Nghiên cứu giải pháp kỹ thuật nâng cao độ chính xác trong phân loại ảnh tại khu vực có độ phủ hỗn hợp (Tóm tắt trích đoạn)

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------

Nguyễn Thị Thanh Bình

NGHIÊN CỨU GIẢI PHÁP KỸ THUẬT NÂNG CAO ĐỘ CHÍNH XÁC
TRONG PHÂN LOẠI ẢNH TẠI KHU VỰC CÓ ĐỘ PHỦ HỖN HỢP

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội -2016


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
--------------------Nguyễn Thị Thanh Bình

NGHIÊN CỨU GIẢI PHÁP KỸ THUẬT NÂNG CAO ĐỘ CHÍNH XÁC
TRONG PHÂN LOẠI ẢNH TẠI KHU VỰC CÓ ĐỘ PHỦ HỖN HỢP
Chuyên ngành: Bản đồ, viễn thám và hệ thông tin địa lý
Mã số: 60440214

LUẬN VĂN THẠC SĨ KHOA HỌC
Ngƣời hƣớng dẫn khoa học: TS. Phạm Minh Hải
XÁC NHẬN HỌC VIÊN ĐÃ CHỈNH SỬA THEO GÓP Ý CỦA HỘI ĐỒNG
Giáo viên hướng dẫn

Chủ tịch hội đồng chấm luận văn
thạc sĩ khoa học

TS. Phạm Minh Hải

PGS.TS. Đinh Thị Bảo Hoa

Hà Nội - 2016


LỜI CẢM ƠN
Để hoàn thành luận văn này, tác giả xin được gửi lời cảm ơn chân
thành tới các thầy, cô giáo trong Khoa Địa lý, Trường Đại học Khoa học Tự
nhiên và Bộ môn Bản đồ,Viễn thám và GIS, Trung tâm Nghiên cứu và
Chuyển giao công nghệ viễn thám- Cục viễn thám quốc gia đã tạo điều kiện
và giúp đỡ tác giả trong quá trình thực hiện và hoàn thiện luận văn.
Tác giả xin gửi lời cảm ơn chân thành và sâu sắc nhất tới TS.Phạm
Minh Hải, người đã tận tình chỉ bảo và giúp đỡ tác giả trong suốt thời gian
học tập, công tác và thực hiện luận văn này.
Do thời gian và trình độ còn hạn chế nên luận văn chắc chắn sẽ không
tránh khỏi những thiếu sót, rất mong nhận được sự đóng góp của quý thầy cô
và các bạn đồng nghiệp để luận văn được hoàn thiện hơn. Xin chân thành cảm
ơn!
Hà Nội, ngày 22 tháng 12 năm 2016

Nguyễn Thị Thanh Bình

1


MỤC LỤC
DANH MỤC CÁC TỪ VIẾT TẮT .................................................................................. 5
DANH MỤC CÁC BẢNG BIỂU...................................................................................... 6

DANH MỤC HÌNH VẼ...................................................................................................... 7
MỞ ĐẦU................................................................................................................................ 9
1. Tính cấp thiết của đề tài: .............................................................................................. 9
2. Mục tiêu nghiên cứu .................................................................................................... 10
3. Nội dung nghiên cứu .................................................................................................... 10
4. Phạm vi nghiên cứu...................................................................................................... 10
5. Kết quả đạt đƣợc .......................................................................................................... 10
6. Ý nghĩa khoa học và thực tiễn ................................................................................... 11
7. Phƣơng pháp nghiên cứu và kỹ thuật sử dụng ...................................................... 11
8. Cấu trúc luận văn ......................................................................................................... 11
CHƢƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU TRONG VÀ
NGOÀI NƢỚC ...................................................................................................................... 12
1.1.

Các khái niệm ......................................................................................................... 12

1.2.

Tổng quan tình hình nghiên cứu trong và ngoài nƣớc .................................. 18

1.2.1.

Trên thế giới ...................................................................................................... 18

1.2.2.

Ở Việt Nam ........................................................................................................ 19

CHƢƠNG 2: CƠ SỞ LÝ LUẬN PHÂN LOẠI ẢNH VIỄN THÁM ..................... 24
2.1. Đặc trƣng phổ phản xạ của các đối tƣợng trong tự nhiên ............................... 24

2.1.1. Đặc tính phản xạ phổ của thực vật ................................................................... 24
2.1.2. Đặc tính phản xạ phổ của đất ............................................................................. 25
2.1.3. Đặc tính phản xạ phổ của nước .......................................................................... 25
2.2. Khái quát các phƣơng pháp phân loại ảnh truyền thống ................................ 26
2.2.1. Phân loại không kiểm định .................................................................................. 29
2.2.1. Phân loại có kiểm định ....................................................................................... 31
2.3. Các yếu tố ảnh hƣởng đến độ chính xác kết quả phân loài. ............................ 33
2


2.3.1 Đặc điểm khu vực nghiên cứu .............................................................................. 33
2.3.2. Đặc điểm tư liệu viễn thám.................................................................................. 33
2.3.3. Dữ liệu đa thời gian ............................................................................................. 34
2.3.4 Sử dụng các kỹ thuật chuyển đổi dữ liệu ............................................................ 34
2.3.5. Thuật toán phân loại sử dung ............................................................................. 34
2.4 Đánh giá độ chính xác kết quả phân loại .............................................................. 35
2.5. Cơ sở khoa học phƣơng pháp giảm nhiễu điểm ảnh bằng phân loại theo
giá trị phổ sử dụng ba đối tƣợng đất, nƣớc, thực vật. .............................................. 38
2.5.1 Cơ sở lý thuyết xác định giá trị phổ thực ........................................................... 38
2.5.2. Nguyên lý chỉ số Nước-Đất-Thực vật................................................................. 41
2.6. Lập trình chƣơng trình tính toán toán tỷ lệ các thành phần Nƣớc -ĐấtThực vật trong mỗi điểm ảnh bằng ngôn ngữ lập trinh Matlab ............................ 44
CHƢƠNG 3: THỰC NGHIỆM TÍNH TOÁN GIÁ TRỊ PHỔ ENDMEMBER
VÀ TỶ LỆ THÀNH PHẦN ĐẤT-NƢỚC-THỰC VẬT TRÊN ẢNH VIỄN
THÁM. .................................................................................................................................... 53
3.1. Đặc điểm khu vực thực nghiệm ............................................................................. 53
3.2 Quy trình phân loại ảnh khu vực có độ phủ hỗn hợp dựa trên tỷ lệ các
thành phần Đất- Nƣớc- Thực vật trong một điểm ảnh ................................................ 55
3.3. Đặc điểm tƣ liệu ảnh viễn thám thực nghiệm ..................................................... 56
3.3.1. Ảnh Landsat 8 ....................................................................................................... 56
3.3.2. Ảnh Sentinel 2 ....................................................................................................... 58

