Chủ đề Tìm hiểu khả năng áp dụng ảnh vệ tinh radar & quang học để thành lập một số thông tin về lớp phủ mặt đất

Danh sách

TRANG

Danh sách các hình.4

Danh sách bảng biểu.6

Mở Đầu.7

CHƯƠNG I11

TổNG QUAN Về MộT Số VấN Đề CầN NGHIÊN CứU.11

I.1. Định nghĩa lớp phủ mặt đất.11

I.2. Hệ phân loại lớp phủ mặt đất.13

I.3. áp dụng ảnh vệ tinh trong công tác thành lập các lớp thông tin lớp phủ mặt đất.16

I.4. Tình hình tìm hiểu về khả năng phối hợp ảnh radar & quang học đểchiết tách . . .

các thông tin về lớp phủ mặt đất.20

I.5. Một số vấn đề về tưliệu, khu vực tìm hiểu & sản phẩm của chủ đề.23

CHươNG II25

ảnh radar & đặc điểm phản xạ của các đối tượng lớp phủ

trên ảnh radar. 25

II.1. Nguyên lý căn bản của ảnh radar.25

II.2. Biến dạng hình học ảnh radar & bí quyết giải quyết hình học ảnh radar.37

II.3. Nhiễu & các bí quyết xửlýnhiễu trên ảnh radar.44

II.4. Tương tác của sóng radar với mặt phẳng thực địa.53

II. 5. Đặc điểm phản xạ & khả năng giải đoán của một số lớp phủ trên ảnh radar.60

CHươNG III68

Tìm hiểu khả năng phối hợp ảnh radar & ảnh quang học.

để chiết tách các thông tin về lớp phủ mặt đất.68

III.1. So sánh đặc tính của ảnh radar & ảnh quang học.68

III.2. Tại sao nên phối hợp ảnh radar & ảnh quang học.70

III.3. Tìm hiểu các bí quyết phối hợp ảnh radar & ảnh quang học.74

III.4. Các bí quyết chiết tách thông tintrên ảnh radar & tổ hợp.82

III.5. Qui trình công nghệ kết hợpảnh quang học & ảnh radar để thành lập bản đồ. lớp phủ.93

III.6. Hiệu quả kinh tế của việc phối hợp ảnh radar & ảnh quang học để thành lập

các lớp thông tin lớp phủ mặt đất.97

CHươNG IV99

Thực nghiệm phối hợp ảnh Radar & ảnh quang học để thành

lập một số lớp thông tin lớp phủ.99

IV.1. Khái quát về đặc tính địa lý tự nhiênư kinh tế ư văn hóaư xã hội tại các

khu vực thí nghiệm.99

IV.2. Ebook sử dụng.102

IV.3. Bài viết & bí quyết thí nghiệm.104

Tổng kết.126

Kiến nghị :.129

Ebook xem qua.130

Phụ Lục.133

174 trang

|

Chia sẻ: maiphuongdc

| View: 4618

| Lượt tải: 33

Bạn đang xem bài viết ebook Chủ đề Tìm hiểu khả năng áp dụng ảnh vệ tinh radar & quang học để thành lập một số thông tin về lớp phủ mặt đất, để tải ebook về máy bạn click vào nút DOWNLOAD ở trên

