việc lựa chọn phương án tổng hợp mầu tức là phụ thuộc vào nhiệm vụ giải đoán, khả năng ứng dụng của ảnh tổng hợp màu để giải đoán các đối tượng cụ thể.
Lựa chọn kênh phổ để tổng hợp màu là một công việc quan trọng quyết định chất lượng thông tin của ảnh tổng hợp màu. Việc lựa chọn kênh phổ được xác định trên cơ sở như sau:
- Đặc tính phản xạ phổ của các đối tượng cần giải đoán.
- Nhiệm vụ của việc giải đoán.
- Yêu cầu đối với độ phân giải của ảnh dùng để giải đoán.
- Đặc điểm của khu vực cần giải đoán.
Để chọn kênh phổ mang tính thông tin cao cần phân loại nhóm đối tượng chính cần giải đoán. Trên cơ sở các kênh phổ mang thông tin, ta chọn ra kênh chính và kênh phụ để tổng hợp màu.
Mặt khác, để lựa chọn kênh phổ các thể sử dụng biểu đồ độ sáng
(histogram).
Các thiết bị dựng cho tổng hợp màu đa phổ thường dựng trên thế giới và nước ta là:
- Máy chiếu hình đa phổ chuyên dụng MSP-4C (CHLB Đức) và AC-90B (Nhật).
- Máy nắn Rectimat - C, Dust 2000 các gắn đầu mầu.
- Các máy vi tính PC các màn hình màu VGA và các trạm làm việc WS.


2.2. PHƯƠNG PHÁP GIẢI ĐOÁN ẢNH BẲNG XỬ LÝ SỐ
2.2.1. Thuật toán phân loại
Thuật toán phân loại được sử dụng để quy một pixel chưa biết vào một loại đối tượng nào đó. Việc lựa chọn cách phân loại riêng biệt hoặc luật quyết định phụ thuộc vào tính chất của chỉ tiêu đầu vào và yêu cầu của dữ liệu đầu ra.Dưới đây là một số thuật toán phân loại thường dựng trong Viễn thám.
Phân loại theo khoảng cách ngắn nhất (Minimum distance classifier)
Phân loại theo khoảng cách ngắn nhất được sử dụng để phân loại các đối tượng trong không gian phổ đa chiều. Khoảng cách giữa các pixel được sử dụng như chuẩn để đánh giá sự phụ thuộc về một lớp nào đó của pixel đang khảo sát. Các khoảng cách thường dựng bao gồm:
- Khoảng cách ơclit



Khoảng cách này được sử dụng trong trường hợp phương sai của các lớp khác nhau. Khoảng cách ơclit có thể coi như hệ số đồng dạng.
- Khoảng cách ơclit chuẩn húa



- Khoảng cách Mahalanobs
Trong trường hợp giữa các kênh phổ các mối tương quan thì khoảng cách Mahalanobs được sử dụng thay cho các khoảng cách khác. Khoảng cách Mahalanobs được định nghĩa như sau:







Nguyên lý phân loại theo khoảng cách ngắn nhất được thể hiện trên hình sau:




Hình 22: Nguyên lý phân loại theo khoảng cách ngắn nhất


Thuật toán khoảng cách ngắn nhất khá đơn giản về mặt toán học và các hiệu quả về mặt tính toán nhưng các hạn chế là không nhạy cảm với mức độ biến đổi trong dữ liệu phổ thu nhận được. Do vậy thuật toán này không sử dụng cho việc phân loại phổ gần giống nhau trong không gian đó và có độ biến thiên cao.
Phân loại theo xác suất cực đại (Maximum likelihood classifier)
Phương pháp phân loại theo xác suất cực đại được sử dụng thường xuyên trong xử lý ảnh viễn thám. Mỗi pixel được tính xác suất thuộc vào một lớp nào đó và nó được gán vào lớp các xác suất thuộc vào lớp đó lớn nhất. Xác suất này được định nghĩa như sau:

Lk = P(k/X) = P(k) *P(X/k)/∑P(i)*P(X/i)

Trong đó: P(k) : xác suất tiền định của lớp k;
P(X/k) : xác suất điều kiện các thể thay được X thuộc vào lớp k
Thông thường người ta coi P(k) là hằng số cho tất cả các lớp và P(i)*∑P(X/i) cũng được coi như vậy cho nên thực chất xác suất Lk các thể được viết như sau:



Nguyên lý phân loại theo phương phỏp xác xuất cực đại như sau




Hình 23: Nguyên lý phân loại theo xác suất cực đại

Theo lý thuyết xác suất, phương pháp phân loại theo xác suất cực đại các nhiều ưu việt. Tuy vậy, khi sử dụng nó cần chỳ ý tới mấy vấn đề sau:
- Số lượng các khu vực lấy mẫu thực địa phải đủ lớn để các 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.
- Ma trận nghịch đảo của ma trận phương sai - hiệp phương sai sẽ không ổn định trong một số trường hợp độ tương quan giữa các kênh phổ rất gần nhau. Khi đó cần áp dụng phương pháp làm giảm số kênh phổ, ví dụ như phương pháp phân tích thành phần chính.
Trong trường hợp hàm phân bố của các đối tượng nghiên cứu không theo luật phân bố chuẩn Gauss thì không nên sử dụng phương pháp này.