3.4. Thực nghiệm tính toán xác định giá trị phổ thực của 3 đối tƣợng đất,
nƣớc, thực vật trên ảnh ................................................................................................... 60
3.5. Thực nghiệm tính toán tỷ lệ thành phần 3 đối tƣợng đất, nƣớc, thực vật
trong một điểm ảnh .......................................................................................................... 61
3.5.1. Chạy chương trình tính toán tỷ lệ thành phần 3 đối tượng đất - nước, thực
vật trong một điểm ảnh ................................................................................................... 61
3.5.2. So sánh giữa chỉ số thực vật của phương pháp đề xuất với chỉ số
thực vật (NDVI) .............................................................................................................. 62

3


3.5.3. So sánh giữa chỉ số nước của phương pháp đề xuất với chỉ số nước
(NDWI) 64
3.6. Thực nghiệm phân loại ảnh dựa trên tỷ lệ 3 thành phần đất, nƣớc, thực
vật trên một điểm ảnh...................................................................................................... 66
3.7. Đánh giá hiệu quả và độ chính xác kết quả thực hiện ...................................... 69
3.7.1. Đánh giá độ chính xác kết quả phân loại ảnh Landsat 8 ................................ 69
3.7.2. Đánh giá độ chính xác kết quả phân loại ảnh Sentinel 2................................ 76
KẾT LUẬN VÀ KIẾN NGHỊ ......................................................................................... 83
TÀI LIỆU THAM KHẢO ............................................................................................... 85

4


DANH MỤC CÁC TỪ VIẾT TẮT
GIS: Hệ thống thông tin địa lý
GPS: Hệ thống định vị toàn cầu
DN: Giá trị điểm ảnh (Digital Number)
BSQ: Khuôn dạng dữ liệu Band Sequential

NDVI: Chỉ số thực vật chuẩn hóa (Normalized Difference Vegetation Index)
PVI: chỉ số thực vật (Perpendicular Vegetation Index)
NDWI: Chỉ số nước (Normalized Difference Water Index)
MLC: Phân loại theo xác suất cực đại (Maximum Likelihood)

5


DANH MỤC CÁC BẢNG BIỂU
Bảng 2.1. Các phƣơng pháp phân loại ảnh viễn thám [14] ..................................... 27
Bảng 3.1. Đặc điểm ảnh vệ tinh Landsat 7 và LDCM (Landsat 8) ........................ 57
Bảng 3.2. Đặc điểm ảnh vệ tinh Sentinel 2 ................................................................... 59
Bảng 3.3. So sánh diện tích của các đối tƣợng đất, nƣớc, thực vật trên kết quả
phân loại của hai ảnh Landsat8 và Sentinel 2 bằng phƣơng pháp đề xuất ............. 68
Bảng 3.4. Thống kê kết quả phân loại ảnh Landsat 8 bằng phƣơng pháp đề
xuất và phƣơng pháp MLC ................................................................................................ 70
Bảng 3.5. Đánh giá độ chính xác kết quả phân loại bằng phƣơng pháp đề
xuất với phƣơng pháp phân loại MLC ảnh Landsat 8................................................. 72
Bảng 3.6. Ma trận sai số kết quả phân loại bằng phƣơng pháp đề xuất đối với
ảnh Landsat 8 ........................................................................................................................ 75
Bảng 3.7. Ma trận sai số kết quả phân loại bằng phƣơng pháp MLC đối với
ảnh Landsat 8 ........................................................................................................................ 75
Bảng 3.8. Thống kê kết quả phân loại ảnh Sentinel 2 bằng phƣơng pháp đề
xuất và phƣơng pháp MLC ................................................................................................ 77
Bảng 3.9. Đánh giá độ chính xác kết quả phân loại bằng phƣơng pháp đề
xuất với phƣơng pháp phân loại MLC ảnh Sentinel 2................................................ 78
Bảng 3.10. Ma trận sai số kết quả phân loại bằng phƣơng pháp đề xuất đối
với ảnh Sentinel 2.................................................................................................................. 81
Bảng 3.11. Ma trận sai số kết quả phân loại bằng phƣơng pháp MLC đối với
ảnh Sentinel 2 ........................................................................................................................ 81

6


DANH MỤC HÌNH VẼ
Hình 1.1. Minh họa độ phân giải không gian ảnh viễn thám .................................. 13
Hình 1.2: Minh họa về điểm ảnh .................................................................................... 14
Hình 1.3. Nhầm lẫn phổ gây ra tại khu vực có độ phủ hỗn hợp ............................. 15
Hình 1.4:Các tình huống tạo ra nhiễm điểm ảnh ....................................................... 17
Hình 2.1. Đặc tính phản xạ phổ thực vật ..................................................................... 24
Hình 2.2. Đặc tính phản xạ phổ của đất ....................................................................... 25
Hình 2.3. Đặc tính phản xạ phổ của nƣớc .................................................................... 26
Hình 2.4. Minh họa thuật toán K-means...................................................................... 30
Hình 2.5. Nguyên lý phân loại theo xác suất cực đại ................................................. 32
Hình 2.6. Ví dụ minh họa trƣờng hợp có 3 endmember a,b,c ................................. 39
Hình 2.7. Chiết tách các đối tƣợng thực vật ................................................................ 40
Hình 2.8. Chiết tách các đối tƣợng nƣớc ...................................................................... 40
Hình 2.9.Mối tƣơng quan kênh NIR và Red trên không gian 2 chiều với 3
endmember Đất- Nƣớc- Thực vật ..................................................................................... 41
Hình 2.10. Nguyên lý chỉ số đất, nƣớc, thực vật ......................................................... 43
Hình 2.11. Giao diện chƣơng trình phân loại ảnh đƣợc xây dựng bằng ngôn
ngữ lập trình Matlab............................................................................................................ 45
Hình 2.12. Mở ảnh kênh R và NIR ................................................................................ 46
Hình 2.13.Sơ đồ khối mô tả tính toán giá trị phổ thực ba đối tƣợng Đất Nƣớc- Thực vật ..................................................................................................................... 46
Hình 2.14. Xác định tam giác phổ .................................................................................. 47
Hình 2.15. Tính toán tạo ảnh chỉ số nƣớc .................................................................... 48
Hình 2.16. Tính toán tạo ảnh chỉ số thực vật .............................................................. 49
Hình 2.17. Tính toán tạo ảnh chỉ số đất ........................................................................ 50
Hình 2.18. Ảnh tổ hợp từ ba ảnh chỉ số đất, nƣớc, thực vật .................................... 52
Hình 3.1 Sơ đồ khu vực nghiên cứu .............................................................................. 54

Hình 3.2 Quy trình phân loại ảnh .................................................................................. 55
Hình 3.3. (a) Landsat 8 tổ hợp màu giả (b) Ảnh Sentinel -2 tổ hợp màu giả ........ 60

