Đề tài Nghiên cứu khả năng ứng dụng ảnh vệ tinh radar và quang học để thành lập một số thông tin về lớp phủ mặt đất

n về mặt toỏn học, cho phộp tớnh toỏn một cỏch nhanh chúng và hiệu quả. Tuy nhiờn, hạn chế của phương phỏp là khụng nhạy cảm với mức độ khỏc biệt về phản xạ phổ trong mỗi lớp đối tượng ( Lillesand and Kiefer 1994 ). Thuật toỏn hỡnh hộp Trong phương phỏp này, cỏc khối hỡnh hộp được thiết lập với tọa độ của cỏc điểm gúc là cỏc giỏ trị phản xạ phổ lớn nhất và nhỏ nhất của mỗi lớp trờn cỏc kờnh phổ khỏc nhau (Skidmore 1996). Nếu như pixel cần phõn loại nằm trong một khối hộp đại diện cho một lớp nào đú thỡ nú sẽ được gỏn cho lớp đú. Thuật toỏn hỡnh hộp cũng rất đơn giản và tớnh toỏn rất nhanh chúng, tuy nhiờn tại những vựng chồng đố giữa cỏc hỡnh hộp thỡ cỏc pixel sẽ khụng phõn loại được hoặc được gỏn một cỏch ngẫu nhiờn. Thuật toỏn xỏc suất cực đại Đõy là thuật toỏn được sử dụng phổ biến nhất trong việc phõn loại ảnh viễn thỏm. Thuật toỏn xỏc suất cực đại dựa trờn giả thuyết rằng sự phõn bố của tất cả cỏc pixels của cỏc vựng mẫu hay cỏc lớp là phõn bố chuẩn. Giả thiết này cho phộp biểu diễn cỏc lớp đối tượng bằng vector trung bỡnh và ma trận hiệp phương sai của đặc tớnh phản xạ phổ. Sau đú xỏc suất của pixel rơi vào lớp nào đú sẽ được tớnh toỏn dựa vào cỏc số liệu thống kờ của lớp đú. Cuối cựng, pixel sẽ được gỏn cho lớp cú giỏ trị xỏc suất lớn nhất. Thuật toỏn xỏc suất cực đại thường cho kết quả phõn loại cú độ chớnh xỏc cao so với cỏc phương phỏp khỏc. Hạn chế cơ bản của thuật toỏn này là khối lượng tớnh toỏn lớn do đú làm tăng đỏng kể thời gian xử lý so với cỏc thuật toỏn khoảng cỏch ngắn nhất hoặc hỡnh hộp. Phõn loại khụng giỏm sỏt Phương phỏp phõn loại khụng giỏm định sẽ sắp xếp cỏc pixel vào cỏc lớp hoàn toàn dựa vào đặc tớnh phản xạ phổ tự nhiờn của cỏc đối tượng lớp phủ cú mặt trờn ảnh, 84 cỏc pixels được gộp chung vào một lớp thường cú giỏ trị phản xạ phổ gần giống nhau. Khỏc với phương phỏp phõn loại cú giỏm định, phương phỏp phõn loại khụng giỏm định, khụng yờu cầu lựa chọn cỏc vựng mẫu. Sau khi phõn loại cần phải gỏn tờn tương ứng cho mỗi lớp. Một số thuật toỏn phổ biến được dựng để xỏc định cỏc cụm, nhúm tự nhiờn của cỏc pixels trờn tập dữ liệu ảnh, trong đú thuật toỏn đơn giản nhất và cũng được sử dụng rộng rói hơn cả là thuật toỏn khoảng cỏch ơclit. Thuật toỏn chủ yếu được sử dụng cho việc phõn lớp khụng giỏm định là Migrating Mean hay ISODATA. Thuật toỏn này được tiến hành như sau: - Trước tiờn vị trớ trung tõm của một số cụm, nhúm pixel trong khụng gian đa phổ sẽ được xỏc định với tọa độ là giỏ trị trung bỡnh phản xạ phổ của cỏc pixel trong cụm nhúm đú trờn mỗi kờnh phổ. - Khoảng cỏch từ mỗi pixel đến tõm của cỏc cụm nhúm pixel sẽ được tớnh toỏn và pixel sẽ được gỏn cho cụm, nhúm gần nhất. - Sau khi tất cả cỏc pixel đó được phõn loại, vị trớ trung tõm của mỗi cụm, nhúm sẽ được tớnh toỏn lại để tỡm ra cỏc vị trớ trung tõm mới của cỏc cụm nhúm pixel. Tập hợp cỏc vị trớ trung tõm mới này sau đú sẽ được sử dụng để tiến hành phõn lớp lại cỏc pixel trờn ảnh. - Quỏ trỡnh trờn tiếp tục cho đến khi sự khỏc biệt về vị trớ trung tõm của cỏc cụm nhúm pixel giữa hai lần lặp kế tiếp nhỏ hơn ngưỡng đặt ra. Ưu điểm rừ nhất của thuật toỏn ISODATA là cho kết quả tốt đối với những tập dữ liệu khụng tuõn theo phõn bố chuẩn. Tuy vậy, những nhược điểm cơ bản của nú là khối lượng tớnh toỏn lớn và thuật toỏn này khụng nhạy cảm với sự liờn tục về mặt khụng gian (Skidmore 1996). Sự khỏc nhau cơ bản giữa phõn loại cú giỏm sỏt và phõn loại khụng giỏm sỏt là trong khi phõn loại cú giỏm sỏt hoàn toàn được kiểm soỏt bởi tỏc nghiệp viờn là người cú hiểu biết về cỏc lớp đối tượng cần phõn lớp trong vựng nghiờn cứu thỡ phõn loại khụng giỏm sỏt là quỏ trỡnh tớnh toỏn tự động theo thuật toỏn được lựa chọn và tờn của lớp đối tượng khụng được biết trước ( Lillesand và Kieffer 1994 ). Sau khi quỏ trỡnh phõn loại kết thỳc, cần phải so sỏnh kết quả với cỏc tài liệu tham khảo như bản đồ địa hỡnh, ảnh hàng khụng tỉ lệ lớn hay số liệu thực địa để gỏn tờn cho cỏc lớp. 85 Hạn chế lớn nhất của phương phỏp phõn loại ảnh số truyền thống là hoàn toàn dựa vào đặc tớnh phản xạ phổ của cỏc đối tượng lớp phủ bề mặt. Mặc dự vậy, do khả năng xử lý nhanh chúng trờn dữ liệu số nờn phõn loại ảnh số vẫn được sử dụng một cỏch rộng rói trong việc theo dừi giỏm sỏt và lập bản đồ lớp phủ. Tựy thuộc vào điều kiện cụ thể mà cú thể ỏp dụng phõn loại cú giỏm sỏt hoặc khụng giỏm sỏt hoặc kết hợp cả hai phương phỏp ( hybrid approach). Khú khăn lớn nhất đối với phõn loại khụng giỏm định là một số lớp được tạo ra bởi quỏ trỡnh phõn loại khụng trựng với cỏc lớp đối tượng sử dụng đất hoặc lớp phủ thụng thường, dẫn đến khú khăn cho việc gỏn nhón cho cỏc lớp sau khi phõn loại. Trong khi đú, việc xỏc định cỏc lớp cũng như cỏc thao tỏc của phõn loại cú giỏm định rừ ràng, dễ hiểu hơn, nờn phương phỏp này thường được lựa chọn nhiều hơn. Trong phương phỏp phõn loại cú giỏm định, việc lựa chọn cỏc vựng mẫu cú vai trũ đặc biệt quan trọng và sẽ quyết định chất lượng của toàn bộ quỏ trỡnh phõn loại. Chất lượng lựa chọn cỏc vựng mẫu liờn quan trực tiếp đến độ chớnh xỏc phõn loại. Vỡ vậy, quỏ trỡnh lựa chọn cỏc vựng mẫu phải được tiến hành một cỏch hết sức cẩn thận, kết hợp cỏc kiến thức, hiểu biết của người phõn tớch – giải đoỏn với cỏc tài liệu bổ sung như bản đồ địa hỡnh, chuyờn đề. Trong một số trường hợp cần phải tiến hành khảo sỏt thực địa để xỏc định một số vựng mẫu cho cỏc đối tượng lớp phủ tiờu biểu. Thụng thường cỏc vựng mẫu được lựa chọn là một nhúm cỏc pixel tương đối đồng nhất tiếp giỏp với nhau. Như đó nờu ở phần trờn, phương phỏp phõn loại ảnh số truyền thống chỉ sử dụng cỏc đặc tớnh về phản xạ phổ của cỏc lớp đối tượng mà khụng quan tõm đến phõn bố khụng gian cũng như cấu trỳc của cỏc lớp đối tượng đú. Từ đú cú thể hy vọng rằng bằng cỏch nào đú tớch hợp được cỏc thụng tin dạng này vào trong tập dữ liệu dựng để phõn lớp thỡ sẽ cú thể cải thiện được kết quả phõn loại. Gong và Howard 1990 và 1992 đó sử dụng cỏc thụng tin cấu trỳc để hỗ trợ cho quỏ trỡnh phõn lớp. Trong nghiờn cứu của mỡnh cỏc tỏc giả đó