n về
mặt toỏn học, cho phộp tớnh toỏn một cỏch nhanh chúng & hiệu quả. Tuy nhiờn, hạn
chế của phương phỏp là khụng nhạy cảm với mức độ khỏc biệt về phản xạ phổ trong
mỗi lớp đối tượng ( Lillesand and Kiefer 1994 ).
Thuật toỏn hỡnh hộp
Trong phương phỏp này, cỏc khối hỡnh hộp được seting với tọa độ của cỏc điểm gúc
là cỏc giỏ trị phản xạ phổ lớn nhất & nhỏ nhất của mỗi lớp trờn cỏc kờnh phổ khỏc
nhau (Skidmore 1996). Nếu như pixel cần phõn loại nằm trong một khối hộp đại diện
cho một lớp nào đú thỡ nú sẽ được gỏn cho lớp đú. Thuật toỏn hỡnh hộp cũng tương đối đơn
giản & tớnh toỏn rất nhanh chóng chúng, tuy nhiờn tại những vựng chồng đố giữa cỏc hỡnh
hộp thỡ cỏc pixel sẽ khụng phõn loại được hoặc được gỏn một cỏch ngẫu nhiờn.
Thuật toỏn xỏc suất cực đại
Đõy là thuật toỏn được sử dụng thông dụng nhất trong việc phõn loại ảnh viễn thỏm.
Thuật toỏn xỏc suất cực đại dựa trờn giả thuyết rằng sự phõn bố của toàn bộ cỏc pixels
của cỏc vựng mẫu hay cỏc lớp là phõn bố chuẩn. Giả định này cho phộp trình diễn cỏc
lớp đối tượng bằng vector trung bỡnh & ma trận hiệp phương sai của đặc tớnh phản xạ
phổ. Sau đú xỏc suất của pixel rơi vào lớp nào đú sẽ được tớnh toỏn dựa theo cỏc số liệu
thống kờ của lớp đú. Cuối cựng, pixel sẽ được gỏn cho lớp cú giỏ trị xỏc suất lớn nhất.
Thuật toỏn xỏc suất cực đại thường cho kết quả phõn loại cú độ chớnh xỏc cao
đối với cỏc phương phỏp khỏc. Giới hạn căn bản của thuật toỏn đó là khối lượng tớnh
toỏn lớn do đú làm tăng đỏng kể thời gian giải quyết đối với cỏc thuật toỏn khoảng cỏch
ngắn nhất hoặc hỡnh hộp.
Phõn loại khụng giỏm sỏt
Phương phỏp phõn loại khụng giỏm định sẽ xếp đặt cỏc pixel vào cỏc lớp hoàn
toàn dựa theo đặc tớnh phản xạ phổ tự nhiờn của cỏc đối tượng lớp phủ cú mặt trờn ảnh,
84
cỏc pixels được gộp chung vào một lớp thường cú giỏ trị phản xạ phổ gần giống nhau.
Khỏc với phương phỏp phõn loại cú giỏm định, phương phỏp phõn loại khụng giỏm
định, khụng yờu cầu lựa chọn cỏc vựng mẫu. Sau thời điểm phõn loại cần phải gỏn tờn tương
ứng cho mỗi lớp.
Một số thuật toỏn thông dụng được dựng để xỏc định cỏc cụm, nhúm tự nhiờn của
cỏc pixels trờn tập dữ liệu ảnh, trong đú thuật toỏn dễ dàng nhất & cũng được sử dụng
rộng rói hơn cả là thuật toỏn khoảng cỏch ơclit. Thuật toỏn chính yếu được sử dụng cho
việc phõn lớp khụng giỏm định là Migrating Mean hay ISODATA. Thuật toỏn này
được tiến hành như sau:
– Trước tiờn vị trớ trung tõm của một số cụm, nhúm pixel trong khụng gian đa
phổ sẽ được xỏc định với tọa độ là giỏ trị trung bỡnh phản xạ phổ của cỏc pixel trong
cụm nhúm đú trờn mỗi kờnh phổ.
– Khoảng cỏch từ mỗi pixel đến tõm của cỏc cụm nhúm pixel sẽ được tớnh toỏn
& pixel sẽ được gỏn cho cụm, nhúm gần nhất.
– Sau thời điểm toàn bộ cỏc pixel đó được phõn loại, vị trớ trung tõm của mỗi cụm, nhúm
sẽ được tớnh toỏn lại để tỡm ra cỏc vị trớ trung tõm mới của cỏc cụm nhúm pixel. Tập
hợp cỏc vị trớ trung tõm mới này sau đú sẽ được sử dụng để tiến hành phõn lớp lại cỏc
pixel trờn ảnh.
– Quỏ trỡnh trờn tiếp tục cho đến khi sự khỏc biệt về vị trớ trung tõm của cỏc cụm
nhúm pixel giữa hai lần lặp tiếp theo bé hơn ngưỡng đưa ra.
Ưu thế rừ nhất của thuật toỏn ISODATA là cho kết quả tốt so với những tập
dữ liệu khụng tuõn theo phõn bố chuẩn. Tuy thế, những điểm yếu căn bản của nú là
khối lượng tớnh toỏn lớn & thuật toỏn này khụng nhạy cảm với sự liờn tục về mặt
khụng gian (Skidmore 1996).
Sự khỏc nhau căn bản giữa phõn loại cú giỏm sỏt & phõn loại khụng giỏm sỏt là
trong lúc phõn loại cú giỏm sỏt hoàn toàn được kiểm soỏt bởi tỏc nghiệp viờn là người