7


Hình 3.4. (a) Kết quả tính toán 3 giá trị phổ thực đất, nƣớc, thực vật ảnh
Landsat 8 (b) Kết quả tính toán 3 giá trị phổ thực đất, nƣớc, thực vật ảnh ảnh
Sentinel-2 ................................................................................................................................ 61
Hình 3.5.Minh họa tính toán tỷ lệ của ba đối tƣợng đất, nƣớc, thực vật trong
một điểm ảnh ......................................................................................................................... 61
Hình 3.6. (a) Ảnh chỉ số nƣớc; (b) Ảnh chỉ số thực vât ; (c) ảnh chỉ số đất ảnh
Landsat 8 ................................................................................................................................ 62
Hình 3.7. (a) Ảnh chỉ số nƣớc; (b) Ảnh chỉ số thực vât ; (c) ảnh chỉ số đất ảnh
Sentinel 2 ................................................................................................................................ 62
Hình 3.8. (a) Ảnh chỉ số thực vật của phƣơng pháp đề xuất; (b) Ảnh chỉ số
thực vât NDVI (ảnh Landsat 8) ......................................................................................... 63
Hình 3.9. (a) Kết quả chiết xuất đối tƣợng thực vật từ ảnh chỉ số thực vật của
đề tài; (b) Kết quả chiết xuất đối tƣợng thực vật từ ảnh chỉ số thực vât NDVI
(ảnh Landsat 8) ..................................................................................................................... 64
Hình 3.10. (a) Ảnh chỉ số nƣớc của phƣơng pháp đề xuất; (b) Ảnh chỉ số nƣớc
NDWI (ảnh Landsat 8) ........................................................................................................ 65
Hình 3.11. (a) Kết quả chiết xuất đối tƣợng nƣớc từ ảnh chỉ số nƣớc của đề
tài; (b) Kết quả chiết xuất đối tƣợng nƣớc từ ảnh chỉ số nƣớc NDWI (Landsat
8) ............................................................................................................................................... 66
Hình 3.12. (a) Ảnh tổ hợp ảnh Landsat 8; (b) Ảnh tổ hợp ảnh Sentinel 2 ........... 67
Hình 3.13. (a) Kết quả phân loại ảnh Landsat 8;(b) Kết quả phân loại ảnh
Sentinel 2 ................................................................................................................................ 68
Hình 3.14. Sơ đồ các điểm lấy mẫu kiểm tra ngẫu nhiên ......................................... 69
Hình 3.15 Kết quả phân loại ảnh Landsat 8 bằng phƣơng pháp MLC ................ 70

Hình 3.16. Đồ thị thể hiện so sánh diện tích kết quả phân loại có kiểm định và
kết quả phân loại sử dụng tỷ lệ thành phần đất, nƣớc, thực vật đối với ảnh
Landsat 8 ................................................................................................................................ 71
Hình 3.17 Kết quả phân loại ảnh Sentinel 2 bằng phƣơng pháp xác suất cực
đại ............................................................................................................................................. 76
Hình 3.18. Đồ thị thể hiện so sánh diện tích giữa kết quả phân loại MLC và
kết quả phân loại sử dụng tỷ lệ thành phần đất, nƣớc, thực vật đối với ảnh
Sentinel 2 ................................................................................................................................ 77

8


MỞ ĐẦU
1. Tính cấp thiết của đề tài:
Ưu điểm của ảnh viễn thám là tính đa thời gian, phủ trùm trên diện tích rộng
giúp con người cập nhật thông tin, tiến hành nghiên cứu một cách nhanh chóng hiệu
quả, tiết kiệm thời gian, công sức. Nguyên lý cơ bản của viễn thám đó là đặc trưng
phản xạ hay bức xạ của các đối tượng tự nhiên tương ứng với từng giải phổ khác
nhau. Kết quả của việc giải đoán các lớp thông tin phụ thuộc rất nhiều vào sự hiểu
biết về mối tương quan giữa đặc trưng phản xạ phổ với bản chất, trạng thái của các
đối tượng tự nhiên. Những thông tin về đặc trưng phản xạ phổ của các đối tượng tự
nhiên sẽ cho phép các nhà chuyên môn chọn các kênh ảnh tối ưu, chứa nhiều thông
tin nhất về đối tượng nghiên cứu, đồng thời đây cũng là cơ sở để phân tích nghiên
cứu các tính chất của đối tượng, tiến tới phân loại chúng.
Trong nhiều năm qua viễn thám vệ tinh và kỹ thuật phân loại ảnh bị giới hạn
bởi độ phân giải không gian hoặc khoảng cách lấy mẫu thực địa ở phần tử ảnh là
pixel. Đặc biệt đối với các hệ thống vệ tinh cho ảnh độ phân giải thấp và trung bình,
điển hình như Landsat với kích thước pixel là 30m, thể hiện các hạn chế về đơn vị
vẽ bản đồ nhỏ nhất, độ chính xác không gian, và chi tiết các thông tin được chiết
xuất. Thực tế, trong một pixel luôn luôn tồn tại một hoặc vài đối tượng bên trong,

nếu diện tích các đối tượng đó nhỏ hơn diện tích một pixel. Do vậy, khi sử dụng
phương pháp phân loại có kiểm định, đặc biệt khu vực có bề mặt lớp phủ hỗn hợp,
kết quả phân loại ảnh bị ảnh hưởng lớn bởi vấn đề nhiễu điểm ảnh. Nhiều giải pháp
về giảm nhiễu điểm ảnh để nâng cao độ chính xác của kết quả phân loại đã được
nghiên cứu và phát triển.Tuy nhiên cho tới nay, phần lớn các nghiên cứu chỉ chú
trọng trực tiếp vào tính toán giảm nhiễu pixel mà chưa tập trung vào nghiên cứu
tính toán các giá trị phổ (endmember) của các đối tượng cũng như tỉ lệ các thành
phần Đất-Nước-Thực vật trong mỗi điểm ảnh. Vì trong quá trình giảm nhiễu điểm
ảnh cần phải tính toán được giá trị phổ của đối tượng để làm cơ sở nội suy giá trị
phổ cho các đối tượng xung quanh trong điểm ảnh [2]. Do vậy, xác định giá trị phổ
thực của các đối tượng cũng như xác định tỉ lệ phần trăm phản xạ của từng
endmember bên trong một điểm ảnh đóng vai trò quan trọng và là cơ sở để giảm
nhiễu điểm ảnh góp phần nâng cao độ chính xác cho công tác phân loại ảnh.