tạo ra 1 kờnh dữ liệu cấu trỳc chứa đựng cỏc thụng tin về tần số biến đổi của cỏc pixel bằng cỏch sử dụng ảnh vệ tinh SPOT kết hợp với phin lọc Laplace và quỏ trỡnh chiết tỏch cỏc đường rỡa (edge) phõn định cỏc đối tượng trờn ảnh. Kờnh thụng tin cấu trỳc này sau đú được kết hợp với dữ liệu ảnh gốc để tiến hành phõn loại. Kết quả cho thấy rằng, phương phỏp này cho độ chớnh xỏc cao hơn rất nhiều so 86 với phương phỏp phõn loại truyền thống và đặc biệt cú hiệu quả khi cần phõn biệt giữa cỏc đối tượng của vựng giỏp ranh giữa nụng thụn và đụ thị. Việc ứng dụng ảnh radar kết hợp với ảnh quang học cũng tương tự như vớ dụ trờn, do ảnh radar cung cấp cỏc thụng tin về đặc tớnh vật lý của cỏc đối tượng như cấu trỳc và độ gồ ghề của bề mặt khi kết hợp với ảnh quang học truyền thống cũng sẽ gúp phần làm tăng độ chớnh xỏc của quỏ trỡnh phõn loại. Quá trình phân loại ảnh radar kết hợp với ảnh quang học cũng đ−ợc thực hiện giống nh− với ảnh quang học truyền thống, duy chỉ có các tập dữ liệu dùng để phân loại là khác nhau. Một điều cần l−u ý là khi lựa chọn các vùng mẫu (phân loại có giám sát) trên dữ liệu kết hợp thì cần chọn các mẫu có tính đồng nhất cao trên cả ảnh radar và ảnh quang học. Trên thực tế có thể chọn vùng mẫu trên ảnh quang học tr−ớc sau đó tiến hành hiển thị, so sánh và chỉnh sửa kết hợp với ảnh radar để đảm bảo sự đồng nhất của các mẫu. Khi xây dựng các tập hợp dữ liệu kết hợp radar + quang học để tiến hành phân loại cần nghiên cứu kỹ về tính chất, đặc điểm của chúng để lựa chọn các dữ liệu thích hợp. Ph−ơng án đơn giản nhất là sử dụng tất cả các dữ liệu ảnh gốc radar và quang học thu thập đ−ợc trong khu vực nghiên cứu, tuy nhiên những kênh ảnh có sự trùng lặp lớn về thông tin chứa đựng thì không nên đ−a vào phân loại. Một ph−ơng pháp khác cũng rất phổ biến là xây dựng những tổ hợp dữ liệu trong đó các kênh ảnh có thể là ảnh gốc hoặc các ảnh đã đ−ợc biến đổi để làm nổi bật một số đối t−ợng nào đó hoặc là các kênh chứa đựng nhiều thông tin nh−ng ít trùng lặp nhất. Các kênh ảnh biến đổi th−ờng hay đ−ợc sử dụng là các kênh thành phần chính, chỉ số thực vật, chỉ số biến đổi, giá trị trung bình hoặc ảnh phân ng−ỡng(density slicing). Ví dụ nh− Nguyễn Đình D−ơng (2001) khi nghiên cứu vùng đô thị của thành phố Hà Nội đã tiến hành phân ng−ỡng trên ảnh radar dựa vào đặc tính phản xạ của các đối t−ợng trên ảnh t−ơng ứng với mật độ xây dựng dày đặc, trung bình, th−a, và khu vực bằng phẳng sau đó chồng lên kết quả phân loại bằng ảnh quang học (Landsat TM). Kết quả thu đ−ợc cho thấy thay vì chỉ xác định một loại lớp phủ là đô thị đối với ảnh Landsat TM thì khi sử dụng ph−ơng án kết hợp với ảnh radar sẽ có thể phân biệt tốt hơn cấu trúc xây dựng của vùng đô thị dựa vào tông màu khác nhau trên ảnh. III.4.2. Ph−ơng pháp điều vẽ bằng mắt Khác với việc chiết tách thông tin bằng ph−ơng pháp phân loại tự động, chủ yếu dựa trên các đặc điểm về phản xạ của các đối t−ợng trên bề mặt và quá trình tính toán 87 dựa trên các thuật toán của máy tính, việc giải đoán bằng mắt dựa vào các tri thức, kinh nghiệm của