cú hiểu biết về cỏc lớp đối tượng cần phõn lớp trong vựng nghiờn cứu thỡ phõn loại
khụng giỏm sỏt là quỏ trỡnh tớnh toỏn auto theo thuật toỏn được lựa chọn & tờn của
lớp đối tượng khụng được biết trước ( Lillesand & Kieffer 1994 ). Sau thời điểm quỏ trỡnh
phõn loại kết thỳc, cần phải so sỏnh kết quả với cỏc ebook xem qua như bản đồ địa
hỡnh, ảnh hàng khụng tỉ lệ lớn hay số liệu thực địa để gỏn tờn cho cỏc lớp.
85
Giới hạn lớn nhất của phương phỏp phõn loại ảnh số truyền thống là hoàn toàn
dựa theo đặc tớnh phản xạ phổ của cỏc đối tượng lớp phủ mặt phẳng. Mặc dự vậy, do khả
năng giải quyết nhanh chúng trờn dữ liệu số nờn phõn loại ảnh số vẫn được sử dụng một
cỏch rộng rói trong việc theo dừi giỏm sỏt & lập bản đồ lớp phủ.
Tựy thuộc vào điều kiện rõ ràng và cụ thể mà cú thể ỏp dụng phõn loại cú giỏm sỏt hoặc
khụng giỏm sỏt hoặc phối hợp cả hai phương phỏp ( hybrid approach). Khú khăn lớn
nhất so với phõn loại khụng giỏm định là một số lớp được tạo thành bởi quỏ trỡnh phõn
loại khụng trựng với cỏc lớp đối tượng sử dụng đất hoặc lớp phủ thụng thường, dẫn
đến khú khăn cho việc gỏn nhón cho cỏc lớp sau thời điểm phõn loại. Trong lúc đú, việc xỏc
định cỏc lớp cũng như cỏc thao tỏc của phõn loại cú giỏm định rừ ràng, dễ hiểu hơn,
nờn phương phỏp này thường được lựa chọn nhiều hơn.
Trong phương phỏp phõn loại cú giỏm định, việc lựa chọn cỏc vựng mẫu cú vai
trũ vô cùng quan trọng & sẽ quyết định chất lượng của toàn thể quỏ trỡnh phõn loại.
Chất lượng lựa chọn cỏc vựng mẫu liờn quan trực tiếp đó độ chớnh xỏc phõn loại. Vỡ
vậy, quỏ trỡnh lựa chọn cỏc vựng mẫu phải được tiến hành một cỏch hết sức thận trọng,
phối hợp cỏc tri thức, hiểu biết của người phõn tớch – giải đoỏn với cỏc ebook bổ
sung như bản đồ địa hỡnh, chuyờn đề. Trong một số trường hợp cần phải tiến hành
khảo sỏt thực địa để xỏc định một số vựng mẫu cho cỏc đối tượng lớp phủ tiờu biểu.
Thụng thường cỏc vựng mẫu được lựa chọn là một nhúm cỏc pixel tương đối đồng
nhất tiếp giỏp với nhau.
Như đó nờu ở phần trờn, phương phỏp phõn loại ảnh số truyền thống chỉ sử
dụng cỏc đặc tớnh về phản xạ phổ của cỏc lớp đối tượng mà khụng quan tõm đến phõn
bố khụng gian cũng như cấu trỳc của cỏc lớp đối tượng đú. Từ đú cú thể mong ước rằng
bằng cỏch nào đú tớch hợp được cỏc thụng tin dạng này vào trong tập dữ liệu dựng để
phõn lớp thỡ sẽ cú thể cải tổ được kết quả phõn loại. Gong & Howard 1990 & 1992
đó sử dụng cỏc thụng tin cấu trỳc để bổ trợ cho quỏ trỡnh phõn lớp. Trong nghiờn cứu
của mỡnh cỏc tỏc giả đó tạo thành 1 kờnh dữ liệu cấu trỳc ẩn chứa cỏc thụng tin về tần
số thay đổi của cỏc pixel bằng cỏch sử dụng ảnh vệ tinh SPOT phối hợp với phin lọc
Laplace & quỏ trỡnh chiết tỏch cỏc đường rỡa (edge) phõn định cỏc đối tượng trờn ảnh.
Kờnh thụng tin cấu trỳc này sau đú được phối hợp với dữ liệu ảnh gốc để tiến hành phõn
loại. Kết quả cho thấy rằng, phương phỏp này cho độ chớnh xỏc cao hơn rất nhiều so
86
với phương phỏp phõn loại truyền thống & đặc biệt cú hiệu quả khi cần phõn biệt giữa
cỏc đối tượng của vựng giỏp ranh giữa nụng thụn & đụ thị.
Việc áp dụng ảnh radar phối hợp với ảnh quang học cũng giống với vớ dụ
trờn, do ảnh radar phân phối cỏc thụng tin về đặc tớnh vật lý của cỏc đối tượng như cấu
trỳc & độ gập ghềnh của mặt phẳng khi phối hợp với ảnh quang học truyền thống cũng sẽ gúp
phần làm tăng độ chớnh xỏc của quỏ trỡnh phõn loại.
Tiến trình phân loại ảnh radar phối hợp với ảnh quang học cũng đ−ợc thực hiện
giống nh− với ảnh quang học truyền thống, duy chỉ có các tập dữ liệu dùng để phân
