BÁO CÁO TỔNG KẾT ĐỀ TÀI
NGHIÊN CỨU KHOA HỌC SINH VIÊN
Tên đề tài: Ứng dụng thuật toán K-NN trong chiết xuất các đối tượng
bề mặt không thấm trên ảnh vệ tinh Landsat OLI
1. Tổng quan về bề mặt khơng
thấm
Nội
dung
chính
2. Thuật tốn K-NN và các loại dữ liệu
ảnh vệ tinh
3. Ứng dụng thuật tốn K-NN nhằm chiết
xuất các đối tượng bề mặt khơng thấm trên
ảnh Landsat OLI
KHÁI NIỆM BỀ MẶT KHƠNG THẤM
•
Bề mặt khơng thấm là các bề mặt cứng ngăn cản cũng như làm hạn chế
sự xâm nhập của nước vào trong đất khiến cho nước chảy tràn trên bề
mặt với lượng rất lớn hoặc với tỷ lệ dịng chảy cao.
•
Các mặt khơng thấm là các mặt xây dựng như mái nhà, lối đi bộ, đường
giao thông, bãi đỗ, kho chứa được phủ bởi các vật liệu không thấm như
nhựa đường, bê tông và đá.
Nhận xét: Bề mặt không thấm thường liên quan tới q trình đơ thị hóa bởi chúng
liên quan tới q trình bê tơng hóa bề mặt
Xét về góc độ sử dụng đất, chúng liên quan với các kiểu thực phủ đơ thị và biến
động thực phủ. Do đó, mặt khơng thấm là tham số thích hợp cho việc xem xét q
trình đơ thị hóa của một khu vực
Ngun nhân gia tăng diện tích bề mặt khơng thấm
Cơng nghiệp hóahiện đại hóa
Gia tăng dân số
Gia tăng bề mặt
khơng thấm
Phát triển giao
thơng
Đơ thị hóa, nơng
thơn mới
Gia tăng các cơng
trình công cộng
Các ảnh hưởng của sự gia tăng bề mặt không thấm
Thay đổi về chất
lượng nước mặt
Sự thay đổi định
lượng nước mặt
Gia tăng bề mặt
khơng thấm
Suy thối, mất
mát, và chia cắt
mơi trường sống
Thay đổi sông
suối và cảnh quan
thẩm mỹ
Thay đổi để cân
đối năng lượng
địa phương vì khí
hậu (Tăng nhiệt
độ đơ thị)
Các phương pháp xác định bề mặt không thấm
Các phương pháp xác định bề mặt không thấmng pháp xác định bề mặt không thấmnh bề mặt không thấm mặt không thấmt không thấmm
Phương pháp xác định bề mặt không thấmng pháp đo đạc truyền c truyề mặt không thấmn
thốngng
Phương pháp xác định bề mặt không thấmng pháp phân loạc truyền i trên
ảnh hàng khôngnh viễn thámn thám
Phương pháp xác định bề mặt không thấmng pháp phân loạc truyền i bằng mắtng mắtt
Phương pháp xác định bề mặt không thấmng pháp đo đạc truyền c trên
ảnh hàng khôngnh hàng không
Phương pháp xác định bề mặt không thấmng pháp xử lý số lý sống
ƯU ĐIỂM PHƯƠNG PHÁP VIỄN THÁM
Độ phủ trùm không gian của tư liệu, phương pháp này có
thể nghiên cứu biến động trên các khu vực có phạm vi khác
nhau, ở các thời điểm khác nhau.
Phương pháp có thể được áp dụng nghiên cứu trên những
khu vực có điều kiện địa hình, thời tiết phức tạp nơi mà
phương pháp đo đạc truyền thống khó có thể thực hiện
được.
Xử lý nhanh và có hiệu quả kinh tế.
Đảm bảo được độ chính xác cần có và các yêu cầu kỹ thuật.
Thuận tiện trong nghiên cứu biến động các yếu tố môi
trường.
Kết Luận :
Q trình đơ thị hóa ở các thành phố thường liên quan đến các mặt khơng thấm,
bởi vì chúng liên quan đến q trình bê tơng hóa bề mặt.
Để có thể xác định được hiện trạng cũng như sự thay đổi của các bề mặt khơng
thấm ta có thể tiến hành đo đạc trực tiếp ngoài thực địa. Phương pháp này cho kết
quả có độ chính xác cao tuy nhiên lại tốn rất hiều công sức, tiền bạc cũng như
phụ thuộc nhiều vào ngoại cảnh. Vì vậy để khắc phục những nhược điểm đó viễn
thám đã được đưa vào sử dụng. Góp phần đo đạc xác định được các bề mặt
khơng thấm một cách chính xác, hiệu quả trên một phạm vi rộng, đảm bảo tính
liên tục cũng như giảm thiểu cơng sức, chi phí cho việc đo đạc.
