Phân tích Thống kê của Ảnh số

ChChươương 1 ng 1

Phân tích Thống kê của Ảnh số

Hồ Đình Duẩn

Nội dung chương 1

Khái niệm ảnh số

Các tham số thống kê một chiều của ảnh

Các phép biến đổi histogram

Các tham số thống kê nhiều chiều

Matrận hiệp phương sai và phương pháp PCA

Biểu diễn ảnh số

Pixel (Picture Element): điểm ảnh, mang một giá trị số f(x,y)

x,y: số nguyên, chỉ vị trí pixel f: độ sáng (độ xám, brightness)

PIXEL

X, Column Pixel No.

0 1 2 3

Height

CONTINUOUS IMAGE

0 1 2 3

Y, Line

Width Digital Image

Analog Image

Pixel

Giá trị của Pixel

Ảnh đa phổ (đa kênh) Multi Channel Image Color Image: 3 kênh cho 3 màu R,G,B Landsat TM

7 Channel

Band

4Band

3Band 2 Band 1

Band or Channel

Bit và hệ Nhị phân (Binary System) Độ sáng của mỗi pixel được biểu diễn bởi một số bit Nếu dùng k bit cho mỗi pixel, có cả thảy 2k cấp độ sáng từ 0 đến 2 k -1

Ví dụ: dùng 3 bit

bit map

graylevel

bitmap

graylevel bit1 0 0 1 1

bit0 0 1 0 1

0 1 2 3

bit2 0 0 0 0

bit2 1 1 1 1

bit1 0 0 1 1

bit0 0 1 0 1

4 5 6 7

Lấy mẫu (Sampling) & Lượng hóa (Quantization)

Đó là quá trình số hóa một ảnh thực (liên tục) thành một ảnh số (rời rạc)

(Analog to Digital)

(1)Sampling

Chọn một lưới ô vuông (grid) để biểu diễn ảnh

(2)Quantization:

xác định một phép tương ứng từ độ sáng của ảnh qua một cấp độ sáng (grey level)

Sampling

Định lý Shannon về lấy mẫu

“Thông tin sẽ không bị mất nếu ảnh được lấy mẫu theo một chu kỳ bằng một nữa nghịch đảo của tần số tín hiệu nguyên thủy”

128

Lượng hóa

8bit

7bit

6bit

5bit

Các mức lượng hóa khác nhau

3bit

4bit

2bit

1bit

Các định dạng ảnh số vệ tinh thông thường (BSQ, BIL, BIP)

Khái niệm lân cận (Neighbor) của một Pixel

4-neighbors of p

8-neighbors of p

Tính liên tục của các pixel

continuous at 8-connectivity

continuous at 4-connectivity

Hiển thị dữ liệu ảnh

Ảnh hiển thị cần phải được tăng cường chất lượng để nhận biết tốt hơn. Phép tăng cường thông dụng nhất là tăng độ tương phản (Contrast enhancement)

Histogram của ảnh

Histogram (biểu đồ xám) mô tả sự phân bố của cấp độ sáng của một ảnh theo số lượng pixel mang cùng một giá trị độ sáng

Histogram

1

3

2

4

5

2

3

y c n e u q e r F

3

2

3

2

8 7 6 5 4 3 2 1 0

3

4

3

Pixel Value

Pixel Value 1 2 3 4 5 Total

Number 1 4 7 3 1 16

Image Histogram

number of pixels or parcentage

45,000 ( 20%)

In the image, there are 45,000 pixels, whose value are 80. 20% of all pixels have value 80.

255

pixel value

Histogram – ví dụ

Có 15,563 pixels mang giá trị 76

Histogram và tính chất của ảnh

Dark Image

Bright Image

Tối & Sáng

pixel value

255

High Contrast Image

Low Contrast Image

Tương phản cao & thấp

pixel value

255

Ảnh tối

Ảnh sáng

Ảnh có độ tương phản thấp

Ảnh có độ tương phản cao

Tăng độ tương phản băng biến đổi tuyến tính (Linear Transformation Function)

255: Brightest

5 5 2 e g a m

High Contrast Image

y=x: No Transformation

Transformation Function

I t u p t u O

Brightness on a Display Screen

Dark Low Contrast Image

f o e u l a V

Dark Low Contrast Image

0: Darkest

255

Value of Input Image

Chọn khỏang giá trị input cho phép biến đổi (range of input level)

Rejection Level e.g. 1%

No Rejection Level

255

100 %

98 %

255

b Max

Min

Frequency

(cid:132)(cid:132) Equalization (

Các phương pháp khác Equalization (đẳđẳng hng hóóa)a) (cid:139)(cid:139) NhNhằằm tm tạạo ra mo ra mộột st sốố

ng nhau cáác pixel cho c pixel cho i giáá trtrịị độđộ ssáángng

255

Pixel Value

Frequency

bbằằng nhau c mmỗỗi gi Gaussian (cid:132)(cid:132) Gaussian To convert histogram to (cid:139)(cid:139) To convert histogram to Gaussian distribution Gaussian distribution Natural Perception (cid:139)(cid:139) Natural Perception

(

exp

)( xf

−

255

Pixel Value

) x − µ 2 2 σ

1 2 σπ

  

  

Giải thuật equalization

b)b) Chia bi

N = sN = sốố pixel ; L = s a)a) TTíính bi pixel ; L = sốố llượượng cng cấấp p độđộ ssáángng nh biểểu u đồđồ xxáám tm tíích lch lũũy (cummulative y (cummulative

y cho hệệ ssốố LL--1 / 1 /

c)c) VVớới mi mỗỗi gi

histogram) củủa a ảảnh gnh gốốcc histogram) c Chia biểểu u đồđồ xxáám tm tíích lch lũũy cho h N rN rồồi li lààm trm tròòn sn sốố

i giáá trtrịị độđộ ssááng cng củủa a ảảnh gnh gốốc, gi c, giáá trtrịị

mmớới i ởở vvịị trtríí ttươương ng ứứng ng ởở (b)(b)

Ví dụ

N=24 L=16

==> scale factor = 15 / 24 = 0.625

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

ảnh gốc

Step a) - cummulative histogram

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Step b) - Chia biểu đồ xám tích lũy cho hệ số 0.625 rồi làm tròn số

1010

1111

1212

1313

1414

1515

1414

1818

1919

2020

2323

2424

0.630.63

1.251.25

3.133.13

5.635.63

8.758.75

11.25 11.25

11.88 11.88

12.50 12.50

14.40 14.40

15.00 15.00

1111

1212

1313

1414

1515

Step c) - phép tương ứng

0 0

1010

1111

1212

1313

1414

1515

1111

1212

1313

1414

1515

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Equalization histogram

(cid:132)(cid:132) CCầần thi

n thiếết khi mosaic 2

t khi mosaic 2 ảảnh cnh củủa 2 v

a 2 vùùng kng kếế ccậận n

(c(cóó ththểể ccóó overlap) overlap) (cid:132)(cid:132) NguyNguyêên tn tắắc: lc: lààm cho

m cho độđộ ssááng cng củủa 2 a 2 ảảnh gnh gầần n

nhau đếđến mn mứức cc cóó ththểể đượđượcc nhau

ng phááp: dp: dùùng ng ảảnh equalization l

nh equalization lààm m

(cid:132)(cid:132) PhPhươương ph trung gian củủa pha phéép bip biếến n đổđổii trung gian c

y = g-1f(x)

z=f(x)

z=g(y)

Cân bằng 2 histogram (Histogram matching)

(cid:132)(cid:132) NhNhưư vvậậy, y, áánh xnh xạạ y=fy=f--11(g(x) bi

(g(x) biếến n đổđổi i ảảnh A nh A

ththàành nh ảảnh Bnh B

(cid:132)(cid:132) ẢẢnh B g (cid:132)(cid:132) Trong th

nh B gọọi li làà ảảnh reference nh reference nh, phéép bip biếến n đổđổi i đượđược thc thựực c ng qua áánh xnh xạạ ““matching matching””

nh A vớới i

Trong thựực hc hàành, ph hihiệện thn thôông qua accumulative histogram củủa a ảảnh A v accumulative histogram c accumulative histogram củủa a ảảnh Bnh B accumulative histogram c

Chú ý: thay cho ảnh reference B, có thể dùng một hàm tóan học (biểu thị một sự phân bố nào đó - ví dụ như phân bố chuẩn)

Cân bằng 2 histogram (Histogram matching)

Các phương pháp khác

(cid:132)(cid:132) BiBiếến n đổđổi tuy (Piecewise linear (Piecewise

i tuyếến tn tíính tnh từừng ng đọđọan an

transforamtion) linear transforamtion)

Công thức tuyến tính

(

)

−

x 1

y 1

y x

− −

y 1 x 1

Equalization Equalization

ảảnh gnh gốốcc

Gaussian Gaussian

Ví dụ

(ví dụ sau áp dụng cho trường hợp miền giá trị của ảnh gốc rất lớn)

(log

log

)

−

x 1

y 1

y x

y 1 log

log

− −

x 1

Một ví dụ về biến đổi không tuyến tính

Thresholding

• Phân họach các pixel thành 2 lớp xác định bởi

một cập độ sáng (gọi là threshold)

• Nếu giá trị của pixel (x,y) nhỏ hơn threshhold, (x,y) thuộc lớp (I), nếu không (x,y) thuộc lớp (II)

• Có thể mở rộng khái niệm cho nhiều lớp

==> Thresholding có thể xem là một cách phân lớp (classification) nhanh

ảnh gốc

Threshold 128

Threshold 28

Biến đổi ảnh dùng bảng tra (LUT - Look Up Table)

LUT

Look Up Table: Tính tóan nhanh do không sử dụng phép tính số học

Input 2

Output 12

LUT element No. 0 1 2 3 . .

4 8 12 16 . .

254 255 255 255

Hardware or 1-dim Array in Program

Một ví dụ dùng Look Up Table

Các tham số thống kê 1 chiều của ảnh số

ai Histogram, ảảnh snh sốố ccòòn cn cóó ccáác tham c tham

NgNgòòai Histogram, ssốố ththốống kng kêê sausau Min, max, range, mean (cid:139)(cid:139) Min, max, range, mean Median, mode (cid:139)(cid:139) Median, mode Variance (var, phươương sai), standard ng sai), standard (cid:139)(cid:139) Variance (var, ph deviation (std, độđộ llệệch chu ch chuẩẩn)n) deviation (std,

Min, max, range, mean

nh A = ( ai j i j ))

Max (A) : giáá trtrịị llớớn nhn nhấất ct củủa aa ai j i j Min (A) : giáá trtrịị nhnhỏỏ nhnhấất ct củủa aa ai j i j

Cho Cho ảảnh A = ( a (cid:132)(cid:132) Max (A) : gi (cid:132)(cid:132) Min (A) : gi (cid:132)(cid:132) KhKhỏỏang gi ang giáá trtrịị (bi(biêên n độđộ xxáám cm củủa a ảảnh) nh)

(cid:132)(cid:132) Mean (A) = Gi

Range (A) = max -- min min Range (A) = max Mean (A) = Giáá trtrịị trung b trung bìình cnh củủa ta tấất ct cảả aai j i j

Median và mode

c pixel theo thứứ Median: sắắp xp xếếp lp lạại ti tấất ct cảả ccáác pixel theo th Median: s pixel làà llẻẻ ththìì median l median làà gigiáá ng giữữa ca củủa da dããy, ny, nếếu su sốố trung bìình nh median làà trung b c pixel làà chchẵẵn thn thìì median l

ttựự ttăăng, n ng, nếếu su sốố pixel l trtrịị ttạại phi phầần tn tửử đứđứng gi ccáác pixel l ccộộng cng củủa 2 s

a mode (khôông xng xáác c

a 2 sốố ởở gigiữữa nha nhấất ct củủa da dããyy t hiệện nhi n nhiềều nhu nhấất t

địđịnh), ta c

Mode: làà gigiáá trtrịị ccóó ssốố llầần xun xuấất hi Mode: l nh (còòn gn gọọi li làà Majority) trong ảảnh (c Majority) trong TrTrườường hng hợợp tp tồồn tn tạại nhii nhiềều hu hơơn 1 gin 1 giáá trtrịị ccủủa mode (kh i mean nhấấtt nh), ta cóó ththểể llấấy giy giáá trtrịị nnàào go gầần vn vớới mean nh

Variance và Standard Deviation

(cid:132)(cid:132) Variance (ph

var(

A )

ij∑ − ( ma

1 N

Trong đó m = mean(A) là giá trị rung bình

(cid:132)(cid:132) Standard deviation (

Variance (phươương sai) : ng sai) :

ch chuẩẩn) ln) làà

Standard deviation (độđộ llệệch chu ccăăn bn bậậc 2 c c 2 củủa pha phươương sai ng sai

Ý nghĩa của Variance và Standard Deviation (cid:132)(cid:132) PhPhươương sai (ho

ng sai (hoặặc c độđộ llệệch chu ch chuẩẩn) n) đđáánh nh

Std dev = 3.30

Std dev = 72.86

gigiáá độđộ phphâân tn táán cn củủa da dữữ liliệệuu

Lọc (filter) sử dụng hàm thống kê

Giá trị cần tính

(cid:132)(cid:132) LLọọc c địđịa pha phươương ng a theo cửửa sa sổổ ddụụa theo c based (window--based (window filter) filter)

(cid:132)(cid:132) CCáác tc tóóan tan tửử ssửử ddụụng : mean, ng : mean, median, mode median, mode (majority) (majority)

Cửa sổ được di chuyển trên tòan ảnh

Ví dụ

(cid:132)(cid:132) LLọọc dc dùùng median ng median

Các tham số thống kê nhiều chiều của ảnh số

(cid:132)(cid:132) HiHiệệp php phươương sai (covariance) ng sai (covariance) nh A=( a i ji j ) v) vàà B = ( b

B = ( b i ji j ) c) cóó

cov(

BA ,

)

(

)

−

a ij

ba )( ij

∑

1 −

ba ,

Trong đó

là mean của A, B

pixel làà NN Cho 2 ảảnh A=( a Cho 2 ccùùng sng sốố pixel l

Các tham số thống kê nhiều chiều của ảnh số

(cid:132)(cid:132) Correlation c

)

cov(

corr

(

, BA

)

, BA σσ BA

Trong đó

là Std dev của A, B

A σσ , B

corr

(

BA ,

1 ≤−

1) ≤

Chú ý

Correlation củủa A v a A vàà BB

corr

(

BA ,

1 ≤−

1) ≤

Chú ý

•Corr(A,B)=1 có nghĩa là A và B có tương quan mạnh mẽ với nhau và đồng biến

•Corr(A,B)=-1 có nghĩa là A và B có tương quan mạnh mẽ với nhau nhưng nghịch biến

•Corr(A,B)=0 nói lên rằng A và B hầu như không có tương quan

•Giá trị của correlation càng gần +1 thì A và B càng tương đồng nhiều

11

22

Ví dụ:

(1) Corr ~ +1

(2) Corr ~ -1

(3) Corr ~ 0

33

44

(4) Corr > 0 nhưng khá nhỏ

1 ứng dụng: ý nghĩa của correlation matrix (cid:132)(cid:132) KKêênh 1 v

nh 1 vàà 2 c2 củủa a ảảnh Landsat sau c nh Landsat sau cóó correlation làà 0.946900 0.946900 correlation l

Kênh 1

Kênh 2

==> cóó nhinhiềều u đđiiểểm gim giốống nhau ng nhau ==> c

1 ứng dụng: ý nghĩa của correlation matrix (cid:132)(cid:132) NgNgượược lc lạại, ki, kêênh 4 v

correlation làà nh 4 vàà 2 c2 cóó correlation l

0.476787 0.476787

Kênh 4

Kênh 2

==> cóó nhinhiềều u đđiiểểm khm kháác nhau c nhau ==> c

Các tham số thống kê nhiều chiều của ảnh số

(cid:132)(cid:132) Ma trMa trậận hin hiệệp php phươương sai (covariance matrix) c

ng sai (covariance matrix) củủa a

kkảảnh Anh A11, A, A22, ... , A

, ... , Akk . .

cov( cov(

) )

cov( cov(

) )

, AA 1 1 , AA 2 1 .

. . .

, AA 1 k , AA 2 k .

cov(

)

. .

cov(

)

. , AA 1 k

. , AA k k

       

       

• Correlation matrix được định nghĩa tương tự, thay hàm “cov” bởi “corr”

Ví dụ

(cid:132)(cid:132) ẢẢnh landsat sau (k

Tổ hợp màu 751

nh landsat sau (kêênh 1,2,3,4,5,7) nh 1,2,3,4,5,7)

... C... Cóó ccáác matr c matrậận covariance v n covariance vàà

correlation nhưư sausau correlation nh

Tính chất của ma trận hiệp phương sai

(cid:132)(cid:132) LLàà ma trma trậận n đốđối xi xứứngng (cid:132)(cid:132) GGọọi C l

i C làà ma trma trậận hin hiệệp php phươương sai c

det(

C −

xI ) (trong đđóó II llàà ma trma trậận n đơđơn vn vịị) , lu) , luôôn lun luôôn cn cóó (trong

ng sai củủa a , ... , Akk . . ĐĐa tha thứức c đặđặc trc trưưng cng củủa Ca C ảảnh nh AA11, A, A22, ... , A

kknghi nghiệệm thm thựựcc

)

Giá trị riêng (eigenvalue) và vector riêng (eigenvector) của Ma trận hiệp phương sai

(cid:132)(cid:132) CCáác nghi C − ggọọi li làà ccáác gic giáá trtrịị ririêêng (eigenvalue) c

c nghiệệm cm củủa a đđa tha thứứcc

det( ng (eigenvalue) củủa ma a ma nghiệệm nhm nhưư ththếế::

,......,

, xx 1

trtrậận C. C n C. Cóó ccảả ththảảy y kknghi

kx (cid:132)(cid:132) VVớới mi mỗỗi i xxii , ph, phươương tr vC

vx i= nghiệệm vector m vector

v đềđều cu cóó nghi , 2 vv (cid:132)(cid:132) NhNhưư vvậậy cy cóó kk vector vector 1 ((độđộc lc lậập tuy nh), gọọi li làà ccáác vector ri

,....., kv c vector riêêng ng

ng trìình vector nh vector

p tuyếến tn tíính), g

(cid:132)(cid:132) Ta quy

......

x 1

kx y vector riêêng tng tươương ng ứứngng ,.....,

Giá trị riêng và vector riêng...

Ta quy ướước xc xếếp cp cáác gic giáá trtrịị ririệệng theo gi ng theo giáá > trtrịị gigiảảm dm dầần n VVàà ddããy vector ri , 2 vv kv 1 đđãã đượđược chu c chuẩẩn hn hóóa (ta (tứức c độđộ ddàài = 1) v i = 1) vàà xem chúúng lng làà ccơơ ssởở mmớới ci củủa kha khôông gian ng gian xem ch vector kk chichiềều tu tạạo bo bởởi ci cáác c ảảnh ban vector nh ban đầđầuu

Giá trị riêng và vector riêng...

(cid:132)(cid:132) NhNhưư vvậậy my mỗỗi vector quy chiếếu u trong hệệ quy chi trong h vv kv ,{ ,....., } 1 vvàà do do đđóó ta cta cóó k k ảảnh mnh mớới i (cid:132)(cid:132) PhPhéép bip biếến n đổđổi ni nàày y đượđược gc gọọi li làà phphéép bip biếến n

i vector đềđều cu cóó ttọọa a độđộ mmớới i

nh, vàà phphươương ph

đổđổi thi thàành ph nh phầần chn chíính, v ng phááp p ch trêên cn cáác c ảảnh mnh mớới i đượđược gc gọọi li làà phphâân tn tíích tr Principal Component Analysis (PCA) Principal Component Analysis (PCA)

(cid:132)(cid:132) NNếếu cu cáác c ảảnh mnh mớới li làà BB11, B, B22, ... , B ng chúúng cng cóó variance l

, ... , Bkk , , chchúú ýý rrằằng ch variance lớớn nhn nhấất lt làà BB11, , sau đđóó đếđếnn BB22, ... sau , ... (cid:132)(cid:132) MatrMatrậận cn củủa pha phéép bip biếến n đổđổi PCA ch

Giá trị riêng và vector riêng...

i PCA chíính lnh làà a matrậận tn tọọa a độđộ

,.....,

vv ,{ 1

(transpose) củủa matr } chuyểển vn vịị (transpose) c chuy ccủủa ca cáác vector c vector

Về mặt hình học

Principal Component 2

255

Principal Component 1

Band 2

255

Band 1

Ví dụ

(cid:132)(cid:132) ẢẢnh landsat sau (k

Tổ hợp màu 751

nh landsat sau (kêênh 1,2,3,4,5,7) nh 1,2,3,4,5,7)

... c... cóó ccáác gic giáá trtrịị ririêêng vng vàà vector ri vector riêêng nh ng nhưư sausau

PC1

PC2

Ảnh tổ hợp màu PC123 (RGB)

PC3

......

... c... cáác c ảảnh PCA nh PCA

Một ví dụ khác

PC1

PC2

PC3

PC4

PC5

PC6

PC7

PC1,2,3: RGB Composite

ChChươương 2ng 2

Ảnh màu đa phổ

Giáo trình Xử lý ảnh Kỹ thuật số Viễn thám - Hồ Đình Duẩn

TP.HCM 2005

Nội dung chương 2

Khái niệm màu sắc

Ảnh tổ hợp màu

Ảnh Fusion

NDVI

Ảnh logic & mặt nạ (masking)

Khái niệm cơ bản về màu sắc

(cid:132)(cid:132) TTíính ch

nh chấất ct củủa via việệc nhc nhậận thn thứức c áánh snh sááng vng vàà mmààu u

ssắắc cc củủa ma mắắt ngt ngườười:i: (cid:139)(cid:139) BBướước sc sóóng nh (cid:139)(cid:139) TTếế bbàào Cone

ng nhììn thn thấấy:y: 380380--700nm 700nm o Cone: : phphâân gin giảải khi khôông gian cao ng gian cao ng, cóó 3 l3 lọọai ai ứứng ng

i R, G vàà BB

ng chỉỉ ccảảm nhm nhậận n

nhnhưưng kng kéém nhm nhạạy vy vớới i áánh snh sááng, c vvớới R, G v (cid:139)(cid:139) TTếế bbàào Rod áánh snh sááng tr

o Rod : : rrấất nht nhạạy,y, nhnhưưng ch ng trắắng/ng/đđenen

(cid:132)(cid:132) NhNhậận thn thứức mc mààu su sắắc cc cũũng lng làà mmộột qut quáá trtrìình tnh tââm lm lýý

Phổ điện từ của ánh sáng (Electromagnetic Spectrum)

PhPhảản xn xạạ phphổổ (Spectral

Reflectance) (Spectral Reflectance)

80 Vegetation

70 Soil

60 Clear River Water

Turbid River Water

50 e c n a t c e

40 l f e R

30

20 t n e c r e P

10 0 0.4 0.6

0.8

1.0

1.2

1.4

1.6

1.8 2.0 2.2

2.4 2.6

Wavelength (µm)