loại là khác nhau. Một vấn đề cần l−u ý là khi lựa chọn các vùng mẫu (phân loại có giám
sát) trên dữ liệu phối hợp thì cần chọn các mẫu có tính đồng nhất cao trên cả ảnh radar
& ảnh quang học. Trên thực tiễn có thể chọn vùng mẫu trên ảnh quang học tr−ớc sau đó
tiến hành hiển thị, so sánh & canh chỉnh phối hợp với ảnh radar để bảo đảm sự đồng nhất
của các mẫu.
Khi xây dựng các tập hợp dữ liệu phối hợp radar + quang học để tiến hành phân
loại cần tìm hiểu kỹ về thuộc tính, đặc tính của chúng để lựa chọn các dữ liệu thích
hợp. Ph−ơng án dễ dàng đặc biệt là sử dụng toàn bộ các dữ liệu ảnh gốc radar & quang học
thu thập đ−ợc trong khu vực tìm hiểu, bên cạnh đó những kênh ảnh có sự trùng lặp lớn
về thông tin ẩn chứa thì không nên đ−a vào phân loại.
Một ph−ơng pháp khác cũng tương đối thông dụng là xây dựng những tổ hợp dữ liệu
trong đó các kênh ảnh có thể là ảnh gốc hoặc các ảnh đã đ−ợc thay đổi để làm nổi trội
một số đối t−ợng nào đó hoặc là các kênh ẩn chứa nhiều thông tin nh−ng ít trùng lặp
nhất. Các kênh ảnh thay đổi th−ờng hay đ−ợc sử dụng là các kênh thành phần chính,
chỉ số cây trồng, chỉ số thay đổi, giá trị bình quân hoặc ảnh phân ng−ỡng(density
slicing).
Chẳng hạn nh− Nguyễn Đình D−ơng (2001) khi tìm hiểu vùng đô thành của thành
phố Hà Nội đã tiến hành phân ng−ỡng trên ảnh radar dựa theo đặc điểm phản xạ của các
đối t−ợng trên ảnh t−ơng ứng với mật độ xây dựng dày đặc, bình quân, th−a, & khu
vực phẳng phiu sau đó chồng lên kết quả phân loại bằng ảnh quang học (Landsat TM).
Kết quả thu đ−ợc cho thấy thay vì chỉ xác nhận một loại lớp phủ là đô thành so với ảnh
Landsat TM thì khi sử dụng ph−ơng án phối hợp với ảnh radar sẽ có thể phân biệt tốt
hơn cấu tạo xây dựng của vùng đô thành dựa theo tông màu khác nhau trên ảnh.
III.4.2. Ph−ơng pháp điều vẽ bằng mắt
Khác với việc chiết tách thông tin bằng ph−ơng pháp phân loại auto, chính yếu
dựa theo các đặc tính về phản xạ của các đối t−ợng trên mặt phẳng & tiến trình tính toán
87
dựa theo các thuật toán của dòng sản phẩm tính, việc giải đoán bằng mắt dựa theo các kiến thức, kinh
nghiệm của ng−ời điều vẽ. Thông qua việc trực tiếp nghiên cứu hình ảnh, sự t−ơng quan,
các mối quan hệ giữa các đối t−ợng cũng nh− hiểu biết về khu vực điều vẽ & các tài
liệu bổ sung mà ng−ời điều vẽ có thể nhận thấy & vẽ đ−ợc các đối t−ợng cần giải đoán.
Chẳng hạn nh− khi tiến hành phân lớp auto trên ảnh quang học, màu n−ớc & màu
của các dự án công trình ở vùng đô thành t−ơng đối giống nhau, thành ra kết quả phân
loại th−ờng có sự lầm lẫn giữa 2 lớp đối t−ợng này. Ngoài ra hiện t−ợng này sẽ
không xảy ra so với tr−ờng hợp giải đoán bằng mắt, vì dựa theo nhận thức & kinh
nghiệm của mình ng−ời điều vẽ sẽ không lúc nào nhầm hai đối t−ợng này với nhau.
Phân biệt đ−ợc các đối t−ợng & nền của chúng đòi hỏi phải so sánh các đối
t−ợng khác nhau dựa theo một, hoặc một số các biểu hiện điều vẽ sau: Triệu chứng điều vẽ
trực tiếp (độ sáng, hình dạng, kích thước, cấu tạo, bóng), biểu hiện điều vẽ gián tiếp & các
biểu hiện thống kê .
a. Triệu chứng điều vẽ trực tiếp:
Hình dạng: (shape) là kiểu dáng, cấu tạo hoặc đ−ờng nét chung của một vật thể riêng
biệt. Đây là biểu hiện điều vẽ trực tiếp ảnh hưởng lên ng−ời suy giải. Đối t−ợng có thể có
hình dạng xác nhận (hình học chuẩn vuông, tròn, chữ nhật vv… ) hoặc không xác nhận
(ranh giới đối t−ợng không phải là hình học chuẩn). Chẳng hạn nh− những khối nhà, các
thiết kế nhân tạo th−ờng là các hình xác nhận (là những hình có dạng hình học xác