Phân loại hình hộp (Box Classifier)



Hình 24: Bản chất hình học của phân loại hình hộp

Phân loại hình hộp thuộc vào nhóm phương pháp phân loại các giám định đơn giản nhất. Trong phương pháp này mỗi trục phổ được chia thành nhiều lớp dựa trên các giá trị tối đa, tối thiểu của tệp mẫu tương ứng. Hay nói cách khác là trong không gian phổ này ta xác định các "hộp" bao bọc một nhóm cùng tính chất. Các pixel nằm trong "hộp" không gian giới hạn bởi các miền xác định trên trục phổ như vậy sẽ được phân loại. Phương pháp này có tốc độ tính toán cao nhưng độ chính xác và khả năng áp dụng cần bị hạn chế.
Quá trình phân loại theo phương pháp hình hộp được tiến hành như sau:
- Xác định đường bao cho tất cả các hộp đặc trưng theo các vùng liờn tục (vùng lấy mẫu). Tức là vùng có đặc trưng xác định như đất, nước, thực vật...trên ảnh gốc và đó được xác định ở thực địa. Đối với từng lớp liờn tục đó có giá trị độ xỏm trung bình m và các phương sai d của sự phân bố độ đen cần thiết để tính toán:



Trong đó : i - số thứ tự của lớp trong tổng N lớp,
j - số thứ tự của kênh trong tổng NB kênh,
k - số thứ tự của pixel trong tổng Ni pixel.
Khi sử dụng mij và dij cho các vùng bao của từng hộp, ta các thể dựng biểu thức sau:

Ở đây k là hệ số tỷ lệ lựa chọn, (Xmin)ij , (Xmax)ij là giới hạn thống nhất và cao nhất của vùng bao lớp i trên kênh ảnh j.
- Đối với tất cả các pixel trên ảnh gốc, việc giải đoán các đặc trưng sẽ thực hiện theo điều kiện: Nếu (Xmin)ij < Xik < (Xmax)ij , (j = 1,2...NB) thì pixel k thuộc lớp j và ngược lại pixel k không thuộc lớp j.
- Trong quá trình xử lý, kết quả phân loại ảnh thứ tự của lớp được gán cho từng pixel.
2.2.2. Phương pháp phân loại bằng xử lý số
Các tư liệu thu được trong viễn thám phần lớn là dưới dạng số cho nên vấn đề giải đoán ảnh bằng xử lý số giữ một vai trũ quan trọng và các lẽ cũng là phương pháp cơ bản trong viễn thám hiện đại. Giải đoán ảnh bằng xử lý số trong viễn thám bao gồm các giai đoạn sau:
+ Nhập số liệu
Các hai nguồn tư liệu chính đó là ảnh tương tự do các máy chụp ảnh cung cấp và ảnh số do các máy quét cung cấp. Trong trường hợp ảnh số thì tư liệu ảnh được chuyển từ các băng từ lưu trữ mật độ cao HDDT vào các băng từ CCT, ở dạng này máy tính nào cũng đọc được số liệu. Trong trường hợp ảnh tương tự thì tư liệu ảnh được chuyển thành dạng số thông qua các máy quét chuyên dụng.
+ Khôi phục và hiệu chỉnh ảnh
Đây là giai đoạn mà các tín hiệu số được hiệu chỉnh hệ thống nhằm tạo ra một tư liệu ảnh các thể sử dụng được. Giai đoạn này thường được thực hiện trên các máy tính lớn tại các Trung tâm thu số liệu vệ tinh.
+ Biến đổi ảnh
Các quá trình xử lý như tăng cường chất lượng, biến đổi tuyến tính ... là giai đoạn tiếp theo. Giai đoạn này các thể thực hiện trên các máy tính nhỏ như các máy vi tính khuôn khổ của một phòng thí nghiệm.
+ Phân loại
Phân loại đa phổ để tách các thông tin cần thiết phục vụ việc theo dừi các đối tượng hay lập bản đồ chuyên đề là khâu then chốt của việc khai thác tư liệu viễn thám.
Các hai phương pháp phân loại đa phổ :
- Phương pháp phân loại có giám định
Phân loại có giám định là một hình thức phân loại mà các chỉ tiêu phân loại được xác lập dựa trên các vùng mẫu. Vùng mẫu là khu vực mà trên ảnh người giải đoán biết chắc chắn nó thuộc vào một trong các lớp cần tỡm. Dựa vào các vùng mẫu, các tham số thống kê sẽ được xác định và đó chính là các chỉ tiêu thống kê sử dụng trong quá trình phân loại sau này.
- Phương pháp phân loại không giám định
Tại những khu vực không các một thông tin nào về đối tượng cần phân loại, người ta sử dụng kỹ thuật phân loại không giám định. Phân loại không giám định chỉ sử dụng thuần tuý thông tin ảnh. Trình tự thực hiện các thể túm tắt như sau:
+ Đầu tiên, các pixel trên ảnh được gộp thành các nhóm có đặc trưng phổ tương đối đồng nhất bằng kỹ thuật ghộp lớp.
+ Các nhóm này được sử dụng để tính các tham số thống kê cho quá trình phân loại tiếp theo.
Việc xác định các tham số thống kê tệp mẫu phụ thuộc vào các phương pháp phân loại sẽ được sử dụng. Tuy nhiên phần lớn các phương pháp phân loại đều sử dụng các tham số như giá trị trung bình tệp mẫu, ma trận, phương sai.
+ Xuất kết quả
Kết quả có thể xuất dưới dạng ảnh tương tự hay ảnh số. Các kết quả dạng số này được khai thác, sử dụng nhiều vì chúng là đầu vào rất tốt cho công nghệ sử dụng hệ thống thông tin địa lý. Trên cơ sở ứng dụng hệ thống thông tin địa lý, nhiều loại thông tin khác nhau cùng được đưa vào xử lý tạo một kết quả chính xác và phong phú hơn so với trường hợp chỉ sử dụng riêng tư liệu viễn thám.