9


Với mong muốn góp phần nâng cao độ chính xác của công tác phân loại ảnh,
học viên lựa chọn nghiên cứu đề tài: Nghiên cứu giải pháp kỹ thuật nâng cao độ
chính xác trong phân loại ảnh tại khu vực có độ phủ hỗn hợp.
2. Mục tiêu nghiên cứu
Đưa ra giải pháp giảm nhiễu nâng cao độ chính xác công tác phân loại ảnh
khu vực có độ phủ hỗn hợp dựa theo giá trị phổ và tỷ lệ các thành phần đất- nướcthực vật trong một điểm ảnh.
Thực nghiệm phân loại ảnh Landsat 8 và Sentinel 2 khu vực Hà Nội dựa
trên giải pháp đã nêu trên.
3. Nội dung nghiên cứu
-

Tổng quan về tình hình nghiên cứu giảm nhiễu điểm ảnh nâng cao độ

chính xác kết quả phân loại ảnh ở trong và ngoài nước.
-

Đề xuất giải pháp xác định giá trị phổ của 3 đối tượng đất, nước, thực

vật trên mỗi điểm ảnh.
Đề xuất giải pháp tính toán tỷ lệ các thành phần Nước-Đất-Thực vật
trong mỗi điểm ảnh.
Lập trình chương trình tính to án xác định giá trị phổ thực của 3 đối
tượng đất, nước, thực vật trên mỗi điểm ảnh.
Lập trình chương trình tính toán toán tỷ lệ các thành phần Nước -ĐấtThực vật trong mỗi điểm ảnh.
Thực nghiệm phân loại ảnh bằng phương pháp đề xuất.
4. Phạm vi nghiên cứu
- Phạm vi khoa học: thực hiện thử nghiệm phân loại trên ảnh vệ tinh có độ
phân giải thấp 30m và độ phân giải trung bình 10m
- Phạm vi không gian: Ảnh Landsat 8 và Sentinel 2 khu vực Thành phố Hà
Nội
5. Kết quả đạt đƣợc
Giải pháp xác định giá trị phổ của 3 đối tượng đất, nước, thực vật trên
mỗi điểm ảnh.
điểm ảnh.
-

Giải pháp tính toán tỷ lệ các thành phần Nước-Đất-Thực vật trong mỗi
Chương trình phân loại ảnh dựa theo giải pháp đã nêu trên.

10


6. Ý nghĩa khoa học và thực tiễn

- Ý nghĩa khoa học: Đề tài đưa ra được giải pháp để phân loại ảnh viễn thám
có độ chính xác cao.
-Ý nghĩa thực tiễn: Dựa trên giải pháp đề xuất đề tài đã đưa ra ứng dụng
phân loại ảnh vệ tinh thành lập các bản đồ chuyên đề phục vụ công tác giám sát tài
nguyên môi trường tự nhiên, phát triển kinh tế xã hội.
7. Phƣơng pháp nghiên cứu và kỹ thuật sử dụng
Phương pháp nghiên cứu:
- Phương pháp tổng hợp và kế thừa: Thu thập tài liệu đã có liên quan đến các
phương pháp và nội dung của đề tài; Lựa chọn các phương pháp nghiên c ứu phù
hợp; Tổng hợp các kết quả nghiên cứu và tư liệu có liên quan đến đề tài;
- Phương pháp thu thập, phân tích thông tin: Các lớp thông tin sẽ được thu
thập, phân tích, đánh giá để làm cơ sở cho việc lập báo cáo;
- Phương pháp điều tra khảo sát thực địa: Thu thập, giải đoán, mô tả và
khoanh vùng diện tích các đối tượng đất, nước, thực vật nhằm đánh giá độ chính
xác công tác phân loại dựa trên tỷ lệ các thành phần đất- nước- thực vật trong một
điểm ảnh.
Kỹ thuật sử dụng:
- Kỹ thuật viễn thám: nắn chỉnh hình học, tăng cường chất lượng ảnh cho
mục đích phân tích ảnh, chiết tách thông tin tốt nhất;
- Kỹ thuật khai thác thông tin trên mạng Internet: Thu thập các dữ liệu, tài
liệu trong và ngoài nước có liên quan đến đề tài nghiên cứu.
- Kỹ thuật lập trình: lập trình chương trình phân loại ảnh bằng ngôn ngữ lập
trình Matlab dựa trên thuật toán tỷ lệ các thành phần đất- nước- thực vật trong một
điểm ảnh.
8. Cấu trúc luận văn
Phần mở đầu
Chương 1: Tổng quan tình hình nghiên cứu trong và ngoài nước
Chương 2: Cơ sở lý luận phân loại ảnh viễn thám
Chương 3: Thực nghiệm tính toán giá trị phổ endmember và tỷ lệ thành phần
đất-nước-thực vật trên ảnh viễn thám.

Kết luận và kiến nghị

11


CHƢƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU TRONG VÀ
NGOÀI NƢỚC
1.1.

Các khái niệm

Viễn thám: là khoa học thu thập thông tin về các đối tượng, sự vật trên bề
mặt đất mà không cần tiếp xúc trực tiếp với các đối tượng, sự vật đó. Dựa trên kiểu
của nguồn sáng, viễn thám được chia ra thành viễn thám chủ động và viễn thám bị
động. Khi các nguồn sáng tới bề mặt đất, năng lượng tới sẽ được tương tác theo 3
cơ chế: phản xạ, hấp thụ, tỏa ra (năng lượng nhiệt). Ảnh viễn thám được hình thành
từ quá trình bộ cảm ghi lại mức độ phản hồi hay tỏa ra của các đối tượng, sự vật
trên bề mặt trái đất. Phân lo ại ảnh viễn thám theo nguồn năng lượng và chiều dài
bước sóng ta có thể chia ảnh vệ tinh thành 3 loại cơ bản:
-

Ảnh quang học là loại ảnh được tạo ra bởi việc thu nhận các bước sóng sánh
sáng nhìn thấy. Nguồn năng lượng chính là bức xạ mặt trời.

-

Ảnh hồng ngoại: Là loại ảnh được tạo ra bởi việc thu nhận các bước sóng
hồng ngoại phát ra từ vật thể. Nguồn năng lượng chính là vức xạ nhiệt của
các vật thể.

-

Ảnh Radar: là loại ảnh được tạo ra bởi việc thu nhận các bước sóng trong dải
sóng cao tần. Nguồn năng lượng chính là sóng radar phản xạ từ các vật thể
do vệ tinh tự phát xuống theo những bước sóng đã được xác định.
Trong phạm vi nghiên cứu đề tài học viên chỉ đề cập đến ảnh quang học.

Các thông số quan trọng nhất đặc trưng cho thông tin của một ảnh vệ tinh
cần được lựa chọn cho đối tượng nghiên cứu, đó là độ phân giải không gian, độ
phân giải phổ và độ phân giải thời gian.
* Độ phân giải không gian: Ý nghĩa quan trọng nhất của độ phân giải không
gian là nó cho biết đối tượng nhỏ nhất mà có thể phân biệt trên ảnh.Ví dụ, ảnh có độ
phân giải không gian là 30 x 30m sẽ cho phép phân biệt được các đối tượng có kích
thước lớn hơn 30 x 30m.