định), ranh giới cây trồng không có hình dạng xác nhận.Kế tiếp hình dạng có thể chia
ra nhiều dạng : tuyến , phẳng, diện, dạng khối.
Hình tượng: (Pattern) là sự xếp đặt về mặt không gian của các vật thể có thể chứng kiến
rõ sự lặp lại một cách điển hình & có thứ tự của các tông màu & cấu tạo sẽ tạo thành
mẫu đặc trưng & cuối cùng có thể nhận dạng đ−ợc. Chẳng hạn, các v−ờn cây ăn quả với các
lô thực vật đ−ợc phân bố cách đều nhau & các đ−ờng phố trong Tp với những
ngôi nhà cách đều nhau là những điển hình về hình tượng(xem hình 3.5).
88
đồng thời
chữ nhật
vuụng
chộo hỡnh con thoi gúc tổ ong
bầu dục hỡnh súnghỡnh Sin/cong hình l−ớitrũn
Hỡnh 3.5: Cỏc vớ dụ về hỡnh mẫu
Hỡnh 3.6: Hỡnh mẫu trờn ảnh vệ tinh
Kích th−ớc: Kích th−ớc (size) của vật thể trong ảnh là hàm tỉ lệ. Điều trọng yếu là
nhận xét kích th−ớc của đối t−ợng trong mối t−ơng quan với các vật thể khác tại thực
địa, cũng nh− kích th−ớc chuẩn xác để bổ trợ cho việc điều vẽ có kết quả nhanh t−ơng
ứng. Chẳng hạn, nếu một ng−ời điều vẽ phân biệt các khu vực sử dụng đất & đã nhận dạng
một vùng với rất nhiều toà nhà trong đó, những khu nhà lớn nh− nhà xưởng hoặc nhà kho
sẽ làm liên t−ởng đến các nền tảng kinh doanh, trong lúc những khu nhà nhỏ sẽ cho thấy
này là các khu dân c−.
89
Dân c−
Công xưởng
Hỡnh 3.7: Sự khỏc nhau về kớch thước của cỏc đối tượng
Sắc ảnh: là một biểu hiện suy giải trọng yếu nh−ng nó lệ thuộc nhiều yếu tố. Sắc
ảnh phản ánh độ sáng của địa vật mà độ sáng lại th−ờng xuyên biến đổi & dao động
trong một hạn chế rất rộng. không dừng lại ở đó điều kiện chụp hình & chính sách hoá ảnh cũng ảnh
h−ởng nhiều đến sắc ảnh. L−u ý cùng một vật với điều kiện ánh sáng khác nhau cũng
có thể có cùng sắc ảnh. Kinh nghiệm nêu ra rằng mắt ng−ời có thể phân biệt tới 25 bậc
sắc xám.
Nền màu: so với ảnh phổ màu hoặc ảnh màu tự nhiên là biểu hiện t−ơng đối ổn định
hơn sắc ảnh. Thông th−ờng trên các ảnh thống kê màu phải sử dụng các biểu hiện điều
vẽ màu là chính yếu. Ngoài ra phải l−u ý tới những yếu tố ảnh h−ởng sự biến đổi màu
của đối t−ợng.
Bóng địa vật: là biểu hiện điều vẽ trực tiếp đầy tranh chấp. Một mặt có khi phải nhờ
bóng đổ mới suy giải đ−ợc các đặc điểm của đối t−ợng, mặt khác nó là nhiễu cản trở
tiến trình nhìn rõ suy giải đối t−ợng do sự che khuất. Nhìn chung trong điều vẽ ảnh vệ
tinh th−ờng gây nhiễu & mất thông tin nhiều hơn là có công dụng trong suy giải đối
t−ợng.
Kết cấu (texture): là cách xếp đặt & tần xuất biến đổi về sắc thái trong các vùng cụ
thể trên ảnh. Kết cấu gập ghềnh gồm có sắc thái vằn khi các mức độ của màu xám thay
đổi đột ngột trong khu vực nhỏ, trong lúc cấu tạo nhẵn có rất ít sự biến đổi về tông
màu. Kết cấu nhẵn th−ờng là kết quả của sự đồng đều, mặt phẳng phẳng phiu nh− đồng
ruộng, đ−ờng nhựa hoặc đồng cỏ. Kết cấu đồng đều th−ờng là những loại đối t−ợng
đồng nhất. Đối t−ợng có mặt phẳng gập ghềnh & cấu tạo không đều nh− những tán rừng tự
nhiên kéo theo kiểu dáng cấu tạo gập ghềnh trên ảnh. Kết cấu là một trong những yếu tố
trọng yếu nhất để phân biệt các đặc điểm của các đối t−ợng trong ảnh radar.
90
Hỡnh 3.8: Cấu trỳc gập ghềnh của rừng tự nhiờn (trỏi) & mịn của rừng trồng (phải)
dạng chấm
dạng cong
dạng đa giỏc
dạng sao
dạng khuyờn
dạng trứng cỏ
dạng hạt
dạng vệt
đồng nhất hthay đổi định hướng ỗn hợp
Hỡnh 3.9: Cỏc dạng cấu trỳc
b. Triệu chứng gián tiếp.
Những biểu hiện gián tiếp cho phép tất cả chúng ta tổng kết sự có mặt của vật thể hoặc
một hiện t−ợng không chứng kiến đ−ợc qua những dấu tích của chúng để lại trên địa
hình, hoặc sự có mặt của một hoặc một vài đối t−ợng cho phép ta có thể tổng kết sự có