Trộn màu

(cid:132)(cid:132) MMọọi mi mààu cu cóó ththểể ttạạo to từừ 3 m3 mààu su sơơ ccấấp theo p theo

nhnhữững tng tỉỉ llệệ nnàào o đđóó

(cid:132)(cid:132) MMôô hhìình mnh mààu su sơơ ccấấp cp cộộng tng tíính (Additive nh (Additive

Colors) Primary Colors) Primary Red, Green, Blue (cid:139)(cid:139) Red, Green, Blue

(cid:132)(cid:132) MMôô hhìình mnh mààu su sơơ ccấấp thp thứứ hai (Subtractve hai (Subtractve

Primary Colors) Primary Colors) Magenta , Yellow, Cyan (cid:139)(cid:139) Magenta , Yellow, Cyan

Mixtures of Light (Additive Primaries )

Mixtures of Pigments (Subtractive Primaries )

Yellow

Green

Cyan

Yellow

Green

Red

White

Black

Blue

Cyan

Red

Magenta

Blue

Magenta

2 mô hình màu

Định nghĩa của CIE về mô hình RGB

(cid:132)(cid:132) ĐịĐịnh ngh

nh nghĩĩa ba bởởii CIE CIE Commision ((Commision Internationale de Internationale de Eclairage)) nnăămm ll’’Eclairage 1931 1931

CC = = rrRR+ + ggGG+ + bbBB

: Color Stimulus C C : Color Stimulus Tristimulus r, g. b: Tristimulus r, g. b: Value Value

Bước sóng của các màu sơ cấp

(cid:139)(cid:139) RedRed (cid:139)(cid:139) GreenGreen (cid:139)(cid:139) BlueBlue

700700 546546..11 435435..88

nmnm nmnm nmnm

Tổ hợp màu (Color Composite)

n 3 kêênh cho c

nh cho cáác thc thàành ph

nh phầần mn mààu RGB u RGB

(cid:132)(cid:132) GGáán 3 k (cid:132)(cid:132) True Color

Composite (tổổ hhợợp mp mààu tu tựự nhinhiêên)n)

True Color Composite (t •• visible Red band visible Red band •• visible Green band visible Green band •• visible Blue band visible Blue band

--> R> R --> G> G --> B> B

(cid:132)(cid:132) False Color

Composite (FCC -- ttổổ hhợợp mp mààu giu giảả))

False Color Composite (FCC •• Infrared band Infrared band •• visible Red band visible Red band •• visible Green band visible Green band

--> R> R -->> GG --> B> B

(cid:139)(cid:139) HoHoặặc mc mộột ct cáách gch gáán khn kháác cho

c cho R,G,BR,G,B

Band 1

Band 2

Band 3

Band 4

Band 5 Band 7

Visible Blue Visible Green Visible Red

Near IR

Middle IR Middle IR

True Color (321)

False Color (432)

Tổ hợp màu khác

Một ví dụ về Color Composite : LANDSAT

Tổ hợp màu

(cid:132)(cid:132) TTổổ hhợợp mp mààu tu tựự nhinhiêên 542 n 542

Mô hình màu HSI (Munsell)

(cid:132)(cid:132) MMààu cu cóó ththểể đượđược bic biểểu diu diễễn bn bởởi 3 y

i 3 yếếu tu tốố H,S,IH,S,I

(cid:139)(cid:139) Hue (s (cid:139)(cid:139) Saturation ( (cid:139)(cid:139) Intensity (c

Hue (sắắc lc lượượng)ng) Saturation (độđộ bbảảo ho hòòa)a) Intensity (còòn gn gọọi li làà Value,

Value, độđộ chchóói)i)

Biến đổi giữa RGB và HSI và data fusion

(cid:139)(cid:139) NguyNguyêên tn tắắc:c: RGBRGB --> HSI

> HSI --> Operation

> Operation --> H> H’’SS’’II’’ --> R> R’’GG’’BB’’

(cid:141)(cid:141) Data Fusion

Radar …… ))

(cid:141)(cid:141) SPOT

20m False Color vvớớii 10m Monochrome 10m Monochrome color band false color

Data Fusion gigiữữa a ảảnh mnh mààu vu vàà trtrắắng ng đđen (en (Highres Highres panchromatic, Radar panchromatic, SPOT : : trtrộộn n ảảnhnh 20m False Color •• Spectral Info. Spectral Info. 20m Multi •• Texture Info Texture Info (cid:141)(cid:141) Landsat 7, IKONOS

20m Multi--band false band 10m Monochrome band 10m Monochrome (4 met & 1 met) Pan Sharpened (4 met & 1 met) Landsat 7, IKONOS--Pan Sharpened

White

Double Hexagon

Biến đổi giữa RGB và HSI

Hexagonal Dipyramid

Black

Hexagonal Pyramid

http://www.couleur.org/index.php?page=transformations#HSI

Pseudo-color

(cid:132)(cid:132) GGáán cn cáác mc mààu khu kháác nhau cho m

c nhau cho mỗỗi ci cấấp p độđộ ssááng cng củủa ma mộột t ảảnh nh

trtrắắng ng đđen (indexed

color) en (indexed color)

Ví dụ về Pseudo-color

Một ứng dụng: Chỉ số NDVI (Normalized Difference Vegetation Index)

(cid:132)(cid:132) ThThựực vc vậật ht hấấp thp thụụ Visible Red,

(cid:132)(cid:132) NDVI c

Visible Red, phphảản xn xạạ

nh nghĩĩa nha nhưư llàà ttỉỉ ssốố

Near Infrared Near Infrared NDVI cóó ththểể địđịnh ngh gigiữữaa NIR NIR vvàà VRVR

NDVI = NIR / VR NDVI = NIR / VR (cid:132)(cid:132) HoHoặặc logc log( NIR/VR ) ( NIR/VR ) (cid:132)(cid:132) HoHoặặc (c ( NIR NIR -- VR ) / ( NIR+VR) VR ) / ( NIR+VR) ng hay dùùng nh (c(côông th ng thứức cuc cuốối ci cùùng hay d ng nhấất)t)

NDVI - ý nghĩa hình học

NDVI = (NIR - VR)/(NIR+VR)

= tanα = y'/x'

NDVI=1.0

NIR = VR NDVI = 0

VR NIR

x' y'

bare land

forest y'

tan α =

= cos π/4 sin π/4 – sin π/4 cos π/4 y' = NIR – VR NIR + VR x'

NIR

NDVI= -1.0

Các kênh phổ dùng cho NDVI

(cid:132)(cid:132) NDVI =

NDVI = ( NIR ( NIR -- VR ) / ( NIR+ VR ) / ( NIR+VR )VR )

Landsat MSS:MSS: (cid:141)(cid:141) Landsat Landsat TMTM (cid:141)(cid:141) Landsat SPOT XS: (cid:141)(cid:141) SPOT XS: NOAA AVHRR (cid:141)(cid:141) NOAA AVHRR NIRNIR B7B7 B4B4 33 22 VRVR B5B5 B3B3 22 11

NDVI Image

NDVI - ví dụ

VR ) / ( NIR+VR) NDVI= ( NIR -- VR ) / ( NIR+VR) NDVI= ( NIR

Landsat B3: VR

Landsat B4: NIR

Bareland

Good Forest

Giãn giá trị của NDVI

NDVI < 1.0 1.0 < NDVI < 1.0 (cid:132)(cid:132) --1.0 < Value Save as Floating Point Value (cid:132)(cid:132) Save as Floating Point (cid:132)(cid:132) GiGiããn [n [ --1.0 1.0 ,, 1.1.0]0] ra kh < (NDVI+1.0)*128 00 < (NDVI+1.0

ra khỏỏangang 00--255255 < 256 )*128 < 256

Độ chính xác của tính tóan NDVI

p chia đđôôi khi l i khi lààm tm tăăng nhi

ng nhiễễu (noise) (cid:132)(cid:132) PhPhéép chia u (noise) (cid:132)(cid:132) NNếếuu NIR NIR vvàà VR VR ggầần gin giáá trtrịị 00, ph, phéép tp tíính nh

(cid:139)(cid:139) Do Do đđóó: l: lọọai trai trừừ ccáác vc vùùng cng cóó gigiáá trtrịị ththấấp p area...) shaded area...)

llààm tm tăăng nhi ng nhiễễuu

nh (water, , shaded c khi tíính (water trtrướước khi t

Ảnh binary (ảnh logic)

c 1 ( hoặặc False True) c False // True) , AND, OR, XOR Operator: NOTNOT, AND, OR, XOR

(cid:132)(cid:132) CCóó gigiáá trtrịị 0 ho0 hoặặc 1 ( ho Logical Operator: (cid:132)(cid:132) Logical (cid:132)(cid:132) CCóó ththểể ddùùng ng đểđể ttạạo co cáác vc vùùng mng mớớii leave Tree)

Tree) OR OR (Conifer

(Conifer Tree)

Tree) --> >

land) AND

AND (Steep

(Steep Area)

> Slope Area) --> Slope

(Broad--leave (cid:139)(cid:139) (Broad Forest Forest (Bare--land) (cid:139)(cid:139) (Bare Failure Area Failure Area

Logical Operator

NOT 0 1 1 0

0: False 1: True

XOR Dùng để: Clear Image, Cursol Display

XOR 0 0 0 1 0 1 0 1 1 1 1 0 OR 0 0 0 1 0 1 0 1 1 1 1 1 ANDAND 00 00 00 11 00 00 00 11 00 1 11 11 1

Ứng dụng của Ảnh Logic

cho cáác c

ng chuẩẩn bn bịị cho c

nh nghĩĩa ma mộột vt vùùng chu

nh nghĩĩa la lớớp (Class

definition) p (Class definition) Image, vvíí ddụụ Cloud Mask, Cloud Mask,

(Mask Image,

Interest) ROI (Region of of Interest) (cid:132)(cid:132) ROI (Region (cid:139)(cid:139) ĐịĐịnh ngh phphéép tp tóóanan (cid:141)(cid:141) ttíính cnh cáác thc thôông sng sốố ththốống kng kêê statistics statistics (cid:141)(cid:141) địđịnh ngh (cid:132)(cid:132) ẢẢnh mnh mặặt nt nạạ (Mask Land Mask …… )) Land Mask (cid:139)(cid:139) 0 : 0 : False ;

False ; NotNot 0 ( usually 255

) : True 0 ( usually 255 ) : True

Ví dụ về masking

AND

ChChươương 3ng 3

Nắn chỉnh ảnh viễn thám

Giáo trình Xử lý ảnh Kỹ thuật số Viễn thám - Hồ Đình Duẩn

TP.HCM 2005

Nội dung chương 3

Sai số về phổ (radiometric error)

Sai số về hình học (geometric error)

Nắn chỉnh hình học & đăng ký ảnh theo một hệ tọa độ

Sai số của ảnh viễn thám

(cid:132)(cid:132) CCóó 2 l2 lọọai sai s

ai sai sốố

(cid:139)(cid:139) Sai sSai sốố vvềề phphổổ (radiometric error): li quan đếđến n độđộ ssááng cng củủa ca cáác pixel c pixel quan (cid:139)(cid:139) Sai sSai sốố vvềề hhìình hnh họọc (geometric error): c (geometric error): n quan đếđến hn hìình dnh dạạng cng củủa a ảảnhnh

(radiometric error): liêên n

liliêên quan

Sai số về phổ (radiometric)

Sai sSai sốố vvềề phphổổ xuxuấất pht pháát tt từừ ccáác nguy

ng, táán xn xạạ nnăăng lng lượượng (hi

llượượng, t hihiệệu u ứứng Mie) ng Mie) (cid:139)(cid:139) LLỗỗi ci củủa sensor a sensor

