Chương VIỄN THÁM REMOTE SENSING 5.1 Nguyên tắc viễn thám 5.2 Bộ cảm biến 5.3 Vật mang 5.4 Các vệ tinh viễn thám 5.5 Dữ liệu sử dụng viễn thám 5.6 Giải đoán ảnh 5.7 Các hệ xử lý ảnh 5.8 Xử lý ảnh GIS TRONG QUẢN LÝ TNMT 5.1 NGUYÊN TẮC CƠ BẢN VỀ VIỄN THÁM FUNDAMENTALS OF REMOTE SENSING 5.1.1 Lịch sử công nghệ Trắc Địa Technological history of Surveying • 19C : Không ảnh (bắt đầu RS) • 11C - 12C : La bàn (Hàng hải) Thành lập đồ hiệu • 14C - 15C : Kinh độ (quan sát mặt trăng) 20C : Thời kỳ áp dụng điện tử TĐ • 16C : World Atlas 1940 : Rada • 17C : Lưới tam giác (Snell, Pháp) 1950 : Đo dài quang điện (Computer) • 18C : Lưới chiếu Bản đồ Pháp 1960 : Chụp ảnh từ vệ tinh (NNSS) Cassini Map (1:86.400) Navy Navigation Satellite System Đồng hồ độ xác cao 1970 : nh số vệ tinh (LANDSAT 1972) Kinh độ xác (John Harrison, Anh) 1980 : CCD Image Sensor (Charge Coupled Devices) : Geographical Information System GIS 1990 : Global Positioning System - GPS GIS TRONG QUẢN LÝ TNMT 5.1.2 Nguyeân lý viễn thám (Principle of Remote Sensing) Thu thập, đo lường phân tích thông tin vật thể mà tiếp xúc trực tiếp • Sóng điện từ • Sóng âm Bức xạ hay phản xạ Xử lý liệu Vật thể Computer Sensor Dữ liệu & thông tin vật thể Sóng từ vật thể khác GIS TRONG QUẢN LÝ TNMT 5.1.3 Khái niệm viễn thám (Concept of Remote Sensing) Bức xạ hay phản xạ sóng điện từ nguồn lượng sử dụng phổ biến viễn thám Sensor (bộ cảm biến): thiết bị tách xạ hay phản xạ sóng từ vật thể (Cameras, Scanners) Platform (vật mang): phương tiện mang cảm biến Vệ tinh địa tónh Vệ tinh quỹ đạo tròn Tàu thoi Máy bay Cao độ :36.000Km Quan sát từ vị trí cố định 500Km - 1.000Km Quan sát theo chu kỳ 240Km - 350Km Quan sát không (theo dự án) 10Km - 12Km Nghiên cứu nhiều đối tượng khác GIS TRONG QUẢN LÝ TNMT 5.1.4 Đặc trưng xạ sóng điện từ (Characteristics of Electro-Magnetic Radiation) GIS TRONG QUẢN LÝ TNMT 5.1.5 Thang sóng điện từ (Wavelength Regions of Electro-Magnetic Radiation) Cực tím (Ultraviolet) 0,3 - 0,4 µm ÁS nhìn thấy (Visible light) 0,4 - 0,7 µm Gần hồng ngoại sóng ngắn & nhiệt (Near shortwave & thermal infrared) 0,7 - 14 µm Sóng siêu cao tần (Micro wave) 1mm - m: Kỹ thuật Radar Hồng ngoại phản xạ (Reflective infrared) 0,7 - µm: Phản xạ chủ yếu từ ánh sáng mặt trời GIS TRONG QUẢN LÝ TNMT 5.1.6 Các loại viễn thám (Types of Remote Sensing): loại ứng với vùng bước sóng sử dụng • Vùng nhìn thấy hồng ngoại phản xạ (Visible and Reflective Infrared Remote Sensing) Dữ liệu nhận dựa vào phản xạ lượng mặt trời từ vật thể Cửùc ủaùi vụựi = 0,5àm ã Hong ngoaùi nhieọt (Thermal Infrared