12


Hình 1.1. Minh họa độ phân giải không gian ảnh viễn thám
Khả năng nhận biết đối tượng trên ảnh vệ tinh phụ thuộc vào độ phân giải.
Căn cứ vào đó ta có thể chia ra thành 4 mức dữ liệu:
- Dữ liệu có độ phân giải thấp như ảnh NOAA (120m)
- Dữ liệu có độ phân giải trung bình như ảnh Landsat MSS (80m)…
- Dữ liệu có độ phân giải cao như Landsat TM(30m, 15m), Spot (20m,
10m…) Aster (15m).
- Ảnh có độ phân giải siêu cao như IKONOS (1 – 5m), ảnh Quickbird (1m).
* Độ phân giải phổ: vệ tinh thu nhận sóng phản xạ trên một khoảng bước
sóng nhất định. Độ rộng hẹp của khoảng bước sóng là độ phân giải phổ của ảnh.
Khoảng bước sóng càng hẹp thì tính phản xạ phổ của đối tượng càng đồ ng nhất.
* Độ phân giải thời gian: vệ tinh viễn thám chuyển động trên quỹ đạo và

chụp ảnh Trái Đất. Sau một khoảng thời gian nhất định, nó quay lại và chụp lại
vùng đã chụp. Khoảng thời gian này gọi là độ phân giải thời gian của vệ tinh. Với
khoảng thời gian lặp lại càng nhỏ thì thông tin thu thập càng nhiều.
Ngoài ra, số lượng kênh ảnh cũng là một yếu tố quan trọng ảnh hưởng đến
thông tin thu nhận trên ảnh viễn thám. Ảnh được thu càng nhiều kênh thì càng có

13


nhiều thông tin về đối tượng thu được. Các ảnh đa phổ thông thường thu được từ 310 kênh.
Trên ảnh viễn thám, điểm ảnh là đơn vị nhỏ nhất, mang giá trị cường độ dưới
dạng số và địa chỉ dưới dạng thông tin về tọa độ hàng và tọa độ cột.Từng điểm ảnh
sẽ bao gồm nhiều thông tin về các đối tượng ở trong khu vực nghiên cứu.

Hình 1.2: Minh họa về điểm ảnh
Độ phủ hỗn hợp: Một điểm ảnh có độ phủ hỗn hợp là một yếu tố hình ảnh
đại diện cho một khu bao gồm nhiều hơn một loại che phủ mặt đất. Về cơ bản, có
hai tình huống mà các điểm ảnh hỗn hợp xảy ra. Trường hợp đầu tiên liên quan đến
các điểm ảnh nhỏ được đặt tại các cạnh của đối tượng lớn như trong các lĩnh vực
nông nghiệp. Trường hợp thứ hai xảy ra khi đối tượng được thu nhận ảnh là tương
đối nhỏ so với độ phân giải không gian của máy quét. Điều này có thể xảy ra đối
với các đối tượng dạng tuyến như sông hay đường giao thông hoặc các đối tượng
nhỏ hơn kích thước điểm ảnh như ao hoặc bụi cây thưa thớt. Đối với mỗi loại ảnh
viễn thám số lượng điểm ảnh hỗn hợp phụ thuộc rất nhiều vào khu vực chụp ảnh.
Irons và các cộng sự [16] đã báo cáo tỷ lệ điểm ảnh hỗn hợp có thể xảy ra trong ảnh
TM là khác nhau khác nhau, từ 29,6% đến 68,3% đối với các cảnh quan khác nhau,
trong khi Schoenmakers [16] cho rằng trong một số quốc gia Địa Trung Hải của
EU, mà kích thước trường trung bình là nhỏ, tỷ lệ điểm ảnh hỗn hợp có thể lên đến
30%.
Những con số này cho thấy điểm ảnh hỗn hợp có một ảnh hưởng đáng kể

trong việc sử dụng thông tin từ ảnh. Phân loại các điểm ảnh hỗn hợp dẫn đến lỗi làm
cho việc ước tính khu vực tiếp theo không chính xác. Những lỗi này được gây ra bởi

14


tiền đề của phân loại là tất cả pixel ảnh là tinh khiết, tức là bao gồm một loại lớp
phủ duy nhất, trong khi trên thực tế là không phải. Các vấn đề về kết quả này là vì:
-

Các điểm ảnh hỗn hợp được phân loại về một lớp, trong khi trên thực tế nó
thuộc về hai hay nhiều lớp. Kết quả là, các ước tính khu từ thống kê điểm
ảnh sẽ không chính xác.

-

Các điểm ảnh hỗn hợp có thể không còn phù hợp với các dấu hiệu phổ của
các loại lớp phủ hiện nay. Thậm chí hỗn hợp của lớp A và B có thể giống với
dấu hiệu phổ của một loại C hoàn toàn khác nhau mà thậm chí không có mặt
trong vòng pixel thấy hình 1.3.

Số lượng điểm ảnh có độ phủ hỗn hợp càng lớn thì sai số trong phân loại ảnh
càng lớn. Hơn nữa, lưu ý rằng cả hai nguồn lỗi là có hệ thống thay vì ngẫu nhiên.

Hình 1.3. Nhầm lẫn phổ gây ra tại khu vực có độ phủ hỗn hợp
Các vấn đề hỗn hợp điểm ảnh không được giải quyết triệt để bằng cách tăng
độ phân giải không gian. Tuy nhiên, tỷ lệ điểm ảnh hỗn hợp giảm khi độ phân giải
không gian trở nên tốt hơn, kích thước pixel nhỏ hơn cho phép pixel tinh khiết hơn
để được phù hợp trong ranh giới đối tượng.

15


Trong một số trường hợp, độ phân giải không gian tốt hơn nhưng kết quả
phân loại có thể xấu đi. Vì ở độ phân giải tốt hơn các biến thể trong lớp phủ tăng
như sự khác biệt độ ẩm, độ cao, chiếu sáng trở nên rõ ràng hơn Ví dụ môt khu rừng
thống nhất ở độ phân giải thấp nhưng có thể hiện thị các loại cây riêng lẻ của các
loài khác nhau xen kẽ với độ phân giải tốt hơn. Một bất lợi nữa của độ phân giải
không gian tốt là số lượng điểm ảnh có thể trở nên rất lớn gây khó khăn trong xử lý
dữ liệu, mà thêm vào các chi phí sử dụng tư liệu lớn. Cùng với thực tế là ngày nay
xu thế sử dụng dữ liệu phủ sóng toàn cầu ngày càng lớn. Các dữ liệu viễn thám như
Landsat 8 hay Sentinel 2 ngày càng được quan tâm sử dụng vì các ưu điểm về chi
phí cũng như độ phủ trùm.
Nhiễu điểm ảnh được định nghĩa là kết quả của sự hỗn hợp các đối tượng,
thành phần trong một điểm ảnh, và độc lập với độ phân giải [5]. Nhiễu điểm ảnh
thường xảy ra do kích thước các đối tượng và sự vật cần phân loại thường nhỏ hơn
kích thước 1 điểm ảnh. Theo Fisher(1997) có 3 trường hợp phổ biến về hiện tượng
nhiễu điểm ảnh. Đó là:
-