ng−ời điều vẽ. Thông qua việc trực tiếp phân tích hình ảnh, sự t−ơng quan, các mối quan hệ giữa các đối t−ợng cũng nh− hiểu biết về khu vực điều vẽ và các tài liệu bổ sung mà ng−ời điều vẽ có thể nhận biết và vẽ đ−ợc các đối t−ợng cần giải đoán. Ví dụ nh− khi tiến hành phân lớp tự động trên ảnh quang học, màu n−ớc và màu của các công trình xây dựng ở vùng đô thị t−ơng đối giống nhau, cho nên kết quả phân loại th−ờng có sự nhầm lẫn giữa 2 lớp đối t−ợng này. Tuy nhiên hiện t−ợng này sẽ không xảy ra đối với tr−ờng hợp giải đoán bằng mắt, vì dựa vào nhận thức và kinh nghiệm của mình ng−ời điều vẽ sẽ không bao giờ nhầm hai đối t−ợng này với nhau. Phân biệt đ−ợc các đối t−ợng và nền của chúng đòi hỏi phải so sánh các đối t−ợng khác nhau dựa trên một, hoặc một số các dấu hiệu điều vẽ sau: Dấu hiệu điều vẽ trực tiếp (độ sáng, hình dạng, kích cỡ, cấu trúc, bóng), dấu hiệu điều vẽ gián tiếp và các dấu hiệu tổng hợp . a. Dấu hiệu điều vẽ trực tiếp: Hình dạng: (shape) là hình dáng, cấu trúc hoặc đ−ờng nét chung của một vật thể riêng biệt. Đây là dấu hiệu điều vẽ trực tiếp tác động lên ng−ời suy giải. Đối t−ợng có thể có hình dạng xác định (hình học chuẩn vuông, tròn, chữ nhật vv... ) hoặc không xác định (ranh giới đối t−ợng không phải là hình học chuẩn). Ví dụ nh− những khối nhà, các kiến trúc nhân tạo th−ờng là các hình xác định (là những hình có dạng hình học xác định), ranh giới thực vật không có hình dạng xác định.Tiếp theo hình dạng có thể chia ra nhiều dạng : tuyến , phẳng, diện, dạng khối. Hình mẫu: (Pattern) là sự sắp xếp về mặt không gian của các vật thể có thể nhìn thấy rõ sự lặp lại một cách điển hình và có thứ tự của các tông màu và cấu trúc sẽ tạo nên mẫu đặc thù và cuối cùng có thể nhận dạng đ−ợc. Ví dụ, các v−ờn cây ăn quả với các lô cây trồng đ−ợc phân bố cách đều nhau và các đ−ờng phố trong thành phố với những ngôi nhà cách đều nhau là những điển hình về hình mẫu(xem hình 3.5). 88 song song chữ nhật vuụng chộo hỡnh con thoi gúc tổ ong bầu dục hỡnh súnghỡnh Sin/cong hình l−ớitrũn Hỡnh 3.5: Cỏc vớ dụ về hỡnh mẫu Hỡnh 3.6: Hỡnh mẫu trờn ảnh vệ tinh Kích th−ớc: Kích th−ớc (size) của vật thể trong ảnh là hàm tỉ lệ. Điều quan trọng là đánh giá kích th−ớc của đối t−ợng trong mối t−ơng quan với các vật thể khác tại thực địa, cũng nh− kích th−ớc chính xác để hỗ trợ cho việc điều vẽ có kết quả nhanh t−ơng ứng. Ví dụ, nếu một ng−ời điều vẽ phân biệt các khu vực sử dụng đất và đã nhận dạng một vùng với rất nhiều toà nhà trong đó, những khu nhà lớn nh− nhà máy hoặc nhà kho sẽ làm liên t−ởng đến các cơ sở kinh doanh, trong khi những khu nhà nhỏ sẽ cho thấy đó là các khu dân c−. 