(cid:57)(cid:57) ViViệệc hic hiệệu chu chỉỉnh cnh cáác sai s

c sai sốố vvềề phphổổ ththườường ng đượđược c an tiềền xn xửử llýý

cung cấấp p ảảnh, nh, ởở giai giai đọđọan ti

llààm bm bởởi nhi nhàà cung c processing) (pre(pre--processing)

c nguyêên nhn nhâân:n: (cid:139)(cid:139) ẢẢnh hnh hưởưởng cng củủa ba bầầu khu khíí quyquyểển: hn: hấấp thp thụụ nnăăng ng ng (hiệệu u ứứng Rayleigh, ng Rayleigh,

Sai số về hình học (geometric)

t quay trong khi chụụp (qu Sensor cóó ttốốc c độđộ ququéét tht thấấpp Sensor cóó ggóóc quc quéét qut quáá rrộộngng

cong củủa ma mặặt t đấđấtt

c nguyêên nhn nhâânn p (quéét) t) ảảnhnh

tinh trong quáá trtrìình ch tinh trong qu (cid:139)(cid:139) HiHiệệu u ứứng ng ““panoramic

panoramic”” đốđối vi vớới hi hìình dnh dạạng ng ảảnhnh

Sai sSai sốố nnàày cy cóó ththểể ttừừ ccáác nguy (cid:139)(cid:139) TrTráái i đấđất quay trong khi ch (cid:139)(cid:139) MMộột st sốố Sensor c (cid:139)(cid:139) MMộột st sốố Sensor c (cid:139)(cid:139) ĐộĐộ cong c (cid:139)(cid:139) LLỗỗi hi hìình hnh họọc cc củủa cha chíính Sensor nh Sensor , cao độđộ, v, vậận tn tốốc cc củủa va vệệ thay đổđổi vi vềề vvịị trtríí, cao (cid:139)(cid:139) SSựự thay nh chụụpp

Tương quan hình học

(cid:132)(cid:132) Quan h

Quan hệệ hhìình hnh họọc gic giữữa a ảảnh snh sốố viviễễn n ththáám vm vàà ccáác yc yếếu tu tốố ccủủa sensor a sensor

> IFOV Pixel Size <----> IFOV Pixel Size < > FOV Number of Samples <----> FOV Number of Samples <

Ví dụ: xét ảnh hưởng của sự quay của trái đất

Hướng trái đất quay

Hướng bay của vệ tinh

Một scene ảnh Landsat 185 x 185 km có thể “nghiêng” một khỏang gần 11 km

Ví dụ: hiệu ứng “panaramic”

CD > AB

Ví dụ: ảnh hưởng của sự thay đổi của độ cao, vận tốc và vị trí của vệ tinh khi bay chụp

Độ cao thay đổi

Vận tốc thay đổi

Pitch

Roll

Yaw

Nắn chỉnh hình học

t trong nắắn chn chỉỉnh hnh hìình hnh họọcc

ng phááp 1:p 1: ThiThiếết lt lậập mp mộột quan h

t quan hệệ ttóóan an

c pixel củủa a ảảnh vnh vớới ti tọọa a độđộ ccáác c ng trêên mn mặặt t đấđất (tht (thôông qua b

ng qua bảản n

hhọọc gic giữữa ca cáác pixel c đđiiểểm tm tươương ng ứứng tr đồđồ), d), dùùng ph (cid:190)(cid:190) PhPhươương ph

ng phéép bip biếến hn hìình nh đểđể hihiệệu chu chỉỉnhnh ng phááp 2:p 2: XXâây dy dựựng mng mộột mt môô hhìình ph

nh phảản n

c sai sốố hhìình nh

áánh bnh bảản chn chấất vt vàà mmứức c độđộ ccủủa ca cáác sai s hhọọc, sau ccôông th

c, sau đđóó ddùùng mng môô hhìình nnh nàày y đểđể ttíính tnh tóóan an ng thứức tc tóóan han họọc dc dùùng ng đểđể khkhửử saisai

CCóó 2 k2 kỹỹ thuthuậật trong n (cid:190)(cid:190) PhPhươương ph

Phương pháp 2 - phương pháp nắn chỉnh có hệ thống (systematic correction)

(cid:132)(cid:132) Aspect ratio correction: bi

x y

a 0

0 b

  

u   v 

  

  

 = 

  

Ví dụ, đối với ảnh Landsat MSS, a=1 và b=1,411

Aspect ratio correction: biểểu diu diễễn bn bởởi i ma trma trậậnn

Systematic correction (2)

(cid:132)(cid:132) Earth rotation skew correction: bi

x y

  

ua     v  

1   10 

 = 

  

Hệ số a trong công thức phụ thuộc vào sensor và vào vị trí của sensor so với mặt đất

Earth rotation skew correction: biểểu diu diễễn n bbởởi ma tr i ma trậậnn

Systematic correction (3)

(cid:132)(cid:132) HHướướng cng củủa a ảảnh so v

nh so vớới tri trụục Bc Bắắcc--Nam: Nam: sai sốố đượđược bic biểểu diu diễễn bn bởởi ma i ma

cos sin

sin cos

x y

α α

−

  

u   v 

α   α 

  

 = 

  

Ví dụ, đối với ảnh Landsat, góc quay vào khỏng 9o

phphéép khp khửử sai s trtrậậnn

Systematic correction (4)

(cid:132)(cid:132) HiHiệệu u ứứng ng ““panoramic

sai sốố panoramic””: ph: phéép khp khửử sai s

tan

x y

0 1

u   v 

  

  

 = 

   

   

trong đó θ là khẩu độ quét của sensor (instantaneous scan angle)

đượđược bic biểểu diu diễễn bn bởởi ma tr i ma trậậnn

Systematic correction (5)

(cid:132)(cid:132) Trong th

(cid:132)(cid:132) PhPhéép khp khửử sai nsai nàày y đđãã đượđược thc thườường ng

i ta phảải i ááp dp dụụng ng Trong thựực tc tếế, ng, ngườười ta ph sai sốố hhệệ ththốống cng cùùng ng nhinhiềều phu phéép khp khửử sai s mmộột lt lúúc, kc, kếết qut quảả llàà mmộột pht phéép bip biếến n đổđổi i hhìình hnh họọc cc cóó ma trma trậận ln làà ttíích cch củủa ma mộột st sốố ccáác ma tr c ma trậận vn vừừa na nêêuu

cung cấấp p

đượđược thc thựực hic hiệện trn trướước bc bởởi nhi nhàà cung c nh viễễn thn tháámm ảảnh vi

Phương pháp 2: dùng phép tương ứng giữa các điểm trên ảnh với các điểm đã biết tọa độ trên thực tế

(cid:132)(cid:132) ẢẢnh vi

nh viễễn thn tháám thm thườường ng đđãã đượđược nc nắắn chn chỉỉnh sai nh sai

theo mộột ht hệệ ttọọa a độđộ địđịa la lýý

nh nhưư

(cid:132)(cid:132) Tuy nhi

ssốố hhệệ ththốống vng vàà đăđăng kng kýý theo m nnàào o đđóó (th(thườường lng làà UTM, Lat/Long...) UTM, Lat/Long...) Tuy nhiêên, n, độđộ chchíính xnh xáác (hc (hìình hnh họọc) cc) củủa a ảảnh nh ng khôông ng đđááp p ứứng ng đượđược yc yêêu cu cầầu cu củủa a ththếế ththườường kh ngngườười di dùùngng

(cid:132)(cid:132) NgNgườười di dùùng sng sẽẽ nnắắn chn chỉỉnh th

nh thêêm dm dùùng ph

ng phéép bip biếến n

ng chếế (GCP (GCP --

đổđổi hi hìình hnh họọc vc vàà ccáác c đđiiểểm khm khốống ch Ground Control Points) Ground Control Points)

Nắn ảnh dùng điểm khống chế (GCP)

(cid:132)(cid:132) GiGiảả địđịnh: nh: đđãã ccóó mmộột bt bảản n đồđồ (ho(hoặặc c ảảnh) c ng nghiêên cn cứứu vu vàà đđãã đượđược nc nắắn chn chỉỉnhnh

nh) củủa a

vvùùng nghi (cid:132)(cid:132) XXáác c địđịnh 2 h nh 2 hệệ ttọọa a độđộ (x,y) c

(x,y) củủa ba bảản n đồđồ vvàà ng 2 hààm m nh, cùùng 2 h

(u,v) củủa a ảảnh cnh cầần nn nắắn chn chỉỉnh, c (u,v) c bibiếến n đổđổi ti tọọa a độđộ

u = f(x,y) u = f(x,y) v = g(x,y) v = g(x,y)

Nắn ảnh dùng điểm khống chế (2)

(cid:132)(cid:132) 2 h2 hệệ ttọọa a độđộ vvàà ccáác c đđiiểểm khm khốống ch ng chếế

Map

Image

Nắn ảnh dùng điểm khống chế (3)

(cid:132)(cid:132) NguyNguyêên ln lýý: bi

: biếết tt tọọa a độđộ ccủủa ca cáác c đđiiểểm (GCP) tr

ng qua cáác c đđiiểểm tm tươương ng ứứng tr

m (GCP) trêên n ng trêên bn bảản n đồđồ, ,

ảảnh th nh thôông qua c ccóó ththểể ttíính nh đượđược cc cáác hc hààm f(x,y) v

m f(x,y) vàà g(x,y) g(x,y)

f(x,y), g(x,y)

Image

Map

Nắn ảnh dùng điểm khống chế (4)

(cid:132)(cid:132) Trong th

i (resampling) đượđược sc sửử

an giáá trtrịị ccủủa ca cáác pixel, l

c pixel, làà ảảnh nh

Trong thựực tc tếế, ph, phéép np nộội suy (intyerpolation) i suy (intyerpolation) vvàà phphéép lp lấấy my mẫẫu lu lạại (resampling) ddụụng ng đểđể ttíính tnh tóóan gi ccủủa (x,y) qua h

a (x,y) qua hààm m ff vvàà gg

(cid:132)(cid:132) CCáác c đđa tha thứức bc bậậc 1, 2 v

c 1, 2 vàà 3 th3 thườường hay

ng hay đượđược c

ssửử ddụụngng

(cid:132)(cid:132) BBộộ hhààm m f, gf, g ththườường ng đượđược gc gọọi li làà phphéép bip biếến n

đổđổi hi hìình hnh họọc (geometrical transform) c (geometrical transform)

Nắn ảnh dùng điểm khống chế (4)

c hay dùùngng

(cid:132)(cid:132) CCáác c phphéép bip biếến n đổđổi hi hìình hnh họọc hay d

Affine

u = a x + b y + c v = d x + e y + f

Pseudo Affine

u = a1 x y + a2 x + a3 y + a4 v = b1 x y + b2 x + b3 y + b4

Polynomial

ai jxi – 1 y j– 1

(thường tối đa n=3)

bi jxi – 1 y j– 1

u = Σi = 1 v = Σi = 1

Σj= 1 Σj= 1

Nắn ảnh dùng điểm khống chế (5)

(cid:132)(cid:132) MMộột trt trườường hng hợợp p đặđặc bic biệệt ct củủa pha phéép bip biếến n

+ bu

+ av

−=

tương ứng với các phép vị tự (scale), tịnh tiến (shift) và phép quay (rotation)

đổđổi Affine: ph i Affine: phéép bip biếến n đổđổi Helmert i Helmert

Nắn ảnh dùng điểm khống chế (6)

(cid:132)(cid:132) PhPhéép bip biếến n đổđổi bi bảảo gio giáác bc bậậc 2 (second c 2 (second--

order conformal) order conformal)

Quan hệ giữa bậc của đa thức và số tối thiểu các điểm khống chế

c chia lướưới (grid) t

Lấy mẫu lại (resampling) (cid:132)(cid:132) BBảản n đồđồ đượđược chia l ch thướước pixel c

c pixel củủa a ảảnh (kh

i (grid) tươương ng ứứng vng vớới i ng nhấất thi nh (khôông nh

t thiếết t

kkíích th phphảải bi bằằng)ng)

(cid:132)(cid:132) ẢẢnh cnh củủa ma mộột t đđiiểểm lm lướưới (x,y) khi

m (u,v) trêên n ảảnh, kh

i (x,y) khi đđóó đượđược xc xáác c t thiếết t

nh, khôông nh

ng nhấất thi

địđịnh bnh bởởi i đđiiểểm (u,v) tr phphảải tri trùùng vng vớới i đđiiểểm lm lướướii

u=f(x,y)

v=g(x,y)

image

map

Nội suy (interpolation)

(cid:132)(cid:132) PhPhéép np nộội suy gi

Trong thựực tc tếế, th, thườường mng mộột t đđiiểểm lm lướưới i (cid:132)(cid:132) Trong th (x,y) khôông ng đượđược c áánh xnh xạạ vvàào o đđúúng mng mộột t (x,y) kh đđiiểểm lm lướưới ci củủa a ảảnhnh

i suy giúúp tp tììm ra m ra độđộ ssááng ng

cho độđộ ssááng tng tạại i

(brightness value) ““ggầần nhn nhấấtt”” ttừừ ccáác c (brightness value) đđiiểểm trm trêên n ảảnh nh đểđể xxấấp xp xỉỉ cho đđiiểểm cm cầần tn tíính (u,v) nh (u,v)

Nội suy (2) ng phááp np nộội suy CCóó 3 ph3 phươương ph i suy (cid:132)(cid:132) Nearest Neighbour (NN

ch Euclide hoặặc c ang cáách Euclide ho

song tuyếến): sn): sửử ddụụng ling liêên n

(cid:57)(cid:57) ĐầĐầu tiu tiêên nn nộội suy tuy

i suy tuyếến tn tíính tr

nh trêên 2 c

n 2 cặặp p đđiiểểm theo h

m theo hướướng nng nằằm m

ngang, sau đđóó nnộội suy ti ngang, sau

i suy tiếếp trp trêên 2 n 2 đđiiểểm km kếết qut quảả

Nearest Neighbour (NN -- llâân cn cậận gn gầần n t): đơđơn gin giảản ln làà chchọọn n đđiiểểm gm gầần nhn nhấất, t, nhnhấất): theo khỏỏang c theo kh Manhattan... Manhattan... Bilinear (BL -- song tuy (cid:132)(cid:132) Bilinear (BL titiếếp cp cáác nc nộội suy tuy llướưới ci củủa a ảảnh bao quanh nh trêên 4 n 4 đđiiểểm m i suy tuyếến tn tíính tr nh bao quanh đđiiểểm (u,v) m (u,v)

Nội suy (3)

(cid:132)(cid:132) Cubic convolution (CC

c 3): nộội suy c 3 trêên 16 n 16

i suy CC thườường cho

ng cho ảảnh nh ““trtrơơnn”” hhơơn n c, tuy nhiêên gin giáá trtrịị độđộ ssááng ng

(cid:57)(cid:57) NNộội suy CC th phphươương ph ccóó ththểể thay

ng phááp khp kháác, tuy nhi thay đổđổi i đđááng kng kểể

u sau đđóó ccầần phn phảải phi phâân n

(cid:57)(cid:57) KhKhôông nng nêên dn dùùng nng nếếu sau llớớp p ảảnh (classification) nh (classification)

Cubic convolution (CC -- hhààm chm chậập trp tròòn n i suy đđa tha thứức bc bậậc 3 tr bbậậc 3): n i bao quanh đđiiểểm (u,v) đđiiểểm lm lướưới bao quanh m (u,v)

3 phương pháp nội suy

Phép kéo (Warping) (cid:132)(cid:132) CCùùng vng vớới Resampling v

i Resampling vàà Interpolation, Interpolation, o ra dạạng hng hìình hnh họọc cc củủa a p warping tạạo ra d

(cid:132)(cid:132) CCóó 3 ph3 phươương ph

m GCP phảải i

(cid:139)(cid:139) Polynomial:

i suy theo lướưới i

phphéép warping t ảảnh mnh mớớii

ng phááp warping p warping RST (Rotation, Scaling and Translation): (cid:139)(cid:139) RST (Rotation, Scaling and Translation): đơđơn gin giảản nhn nhấấtt Polynomial: đđa tha thứức, sc, sốố đđiiểểm GCP ph khkhôông ng íít ht hơơn (bn (bậậc c ĐĐT + 1) T + 1)22 Delaunay Triangulation: nộội suy theo l (cid:139)(cid:139) Delaunay Triangulation: n tam giáác Delaunay c Delaunay tam gi

Việc chọn lựa điểm khống chế (GCP)

ýý phphâân bn bốố trtrêên bin biêênn

ng cao thìì độđộ chchíính xnh xáác c ởở n, nhưưng cng cóó ththểể ttạạo ra o ra

(cid:57)(cid:57) ĐĐa tha thứức nc nộội suy b i suy bậậc cc cààng cao th c GCP cààng lng lớớn, nh llâân cn cậận cn cáác GCP c ““mmééo ho hìình hnh họọcc”” ởở phphạạm vi lm vi lớớn cn củủa a ảảnhnh

CCáác c đđiiểểm khm khốống ch ng chếế nnêên:n: ng nhưư trtrêên bn bảản n đồđồ ng trêên n ảảnh cnh cũũng nh (cid:139)(cid:139) DDễễ nhnhậận dn dạạng tr (cid:139)(cid:139) PhPhâân bn bốố đồđồng ng đềđều tru trêên tn tòòan an ảảnh, nh, đặđặc bic biệệt cht chúú

Việc chọn lựa điểm khống chế (GCP)

ng, con đậđập, con p, con

ng, cáác c đảđảo nho nhỏỏ......

(cid:139)(cid:139) Ranh gi ng trìình xnh xâây dy dựựng, con (cid:139)(cid:139) GGóóc cc củủa ca cáác cc côông tr ng, hảải ci cảảng... ng... t, ngọọn hn hảải i đăđăng, c y, cao ốốc, c, đườđường ch

mmươương, h (cid:139)(cid:139) MMũũi i đấđất, ng (cid:139)(cid:139) NhNhàà mmááy, cao (cid:139)(cid:139) TTââm cm củủa ca cáác hc hồồ nhnhỏỏ, , đđiiểểm giao th

ng chạạy cy củủa a âân bay... n bay... y, giao lộộ...... m giao thủủy, giao l

CCáác c đđiiểểm khm khốống ch Ranh giớới gi ng chếế nnêên ln làà:: i giữữa a đấđất vt vớới ni nướước...c...

Tọa độ địa lý và phép nắn chỉnh nh viễễn thn tháám thm thườường ng đđãã đượđược c đăđăng kng kýý i chiếếu (Map Projection) v u (Map Projection) vàà

(cid:132)(cid:132) Ellipsoid l

t Ellipsoid nàào o đđóó

(cid:132)(cid:132) ẢẢnh vi theo mộột lt lướưới chi theo m trtrêên mn mộột Ellipsoid n Ellipsoid làà mmôô hhìình tnh tóóan han họọc c đểđể xxấấp xp xỉỉ t cho tiệện tn tíính tnh tóóan (an (đượđược c bbềề mmặặt trt tráái i đấđất cho ti tham sốố ggọọi li làà i 1 bộộ tham s chi tiếết ht hóóa tha thêêm bm bởởi 1 b chi ti datumdatum)) (cid:132)(cid:132) LLướưới chi chuyểển tn tọọa a độđộ ggóóc kinh c kinh--vvĩĩ ccủủa ma mộột t đđiiểểm m chuy sang tọọa a độđộ phphẳẳng (x,y) ng (x,y) sang t

i chiếếu lu làà bibiểểu thu thứức tc tóóan han họọc c đểđể

Geoid và Ellipsoid

(cid:190)Geoid xaáp xæ caùc maët cuûa möïc nöôùc bieån treân traùi ñaát

(cid:190) Ellipsoid laø maët toùan hoïc lyù töôûng xaáp xæ geoid

Các Ellipsoid và Datum thông dụng

• GRS80 • WGS84 • Everest 19XX • CLARKE 1866 •

. . .

Datums: • WGS84 - WGS84 • GRS80- ITRF(International Terrestrial Reference Frames )

GPS và datum

i datum cũũng ng

(cid:132)(cid:132) HHệệ ththốống ng địđịnh vnh vịị ttòòan can cầầu mu mặặc c địđịnh nh ng ellipsoid WGS84 vớới datum c ddùùng ellipsoid WGS84 v llàà WGS84 WGS84 c GPS độđộ chchíính xnh xáác cao th (cid:132)(cid:132) CCáác GPS GRS80 vớới datum ITRS i datum ITRS GRS80 v

c cao thườường dng dùùng ng

Lưới chiếu UTM

Chiếu mỗi 6 độ kinh tuyến với khỏang cách -80 đến +80 độ vĩ lên mặt phẳng. Có cả thảy 60 múi. Đây là lọai phép chiếu hình trụ ngang.

Phép chiếu hình trụ ngang (Transverse Cylindrical Projection)

Nắn chỉnh ảnh trong thực hành (cid:132)(cid:132) NNếếu u đđãã ccóó bbảản n đồđồ ssốố (v(vớới i độđộ chchíính xnh xáác c

ng việệc cc cóó ththểể ththựực c

đđãã chchấấp nhp nhậận), cn), côông vi hihiệện bn bằằng ph

(cid:132)(cid:132) NNếếu chu chưưa ca cóó, c, cầần phn phảải chu (cid:139)(cid:139) BBảản n đồđồ gigiấấy, GPS y, GPS (cid:139)(cid:139) ChChọọn trn trướước mc mộột st sốố đđiiểểm GCP tr ng trêên n ảảnh), ghi nh

ng nhậận dn dạạng tr

m GCP trêên bn bảản n đồđồ (v(vàà ddễễ nh), ghi nhậận tn tọọa a độđộ pixel pixel

ddààng nh trtrêên n ảảnhnh

m tra lạại ti tọọa a độđộ GCPGCP (cid:139)(cid:139) ĐĐi thi thựực c địđịa kia kiểểm tra l (cid:139)(cid:139) TTổổng hng hợợp sp sốố liliệệu, chu, chọọn phn phươương ph

ng phááp np nộội suy, i suy,

chchọọn n đđa tha thứức nc nộội suy, v

i suy, vàà ththựực hic hiệện phn phéép np nắắn chn chỉỉnhnh

ng phầần mn mềềm vim viễễn thn tháámm i chuẩẩn bn bịị::

Map Coordinate

Image Coodinate Line

Colume

Easting

Northing

390 700

400 420

524,445 525,445

1,234,456 1,234,256

Thực hành

… … … … … …

Thực hành

(minh họọa tra trêên phn phầần mn mềềm ENVI, image m ENVI, image (minh h shp files khu vựực Nam c Nam

Landsat vàà shp files khu v Landsat v SSààigigòòn)n)

ChChươương 4ng 4

Tăng cường ảnh viễn thám

Giáo trình Xử lý ảnh Kỹ thuật số Viễn thám - Hồ Đình Duẩn

TP.HCM 2005

Nội dung chương 4

Các tóan tử điểm ảnh lân cận

Tóan tử tích chập (Convolution)

Các kỹ thuật làm trơn ảnh (Smoothing)

Nhận dạng biên và đường (Edge & Line detection)

