Bài giảng Phân loại ảnh

Tài liệu Bài giảng Phân loại ảnh: Bài 4 PHÂN LOẠI ẢNH Mục đích bài thực tập Học sinh hiểu và nắm rõ phương pháp phân loại ảnh viễn thám. Hiển thị ảnh số ở các bảng màu khác nhau Sử dụng công cụ phóng to, thu nhỏ ảnh Xem cấp độ xám của các điểm ảnh Giãn ảnh Những kiến thức cần thiết Có kỹ năng phân tích ảnh bằng mắt. Hiểu rõ các đối tượng trên ảnh Nội dung thực tập Thực tập 1 –Phân loại không kiểm định: Thực hiện: ANALYSIS>DATABASE QUERY>RECLASS từ menu. Hộp thoại khai báo thông số phân loại đối tượng trên ảnh Nhập vào b3 như là 'Input file', và b3r như là 'Output file'. Trong mục 'Assign a new value of:' chúng ta gõ giá trị '1', và nhấn phím [tab]. Gõ '32' trong ô 'To all values from' và '50' trong ô 'to just less than'. Tiếp tục hàng kế tiếp gõ '2' , '50', “70”. Ở lớp cuối cùng gõ số '9999'. Nhấn [OK] Ở đây chúng ta đã thực hiện phân loại band 3 ảnh landsat TM vùng Tp.HCM thành 3 nhóm (nhóm có cấp độ xám 32-50; nhóm có cấp độ xám 50-70; nhóm có cấp độ xám lớn hơn 70). HS thực hiện phân lo...

doc7 trang | Chia sẻ: hunglv | Lượt xem: 2160 | Lượt tải: 1download
Bạn đang xem nội dung tài liệu Bài giảng Phân loại ảnh, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Bài 4 PHÂN LOẠI ẢNH Mục đích bài thực tập Học sinh hiểu và nắm rõ phương pháp phân loại ảnh viễn thám. Hiển thị ảnh số ở các bảng màu khác nhau Sử dụng công cụ phóng to, thu nhỏ ảnh Xem cấp độ xám của các điểm ảnh Giãn ảnh Những kiến thức cần thiết Có kỹ năng phân tích ảnh bằng mắt. Hiểu rõ các đối tượng trên ảnh Nội dung thực tập Thực tập 1 –Phân loại không kiểm định: Thực hiện: ANALYSIS>DATABASE QUERY>RECLASS từ menu. Hộp thoại khai báo thông số phân loại đối tượng trên ảnh Nhập vào b3 như là 'Input file', và b3r như là 'Output file'. Trong mục 'Assign a new value of:' chúng ta gõ giá trị '1', và nhấn phím [tab]. Gõ '32' trong ô 'To all values from' và '50' trong ô 'to just less than'. Tiếp tục hàng kế tiếp gõ '2' , '50', “70”. Ở lớp cuối cùng gõ số '9999'. Nhấn [OK] Ở đây chúng ta đã thực hiện phân loại band 3 ảnh landsat TM vùng Tp.HCM thành 3 nhóm (nhóm có cấp độ xám 32-50; nhóm có cấp độ xám 50-70; nhóm có cấp độ xám lớn hơn 70). HS thực hiện phân loại dựa trên biểu đồ histogram. HS thực hiện phân loại trên các kênh ảnh khác nhau. Thực tập 3 –Phân loại có kiểm định Thực hiện Bước 1: Tạo file vector polygon-Chọn vùng mẫu -'training sites' IDRISI có một vài phương pháp phân loại có kiểm định khác nhau, dựa trên các lý thuyết toán khác nhau. Tất cả các phương pháp đều yêu cầu chọn vùng mẫu dựa trên dự liệu quan sát thực tế-'ground truth data'. Vùng mẫu là những diện tích nhỏ mà đã biến chính xác sử dụng đất tại đó. Vùng mẫu cần nhập vào IDRISI trong dạng file vector polygon. Chọn mã ID cho từng vùng: 1 - Nước 2 - Thực vật 3 – Vùng đất cao 4 – Khu đô thị 5 - Đất ngập nước 6 – Vùng đất đang khai thác Bước 2: Sử dụng lệnh MAKESIG tạo vùng khóa- signature files Khi đã có những vùng mẫu trong dạng vector polygon file, chúng ta cần phần mềm IDRISI nhận dạng tín hiệu phổ (phối hợp nền phản xạ của 3 band phổ) mỗi vùng cần 3 vị trí. ANALYSIS>IMAGE PROCESSING>SIGNATURE DEVELOPMENT>MAKESIG. Định nghĩa file vector chọn vùng mẫu. Chọn 3 band ảnh trong xử lý. Trong hộp thoại yêu cầu gán tên cho các vùng mẫu. IDRISI chỉ chấp nhận tên với 8 ký tự. Nhập vào theo tên ngắn: 1 - Nước 2 - Thực vật 3 – Vùng đất cao 4 – Khu đô thị 5 - Đất ngập nước 6 – Vùng đất đang khai thác Bước 3 sử dụng SIGCOMP- kiểm tra file vùng mẫu Chọn ANALYSIS>IMAGE PROCESSING>SIGNATURE DEVELOPMENT>SIGCOMP Chọn xem 6 vùng mẫu và ý nghĩa của chúng, (xem min/max khi bật chọn). Đưa vào tên khi sử dụng MAKESIG trong tên vùng mẫu Kết quả so sánh trung bình giá trị điểm ảnh với mỗi vùng mẫu cho mỗi band ảnh Thực tập 4 Bước 4 Sử dụng MAXLIKE, PIPED, MINDIST—phân loại ảnh. Sử dụng ANALYSIS>IMAGE PROCESSING>HARD CLASSIFIERS>PIPED phân loại ảnh. Khai báo file vùng mẫu. IDRISI phân loại những điểm ảnh dựa trên dữ liệu quan sát thực tế, sử dụng thuật toán phân loại trên lý thuyết thống kê.

Các file đính kèm theo tài liệu này:

  • docTTVTCS_4_Phan_loai.doc