Remote Sensing) Sử dụng lượng xạ từ caực vaọt theồ Cửùc ủaùi ửựng vụựi = 10àm ã Vùng sóng cực ngắn (Microwave Remote Sensing): Chủ động bị động Viễn thám bị động: ghi nhận xạ sóng cực ngắn từ vật thể VT chủ động: ghi nhận phản xạ sóng từ vật thể cung cấp lượng riêng (Radar) GIS TRONG QUẢN LÝ TNMT 5.1.7 Phản xạ phổ lớp phủ mặt đất (Spectral reflectance of Land covers) GIS TRONG QUẢN LÝ TNMT 5.2 BỘ CẢM BIẾN (SENSORS) 5.2.1 Phân loaïi (Types of Sensors) GIS TRONG QUẢN LÝ TNMT Phân loại (Types of Sensors) 5.2.2 Đặc tính cảm quang học (Characteristics of Optical Sensors) Phổ Bộ cảm quang học Bức xạ Hình học Kênh phổ & bề rộng chúng Độ nhậy phim, khả kính lọc phổ Cảm biến xác Mức độ nhiễu Độ nhậy tuyến tính Trường nhìn; trường nhìn không đổi Biến dạng… GIS TRONG QUẢN LÝ TNMT 10 5.8.13 Lọc không gian (Spatial filtering): tăng cường hay cải tiến chất lượng ảnh cách áp dụng hàm hay toán tử lọc không gian ⇒ tăng chất lượng; tần số không gian ⇒ tái tạo ảnh • Lọc phạm vi không gian ảnh (filtering in the domain of image space): lọc không gian không gian ảnh thực cửa sổ trượt, với ma trận toán tử (nxn) số lẻ (3x3);(5x5);(9x9) f: ảnh nhập i+w j+w y: ảnh xuất y (i j ) = ∑ ∑ f ( k , l ) h(i − k , j − l ) h: hàm lọc k =i − w l = j − w • Lọc tần số không gian (filtering in the domain of spacial frequency): dùng biến đổi Fourier chuyển từ phạm vi không gian ảnh sang phạm vi tần số không gian nhö sau: G ( u , v ) = F (u , v ) H (u , v ) F:biến đổi Fourier ảnh xuất H: hàm lọc; u,v: tọa độ ảnh GIS TRONG QUẢN LÝ TNMT 57 5.8.14 Phân tích cấu trúc (Texture analysis): phân loại hay chia tách đặc tính cấu trúc ảnh ứng với hình dạng yếu tố nhỏ; mật độ & hướng phân bố chúng Thể toán học loại cấu trúc phức tạp ⇒ thích hợp cho việc giải đoán mắt • Sử dụng đặc tính thống kê (Use of statistical features): giá trị thống kê cửa sổ (n x n) sử dụng thể thông tin cấu trúc ⇒ Histogram cấp độ xám; Ma trận phương sai - hiệp phương sai …ai: : liệu ảnh (left) Phối hợp giá trị với liệu phổ phân loại ⇒ kết tốt •Sử dụng phổ công suất (Using power spectrum): áp dụng tốt cho ảnh chứa hình mẫu có khoảng cách cố định (sóng biển; cát) Ưng dụng chuổi Fourier để xác định phổ công suất ⇒ hướng, mật độ phân bố mẫu GIS TRONG QUẢN LÝ TNMT 58 5.8.15 Sự tương quan ảnh (Image correlation): kỹ thuật tìm điểm liên hợp ảnh & phụ để có hệ số tương quan cực đại p dụng cho ảnh ⇒ tạo DEM; ảnh đa thời gian ⇒ nhận biết tự động ground control points ai:: liệu ảnh (trái) r= n ∑ bi − ∑ ∑ bi ( ∑ bi ) ⇔r= 2 n ∑ ai2 − ( ∑ ) n ∑ bi2 − ( ∑ bi ) ∑ ∑ { }{ } bi : liệu ảnh phụ (ảnh phải) n : tổng liệu ảnh Kích thước cửa sổ phụ thuộc độ phân giải & kích thước đặc tính Khi điểm liên hợp xác định ⇒ DEM thiết lập GIS TRONG QUẢN LÝ TNMT 59 5.8 XỬ LÝ ẢNH - PHÂN LOẠI (IMAGE PROCESSING - CLASSIFICATION) 5.8.16 Kỹ thuật phân loại (Classification techniques) • Tăng cường chất lượng ảnh: tạo ảnh dễ nhận biết nội dung người giải đoán (phân tích định tính) Phương pháp: biến đổi cấp độ xám; histogram; tổ hợp màu (color composition)… • Tách đặc tính: xếp, phân loại thông tin ảnh theo yêu cầu tiêu (PT định lượng) Đặc tính phổ: tham số phổ, độ đậm nhạt màu sắc đặc biệt… Đặc tính hình học: hình dáng; kích thước; cấu trúc đường… Đặc tính cấu trúc: mẫu; tần xuất phân bố không gian; tính đồng GIS TRONG QUẢN LÝ TNMT 60 Form of Remotely Sensed Images (Airborne MSS Image) Band 12 Image Classification (Quantitative Analysis) Classe s For est Pad dy Gra ss B.Soi l Urb an Riv er Wat er  x1  x   2 x =        x12    Ban d1 Radiometric resolution - 255 pixel= 6.25*6.25m Number of pixels:256*256 25 Laøm để tách thông tin hửu ích từ ảnh Viễn thám? GIS TRONG QUẢN LÝ TNMT 61 GIS TRONG QUẢN LÝ TNMT 62 5.8.17 Ước tính thống kê vùng mẫu (Estimation of population statistics): phụ thuộc vào PP phân loại • Phân loại giám sát (Supervised classification): dùng luật định (decision rule) dựa thuật toán thích hợp để gán nhãn pixels ứng với vùng phủ cụ thể.⇒ thu thập liệu huấn luyện (training data) ứng với loại cụ thể⇒ ước tính thống kê vùng mẫu ⇒ tạo tiêu phân loại • Phân loại phi giám sát (Unsupervised classification): thông tin đối tượng cần phân loại ⇒ sử dụng đặc tính ảnh để phân loại theo trình tự sau: Ghép nhóm (Clustering): pixels gộp thành nhóm có đặc trưng phổ tương đối đồng Phân loại: loại nhóm xác định ⇒ ước tính thống kê vùng mẫu • Ước tính thống kê vùng mẫu: hàm mật độ xác suất sử dụng phổ biến Giá trị trung bình: (i=1,2,…m) n µi = Variance-covariance matrix n ∑ xij j =1 m ∑e = m ∑ ( xi − µe)( xi − µe) i =1 Ma trận phương sai-hiệp phương sai với m: số bands; n: số pixels GIS TRONG QUẢN LÝ TNMT 63 5.8.18 Ghép nhóm (Clustering): tạo nhóm liệu có đặc tính; chia thành loại: • Ghép nhóm phân cấp (Hierarchical clustering): tiêu đánh giá khoảng cách Gộp cặp nhóm có khoảng cách ngắn đạt số nhóm yêu cầu PP người láng giềng gần (Nearest neighbor): khoảng cách ngắn ⇒ nhóm PP người láng giềng xa (Furthest neighbor): khoảng cách xa ⇒ nhóm PP tâm điểm (Centroid method): khoảng cách trọng tâm nhóm ⇒ nhóm PP trung bình nhóm (Group average): K/C tính theo TB bình phương cặp số liệu ⇒ nhóm PP khu vực (Ward method): K/C tính