mặt của đối t−ợng khác cần quan tâm.
Có thể chia ra một số loại biểu hiện điều vẽ gián tiếp nh− sau:
91
1- Sự kề cận các đối t−ợng dễ nhận thấy của đối t−ợng cần suy giải mà theo dấu
hiệu điều vẽ trực tiếp không suy giải đ−ợc.
2- Đối t−ợng bị che khuất bởi các đối t−ợng khác, không t−ơng phản, quá nhỏ,
độ mờ lớn…
Một số yêu cầu khi sử dụng biểu hiện gián tiếp
– Có sự hiểu biết sâu rộng về mối quan hệ t−ơng hỗ giữa các đối t−ợng với nhau.
– Hiểu rõ địa lý phong cảnh của khu vực
– Có tri thức căn bản về địa chất, địa mạo
– Có tri thức thống kê về vùng thi công, các vấn đề kinh tế xã hội có liên quan
cùng lịch sử lớn mạnh của đối t−ợng quan tâm.
– Có kinh nghiệm giải đoán ảnh.
Triệu chứng gián tiếp cũng tương đối trọng yếu, trong những tr−ờng hợp chẳng thể khảo
sát thực địa đ−ợc thì biểu hiện gián tiếp là ph−ơng tiện hữu ích để suy giải.
Triệu chứng thống kê (association): là sự link giữa các vật thể hoặc đặc điểm có thể
nhận dạng khác với đối t−ợng hay đ−ợc Note. Triệu chứng điều vẽ thống kê cùng với các
biểu hiện khác có thể phân phối thông tin cho việc nhận dạng các đặc điểm mong đợi
đơn giản hơn.
Lập mẫu khoá ảnh:
Xây dựng các mẫu khóa ảnh có ý nghĩa rất trọng yếu trong công tác điều vẽ
ảnh. Mẫu khoá ảnh là hình ảnh đặc tr−ng tiêu biểu cho một đối t−ợng nào đó đưa tính
xác suất nhận dạng cao nhất cho tập hợp hình ảnh đối t−ợng đó trong vùng đã cho trên
tấm ảnh vào thời điểm chụp hình đó. Bằng cách đối sánh hình ảnh đối t−ợng vào khóa
suy giải với một sai số khẳng định nào đó có thể suy giải đa phần các đối t−ợng cùng loại
trên vùng. Lập mẫu khoá suy giải là chọn các khu vực hình ảnh đặc tr−ng cho các đối
t−ợng, miêu tả các đối t−ợng ngoài thực địa & tu chỉnh theo ký hiệu hiện hành.
Phần lời miêu tả mẫu khoá ảnh có thể rất khác nhau nh−ng phải gồm các bài viết
nh−: phản ảnh đ−ợc đặc tính địa lý của đối t−ợng, đặc tính lớn mạnh sinh tr−ởng, các
biểu hiện điều vẽ & ph−ơng thức sử dụng các biểu hiện điềuvẽ.
Công tác điều vẽ ảnh th−ờng đ−ợc thực hiện cả trong gia đình (nội nghiệp) & ngoài
trời (ngoại nghiệp). Thông th−ờng ng−ời điều vẽ sẽ phấn đấu giải đoán nội nghiệp các
đối t−ợng trên ảnh càng nhiều càng tốt. Điều vẽ ngoại nghiệp đ−ợc thực hiện để xác
định các yếu tố không giải đoán đ−ợc trong gia đình hoặc cần phải kiểm soát ngoài thực địa.
Trong nhiều tr−ờng hợp cần tiến hành thăm dò khái quát ngoài thực địa tr−ớc khi tiến
hành điều vẽ.
92
Công tác điều vẽ bằng mắt phối hợp giữa ảnh vệ tinh radar & quang học cũng
đ−ợc thực hiện theo những phép tắc căn bản nêu trên. Tiến trình điều vẽ có thể đ−ợc
tiến hành trên một loại ảnh vệ tinh trên nền tảng so sánh, đối chiếu với ảnh vệ tinh khác
hoặc có thể điều vẽ trực tiếp trên các tổ hợp ảnh trong đó ảnh quang học & radar đã
đ−ợc tích hợp với nhau.
Ph−ơng pháp so sánh trực tiếp:
Đây là ph−ơng pháp trực quan nhất sử dụng các t− liệu ảnh vệ tinh gốc chỉ qua
các phép tăng c−ờng chất l−ợng hình ảnh thông th−ờng. Ng−ời điều vẽ sẽ tiến hành
điều vẽ trên một loại ảnh vệ tinh & phối hợp xem qua hình ảnh của các bài viết điều
vẽ trên ảnh sót lại. Thông th−ờng ảnh quang học sẽ đ−ợc chọn làm nền tảng để điều vẽ
còn ảnh radar sẽ đ−ợc phối hợp để giải đoán các lớp đối t−ợng trên mặt phẳng. Chẳng hạn nh−
trên ảnh quang học mặt phẳng có màu đỏ (tổ hợp màu giả) chứng tỏ có thực phủ, trên ảnh
radar có màu tối chứng tỏ mặt phẳng t−ơng đối nhẵn thì ta có thể suy ra rằng lớp phủ trên
mặt phẳng là cỏ.
Điều vẽ trên các tổ hợp ảnh
Với ảnh radar & ảnh quang học có thể xây dựng đ−ợc rất nhiều các tổ hợp ảnh