Tóan tử Roberts, tóan tử Sobel

Phương pháp Taylor

Các ứng dụng khác của PCA

Biển đổi Fourier của ảnh

Các tóan tử điểm ảnh lân cận

(cid:132)(cid:132) PhPhéép bip biếến n đổđổi gi

i giáá trtrịị ccủủa ma mỗỗi pixel d i pixel dựựa va vàào o

an trêên gin giáá trtrịị ccủủa ca cáác pixel l c pixel lâân cn cậận, n,

(cid:132)(cid:132) CCáác pixel l

ttíính tnh tóóan tr vvớới tri trọọng sng sốố ththíích hch hợợpp

c pixel lâân cn cậận n đượđược xc xáác c địđịnh bnh bởởi mi mộột t

kernel -- ccòòn gin giáá trtrịị

(cid:132)(cid:132) PhPhéép bip biếến n đổđổi i ảảnh nh

““ccửửa sa sổổ”” -- ccòòn gn gọọi li làà kernel ccầần tn tíính nh đặđặt t ởở ttââm cm cửửa sa sổổ

nh nhưư vvậậy cy còòn gn gọọi li làà llọọc c

(filter) (filter)

Tóan tử biến đổi lân cận

(cid:132)(cid:132) GiGiảả ssửử kernel vvàà ảảnh cho b

c cho bởởi matr i matrậận W n W

kernel đượđược cho b i matrậận An A nh cho bởởi matr

]nmaA [ =

]nmwW [ = (cid:132)(cid:132) GiGiáá trtrịị mmớới ti tạại ti tââm cm cửửa sa sổổ

1/91/9

nmnm wa , ,

∑

1/91/9

Cửa sổ W (3 x 3)

Cửa sổ được di chuyển theo mọi vị trí trên ảnh

Phép nhân chập (convolution)

(cid:132)(cid:132) Trong x

u, phéép nhp nhâân chn chậập p u a(u,v) vớới kernel i kernel

yuxkvua

(),(

)

dudv

k =⊗

−

∫∫ (cid:132)(cid:132) ĐốĐối vi vớới ti tíín hin hiệệu ru rờời ri rạạc (nh

Trong xửử llýý ttíín hin hiệệu, ph ccủủa ta tíín hin hiệệu 2 chi k(u,v) đượđược cho b k(u,v) u 2 chiềều a(u,v) v c cho bởởii

yuxkvua

(),(

)

−

∑∑

(giá trị tại điểm lưới (x,y))

c (nhưư ảảnh snh sốố))

Tóan tử làm trơn trung bình (Mean Value Smoothing)

(cid:132)(cid:132) GiGiáá trtrịị mmớới li làà trung b

trung bìình cnh cộộng cng củủa ta tấất ct cảả

(cid:132)(cid:132) ThuThuộộc lc lọọai lai lọọc thc thôông th

ccáác gic giáá trtrịị ccóó trtrêên cn cửửa sa sổổ

ng thấấp (Low Pass), p (Low Pass),

ccóó đặđặc tc tíính kh

nh khửử nhinhiễễu cao u cao (cid:132)(cid:132) ThThườường lng lààm ym yếếu cu cáác yc yếếu tu tốố đườđường vng vàà

bibiêênn

Mean Value Smoothing

(cid:132)(cid:132) CCóó ththểể ccảải ti

NNếếu giu giáá trtrịị ccũũ llàà a(u,v) v

a(u,v) vàà gigiáá trtrịị ttíính tnh tóóan lan làà m(u,v) m(u,v)

i = m(u,v) nếếu |m(u,v)

a(u,v)| < T u |m(u,v)--a(u,v)| < T

GiGiáá trtrịị mmớới = m(u,v) n vvàà = a(u,v) n

= a(u,v) nếếu ngu ngượược lc lạạii

i tiếến ln lọọc nc nàày by bằằng cng cáách ch đưđưa ra a ra mmộột ngt ngưỡưỡng T (threshold) ng T (threshold)

Mean Value Smoothing

kernel

Lọc trung vị (median filter)

(cid:132)(cid:132) CCũũng dng dùùng lng lààm trm trơơn n ảảnhnh (cid:132)(cid:132) CCóó ưưu u đđiiểểm hm hơơn ln lọọc trung b

c trung bìình nh ởở chchỗỗ íít t m suy giảảm cm cáác yc yếếu tu tốố đườđường vng vàà bibiêênn ch thướước lc lẽẽ: 3 x : 3 x llààm suy gi (cid:132)(cid:132) ThThườường ch

Lọc median cửa sổ 7 x 7

ng chọọn cn cửửa sa sổổ kkíích th 3 ho3 hoặặc 5 x 5 ... c 5 x 5 ... Ví dụ : median của các số {2,5,5,1,3} là 3

Lọc tuyến tính và phi tuyến

(cid:132)(cid:132) LLọọc convolution l

c convolution làà mmộột vt víí ddụụ vvềề llọọc c

c median làà mmộột vt víí ddụụ vvềề llọọc khc khôông ng

(cid:132)(cid:132) CCóó ththểể địđịnh ngh

tuytuyếến tn tíínhnh (cid:132)(cid:132) LLọọc median l tuytuyếến tn tíínhnh

nh nghĩĩa la lọọc tc tươương tng tựự nhnhưư llọọc c

median bằằng cng cáách dch dùùng cng cáác tc tóóan tan tửử median b ththốống kng kêê khkháác nhc nhưư mode (majority) mode (majority)

Phát hiện biên (edge detection)

(cid:132)(cid:132) RRấất ct cầần thi

t trong phâân tn tíích cch cáác yc yếếu tu tốố

(cid:132)(cid:132) CCóó 3 ph3 phươương ph

n thiếết trong ph đườđường (linear features) trong

(cid:139)(cid:139) DDùùng tng tóóan tan tửử llâân cn cậận theo c (cid:139)(cid:139) DDùùng ng đạđạo ho hààm theo h m theo hướướngng ng phéép trp trừừ vvớới i ảảnh nh đđãã llààm trm trơơnn (cid:139)(cid:139) DDùùng ph

ng (linear features) trong ảảnhnh t hiệện bin biêênn ng phááp php pháát hi n theo cửửa sa sổổ

Phát hiện biên dùng cửa sổ

(cid:132)(cid:132) CCửửa sa sổổ ssửử ddụụngng

--11

Để phát hiện đường theo chiều thẳng đứng

Để phát hiện đường theo chiều nằm ngang

Phát hiện biên dùng cửa sổ

(cid:132)(cid:132) CCửửa sa sổổ ssửử ddụụngng

--11

Để phát hiện đường theo chiều thẳng đứng

Để phát hiện đường theo chiều nằm ngang

Phát hiện biên dùng cửa sổ

(cid:132)(cid:132) NNếếu du dùùng cng cửửa sa sổổ kkíích th

ch thướước lc lớớn hn hơơn, n, n theo nhiềều hu hướướng ng t hiệện bin biêên theo nhi

t hiệện n

ccóó ththểể phpháát hi khkháácc ==> Phảải thi thựực hic hiệện thn thủủ ttụục phc pháát hi ==> Ph bibiêên vn vớới ci cáác cc cửửa sa sổổ khkháác nhau c nhau

Dùng đạo hàm theo hướng

a 1 hààm f(x,y) m f(x,y) đđuuợợc c địđịnh nh

yxf ),(

∇

∂ x ∂ ∂ y ∂

    ),( yxf  

     

Vector này tượng trưng cho độ dốc (slope) của hàm tại diểm (x,y)

Gradient củủa 1 h (cid:132)(cid:132) Gradient c nghnghĩĩaa

Dùng đạo hàm theo hướng

(cid:132)(cid:132) NNếếu u đặđặt t

yxf ),(

=∇ 2

=∇ 1

∂ y∂

∂ x∂

thì đại lượng

2 ∇+∇=∇ 2

2 1

có thể dùng để phát hiện biên

Tóan tử Roberts

(cid:132)(cid:132) ĐốĐối vi vớới i ảảnh snh sốố, c, cáác c đạđạo ho hààm vm vừừa na nêêu cu cóó c sai phâân (difference) n (difference)

jia ),(

−

ia ,1( +

=∇ 1

jia ,(

ia j ),1( +

−

=∇ 2

(Coi như đạo hàm tại điểm (i+1/2, j+1/2) theo hướng 2 đường chéo)

ththểể xxấấp xp xỉỉ bbằằng cng cáác sai ph

Tóan tử Roberts

(cid:132)(cid:132) MMộột vt víí ddụụ ááp dp dụụng tng tóóan tan tửử Roberts Roberts

8.58.5

6.06.0

8.58.5

Tóan tử Roberts

(cid:132)(cid:132) MMộột vt víí ddụụ ááp dp dụụng tng tóóan tan tửử Roberts Roberts

Tóan tử Sobel

(cid:132)(cid:132) DDùùng sai ph j

,1( ia −

−

),1(2)1 ia j

,1( ia +

−+

−

,(2)1

jia

,1( ia −

)1 ++

,1( ia +

,(2)1

jia

=∇ 2 ,1( ia −

−

−−

)1 −−

,1( ia +

−

ng sai phâân (tn (tạại i đđiiểểm (i,j)) m (i,j)) ),1(2)1 ,1( ia j ia =∇ − 1 ,1( ia +

Tóan tử Sobel

(cid:132)(cid:132) TTóóan tan tửử Sobel t

Sobel tươương ng đươđương vng vớới 2 t i 2 tóóan an

--11

--22

=∇1

=∇ 2

--11

--22

--11

∇+∇=∇

2 1

2 2

ttửử ccửửa sa sổổ

Tóan tử Sobel

(cid:132)(cid:132) VVíí ddụụ ááp dp dụụng tng tóóan tan tửử Sobel Sobel

Phát hiện biên bằng phép trừ cho ảnh đã làm trơn

(cid:132)(cid:132) LLấấy y ảảnh tr ccủủa na nóó, ta ccáác c đườđường bi

cho ảảnh lnh lààm trm trơơn (low pass) n (low pass) i trong đđóó

nh trừừ cho , ta đượđược mc mộột t ảảnh mnh mớới trong ng biêên n đượđược tc tăăng cng cườườngng

i 1 tỉỉ llệệ nnàào o đđóó), v), vàào o

(cid:132)(cid:132) CCộộng ng ảảnh nnh nàày (vy (vớới 1 t nh ban đầđầu lu lạại, ta ảảnh ban ccườường bi

i, ta đượđược c ảảnh tnh tăăng ng

ng biêênn

Phát hiện biên bằng phép trừ cho ảnh đã làm trơn

(cid:132)(cid:132) MMộột vt víí ddụụ ddùùng ph

B = A - smooth(A)

A + 3*B

ng phéép trp trừừ ảảnhnh

Phát hiện đường dùng cửa sổ

(cid:132)(cid:132) CCóó ththểể ddùùng cng cáác kernel tuy t hiệện n đườđườngng

c kernel tuyếến tn tíính sau nh sau

--11

Đường chéo

Đường thẳng đứng

Đường ngang

đểđể phpháát hi

Phát hiện đường dùng cửa sổ (cid:132)(cid:132) VVíí ddụụ

--11

Phát hiện đường dùng cửa sổ (cid:132)(cid:132) VVíí ddụụ

--11

Phát hiện đường dùng cửa sổ (cid:132)(cid:132) VVíí ddụụ

--11

Phương pháp Taylor

(cid:132)(cid:132) DDùùng ng đểđể ttăăng cng cườường ng độđộ ttươương ph

ng phảản cn củủa a

(cid:132)(cid:132) ThThôông th

ảảnh mnh mààu (u (đđa pha phổổ))

ng thườường, histogram c

ng, histogram củủa ma mỗỗi ki kêênh nh c stretch, khôông tng tíính nh đếđến n

ririêêng lng lẻẻ đượđược stretch, kh ttươương quan gi (cid:132)(cid:132) BiBiếến n đổđổi PCA c ng quan giữữa ca cáác kc kêênh vnh vớới nhau i nhau i PCA củủa a ảảnh cho ra c

nh cho ra cáác kc kêênh nh ng quan hầầu u

PC1, PC2, PC3... vớới ti tươương quan h PC1, PC2, PC3... v nhnhưư khkhôông cng cóó