theo TB bình phương trọng tâm nhóm ⇒ nhóm • Ghép nhóm không phân cấp (Non-Hierarchical clustering): Số nhóm ấn định trước với phân cách cao ⇒ pixel phân tích & ghép vào nhóm gần ISODATA & K mean PP tiêu biểu KC ngắn nhất, Pixels ⇒ nhóm thích hợp ⇒ tính lại trọng tâm nhóm ⇒ lặp đến nhóm ổn định GIS TRONG QUẢN LÝ TNMT 64 5.8.19 Phân loại hình hộp (Parallelpiped classifier): Multi-level Slicing (Supervised classification) Trên trục không gian phổ, loại xác địng dựa giá trị max & Pixels nắm không gian giới hạn ⇒ loại tương ứng Độ xác phụ thuộc việc chọn giá trị max & Ưu: đơn giản, xử lý nhanh Nhược: ph biết rỏ phân bố vùng mẫu loại; độ xác giãm có tương quan kênh GIS TRONG QUẢN LÝ TNMT 65 5.8.20 Phân loại theo định (Decision tree classifier): ghép nhóm phân cấp thông qua đánh giá đối tượng dựa đặc tính phổ kết hợp với tri thức chuyên gia Không có thuật toán tổng quát, sơ đồ phân loại chuyên gia định cho khả phân biệt loại cao dựa trên: gía trị phổ pixels; số tính từ gía trị phổ; thành phần • Ưu: thời gian phân loại < PP xác suất cực đại (MLC); tránh phân loại nhầm • Nhược: Độ xác phụ thuộc chủ yếu việc thiết kể định & tính chất để đánh giá đối tượng GIS TRONG QUẢN LÝ TNMT 66 5.8.21 Phân loại khoảng cách ngắn (Minimum distance classifier): phân loại đối tượng không gian phổ đa chiều Khoảng cách từ pixel khảo sát đến loại so sánh khoảng cách ngắn xem số đánh giá xác định trực thuộc loại tương ứng GIS TRONG QUẢN LÝ TNMT 67 5.8.22 Phân loại khoảng cách ngắn (Minimum distance classifier): t • Euclidian distance: d k = ( x − µ k ) ( x − µ k ) p dụng trường hợp phương sai loại khác (xem số đồng dạng) − d k = ( x − µ k )t σ k ( x k ) ã Normalized (chuẩn hóa) Euclidian distance: Không tồn mối tương quan kênh −1 dk = ( x − µk ) ∑ k ( x − µk ) • Mahalanobis distance: Khi tồn mối tương quan kênh không gian phổ t Trong công thức trên: X =[x1 x2 … xn ]: vector giá trị cấp độ xám (n bands) µ k= [m1 m2 … mn ]: trung bình loại k σ k : ma trận phương sai σ 11   σ  22  σk =  O M   M  L σ nn    ∑: ma trận phương sai-hiệp phương sai k  σ 11 σ 12 σ 1n  σ σ 22 L σ n  21  ∑k =  M O M   M  σ n11 σ n L σ nn    GIS TRONG QUẢN LÝ TNMT 68 5.8.23 Phân loại gần (Maximum likelihood classifier - MLC): sử dụng phổ biến đó, pixel phân gần xác vào loại tương ứng Likelihood Lk xác suất hậu định (posterior probability) pixel trực thuộc loại k Lk Maximum Lk = p ( k / X ) = p ( k ) × p ( X / k ) / ∑ p (i ) × p ( X / i ) Trong đó: p (k ): xác suất tiền định loại k p ( X / k ) : xác suất điều kiện xem X thuộc loại k (hàm mật độ xác suất) Thường