khác nhau. Mỗi tổ hợp ảnh có thể chỉ cho phép giải đoán tốt một số lớp phủ khẳng định.
Ng−ời điều vẽ có thể chọn một tổ hợp phù hợp nhất để làm nền điều vẽ & sử dụng
các tổ hợp khác để xem qua. Phần đông các PM giải quyết ảnh & GIS hiện tại nh−
ENVI, ERDAS Imagine, PCI, ArcGis hoặc Microstation cho phép hiển thị cùng một
lúc nhiều tổ hợp ảnh hoặc bật – tắt các kênh để so sánh & phối hợp giải đoán các đối
t−ợng trên ảnh.
Do sự có mặt của ảnh radar trong các tổ hợp ảnh nên khi tiến hành điều vẽ ngoài
các ebook bổ sung truyền thống nh− các loại bản đồ, lịch thời vụ, hiểu biết về đặc
điểm tự nhiên & kinh tế xã hội tại khu vực thi công còn phải đặc biệt Note đến các
vấn đề nh− l−ợng m−a, độ ẩm, h−ớng gió, h−ớng của các đối t−ợng điều vẽ đối với
h−ớng chụp hình, độ dốc, h−ớng dốc của địa hình.
93
III.5. Qui Trình công nghệ KếT HợP ảNH QUANG HọC Vμ ảNH
RADAR Để thμNH LậP BảN Đồ LớP PHủ
Ảnh Radar
(ASAR, ERS 1,2 , Radarsat …)
Ảnh quang học
(SPOT 1-4,5 , ASTER, MERIS …)
Nắn chỉnh hỡnh học
(Chọn điểm kiềm chế; mụ hỡnh húa; nắn
ảnh trực giao)
SPACEMAT, PCI, ERDAS …
Nắn chỉnh hỡnh học
(Chọn điểm kiềm chế; mụ hỡnh húa; nắn
ảnh trực giao)
SPACEMAT, PCI, ERDAS …
Biờn tập, canh chỉnh kết quả
Phương
ỏn 2
( Microstation, ArcGIS)
In sản phẩm
Cụng tỏc chuẩn bị
Xõy dụng cỏc tập dữ liệu phối hợp
– Ảnh quang học gốc + ảnh Radar gốc
– Tạo ảnh NDVI, TB_Radar, chỉ số thay đổi, PCI
– Trộn ảnh RGB_IHS, PCI, Brovey
– NDVI_Radar_TB quang học
– NDVI_ Radar_ Chỉ số thay đổi
– …………………………………
Phõn loại auto
( Phõn loại cú giỏm sỏt;
khụng giỏm sỏt ….)
Giải đoỏn bằng mắt
(tổ hợp radar + quang học)
Thụng tin, tư liệu
về cỏc đối tượng
cần nghiờn cứu
Kiểm soát, khảo sỏt ngoại nghiệp
Lọc nhiễu – Tăng cường chất lượng ảnh
Phin lọc tương tỏc: Lee, Sigma, Frost
(Envi, PCI, ERDAS …)
Giải quyết phổ – Tăng cường chất lượng ảnh
Định chuẩn ảnh
Khụi phục lại giỏ trị xỏm độ ảnh theo dB
Phương
ỏn 1
94
Trên nền tảng những tìm hiểu ở các phần trên, chúng tôi đã đ−a ra qui trình
thành lập các lớp thông tin lớp phủ bao gồm các b−ớc sau:
– Công tác chuẩn bị
– Nắn chỉnh hình học
– Định chuẩn ảnh Radar
– Lọc nhiễu trên ảnh radar
– Giải quyết phổ & tăng c−ờng chất l−ợng cho ảnh quang học
– Xây dựng các tập dữ liệu phối hợp
– Giải đoán chiết tách các đối t−ợng lớp phủ
– Kiểm soát, thăm dò ngoại nghiệp
– Chỉnh sửa, canh chỉnh kết quả
1) Công tác chuẩn bị
Công tác chuẩn bị bao gồm các b−ớc :
– Tìm hiểu đặc tính địa lý tự nhiên & kinh tế xã hội tại khu vực thi công
– Thu thập, nhận xét & hệ thống hóa t− liệu
– Nhận xét chất l−ợng ảnh & các ebook bổ sung
Các t− liệu cần thu thập bao gồm :
+ ảnh quang học (Landsat, SPOT, ASTER …) & ảnh Radar (ERS 1,2;
Radarsat 1, Palsar …) & các thông tin liên quan nh− thời điểm chụp.
+ Bản đồ địa hình hoặc bản đồ sử dụng đất (nếu có)
+ Đặc tính canh tác, các loại thực vật, nông lịch …
+ Đặc tính về chính sách thủy triều, nếu khu vực tìm hiểu ở vùng ven biển
+ Số liệu về l−ợng m−a, độ ẩm (nếu có) vào thời điểm chụp hình.
2) Nắn chỉnh hình học
Công tác nắn chỉnh hình học có mục đích giải quyết những biến dạng hình học
ra đời trong tiến trình chụp hình & ảnh h−ởng của địa hình, cùng lúc đ−a ảnh về hệ
tọa độ bản đồ.
Việc nắn chỉnh hình học có ý nghĩa hết sức trọng yếu, không chỉ để đảm
bảo độ chuẩn xác về địa điểm của các đối t−ợng trên ảnh mà còn để bảo đảm sự chồng khít
của các loại ảnh với nhau phục vụ cho việc xây dựng các tổ hợp ảnh ở b−ớc kế tiếp.
Độ chuẩn xác nắn chỉnh hình học nên lấy theo qui định về độ chuẩn xác nắn
chỉnh hình học để hiện chỉnh bản đồ địa hình, trong đó sai số địa điểm điểm là ≤ 0,4 mm
so với các địa vật rõ rệt & ≤ 0,6 mm so với các địa vật không rõ rệt.
95
So với khu vực đồi, núi cao thì nên sử dụng mô hình số địa hình để ngoại trừ sai
số do chênh cao địa hình gây ra. Khi nắn ảnh nên sử dụng mô hình vật lý, bên cạnh đó đối
với vùng đồng bằng chênh cao địa hình không lớn thì có thể sử dụng ph−ơng pháp nắn
đa thức. Các điểm kiềm chế ảnh nên chọn trên bản đồ hoặc thống kê ngoài thực địa
bằng công nghệ GPS. Số l−ợng điểm kiềm chế đ−ợc sắp đặt tùy vào vào ph−ơng pháp
nắn ảnh, thông th−ờng nếu sử dụng ph−ơng pháp nắn ảnh bằng đa thức thì cần chọn
nhiều điểm kiềm chế hơn & phải sắp đặt các điểm rải đều trên toàn thể khu vực nắn
ảnh. Khi dùng mô hình vật lý, so với ảnh quang học nh− ảnh SPOT cần dùng khoảng
12 điểm kiềm chế để nắn ảnh trong lúc đó so với ảnh radar nh− ERS 1,2 do các
thông số kỹ thuật quỹ đạo đ−ợc định vị rất chuẩn xác nên số điểm kiềm chế thiết yếu sẽ giảm
đi đáng kể.
3) Định chuẩn ảnh Radar
Cũng nh− các t− liệu viễn thám khác, t− liệu radar cũng đ−ợc th−ơng mại hóa
d−ới dạng dữ liệu số. Các thông tin số trên t− liệu radar đ−ợc mã hóa 16 bit & trổ tài
bằng xám độ ảnh. Chính vì như vậy, đồng loạt các ảnh h−ởng của môi tr−ờng & của thiết bị đã
đ−ợc “trung bình hóa”. Việc khôi phục lại thông tin ban đầu d−ới dạng comment đo
bằng dB (deci-Ben) từ giá trị năng l−ợng hay biên độ của ảnh Radar thực chất là quá
trình định chuẩn. Đây là công việc cầu kỳ nh−ng lại vô cùng quan trọng cho việc
phân loại một cách có nền tảng các đối t−ợng có comment t−ơng tự hoặc gần nhau. Vì việc
tổng hợp theo hàm logarit tính theo dB có khả năng phân dị thông tin cao hơn hàm
tuyến tính (tính theo giá trị năng l−ợng hoặc biên độ) thành ra sẽ đem lại nhiều thông tin
về sự thay đổi của các đối t−ợng mặt đất.
Trong tiến trình này giá trị độ xám trên ảnh gốc sẽ đ−ợc tính chuyển về giá trị
comment tính theo nhà cung cấp dB. Tùy thuộc mỗi loại ảnh sẽ có các phương thức & các tham số
riêng để tính chuyển.
4) Lọc nhiễu cho ảnh radar
Do bản chất của ảnh radar chứa nhiều nhiễu nên sau thời điểm nắn chỉnh hình học cần
tiến hành lọc nhiễu cho ảnh radar. Cần sử dụng các phin lọc t−ơng tác nh− lọc Lee,
Sigma hay Frost để lọc nhiễu cho ảnh radar. Hiện tại, hầu nh− toàn bộ các phềm mềm
giải quyết ảnh vệ tinh nh− ENVI, PCI, ERDAS Imagine đều đ−ợc trang bị các loại phin lọc
này. Nhìn chung các phin lọc này đều có khả năng lọc nhiễu t−ơng đối tốt, bên cạnh đó
theo nhận xét của nhóm thực hiện chủ đề phin lọc Lee là cho kết quả khả quan hơn cả.
Khi tiến hành lọc có thể chọn các cửa sổ lọc có kích th−ớc khác nhau nh− 3×3, 5×5,
7×7 … hoặc 11 x11, cũng có thể tiến hành lọc nhiều lần với các cửa sổ có kích th−ớc
96
giống hoặc khác nhau nh−ng sau mỗi lần lọc cần kiểm soát kết quả xem có bị mất nhiều
cụ thể hay đừng để có sự bố trí thích hợp.
5) Giải quyết phổ & tăng c−ờng chất l−ợng cho ảnh quang học
ảnh quang học sau thời điểm đ−ợc nắn chỉnh & ảnh radar sau thời điểm lọc nhiễu cần đ−ợc
tăng c−ờng chất l−ợng sao cho hình ảnh sắc nét, màu sắc trung thực không bị thiên màu.
Các dụng cụ chính để thực hiện công tác đó là các phép giãn ảnh tuyến tính & phi
tuyến, các phép lọc thông tần thấp & thông tần cao & các phin lọc làm ảnh rõ nét
hơn.
6) Xây dựng các tập dữ liệu phối hợp
Việc xây dựng các tập dữ liệu hay các tổ hợp ảnh phải cho phép khai thác đ−ợc
nhiều thông tin & làm nổi trội đ−ợc sự độc đáo của một số đối

Xem Thêm  Top 10 tên lửa chống tăng tốt nhất thế giới

Các file đính kèm theo ebook này:

  • 7065R.pdf

By ads_law

Trả lời