+ Đánh giá độ chính xác của kết quả phân loại
Phân loại đa phổ là quá trình tách gộp thông tin dự trên các tính chất phổ không gian và thời gian của đối tượng. Phân loại đa phổ để chiết tách các thông tin cần thiết phục vụ cho việc theo dừi các đối tượng hay thành lập bản đồ chuyên đề là khâu then chốt của việc khai thác các tư liệu viễn thám.
Đánh giá độ chính xác phân loại là vấn đề đang được các chuyên gia viễn thám chú ý đến. Ngày nay chưa các phương pháp nào đơn giản và chuẩn mực được chấp nhận đại trà để xác định độ chính xác phân loại. Các hai phương pháp được sử dụng phổ biến nhất để đánh giá độ chính xác công tác phân loại đa phổ. Cả hai đều so sánh các kết quả thu được từ cách phân loại bằng đối số với đặc tính “đó biết” của mặt đất trong các vùng thử nghiệm từ các tài liệu tham khảo. Các khu vực thử nghiệm được đại diện điển hình bằng một hoặc tổ hợp của:
- Các khu vực thử nghiệm đồng nhất cho người giải đoán lựa chọn.
- Các khu vực thử nghiệm hoặc các pixel được chọn một cách ngẫu nhiên.
Phương pháp thứ nhất
Ta đó biết cách sử dụng một bảng ngẫu nhiên làm công cụ đánh giá độ chính xác phân loại của khu vực lấy mẫu. Cần nhớ là phương thức này chỉ nêu ra các số liệu thống kê lấy ra từ các khu vực mẫu các thể sử dụng tốt để phân loại các khu vực đó. Nếu các kết quả tốt thì điều đó chứng tỏ khu vực mẫu là đồng nhất và cách phân loại đang sử dụng các thể phục vụ tốt trong các khu vực mẫu. Điều này trợ giúp trong quá trình chọn lọc bộ mẫu nhưng nó ít chỉ ra yếu tố được phân loại ra sao trên khu vực khác.
Các khu vực thử nghiệm là những khu vực các lớp phủ mặt đất đại diện đồng nhất khác và rộng hơn các vùng mẫu. Chúng thường được bố trí trong giai đoạn lấy mẫu để phân loại các kiểm định bằng cách chọn thêm các vùng mẫu dự trữ nhiều hơn so với yêu cầu để nghiên cứu dạng thống kê phân loại. Khi đó, một phần của chúng các thể được giữ lại để đánh giá độ chính xác sau khi phân loại và lại dựng một bảng ngẫu nhiên để biểu thị các kết quả. Độ chính xác thu được trong các khu vực này biểu thị gần đúng chất lượng phân loại trên toàn bộ khu đo. Tuy nhiên, vì là đồng nhất nên các diện tớch thử nghiệm các thể không đưa ra độ chính xác phân loại cho từng pixel riêng biệt của sự biến động.
Một phương phỏp các thể dùng để đánh giá độ chính xác là so sánh kết quả phân loại lớp phủ mặt đất tại mỗi pixel trong ảnh với tài liệu tham khảo. Tuy nhiên,việc thu thập thông tin lớp phủ mặt đất tham khảo cho một khu vực là khỏ tốn kộm.
Phương pháp thứ hai
Việc lấy mẫu một cách ngẫu nhiên sẽ khắc phục được các nhược điểm trên nhưng nó bị ảnh hưởng do số lượng vùng mẫu các hạn. Trước hết, do việc thu thập các tài liệu tham khảo cho các mẫu đại diện cho các điểm phân bố ngẫu nhiên thường rất khó khăn và tốn kộm bởi vì việc đi lại và việc tiếp cận các điểm lấy mẫu ngẫu nhiên gặp khó khăn. Hai là, giá trị của việc lấy mẫu ngẫu nhiên phụ thuộc vào khả năng ghi lại chính xác các tài liệu tham khảo. Biện pháp để khắc phục nhược điểm này là chỉ lấy mẫu tại những pixel mà đặc điểm nhận dạng chúng không bị ảnh hưởng của các sai số ghi chộp (chẳng hạn các điểm cách ranh giới giữa các vùng lấy mẫu ít nhất một vài pixel).