Phương pháp Taylor

ng phááp Taylor : t

(cid:132)(cid:132) PhPhươương ph ttươương ph ththàành ph kkêênh ri

n PCA (thựực hic hiệện trn trêên cn cáác c

(cid:132)(cid:132) BiBiếến n đổđổi ngi ngượược c ảảnh PCA, ta c

p Taylor : tăăng cng cườường ng độđộ ng phảản cn củủa a ảảnh mnh mààu tu tạạo bo bởởi ci cáác c nh phầần PCA (th nh riêêng lng lẻẻ))

nh PCA, ta cóó ảảnh tnh tăăng ng

nh ban đầđầu, vu, vớới i độđộ ttươương ng n so vớới i c phong phúú hhơơn so v

ccườường cng củủa a ảảnh ban phphảản vn vàà mmààu su sắắc phong ph stretch từừng kng kêênh mnh mộộtt stretch t

Phương pháp Taylor: ví dụ

Biến đổi Kauth-Thomas

(cid:132)(cid:132) ThThườường dng dùùng trong nghi (cid:132)(cid:132) TTươương tng tựự nhnhưư bibiếến n đổđổi PCA, nh

ng trong nghiêên cn cứứu nu nôông nghi ng nghiệệpp

i PCA, nhưưng ng ởở đđâây cy cáác c vectơơ chchíính nh đượđược chc chọọn n đểđể llààm nm nổổi bi bậật ct cáác lc lớớp p vect landcover quan trọọngng landcover quan tr

n trong lớớp p đấđất trt trốống ng

(cid:132)(cid:132) VectVectơơ ththứứ nhnhấất t đượđược chc chọọn trong l (cid:132)(cid:132) LLớớp thp thựực vc vậật (xanh l (cid:132)(cid:132) TiTiếếp theo l

t (xanh lụục) c) đượđược chc chọọn thn thứứ haihai

p theo lớớp mp mùùa ma mààng ng đđang thu h ang thu họọach ach

(v(vààng) ng) đượđược chc chọọnn

Biến đổi Kauth-Thomas

(cid:132)(cid:132) CuCuốối ci cùùng lng lớớp thp thứứ ttưư đượđược chc chọọn, khn, khôông ng

c 3 lớớp trp trêênn

thuthuộộc 3 l (cid:132)(cid:132) QuQuáá trtrìình tr nh trựực giao h c giao hóóa Schmidt

a Schmidt đượđược thc thựực c c giao cáác c

c chuẩẩn hn hóóaa , sau đđóó đượđược chu

nh nhằằm trm tráánh gi

nh giáá trtrịị ââm)m)

hhịịêên n đểđể ccóó đượđược mc mộột ht hệệ trtrựực giao c vectơơ, sau vect u R làà matrmatrậận cn củủa pha phéép bip biếến n đổđổi ti tọọa a độđộ (cid:132)(cid:132) NNếếu R l c giao), thìì phphéép bip biếến n đổđổi Kauth (matrậận trn trựực giao), th i Kauth-- (matr Thomas làà u = R x + c u = R x + c Thomas l t vectơơ đđiiềều chu chỉỉnh nh (c (c llàà mmộột vect

ChChươương ng 55

Phân lớp (Classification)

Giáo trình Xử lý ảnh Kỹ thuật số Viễn thám - Hồ Đình Duẩn

TP.HCM 2005

Nội dung chương 5

Phần A: Phân lớp có giám sát (Supervised Classification)

Các bước trong phân lớp

Phương pháp Maximum Likelihood và lý thuyết Bayes

Phương pháp khỏang cách cực tiểu (Minimum Distance)

Phần B: Phân lớp không có giám sát (Unsupervised Classification)

Khỏang cách

Thuật tóan Clustering

Phần A: Phân lớp có giám sát

(cid:132)(cid:132) MMụục c đđíích: Ph viviễễn thn tháámm (cid:132)(cid:132) PhPhươương ph

ch: Phâân tn tíích ch địđịnh lnh lượượng dng dữữ liliệệu u

c thuậật tt tóóan an c pixel củủa a ảảnh nh c nhau (gọọi i

ng phááp: sp: sửử ddụụng cng cáác thu ththíích hch hợợp p đểđể xxếếp lp lọọai cai cáác pixel c theo cáác lc lớớp php phủủ mmặặt t đấđất kht kháác nhau (g theo c class); việệc phc phâân ln lớớp dp dựựa a llàà ccáác lc lớớp p -- class); vi ng tin đđãã bibiếết vt vềề mmộột st sốố ccáác mc mẫẫu u trtrêên thn thôông tin (samples) (samples)

Khái niệm phân lớp trong viễn thám

(cid:132)(cid:132) GiGiảả ssửử ảảnh cnh cóó k kk kêênh ph

nh phổổ. Khi

. Khi đđóó mmỗỗi i t vectơơ kk-- nh phầần ln làà gigiáá trtrịị ttạại ki kêênh nh

a pixel đđóó), g), gọọi li làà vect vectơơ phphổổ ccủủa a

pixel trêên n ảảnh snh sẽẽ ứứng vng vớới mi mộột vect pixel tr chichiềều (mu (mỗỗi thi thàành ph ththứứ k ck củủa pixel pixel pixel

(cid:132)(cid:132) ThuThuậật tt tóóan ph hhệệ gigiữữa vect ccáác lc lớớp p

an phâân ln lớớp sp sẽẽ ddựựa va vàào quan o quan ng pixel vớới i a vectơơ phphổổ ccủủa ta từừng pixel v

Spectral Reflectance Spectral Reflectance

80 Vegetation

70 Soil

60 Clear River Water

Turbid River Water

50 e c n a t c e

40 l f e R

30

20 t n e c r e P

10 0 0.4 0.6

0.8

1.0

1.2

1.4

1.6

1.8 2.0 2.2

2.4 2.6

Wavelength (µm)

Phổ phản xạ của một số lớp phủ thường gặp

Các bước trong việc phân lớp

(cid:132)(cid:132) ChChọọn trn trướước mc mộột tt tậập hp hợợp cp cáác lc lớớp php phủủ mmàà

(cid:132)(cid:132) VVớới mi mỗỗi li lớớp, chp, chọọn ra mn ra môôt tt tậập cp cáác pixel c pixel

theo đđóó ảảnh snh sẽẽ đượđược phc phâân ln lớớpp theo

u cho lớớp p đđóó (g(gọọi li làà samples samples

(cid:132)(cid:132) CCáác tc tậập training c

titiêêu biu biểểu cho l hohoặặc training data) c training data)

p training cóó ththểể llấấy y đượđược tc từừ đđi i c nguồồn n , hay từừ ccáác ngu

ththựực c địđịa, ta, từừ bbảản n đồđồ, hay t hhìình nh ảảnh kh nh kháácc

Các bước trong việc phân lớp (2)

p training đượđược dc dùùng ng đểđể ướước c

c tham sốố ccủủa gia giảải thu

ng (cáác tham s

(cid:132)(cid:132) CCáác tc tậập training đđóóan can cáác tham s llớớp sp sẽẽ ssửử ddụụng (c llớớp training g

p training gọọi li làà signature c

(cid:132)(cid:132) DDựựa va vàào co cáác tc tậập training , x c pixel củủa a ảảnh sao cho m

i pixel sẽẽ

ccáác pixel c thuthuộộc vc vềề mmộột lt lớớp duy nh

(cid:132)(cid:132) TTạạo o ảảnh (ho

i thuậật pht phâân n c tham sốố thuthuộộc 1 c 1 signature củủa la lớớp p đđóó)) p training , xếếp lp lọọai tai tấất ct cảả nh sao cho mỗỗi pixel s p duy nhấấtt nh (hoặặc bc bảản n đồđồ) ph) phâân ln lớớp, tp, tíính nh

ttóóan can cáác thc thốống kng kêê ccủủa via việệc phc phâân ln lớớpp

Phương pháp Maximum Likelihood

(cid:132)(cid:132) LLàà phphươương ph (cid:132)(cid:132) SSửử ddụụng cng cáác thc thốống kng kêê (mean, variance (mean, variance -- ng gian phổổ đểđể

ng phááp thp thôông dng dụụng nh ng nhấấtt

(cid:132)(cid:132) GiGiảả địđịnh rnh rằằng cng cáác gic giáá trtrịị phphổổ ((đđa chi

covariance) trong khôông gian ph covariance) trong kh ng thuậật tt tóóanan xxâây dy dựựng thu

a chiềều) u)

trong mỗỗi li lớớp p đềđều cu cóó phphâân bn bốố chuchuẩẩn n trong m (normal distribution) (normal distribution)

Lý thuyết Bayes

(cid:132)(cid:132) GiGiảả ssửử ccóó M lM lớớp. Gp. Gọọi x l

i x làà mmộột vect t vectơơ phphổổ

ang xéétt

vecto x thuộộc lc lớớp ip i

u p(x,i)>p(x,j) vớới mi mọọi j<>i i j<>i

t pixel đđang x ccủủa ma mộột pixel p(x,i) làà xxáác suc suấất t đểđể vecto x thu (cid:132)(cid:132) p(x,i) l (cid:132)(cid:132) NguyNguyêên tn tắắc Maximum Likelyhood l c Maximum Likelyhood làà x thuộộc lc lớớp i np i nếếu p(x,i)>p(x,j) v x thu

Lý thuyết Bayes

(cid:132)(cid:132) GGọọi p(i,x) l

i p(i,x) làà xxáác suc suấất t đểđể, v, vớới x cho i x cho

trtrướước, lc, lớớp i ch a vectơơ xx

(cid:132)(cid:132) GGọọi p(i) l (cid:132)(cid:132) ĐịĐịnh lnh lýý Bayes: Bayes:

p( i | x )= p( x | i ) p( i ) / p( x ) p( i | x )= p( x | i ) p( i ) / p( x ) (cid:132)(cid:132) Do Do đđóó đđiiềều kiu kiệện chn chọọn ln lớớp cho vect

p i chứứa vect i p(i) làà xxáác suc suấất t đểđể llớớp i hi p i hiệện hn hữữuu

p cho vectơơ x x

p(x,i) p(i) > p(x,j) p(j) p(x,i) p(i) > p(x,j) p(j)

ĐĐâây ly làà đđiiềều kiu kiệện tn tíính tnh tóóan an đượđược tc từừ training data training data

trtrởở ththàànhnh

Biệt thức của lớp (discriminant function)

(cid:132)(cid:132) ĐặĐặtt

Di(x) = p(x,i) p(i) Di(x) = p(x,i) p(i)

VVàà ggọọi li làà bibiệệt tht thứứcc(discriminant function) c

(discriminant function) củủa a

llớớp ip i

(cid:132)(cid:132) Khi Khi đđóó đđiiềều kiu kiệện n đểđể ra quy

ra quyếết t địđịnh lnh làà x thuộộc lc lớớp i np i nếếu u Di(x) > Dj(x) v x thu

Di(x) > Dj(x) vớới mi mọọi j<>i i j<>i

Bayes và phân bố chuẩn

(cid:132)(cid:132) GiGiảả thi

thiếết pht phâân bn bốố ccủủa ta tấất ct cảả ccáác lc lớớp p đềđều u

)

exp ( –

p( x | i ) =

1 2 π σ2

( x – µi ) 2 2 2 σi

µi = meanof x for classi 2 = varianceof x for classi σi

(cid:132)(cid:132) Khi Khi đđóó bibiệệt tht thứức c ccủủa la lớớp i lp i làà

Di(x) = ln [ p( x | i ) p( i ) ] = ln [ p( i ) ] – 1

2 ] –

2 ln [ 2 π ] – 1

2 ln [ σi

( x – µi ) 2 2 2 σi

llàà chuchuẩẩn (normal) n (normal)