Nhiễu giữa các đối tượng trên 1 điểm ảnh như cửa, cây cối, ao, hồ…

Nhiễu giữa đối tượng nằm trên vùng chuyển tiếp của các đối tượng trên một
điểm ảnh như khu vực có nhiều cây cối…
-

Nhiễu giữa các đối tượng có cấu trúc hình tuyến như cầu cống, đường xá …
Ngay cả với bộ cảm biến có độ phân giải tương đối cao, các điểm ảnh bị

nhiễu được dự đoán xuất hiện có trong hầu hết các cảnh ảnh. Điểm ảnh bị nhiễu có

thể là hệ quả của sự kết hợp của các sự vật, độc lập với độ phân giải cảm biến. Hình
1.3 cho thấy các tình huống khác nhau tạo ra điểm ảnh bị nhiễu:

16


Hình 1.4:Các tình huống tạo ra nhiễm điểm ảnh
- Điểm ảnh phụ: các đối tượng nhỏ như ngôi nhà hay cây cối, được bao gồm
trong một điểm ảnh;
- Quá độ: là vùng chuyển tiếp giữa hai hay nhiều đối tượng khác nhau, ví dụ
như chuyển đổi giữa các loại thực vật;
- Điểm ảnh phụ hình tuyến: có cấu trúc dài và mỏng, ví dụ như con đường,
bao gồm một vài điểm ảnh;
- Điểm ảnh ranh giới: ranh giới giữa hai hay nhiều đối tượng, ví dụ các ranh
giới giữa nhiều thảm thực vật khác nhau, đi qua một điểm ảnh.
Với ảnh vệ tinh độ phân giải trung bình và nhỏ, hiện tượng nhiễu điểm ảnh
thường xảy ra do kích thước các đối tượng và sự vật cần phân loại thường nhỏ hơn
kích thước một điểm ảnh.
Phân loại ảnh: Nhìn tổng quan, phân loại ảnh trong xử lý số là quá trình
phân định các pixel trong hình ảnh thành các lớp hoặc các nhóm đơn vị lớp phủ mặt
đất (Landcover).
Có thể nói phân loại ảnh là một quá trình phức tạp và có thể bị ảnh hưởng
bởi nhiều yếu tố. Viễn thám nghiên cứu tập trung vào việc phân loại ảnh từ lâu đã
thu hút sự chú ý của cộng đồng viễn thám vì kết quả phân loại là cơ sở cho nhiều
ứng dụng môi trường và kinh tế xã hội. Các nhà khoa học đã có nhiều nỗ lực trong
việc phát triển phân loại ảnh cả về phương pháp và kĩ thuật để cải thiện độ chính
17


xác phân loại.Tuy nhiên phân loại dữ liệu viễn thám vào một bản đồ chuyên đề vẫn

còn là một thách thức vì nhiều yếu tố chẳng hạn như sự phức tạp trong một cảnh
quan trong khu vực nghiên cứu gây ra nhiễu điểm ảnh. Lựa chọn tư liệu viễn thám,
xử lý ảnh và phương pháp phân loại có thể ảnh hưởng đến sự thành công của quá
trình phân loại.
1.2.
Tổng quan tình hình nghiên cứu trong và ngoài nƣớc
1.2.1. Trên thế giới
Cho tới nay, trên thế giới đã có nhiều nghiên cứu về vấn đề giảm nhiễu điểm
ảnh nâng cao độ chính xác các sản phẩm phân loại ảnh. Shimabukuro (1991) đã nêu
ra 2 phương pháp chính trong giảm nhiễu điểm ảnh là phương pháp phân loại ảnh
và phương pháp mô hình hóa sử dụng quan hệ giữa các thành phần trong một điểm
ảnh.[7]
Với phương pháp phân lo ại ảnh, độ chính xác của sản phẩm phân loại phụ
thuộc chính vào điều kiện lấy mẫu phân loại. Độ chính xác của sản phẩm được nâng
cao sau nhiều lần thực nghiệm. Đây là phương pháp truyền thống được sử dụng
nhiều nhất trong phân lo ại ảnh.Tuy nhiên để đạt được kết quả có độ chính xác cao,
quá trình xử lý ảnh lặp đi lặp lại đòi hỏi thời gian. Hơn nữa, độ chính xác cũng phụ
thuộc nhiều vào ý thức chủ quan của người thực hiện.
Phương pháp mô hình hóa sử dụng quan hệ giữa các thành phần đối tượng
trong một điểm ảnh và bao gồm các phương pháp thành phần như phương pháp
tuyến tính, phương pháp hình học.
Đối với phương pháp tuyến tính, giá trị phổ trên một điểm ảnh thể hiện qua
sự kết hợp tuyến tính của giá trị phổ đo đạc được từ các thành phần riêng biệt trong
điểm ảnh đó. Giá trị băng phổ i (yi) được đo đạc sẽ được tính dựa trên mối quan hệ
giữa giá trị phổ tham khảo của băng phổ i cho toàn bộ điểm ảnh j và tỷ lệ thành
phần phổ của j (xj) trên điểm ảnh đó:
Y= Ax (1.1)
Trong phương pháp này, tỷ lệ thành phần phổ của các yếu tố trong một điểm
ảnh sẽ được ước lượng.
Phương pháp hình học là phương pháp chiết tách thông tin các đối tượng trên

ảnh, như nhà cửa, cây cối dựa trên hình dạng hay sự phân bố có quy luật trong
không gian của chúng. Trong nghiên cứu của Foschi(1994)[9], phương pháp hình
học được áp dụng để chiết tách thông tin về cây trồng trên ảnh viễn thám. Trên ảnh
vệ tinh, thông tin về các đối tượng cây thân gỗ trên thảm thực vật rất khó nhận biết
18