89 Dân c− Nhà máy Hỡnh 3.7: Sự khỏc nhau về kớch thước của cỏc đối tượng Sắc ảnh: là một dấu hiệu suy giải quan trọng nh−ng nó phụ thuộc nhiều yếu tố. Sắc ảnh phản ánh độ sáng của địa vật mà độ sáng lại th−ờng xuyên thay đổi và dao động trong một giới hạn rất rộng. Ngoài ra điều kiện chụp ảnh và chế độ hoá ảnh cũng ảnh h−ởng nhiều đến sắc ảnh. L−u ý cùng một vật với điều kiện ánh sáng khác nhau cũng có thể có cùng sắc ảnh. Kinh nghiệm chỉ ra rằng mắt ng−ời có thể phân biệt tới 25 bậc sắc xám. Nền màu: đối với ảnh phổ màu hoặc ảnh màu tự nhiên là dấu hiệu t−ơng đối ổn định hơn sắc ảnh. Thông th−ờng trên các ảnh tổng hợp màu phải sử dụng các dấu hiệu điều vẽ màu là chủ yếu. Tuy nhiên phải l−u ý tới những yếu tố ảnh h−ởng sự thay đổi màu của đối t−ợng. Bóng địa vật: là dấu hiệu điều vẽ trực tiếp đầy mâu thuẫn. Một mặt có khi phải nhờ bóng đổ mới suy giải đ−ợc các đặc tính của đối t−ợng, mặt khác nó là nhiễu cản trở quá trình nhìn rõ suy giải đối t−ợng do sự che khuất. Nhìn chung trong điều vẽ ảnh vệ tinh th−ờng gây nhiễu và mất thông tin nhiều hơn là có tác dụng trong suy giải đối t−ợng. Cấu trúc (texture): là cách sắp xếp và tần xuất thay đổi về sắc thái trong các vùng cụ thể trên ảnh. Cấu trúc gồ ghề gồm có sắc thái vằn khi các mức độ của màu xám thay đổi đột ngột trong khu vực nhỏ, trong khi cấu trúc nhẵn có rất ít sự thay đổi về tông màu. Cấu trúc nhẵn th−ờng là kết quả của sự đồng đều, bề mặt bằng phẳng nh− đồng ruộng, đ−ờng nhựa hoặc đồng cỏ. Cấu trúc đồng đều th−ờng là những loại đối t−ợng đồng nhất. Đối t−ợng có bề mặt gồ ghề và cấu trúc không đều nh− những tán rừng tự nhiên dẫn đến hình dáng cấu trúc gồ ghề trên ảnh. Cấu trúc là một trong những yếu tố quan trọng nhất để phân biệt các đặc tính của các đối t−ợng trong ảnh radar. 90 Hỡnh 3.8: Cấu trỳc gồ ghề của rừng tự nhiờn (trỏi) và mịn của rừng trồng (phải) dạng chấm dạng cong dạng đa giỏc dạng sao dạng khuyờn dạng trứng cỏ dạng hạt dạng vệt đồng nhất hthay đổi định hướng ỗn hợp Hỡnh 3.9: Cỏc dạng cấu trỳc b. Dấu hiệu gián tiếp. Những dấu hiệu gián tiếp cho phép chúng ta kết luận sự có mặt của vật thể hoặc một hiện t−ợng không nhìn thấy đ−ợc qua những dấu vết của chúng để lại trên địa hình, hoặc sự có mặt của một hoặc một vài đối t−ợng cho phép ta có thể kết luận sự có mặt của đối t−ợng khác cần quan tâm. Có thể chia ra một số loại dấu hiệu điều vẽ gián tiếp nh− sau: 91 1- Sự kề cận các đối t−ợng dễ nhận biết của đối t−ợng cần suy giải mà theo dấu hiệu điều vẽ trực tiếp không suy giải đ−ợc. 2- Đối t−ợng bị che khuất bởi các đối t−ợng khác, không t−ơng phản, quá nhỏ, độ mờ lớn... Một số yêu cầu khi sử dụng dấu hiệu gián tiếp - Có sự hiểu biết sâu rộng về mối quan hệ t−ơng hỗ giữa các đối t−ợng với nhau. - Am hiểu địa lý cảnh quan của khu vực - Có kiến thức cơ bản về địa chất, địa mạo - Có kiến thức tổng hợp về vùng thi công, các vấn đề kinh tế xã hội có liên quan cùng lịch sử phát triển của đối t−ợng quan tâm. - Có kinh nghiệm giải đoán ảnh. Dấu hiệu gián tiếp cũng rất quan trọng, trong những tr−ờng hợp không thể khảo sát thực địa đ−ợc thì dấu hiệu gián tiếp là ph−ơng tiện hữu hiệu để suy giải. Dấu hiệu tổng hợp (association): là sự liên kết giữa các vật thể hoặc đặc tính có thể nhận dạng khác với đối t−ợng hay đ−ợc chú ý. Dấu hiệu điều vẽ tổng hợp cùng với các dấu hiệu khác có thể cung cấp thông tin cho việc nhận dạng các đặc tính mong muốn dễ dàng hơn. Lập mẫu khoá ảnh: Xây dựng các mẫu khóa ảnh có ý nghĩa rất quan trọng trong công tác