Phương pháp Parallepiped

Các giá trị Minimum và Maximum của mỗi lớp được tính và dùng như ngưỡng phân lọai

Ưu điểm: đơn giản, tính nhanh

Nhược điểm: có nhiều pixel sẽ không được xử lý

Phương pháp Minimum Distance

(cid:132)(cid:132) VVớới mi mỗỗi li lớớp, tp, tíính vect

nh vectơơ Mean c Mean củủa la lớớp p

đđóó, coi nh

, coi nhưư ““ttââmm”” ccủủa la lớớpp (cid:132)(cid:132) TTíính vnh vàà so sso sáánh cnh cáác khc khỏỏang c ang cáách tch từừ

đđiiểểm m đđang x ang xéét t đếđến cn cáác c ““ttââmm”” nnààyy

Phương pháp cây quyết định (Decision Tree)

Hàm quyết định dựa và việc so sánh giá trị của điểm đang xét với các giá trị ngưỡng nào đó

Decision tree

(cid:132)(cid:132) CCóó ththểể kkếết ht hợợp vp vớới ci cáác thc thôông tin kh

ng tin kháác c

nh NDVI, slope...) củủa a ảảnh trong nh trong

(cid:132)(cid:132) CCấấu tru trúúc cc câây nhy nhịị phphâân, tn, tạại mi mỗỗi node gi i node giáá t biểểu thu thứức sc sẽẽ đượđược c đđáánh gi nh giáá c pixel đượđược phc phâân n đđôôi i

(nh(nhưư ảảnh NDVI, slope...) c phphâân ln lớớpp

(cid:132)(cid:132) TTạại mi mỗỗi nhi nháánh, c

trtrịị ccủủa ma mộột bi (Yes/No) vàà ccáác pixel (Yes/No) v theo biểểu thu thứức nc nààyy theo bi

nh, cóó ththểể titiếếp tp tụục phc phâân chia n chia hay dừừng lng lạại ni nếếu thu thấấy y đđãã đạđạt t đượđược tic tiêêu u hay d chchíí phphâân ln lọọaiai

Thực hành với decision tree

(cid:132)(cid:132) DDùùng ENVI. Chu

(cid:132)(cid:132) SSọọan tr

NDVI < 0.3

b2 < 72

NDVI < -0.1

Cl5

Cl1

Cl2

Cl3

Cl4

dataset (chẳẳng ng ng ENVI. Chuẩẩn bn bịị dataset (ch hhạạn, landsat ETM bands 123 + NDVI n, landsat ETM bands 123 + NDVI an trướước mc mộột ct câây phy phâân ln lọọai, vai, víí ddụụ

Các phương pháp khác

(cid:132)(cid:132) NgNgòòai ra, c

ai ra, còòn cn cóó mmộột st sốố phuphuơơng ph ng phááp p

ang cáách Mahalanobis ch Mahalanobis

KhKhỏỏang c ÁÁnh xnh xạạ ggóóc phc phổổ (Spectral Angle Mapper) (Spectral Angle Mapper) MMạạng nng nơơron (Neural network) ron (Neural network) PhPhâân ln lớớp theo c (cid:132)(cid:132) CCáác phc phươương ph

p theo cấấu tru trúúc bc bềề mmặặt (texture)... t (texture)... ng phááp khp kháác nhau ho

khkháácc

c nhau hoặặc lc làà do do

i thuậật pht phâân ln lớớp, ho p, hoặặc lc làà do hdo hààm ra m ra

gigiảải thu quyquyếết t địđịnhnh

Phần B: Phân lớp không giám sát

(cid:132)(cid:132) DDùùng trong tr

i thuậật t đượđược sc sửử ddụụng cng cóó ttêên n

ng tin vềề ccáác c ng trong trườường hng hợợp thp thôông tin v llớớp php phủủ llàà khkhôông ng đầđầy y đủđủ, ho, hoặặc thc thậậm chm chíí khkhôông cng cóó (cid:132)(cid:132) CCáác gic giảải thu chung làà clustering clustering chung l t clustering, cáác lc lớớp kp kếết t i thuậật clustering, c Trong giảải thu (cid:132)(cid:132) Trong gi ng biếết trt trướước, vc, vàà ccóó ththểể ccảả ssốố ququảả llàà khkhôông bi ccáác lc lớớp cp cũũng kh ng khôông bi ng biếết trt trướướcc

Thuật tóan k-trung bình (k-means)

n ra k vectơơ llààm tm tââm (mean) m (mean)

n, thuậật tt tóóan an

ddừừng; n

ng; nếếu khu khôông quay l

nguyêên, thu ng quay lạại bi bướước 2c 2

thiếết st sốố llớớp lp làà kk GiGiảả thi 1.1. ĐầĐầu tiu tiêên, chn, chọọn ra k vect cho k lớớp khp khởởi i đầđầuu cho k l pixel sẽẽ thuthuộộc lc lớớp mp màà khkhỏỏang t vectơơ pixel s 2.2. MMộột vect ang ch (Euclide, chẳẳng hng hạạn) tn) từừ nnóó đếđến tn tââm m ccáách (Euclide, ch ccủủa la lớớp lp làà nhnhỏỏ nhnhấất (tht (thựực hic hiệện vn vớới ti tấất ct cảả ccáác c vecto trong 1 lầần ln lặặp)p) vecto trong 1 l 3.3. TTíính lnh lạại ti tââm cm củủa ca cáác lc lớớpp 4.4. NNếếu tu tấất ct cảả ccáác tc tââm gim giữữ nguy

Thuật tóan k-means

Số lớp = 2

Số lần lặp = 4

K-means

(cid:132)(cid:132) Sau ph

means, cáác lc lớớp cp cầần phn phảải i

c xem xéétt

Sau phâân ln lớớp kp k--means, c đượđược xem x (cid:139)(cid:139) LLớớp cp cóó ququáá íít pht phầần tn tửử : c: cóó ththểể bbỏỏ (cid:139)(cid:139) Hai lHai lớớp cp cóó đặđặc trc trưưng gng gầần gin giốống nhau: ng nhau:

ccóó ththểể hhợợp chp chúúng lng lạại mi mộộtt

(cid:139)(cid:139) MMộột lt lớớp np nàào o đđóó ququáá llớớn: cn: cóó ththểể chia chia ch chỉỉ ra tr nhnhỏỏ (b(bằằng cng cáách ch standard deviation cho cáác kc kêênh ph standard deviation cho c

ra trướước sc sốố

nh phổổ))

Các tham số của thuật tóan

(cid:132)(cid:132) SSốố ccáác lc lớớp: ng

p: ngườười di dùùng ch ng chỉỉ địđịnh tr nh trướước c

an phảải ti tạạo rao ra

ssốố llớớp mp màà thuthuậật tt tóóan ph (cid:132)(cid:132) SSốố llầần ln lặặp: sp: sốố llầần cn cààng nhi ng nhiềều thu thìì phphâân n

ach cààng ng ““chchỉỉnhnh”” hhơơn, nh n, nhưưng tng tốốn thn thờời i

hhọọach c gian hơơn (cn (cầần phn phảải dung h gian h

(cid:132)(cid:132) NgNgưỡưỡng thay

i dung hòòa)a) ng thay đổđổi li lớớp (change threshold, p (change threshold,

ng %): ngưỡưỡng mng màà nnếếu u

i trong tấất ct cảả ccáác lc lớớp khp khôông ng

ththườường tng tíính bnh bằằng %): ng sau msau mộột lt lầần ln lặặp np nàào o đđóó, s, sốố phphầần trn trăăm m pixel thay đổđổi trong t pixel thay vvượượt qut quáá, th, thìì ngngừừng qu ng quáá trtrìình lnh lặặpp

Ví dụ về phân lớp k-means

K-mean (số lần lặp = 1)

ảnh gốc

Ví dụ về phân lớp k-means (tt)

K-mean (số lần lặp = 3)

K-mean (số lần lặp = 3 và ràng buộc 3 std)

Thuật tóan ISODATA KhKháá mmềềm dm dẻẻo, to, tựự nhinhiêên, khn, khôông cng cầần cn cốố địđịnh snh sốố

ccáác lc lớớpp

1.1. PhPhâân hn họọach ban

2.2.

ach ban đầđầu cu cóó mmỗỗi pixel l i, táách ra c

i pixel làà mmộột lt lớớpp ch ra cáác lc lớớp bp bằằng cng cáách ch ch giữữa ca cáác tc tââm vm vàà ccáác c

ang cáách gi

LiLiêên tin tiếếp nhp nhậập lp lạại, t nh khỏỏang c so sso sáánh kh ng cho trướướcc ngngưỡưỡng cho tr

ng khi phâân hn họọach ach đđãã ththỏỏa ma mããn n

3.3. QuQuáá trtrìình dnh dừừng khi ph ccáác tic tiêêu chu chíí đặđặt rat ra

Minh họa giải thuật ISODATA

Các tham số của thuật tóan

(cid:132)(cid:132) SSốố llầần ln lặặpp (cid:132)(cid:132) NgNgưỡưỡng thay

ng thay đổđổi li lớớp (change threshold, p (change threshold,

tham sốố khkháác nhc nhưư ssốố pixel t pixel tốối i

u trong mộột lt lớớp, khp, khỏỏang c ang cáách tch tốối i

ththườường tng tíính bnh bằằngng (cid:132)(cid:132) VVàà mmộột st sốố tham s thiểểu trong m thi thiểểu giu giữữa ca cáác lc lớớp... (option) p... (option) thi

Ví dụ về phân lớp ISODATA

Nhận xét về phân lớp không giám sát

(cid:132)(cid:132) PhPhâân ln lớớp khp khôông gi

ng giáám sm sáát ct cóó ththểể đượđược c

ng nhưư mmộột pht phươương ti

ng tiệện n đểđể ssơơ bbộộ ttììm m chia lớớp cp củủa ma mộột vt vùùng sng sắắp khp khảảo o

ddùùng nh hihiểểu su sựự chia l ssáátt

(cid:132)(cid:132) PhPhâân ln lớớp khp khôông gi ddụụng trong nh

ng giáám sm sáát ct còòn cn cóó ứứng ng

ng trong nhậận dn dạạng kh ng khôông cng cóó training training

ĐĐáánh gi

nh giáá sai s

sai sốố ccủủa pha phéép php phâân ln lớớpp

(cid:132)(cid:132) NgNgườười ta d

(cid:132)(cid:132) confusion matrix d

i ta dùùng confusion matrix (c ng confusion matrix (còòn gn gọọi i

p matrậậnn

(cid:132)(cid:132) CCáác cc cộột ct củủa matr

error matrix) đểđể đđáánh gi nh giáá error matrix) confusion matrix dựựa va vàào do dữữ liliệệu tham u tham chichiếếu (ground truth, referenced data) u (ground truth, referenced data) nh phâân ln lớớp p đểđể llậập matr kkếết ht hợợp vp vớới i ảảnh ph a matrậận thn thểể hihiệện dn dữữ liliệệu u

an sai sốố ng thểể hihiệện phn phéép p tham chiếếu, cu, còòn cn cáác hc hààng th tham chi phphâân ln lớớp p ááp dp dụụng vng vàào do dữữ liliệệu nu nàày y đểđể ttíính nh ttóóan sai s

ĐĐáánh gi

nh giáá sai s

sai sốố ccủủa pha phéép php phâân ln lớớpp

(cid:132)(cid:132) CCáác chc chỉỉ titiêêu cu cóó ththểể đọđọc ra t

c ra từừ confusion confusion

Omission error (cid:139)(cid:139) Omission error Commission error (cid:139)(cid:139) Commission error

matrix matrix Overall error (cid:139)(cid:139) Overall error Kappa coefficient (cid:139)(cid:139) Kappa coefficient