Các pixel thử nghiệm phải chọn một cách ngẫu nhiên nhưng phải đại diện về mặt địa lý cho tập hợp dữ liệu phân tớch. Việc chọn mẫu ngẫu nhiên phải theo các lớp, mà tại đó mỗi loại đất phủ các thể xem là một lớp được sử dụng. Vì vậy, phương pháp lấy mẫu thớch hợp cho việc thống kê đất nông nghiệp sẽ khác với phương pháp lấy mẫu để thành lập bản đồ vùng đầm lầy. Ngoài ra, khi thiết kế vùng mẫu cần phải chú ý đến diện tớch khu vực được nghiên cứu và các loại lớp phủ cần được phân loại.
Một cách phổ biến để thực hiện việc lấy mẫu ngẫu nhiên là chồng các dữ liệu kết quả phân loại lên một lưới ô vuông. Sau đó sẽ chọn ngẫu nhiên các ô thử nghiệm. Các lớp phủ mặt đất hiện có được xác định thông qua việc kiểm tra ngoài thực địa (hoặc các nguồn dữ liệu tham khảo khác) và so sánh với các dữ liệu đã phân loại. Sau đó sẽ ghi lại các kết quả vào trong một bảng ngẫu nhiên.
Trong việc xác định độ chính xác phân loại, điều quan trọng không chỉ nêu lên tỷ lệ các pixel được phân loại đúng mà cần cần xác định tính chất sai sót phạm phải của từng loại một.
Chỉ tiêu Kappa này nằm trong phạm vi từ 0 đến 1 và biểu thị sự giảm theo tỷ lệ về sai số được thực hiện bằng một yếu tố phân loại hoàn toàn ngẫu nhiên. Do vậy, giá trị 0,75 sẽ chỉ ra rằng các yếu tố phân loại đó tránh được
75% các sai số mà một quá trình hoàn toàn ngẫu nhiên các thể sinh ra.
Kích thước của vùng mẫu cũng cần phải được cân nhắc cẩn thận trong việc xây dựng và giải thích độ chính xác phân loại. Để đánh giá độ chính xác trung bình của một loại với sai số 5% cần phải các nhiều hơn 250 pixel thử nghiệm. Khi số lượng pixel thử nghiệm được lấy mẫu ít hơn thì độ chính xác sẽ bị giảm đáng kể. Túm lại, số lượng các điểm cần lấy mẫu phụ thuộc vào quy trình lấy mẫu được sử dụng, độ chính xác của việc ước tính, số lượng pixel các mặt trong một chủng loại và độ chính xác phân loại yêu cầu.
Ngoài ra, khi đánh giá độ chính xác phân loại cần lưu ý đến hai vấn đề: thứ nhất là chất lượng của bất kỳ việc đánh giá độ chính xác nào cũng chỉ tốt khi thông tin được sử dụng để thiết lập loại đất “thực” các mặt trong các vùng thử nghiệm. Với một chừng mực nào đó, sai số ước lượng các mặt trong tài liệu tham khảo phải được đưa vào quá trình đánh giá độ chính xác. Thứ hai là quy trình đánh giá độ chính xác phải được thiết kế sao cho phản ánh đúng mục đích của việc phân loại đó. Chẳng hạn, một pixel đơn lẻ bị phân loại sai là “ đầm lầy” nằm giữa một vùng trồng màu các thể không có ý nghĩa trong việc xây dựng kế hoạch sử dụng đất của một vùng, nhưng sai sót lại không thể bỏ qua nếu việc phân loại đó làm cơ sở để đánh thuế đất nông nghiệp.