Thuật toán K-NN
và các loại dữ liệu ảnh vệ tinh
1. Tổng quan về thuật toán K-NN
K-Nearest
Neighbors algorithm (KNN) được sử dụng rất phổ biến
trong nhiều lĩnh vực. KNN là phương pháp để phân lớp các đối tượng
dựa vào khoảng cách gần nhất giữa đối tượng cần xếp lớp với tất cả các
đối tượng trong Training Data.
Một
đối tượng được phân lớp dựa vào k láng giềng của nó. K là số
nguyên dương được xác định trước khi thực hiện thuật tốn. Người ta
thường dùng khoảng cách Euclid để tính khoảng cách giữa các đối
tượng.
Như vậy, thuật toán KNN dùng trong phân lớp được mô tả như sau:
K-Nearest Neighbors (K-NN) được sử dụng rất phổ biến trong lĩnh
vực DataMining.
K-NN là phương pháp phân lớp các đối tượng dựa vào khoảng cách
gần nhất.
Mỗi đối tượng được phân lớp dựa vào K láng giềng của nó. (K xác
định trước)
Thường dùng khoảng cách Euclid để đo khoảng cách giữa các đối
tượng.
Thuật toán K-NN
1. Xác định giá trị tham số K (số láng giềng gần nhất)
2. Tính khoảng cách giữa đối tượng cần phân lớp với tất cả các đối
tượng trong training data
3. Sắp xếp khoảng cách theo thứ tự tăng dần và xác định K láng giềng
gần nhất với các đối tượng
4. Lấy tất cả các lớp của K láng giềng gần nhất đã xác định
5. Dựa vào phần lớn lớp của láng giềng gần nhất để xác định lớp cho đối
tượng
Để hiểu K-NN được dùng để phân lớp thế nào ta xem minh họa dưới
đây.
Trong hình dưới đây, training Data được mô tả bởi dấu (+) và dấu (-), đối
tượng cần được xác định lớp cho nó (Query point) là hình trịn đỏ. Nhiệm
vụ của chúng ta là ước lượng (hay dự đoán) lớp của Query point dựa vào
việc lựa chọn số láng giềng gần nhất với nó. Nói cách khác chúng ta
muốn biết liệu Query Point sẽ được phân vào lớp (+) hay lớp (-)
Ta thấy rằng:
1-Nearest neighbor : Kết quả là +
(Query Point được xếp vào lớp dấu
+)
2-Nearest neighbors : khơng xác
định lớp cho Query Point vì số láng
giềng gần nhất với nó là 2 trong đó 1
là lớp + và 1 là lớp – (khơng có lớp
nào có số đối tượng nhiều hơn lớp
kia)
5-Nearest neighbors : Kết quả là (Query Point được xếp vào lớp dấu –
vì trong 5 láng giềng gần nhất với nó
thì có 3 đối tượng thuộc lớp - nhiều
hơn lớp + chỉ có 2 đối tượng).
CÁC LOẠI DỮ LIỆU ẢNH VỆ TINH QUANG HỌC
SỬ DỤNG TRONG CHIẾT TÁCH CÁC BỀ MẶT KHƠNG THẤM
Độ phân giải
khơng gian
Quang học
Độ phân giải
phổ
Ứng dụng thuật toán K-NN nhằm chiết xuất
các đối tượng bề mặt không thấm trên ảnh
vệ tinh Landsat OLI
1. Tổng quan về ảnh Landsat OLI
LANDSAT là vệ tinh tài nguyên của Mỹ do Cơ quan Hàng không và Vũ trụ
(National Aeronautics and Space Administration- NASA) quản lý. Cho đến nay
đã có 7 thế hệ vệ tinh LANDSAT được nghiên cứu phát triển. Vệ tinh
LANDSAT 1 được phóng năm 1972, lúc đó đầu thu cung cấp tư liệu chủ yếu là
MSS. Từ năm 1985 vệ tinh LANDSAT 3 được phóng và mang đầu thu TM. Vệ
tinh thế hệ thứ 8 - Landsat 8 đã được Mỹ phóng thành cơng lên quỹ đạo vào
ngày 11/02/2013 với tên gọi gốc Landsat Data Continuity Mission (LDCM).
Hình ảnh vệ tinh Landsat OLI và ảnh chụp được
2. Quy trình chiết tách đối tượng bề mặt khơng thấm dựa vào thuật toán K-NN
Ảnh vệ tinh
Cắt ảnh theo ranh giới đất
dân cư đã phân loại
Nhập và hiệu chỉnh ảnh
trong Ecognition
Xử lý số (Phân loại định hướng đối
tượng)
Ảnh Ikonos 1m
Bản đồ HTSDĐ
Phân mảnh ảnh
Xây dựng các chỉ số
Tạo bộ mẫu chuẩn
Đánh giá độ chính xác
các lớp phân loại trên bản đồ
Hiện trạng phân bố đất xây dựng
các thời điểm
Ứng dụng thuật
toán K-NN
Bước 1: Lựa chọn ảnh
Ảnh Landsat OLI năm 2013 khu vực nghiên cứu
Bước 2: cắt ảnh theo ranh giới nghiên cứu
Ảnh Landsat OLI năm 2013 được cắt theo ranh giới huyện Giao Thủy