điều vẽ ảnh. Mẫu khoá ảnh là hình ảnh đặc tr−ng tiêu biểu cho một đối t−ợng nào đó mang tính xác suất nhận dạng cao nhất cho tập hợp hình ảnh đối t−ợng đó trong vùng đã cho trên tấm ảnh vào thời điểm chụp ảnh đó. Bằng cách đối sánh hình ảnh đối t−ợng vào khóa suy giải với một sai số nhất định nào đó có thể suy giải đa số các đối t−ợng cùng loại trên vùng. Lập mẫu khoá suy giải là chọn các khu vực hình ảnh đặc tr−ng cho các đối t−ợng, mô tả các đối t−ợng ngoài thực địa và tu chỉnh theo ký hiệu hiện hành. Phần lời mô tả mẫu khoá ảnh có thể rất khác nhau nh−ng phải gồm các nội dung nh−: phản ảnh đ−ợc đặc điểm địa lý của đối t−ợng, đặc điểm phát triển sinh tr−ởng, các dấu hiệu điều vẽ và ph−ơng thức sử dụng các dấu hiệu điềuvẽ. Công tác điều vẽ ảnh th−ờng đ−ợc thực hiện cả trong nhà (nội nghiệp) và ngoài trời (ngoại nghiệp). Thông th−ờng ng−ời điều vẽ sẽ cố gắng giải đoán nội nghiệp các đối t−ợng trên ảnh càng nhiều càng tốt. Điều vẽ ngoại nghiệp đ−ợc thực hiện để xác định các yếu tố không giải đoán đ−ợc trong nhà hoặc cần phải kiểm tra ngoài thực địa. Trong nhiều tr−ờng hợp cần tiến hành khảo sát tổng quan ngoài thực địa tr−ớc khi tiến hành điều vẽ. 92 Công tác điều vẽ bằng mắt kết hợp giữa ảnh vệ tinh radar và quang học cũng đ−ợc thực hiện theo những nguyên tắc cơ bản nêu trên. Quá trình điều vẽ có thể đ−ợc tiến hành trên một loại ảnh vệ tinh trên cơ sở so sánh, đối chiếu với ảnh vệ tinh khác hoặc có thể điều vẽ trực tiếp trên các tổ hợp ảnh trong đó ảnh quang học và radar đã đ−ợc tích hợp với nhau. Ph−ơng pháp so sánh trực tiếp: Đây là ph−ơng pháp trực quan nhất sử dụng các t− liệu ảnh vệ tinh gốc chỉ qua các phép tăng c−ờng chất l−ợng hình ảnh thông th−ờng. Ng−ời điều vẽ sẽ tiến hành điều vẽ trên một loại ảnh vệ tinh và kết hợp tham khảo hình ảnh của các nội dung điều vẽ trên ảnh còn lại. Thông th−ờng ảnh quang học sẽ đ−ợc chọn làm cơ sở để điều vẽ còn ảnh radar sẽ đ−ợc kết hợp để giải đoán các lớp đối t−ợng trên bề mặt. Ví dụ nh− trên ảnh quang học bề mặt có màu đỏ (tổ hợp màu giả) chứng tỏ có thực phủ, trên ảnh radar có màu tối chứng tỏ bề mặt t−ơng đối nhẵn thì ta có thể suy ra rằng lớp phủ trên bề mặt là cỏ. Điều vẽ trên các tổ hợp ảnh Với ảnh radar và ảnh quang học có thể xây dựng đ−ợc rất nhiều các tổ hợp ảnh khác nhau. Mỗi tổ hợp ảnh có thể chỉ cho phép giải đoán tốt một số lớp phủ nhất định. Ng−ời điều vẽ có thể chọn một tổ hợp thích hợp nhất để làm nền điều vẽ và sử dụng các tổ hợp khác để tham khảo. Phần lớn các phần mềm xử lý ảnh và GIS hiện nay nh− ENVI, ERDAS Imagine, PCI, ArcGis hoặc Microstation cho phép hiển thị cùng một lúc nhiều tổ hợp ảnh hoặc bật – tắt các kênh để so sánh và kết hợp giải đoán các đối t−ợng trên ảnh. Do sự có mặt của ảnh radar trong các tổ hợp ảnh nên khi tiến hành điều vẽ ngoài các tài liệu bổ sung truyền thống nh− các loại bản đồ, lịch thời vụ, hiểu biết về đặc điểm tự nhiên và kinh tế xã hội tại khu vực thi công còn phải đặc biệt chú ý đến các vấn đề nh− l−ợng m−a, độ ẩm, h−ớng gió, h−ớng của các đối t−ợng điều vẽ so với h−ớng chụp ảnh, độ dốc, h−ớng dốc của địa hình. 93 III.5. Qui Trình công nghệ KếT HợP ảNH QUANG HọC Vμ ảNH RADAR Để thμNH LậP BảN Đồ LớP PHủ Ảnh Radar (ASAR, ERS 1,2 , Radarsat …) Ảnh quang học (SPOT 1-4,5 , ASTER, MERIS …) Nắn chỉnh hỡnh học (Chọn điểm khống chế; mụ hỡnh húa; nắn ảnh trực giao) SPACEMAT, PCI, ERDAS … Nắn chỉnh hỡnh học (Chọn điểm khống chế; mụ hỡnh húa; nắn ảnh trực giao) SPACEMAT, PCI, ERDAS … Biờn tập, chỉnh sửa kết quả Phương ỏn 2 ( Microstation, ArcGIS) In sản phẩm Cụng tỏc chuẩn bị Xõy dụng cỏc tập dữ liệu kết hợp - Ảnh quang học gốc + ảnh Radar gốc - Tạo ảnh NDVI, TB_Radar, chỉ số biến đổi, PCI - Trộn ảnh RGB_IHS, PCI, Brovey - NDVI_Radar_TB quang học - NDVI_ Radar_ Chỉ số biến đổi - ………………………………… Phõn loại tự động ( Phõn loại cú giỏm sỏt; khụng giỏm sỏt ….) Giải đoỏn bằng mắt (tổ hợp radar + quang học) Thụng tin, tư liệu về cỏc đối tượng cần nghiờn cứu Kiểm tra, khảo sỏt ngoại nghiệp Lọc nhiễu – Tăng cường chất lượng ảnh Phin lọc tương tỏc: Lee, Sigma, Frost (Envi, PCI, ERDAS …) Xử lý phổ - Tăng cường chất lượng ảnh Định chuẩn ảnh Khụi phục lại giỏ trị xỏm độ ảnh theo dB Phương ỏn 1 94 Trên cơ sở những nghiên cứu ở các phần trên, chúng tôi đã đ−a ra qui trình thành lập các lớp thông tin lớp phủ bao gồm các b−ớc sau: - Công tác chuẩn bị - Nắn chỉnh hình học - Định chuẩn ảnh Radar - Lọc nhiễu trên ảnh radar - Xử lý phổ và tăng c−ờng chất l−ợng cho ảnh quang học - Xây dựng các tập dữ liệu kết hợp - Giải đoán chiết tách các đối t−ợng lớp phủ - Kiểm tra, khảo sát ngoại nghiệp - Biên tập, chỉnh sửa kết quả 1) Công tác chuẩn bị Công tác chuẩn bị bao gồm các b−ớc : - Nghiên cứu đặc điểm địa lý tự nhiên và kinh tế xã hội tại khu vực thi công - Thu thập, đánh giá và hệ thống hóa t− liệu - Đánh giá chất l−ợng ảnh và các tài liệu bổ sung Các t− liệu cần thu thập bao gồm : + ảnh quang học (Landsat, SPOT, ASTER ...) và ảnh Radar (ERS 1,2; Radarsat 1, Palsar ...) và các thông tin liên quan nh− thời điểm chụp. + Bản đồ địa hình hoặc bản đồ sử dụng đất (nếu có) + Đặc điểm canh tác, các loại cây trồng, nông lịch … + Đặc điểm về chế độ thủy triều, nếu khu vực nghiên cứu ở vùng ven biển + Số liệu về l−ợng m−a, độ ẩm (nếu có) vào thời điểm chụp ảnh. 2) Nắn chỉnh hình học Công tác nắn chỉnh hình học nhằm mục đích xử lý những biến dạng hình học sinh ra trong quá trình chụp ảnh và ảnh h−ởng của địa hình, đồng thời đ−a ảnh về hệ tọa độ bản đồ. Việc nắn chỉnh hình học có ý nghĩa hết sức quan trọng, không những để đảm bảo độ chính xác về vị trí của các đối t−ợng trên ảnh mà còn để đảm bảo sự chồng khít của các loại ảnh với nhau phục vụ cho việc xây dựng các tổ hợp ảnh ở b−ớc tiếp theo. Độ chính xác nắn chỉnh hình học nên lấy theo qui định về độ chính xác nắn chỉnh hình học để hiện chỉnh bản đồ địa hình, trong đó sai số vị trí điểm là ≤ 0,4 mm đối với các địa vật rõ rệt và ≤ 0,6 mm đối với các địa vật không rõ rệt. 95 Đối với khu vực đồi, núi cao thì nên sử dụng mô hình số địa hình để loại trừ sai số do chênh cao địa hình gây ra. Khi nắn ảnh nên sử dụng mô hình vật lý, tuy nhiên đối với vùng đồng bằng chênh