được do cây bị trộn lẫn với cây bụi và kích thước của cây nhỏ hơn nhiều so với kích
thước của từng điểm ảnh. Trong nghiên cứu này, tác giả đã đề xuất một phương
pháp mới dùng để phân tích mức độ hỗn hợp của các đối tượng trong một điểm ảnh.
Một cửa sổ di chuyển được sử dụng để thu thập mẫu phân loại về sự phân bố đối
tượng cây thân gỗ và vùng đệm xung quanh. Việc lặp lại theo quy luật phân bố của
đối tượng được thu thập đem đến kết quả hình học của mẫu được thu thập. Tác giả
đã chứng minh được phương pháp luận trong nghiên cứu của mình có thể chiết tách
được các thông tin về cây thân gỗ đáng kể hơn so với các phương pháp phân loại
thông thường.
Ngoài phương pháp tuyến tính, các nhà nguyên cứu trên thế giới còn sử dụng
các phương pháp khác như phương pháp bình phương nhỏ nhất (Keshaba và
Mustard,2012) và phương pháp lựa chọn thống kê (Gebbinck,1998), phương pháp
Neutral Network( Zhenghai và ctv,2007) để loại nhiễu điểm ảnh.
Trong một nghiên cứu khác của Pei Liang (2009) [15]. Tác giả đã tiến hành
phân loại các điểm ảnh hỗn hợp bằng lý thuyết phân loại mờ . Lý thuyết mờ là
phương pháp hiệu quả của việc phân loại đối với điểm ảnh hỗn hợp. Lý thuyết mờ
được áp dụng trong việc phân loại các hình ảnh viễn thám, trong đó mỗi điểm ảnh
không chỉ được phân loại vào một lớp duy nhất. Từ một điểm ảnh có tương quan
với nhiều loại tính năng, mức độ tương quan với từng loại được thể hiện như [0,1],
và sau đó mức độ thành viên của các điểm ảnh cho mỗi tính năng được tính để phân
loại. Tác giả đã tiến hành phân tích lý thuyết hệ thống và thử nghiệm để phân loại
ảnh TM với mô hình phân loại của các lý thuyết mờ khu vực thành phố Fuxin
(2006). Tiền xử lý ảnh viễn thám được sử dụng trước tiên để giảm thiểu tối đa

nhiễu, sau đó tạo ảnh chỉ số tinh khiết các điểm ảnh (PPI). Cuối cùng tiến hành phân
loại ảnh dựa trên chỉ số tinh khiết. Sự phân loại các điểm ảnh hỗn hợp tương tự cách
sử dụng mô hình phân loại mờ do đó kết quả phân loại được nâng cao độ chính xác .
Các phương pháp được giới thiệu ở trên được phát triển nhằm mục đích giảm
nhiễu điểm ảnh và nâng cao độ chính xác của các kết quả phân loại. Trong đó,
phương pháp tuyến tính được sử dụng thông dụng nhất. Tuy nhiên, độ chính xác của
kết quả phân loại phụ thuộc sự lựa chọn phương pháp phù hợp với mục đích và đối
tượng thực hiện.
1.2.2. Ở Việt Nam
Một số thuật toán đã được nghiên cứu sử dụng như: trong nghiên cứu của
Hoàng Minh Hải (2013), nhóm tác giả đã sử dụng Nguyên lý bầu chọn (Voting
19


principle) và hàm tin cậy Bayesian (Bayesian Belief Function)[2] nhằm nâng cao độ
chính xác phân loại ảnh viễn thám. Nguyên lý bầu chọn là phương pháp đơn gi ản và
phổ biến sử dụng cho việc liên kết các kết quả của các phương pháp phân loại khác
nhau để tạo nên kết quả mới có độ chính xác cao hơn độ chính xác của các phương
pháp thành phần. Phương pháp này dựa trên việc “biểu quyết” và các đối tượng
được chọn làm kết quả cuối cùng là đối tượng được bầu chọn nhiều nhất. Bên cạnh
nguyên lý bầu chọn, hàm tin cậy là phương pháp liên kết có xét đến sai số của các
phương pháp phân loại thành phần. Dựa vào các sai số này mà mỗi kết quả của từng
điểm ảnh trong từng phương pháp phân loại sẽ được gán cho một giá trị tin cậy. Đối
tượng nào có độ tin cậy lớn hơn sẽ được chọn làm kết quả cuối cùng. Nhóm nghiên
cứu đã phát triển được Nguyên lý bầu chọn và hàm tin cậy Bayesian trong việc
nâng cao độ chính xác của ảnh sau phân loại.
Một nghiên cứu khác của Trần Thị Vân (2008)[3] về đô thị hóa và chất
lượng môi trường đô thị từ viễn thám các mặt không thấm. Bước đầu tác giả đã đưa
ra phương pháp Viễn thám của các mặt không thấm qua phép phân tích lẫn phổ
tuyến tính cho bài toán phân lo ại dưới pixel. Với giả thiết là phản xạ phổ của pixel

trên ảnh là tổng phản xạ của các đối tượng có trong pixel đó hay còn gọi là pixel
hỗn hợp phổ. Dựa vào việc xác định các đối tượng, được gọi là các endmember với
các phản xạ phổ chuẩn hay tinh khiết của chúng, các pixel trên ảnh sẽ được xác định
xem có bao nhiêu phần trăm phản xạ của từng pixel bên trong. Việc xác định phần
trăm phản xạ được qui về việc giải một hệ phương trình đa biến với thông số đã xác
định là số kênh ảnh. Mô hình tách lẫn phổ được biểu diễn như sau:
n

Ri   f k Rik   i

(1.1)

k 1

Trong đó, i: band phổ được sử dụng;
k: số lượng endmember ( k=1,...,n);
Ri: phản xạ phổ của band i của một pixel, chứa một hoặc nhiều
endmember;
fk: tỷ lệ endmember k trong pixel đó;
R ik : phản xạ phổ của endmember k trong pixel trên band i

εi: sai số đối với band i
Mô hình toán trên được sử dụng trong phương pháp Phân tích Lẫn Phổ
Tuyến tính. Phương pháp này giả thiết rằng quang phổ được đo bởi bộ cảm biến là

20


tổ hợp tuyến tính phổ của tất cả các thành phần trong một pixel và tỷ lệ phổ của các
endmember phản ánh tỷ lệ của khu vực được phủ bởi các đối tượng trên mặt đất [1,

14]. Để giải tìm f k cần phải thoả mãn các điều kiện sau: - các endmember được chọn
phải độc lập với nhau; - số lượng endmember phải ít hơn hoặc bằng số band phổ
được sử dụng; và các band phổ được chọn không được có tương quan cao. Tổng các
hợp phần endmember được chiết xuất trong một pixel phải là phần tử đơn vị theo
công thức ràng buộc sau:
n

f
k 1

k

 1 0  fk  1

(1.2)

Hai điều kiện ràng buộc tách lẫn phổ trong mô hình (1.1) là:
Ràng buộc, với f k phải nằm trong giới hạn 0 ≤f k ≤ 1
Không ràng buộc, hợp phần f k có thể giả thiết có giá trị âm và không ràng
buộc đến tổng các hợp phần trong pixel. Vì vậy, kết quả từ cách giải này không
phản ánh hợp phần đúng của các endmember. Sự thích hợp của mô hình trên được
đánh giá theo sai số RMS:
1/ 2

 n

2
RMSE     k  / N 
 k 1


N: Số band ảnh

(1.3)