p (k ) & ∑ p (i ) × p ( X / i ) xem cho tất loại ⇒ Lk phụ thuộc vào GIS TRONG QUẢN LÝ TNMT p( X / k ) 69 5.8.24 Phân loại gần (Maximum likelihood classifier - MLC): Nếu đối tượng quan sát tuân theo luật phân bố chuẩn (normal distributions) Lk tính sau: Lk ( X ) = n (2π ) ∑k   − exp − ( X − µ k ) ∑ k ( X − µ k )t    Lk (X) : xác suất mà X thuộc loại k; X =[x1 x2 … xn ]: vector giá trị cấp độ xám (dữ liệu ảnh với n kênh) µ k: vector trung bình loại k n : số kênh phổ ; ∑ k : ma trận phương sai-hiệp phương sai; ∑ k : định thức ma trận (determinant of Khi ma trận phương sai-hiệp phương sai đối xứng MLC ⇒ Euclidian distance Khi định thức MLC ⇒ Mahalanobis distance ∑)k MLC: thuật toán phân loại tối ưu sở giả thuyết hàm mật độ xác suất tuân theo luật phân bố chuẩn ⇒ nhận kết sai nếu: • Số lượng mẫu ứng với loại không đủ để tính xác giá trị thực tế • Dữ liệu có tương quan cao kênh phổ ⇒ ma trận nghịch đảo µ& k ∑k khô ∑ k ng ổn định (trước phân loại phải giảm số kênh cách phân tích thành phần PCA) • Hàm mật độ xác suất vùng mẫu không tuân theo luật phân bố chuẩn GIS TRONG QUẢN LÝ TNMT 70 5.8.25 Ma trận sai số phân loại (The classification error matrix): đánh giá độ xác phân loại ảnh viễn thám (chất lượng đồ giải đoán) thông qua số sai số Giả thiết n pixels phân vào K loại & Oij : thể phù hợp hàng i cột j ma traän K*K Actual Classes Interpreted Classes (1) (2) (K) Total (1) O11 O12 O1 k-1 O1 k S1+ (2) O21 O22 O2 k-1 O2 k S2+ (K-1) Ok-1 Ok-1 Ok-1 K-1 Ok-1 k Sk-1+ (K) Ok Ok k-1 Ok k Sk+ Ok K Total S+1 S+2 S+k-1 S+k n =∑ j =1 K ∑ i =1 Oij K ∑O K Tổng theo hàng Si+ = ∑ Tổng theo cột S+j = ∑ Oij i =1 j =1 K K n= K j =1 i =1 (loaïi thực) Oij K i =1 (loại giải đoán) K ∑ S+j = ∑ Si+ = ∑ ∑ j =1 i = Oij ii * 100 T= Độ xác toàn n cục:(Overall Accuracy) Si + − Oii Tỉ lệ % sai số bỏ sót: t i+ = Si + *100 ( error of omission) Tỉ lệ % sai số thực hiện: GIS TRONG QUẢNerror of commission) ( LÝ TNMT t +j = S + j − O jj S+ j *100 71 ... khai thác hiệu viễn thám GIS GIS TRONG QUẢN LÝ TNMT 30 5. 5 .5 Dữ liệu độ cao số GIS TRONG QUẢN LÝ TNMT 31 5. 6 GIẢI ĐOÁN ẢNH TRONG VIỄN THÁM (IMAGE INTERPRETATION IN REMOTE SENSING) 5. 6.1 Tách thông... Chụp ảnh đa phổ GIS TRONG QUẢN LÝ TNMT 25 5 .5. 1 Dữ liệu ảnh số (tt) Các khuôn dạng ảnh số lưu viễn thám GIS TRONG QUẢN LÝ TNMT 26 5. 5.2 Dữ liệu mặt đất Dữ liệu mặt đất sử dụng cho mục đích sau:... khoảng 2-5cm vị trí 20 đến 30cm cho độ cao GIS TRONG QUẢN LÝ TNMT 28 5. 5.3 Số liệu định vị mặt đất (tt) GIS TRONG QUẢN LÝ TNMT 29 5. 5.4 Dữ liệu đồ Để phục vụ cho công tác nghiên cứu khác viễn thám