cao địa hình không lớn thì có thể sử dụng ph−ơng pháp nắn đa thức. Các điểm khống chế ảnh nên chọn trên bản đồ hoặc đo đạc ngoài thực địa bằng công nghệ GPS. Số l−ợng điểm khống chế đ−ợc bố trí tùy thuộc vào ph−ơng pháp nắn ảnh, thông th−ờng nếu sử dụng ph−ơng pháp nắn ảnh bằng đa thức thì cần chọn nhiều điểm khống chế hơn và phải bố trí các điểm rải đều trên toàn bộ khu vực nắn ảnh. Khi dùng mô hình vật lý, đối với ảnh quang học nh− ảnh SPOT cần dùng khoảng 12 điểm khống chế để nắn ảnh trong khi đó đối với ảnh radar nh− ERS 1,2 do các thông số quỹ đạo đ−ợc định vị rất chính xác nên số điểm khống chế cần thiết sẽ giảm đi đáng kể. 3) Định chuẩn ảnh Radar Cũng nh− các t− liệu viễn thám khác, t− liệu radar cũng đ−ợc th−ơng mại hóa d−ới dạng dữ liệu số. Các thông tin số trên t− liệu radar đ−ợc mã hóa 16 bit và thể hiện bằng xám độ ảnh. Vì vậy, hàng loạt các ảnh h−ởng của môi tr−ờng và của thiết bị đã đ−ợc “trung bình hóa”. Việc khôi phục lại thông tin ban đầu d−ới dạng phản hồi đo bằng dB (deci-Ben) từ giá trị năng l−ợng hay biên độ của ảnh Radar thực chất là quá trình định chuẩn. Đây là công việc phức tạp nh−ng lại đặc biệt quan trọng cho việc phân loại một cách có cơ sở các đối t−ợng có phản hồi t−ơng tự hoặc gần nhau. Vì việc thống kê theo hàm logarit tính theo dB có khả năng phân dị thông tin cao hơn hàm tuyến tính (tính theo giá trị năng l−ợng hoặc biên độ) do đó sẽ mang lại nhiều thông tin về sự biến đổi của các đối t−ợng mặt đất. Trong quá trình này giá trị độ xám trên ảnh gốc sẽ đ−ợc tính chuyển về giá trị phản hồi tính theo đơn vị dB. Tùy theo mỗi loại ảnh sẽ có các công thức và các tham số riêng để tính chuyển. 4) Lọc nhiễu cho ảnh radar Do bản chất của ảnh radar chứa nhiều nhiễu nên sau khi nắn chỉnh hình học cần tiến hành lọc nhiễu cho ảnh radar. Cần sử dụng các phin lọc t−ơng tác nh− lọc Lee, Sigma hay Frost để lọc nhiễu cho ảnh radar. Hiện nay, hầu nh− tất cả các phềm mềm xử lý ảnh vệ tinh nh− ENVI, PCI, ERDAS Imagine đều đ−ợc trang bị các loại phin lọc này. Nhìn chung các phin lọc này đều có khả năng lọc nhiễu t−ơng đối tốt, tuy nhiên theo đánh giá của nhóm thực hiện đề tài phin lọc Lee là cho kết quả khả quan hơn cả. Khi tiến hành lọc có thể chọn các cửa sổ lọc có kích th−ớc khác nhau nh− 3x3, 5x5, 7x7 ... hoặc 11 x11, cũng có thể tiến hành lọc nhiều lần với các cửa sổ có kích th−ớc 96 giống hoặc khác nhau nh−ng sau mỗi lần lọc cần kiểm tra kết quả xem có bị mất nhiều chi tiết hay không để có sự điều chỉnh phù hợp. 5) Xử lý phổ và tăng c−ờng chất l−ợng cho ảnh quang học ảnh quang học sau khi đ−ợc nắn chỉnh và ảnh radar sau khi lọc nhiễu cần đ−ợc tăng c−ờng chất l−ợng sao cho hình ảnh rõ nét, màu sắc trung thực không bị thiên màu. Các công cụ chính để thực hiện công tác này là các phép giãn ảnh tuyến tính và phi tuyến, các phép lọc thông tần thấp và thông tần cao và các phin lọc làm ảnh sắc nét hơn. 6) Xây dựng các tập dữ liệu kết hợp Việc xây dựng các tập dữ liệu hay các tổ hợp ảnh phải cho phép khai thác đ−ợc nhiều thông tin và làm nổi bật đ−ợc sự khác biệt của một số đối