Sai số RMS được tính cho tất cả các pixel ảnh.Sai số RMS càng lớn, độ thích
hợp của mô hình càng xấu.Vì vậy, ảnh sai số có thể được dùng để đánh giá xem các
endmember có được chọn lựa thích hợp hay không và số lượng các endmember có
đủ hay chưa.
Kết quả phân loại dưới pixel là các ảnh của từng endmember, có giá trị từ 0
đến 1. Giá trị này có thể được chuyển đổi sang giá trị phần trăm; và khi đó, kết quả
tính toán sẽ có dạng giá trị phần trăm của các endmember được chọn có mặt trong
pixel.
Tuy nhiên trong nghiên cứu tác giả chỉ chú ý đến đặc điểm phản xạ của bề
mặt không thấm nên kết quả có 4 endmember được chọn là albedo-cao, albedo-thấp
(đại diện cho Mặt không thấm ở các khu vực đô thị), thực vật (liên quan đến đất
nông nghiệp, rừng, đồng cỏ) và đất (liên quan đến đất trống khu vực nông nghiệp).
Riêng với đối tượng nước như sông, kênh, ao, hồ được dùng kỹ thuật mask để tách

21


ra trước (sử dụng kết hợp bản đồ nền đã có hệ thống thủy văn).Tác giả cũng đưa cả
6 kênh ảnh landsat vào quá trình tính toán dẫn đến bài toán phân loại phức tạp.
Một nghiên cứu khác của Đỗ Thị Hằng [17] và các cộng sự đã chỉ ra một sự
kết hợp của phương pháp mờ dựa trên điểm ảnh và dựa trên đối tượng sử dụng đất
(LULC) phân lo ại từ hình ảnh RapidEye. Bộ phân loại mờ dựa trên điểm ảnh sử
dụng chỉ số khác biệt thực vật Normalize (NDVI) để phân biệt các lớp nước, không
phải là nước và thực vật theo nguyên tắc.
-

Nếu NDVI cao và NDWI thấp thì phân lo ại vào lớp thực vật

-

Nếu NDWI cao thì phân loại vào nhóm nước

-

Các trường hợp còn lại: không phải nước
Sau khi phân loại dựa trên pixel, hình ảnh phân đoạn được áp dụng cho các

lớp không phải nước và thực vật. Dựa trên đối tượng phân loại mờ sử dụng chỉ số
đất (SI) mà chiết xuất chỉ số Thực vật –Đất-Nước (VSW) để xác định nước, đất, xây
dựng, đất nông nghiệp và rừng từ lớp không phải nước. Lớp thảm thực vật chiết
xuất từ phân loại dựa trên điểm ảnh được sáp nhập với lớp rừng chiết xuất từ lớp
không phải nước và đối tượng dựa trên phân loại mờ được áp dụng cho chỉ số
Normalize khác biệt Red-cạnh (NDRE), tỷ lệ NDRE / SI và kỹ thuật số Elevation
Model (DEM) của các lớp để tách lớp đất nông nghiệp và lâm nghiệp. Quá trình
nghiên cứu này được thực hiện bằng cách sử dụng GRASS, một trong những phần
mềm mã nguồn mở miễn phí cho không gian địa lý (FOSS4G). Kết hợp phân loại
mờ dựa trên điểm ảnh và dựa trên đối tượng là khả năng xác định được năm lớp
LULC chính với độ chính xác phân loại là 85,7%. Nhược điểm của nghiên cứu này
là nguồn dữ liệu không có sẵn và mất phí cũng như phải sử dụng nhiều kênh ảnh để
tính toán. Bài toán phân lo ại đưa ra phức tạp.
Các phương pháp được giới thiệu ở trên được phát triển nhằm mục đích giảm
nhiễu điểm ảnh và nâng cao độ chính xác của các kết quả phân loại.Trong đó,
phương pháp tuyến tính được sử dụng thông dụng nhất.Tuy nhiên, kết quả các
nghiên cứu ở trên như: phương pháp phân loại ảnh, phương pháp mô hình hóa,
phương pháp tuyến tính, phương pháp hình học thể hiện các phương pháp nghiên

cứu về nâng cao độ chính xác kết quả phân loại còn tồn tại những hạn chế cần quan
tâm giải quyết. Đối với phương pháp phân loại ảnh có kiểm định, độ chính xác công
tác phân loại ảnh dựa vào độ chính xác các mẫu được lấy trong quá trình lấy mẫu.
Sự phục thuộc của độ chính xác các mẫu vào ý chí chủ quan của con người lớn, do
vậy độ chính xác của phương pháp này không ổn định. Đối với phương pháp mô
22


hình hóa sử dụng quan hệ giữa các đối tượng trong ảnh để nâng cao độ chính xác
kết quả phân loại. Phương pháp này chỉ phát huy hiệu quả khi người thực hiện công
tác phân loại có kiến thức tốt về giải đoán ảnh và kinh nghiệm thực địa. Với phương
pháp tuyến tính, việc tính toán giá trị phổ cho các mẫu dựa trên thư viện phổ cũng
đòi hỏi người sử dụng có kiến thức tốt về phổ. Bên cạnh đó, cần phải có thư viện
phổ có đủ các đối tượng trong khu vực đang thực hiện công tác phân loại ảnh. Cuối
cùng, phương pháp hình học là phương pháp phân lo ại đối tượng trên ảnh dựa trên
hình dạng của đối tượng. Tuy nhiên, với các ảnh vệ tinh có độ phân giải vừa và nhỏ
(15 đến 30m) thì khả năng phân biệt các đối tượng dựa vào hình dáng là rất khó
khăn, vì trong 1 điểm ảnh chứa nhiều đối tượng khác nhau.
Tóm lại, vấn đề nghiên cứu nâng cao độ chính xác phân loại ảnh đã được
phát triển và nghiên cứu nhiều ở trên thế giới. Phần lớn các nghiên cứu chỉ chú
trọng trực tiếp vào tính toán giảm nhiễu điểm ảnh dựa trên công tác làm tăng độ
chính xác công tác lấy mẫu đối với công tác phân lo ại có kiểm định hay dựa vào
hình dáng đối tượng cần phân loại mà chưa tập trung vào nghiên c ứu tính toán giá
trị phổ của các đối tượng (đất, nước, thực vật). Đối tượng được xử lý trong các giải
pháp nêu trên đều chỉ được thực hiện đến đơn vị nhóm điểm ảnh (các mẫu, đối
tượng có hình dáng).
Nếu điểm ảnh bị phân loại sai lớp sẽ chi phối làm giảm độ chính xác kết quả
phân loại trên toàn ảnh. Mặt khác, khi thực hiện công tác phân loại có độ phủ hỗn
hợp bao gồm nhiều đối tượng bằng ảnh vệ tinh độ phân giải trung bình và nhỏ thì
khả năng ảnh hưởng từ hiện tượng nhiễu điểm ảnh làm giảm độ chính xác của kết

quả phân loại là rất cao. Do vậy, một giải pháp nâng cao độ chính xác công tác phân
loại ảnh có mức độ tự động hóa cao giảm sự can thiệp của con người đóng vai trò
ngày càng cấp thiết cấp thiết, nâng cao khả năng khai thác dữ liệu viễn thám phục
vụ các nhu cầu của người sử dụng công nghệ viễn thám.

23