Bài tập cơ sở viễn thám 'Thực hành phân loại thông tin trên tư liệu ảnh viễn thám trong ENVI (P2)

Maximum Merge Pairs: Số các cặp lớp tối đa có thể được gộp. Khi khoảng cách tối thiểu giữa các giá trị trung bình của các lớp nhỏ hơn khoảng giá trị ta chọn thì sẽ gộp lại và tham số này quyết định xem tối đa có bao nhiêu cùng thỏa tính chất được gộp. Để có thể phát huy tính năng này ta lên chọn số lần lặp lớn hơn 1.
Nội dung trích xuất từ tài liệu:
Bài tập cơ sở viễn thám “Thực hành phân loại thông tin trên tư liệu ảnh viễn thám trong ENVI" (P2) Chọn tham số:  Maximum Merge Pairs: Số các cặp lớp tối đa có thể được gộp. Khi khoảng cách tối thiểu giữa các giá trị trung bình của các lớp nhỏ hơn khoảng giá trị ta chọn thì sẽ gộp lại và tham số này quyết định xem tối đa có bao nhiêu cùng thỏa tính chất được gộp. Để có thể phát huy tính năng này ta lên chọn số lần lặp lớn hơn 1.  Maximum Stdev From Mean: Khoảng cách độ lệch chuẩn tối đa từ giá trị trung bình của lớp. Đây là tham số cho phép độ lệch chuẩn tối đa của giá trị trung bình của lớp.  Maximum Distance Error: Khoảng sai số tối đa cho phép xung quanh giá trị trung bình của lớp. Các pixel trong một lớp phải thỏa mãn tham số này có nghĩa là có sai số so với giá trị trung bình của lớp không vượt quá tham số này. Khoảng sai số tối đa cho phép Khoảng sai số tối đa cho phép Khoảng sai số tối đa cho phép xung quanh giá trị trung bình xung quanh giá trị trung bình xung quanh giá trị trung bình của lớp là 10, giá trị tham số của lớp là 20, giá trị tham số của lớp là 50, giá trị tham số này nhỏ quả vì vậy mà các này đã lớn hơn trường hợp bên này đã phân loại tất cả các pixel thỏa mãn điều kiện này nhưng vẫn nhỏ chính vì vậy điểm pixel trên ảnh, ta cần ít, chính vì vậy mà trên ảnh vẫn còn nhiều pixel chưa được chọn tham số này không được phân loại hầu hết các pixel gán vào lớp nào cả. nhỏ quá. thuộc lớp không xác định. I.1.2. Phương pháp phân loại K-Means Phân loại không kiểm định dùng các kỹ thuật thống kê để nhóm dữ liệu n chiều thành các lớp phổ tự nhiên. Phân loại không kiểm định theo phương pháp K-Means sẽ dùng cách phân tích nhóm, yêu cầu người phân tích phải chọn số nhóm cần đặt trong dữ liệu, tùy ý đặt số các nhóm và xác định lại vị trí của chúng lặp đi lặp lại đến khi đạt được sự phân chia tối ưu các lớp phổ. Trên menu chính của ENVI chọn Classification > Unsupervised > K-Means. Hộp thoại hiện ra cần thiết lập các tham số sau trong hộp thoại.(Ý nghĩa các tham số đã được trình bày trên phương pháp Isodata) Hình: Hộp thoại phân loại theo phương pháp K-Means  Phương pháp không có các tham số sau so với phương pháp Isodata:Change Threshold, Minimum pixel in class, Maximum class Stdv, Minimum class Distance, Maximum Merge Pairs. Tại Output Result to tích chọn ghi lưu theo file dữ liệu hoặc bấm chọn Memory. Nhấp OK. Ta thu được kết quả. Chọn các tham số trong hộp thoại trên để so sánh. Việc so sánh, nhận xét tương tự như phương pháp Isodata. Số lớp ta chọn thì trên ảnh sẽ Số lớp tạo ra là 10 lớp mức độ Số lớp tạo ra là 15 lớp mức phân thành bấy nhiêu lớp bằng phân loại đã có độ chính xác cao độ phân loại đã có độ chính tham số ta chọn. Số lớp trên hơn trường hợp bên. xác cao hơn 2 trường hợp bên. ảnh ít chính vì vậy mà trên ảnh Nhưng mức độ phân chia nhỏ phân loại có độ chính xác nếu như cần nghiên cứu mức không cao. độ liên tục thì không cần thiết. I.2. Phân loại có kiểm định Phân loại có kiểm định yêu cầu người sử dụng phải chọn vùng mẫu làm cơ sở phân loại. Tiếp đó dùng các phương pháp so sánh để đánh giá liệu một pixel nhất định đã đủ tiêu chuẩn để gán cho một lớp chưa. Phần mềm ENVI cung cấp một loạt các phương pháp phân loại khác nhau, bao gồm Parallelepiped, Maximum Likelihood, Minimum Distance, Mahalanobis Distance, Binary Encoding và Spectral Angle Mapper. Để thực hiện các phân loại, dùng Classification > Supervised > Method, ở đây Method là một trong các phương pháp phân loại có kiểm định của ENVI. Hình: Menu phân loại có kiểm định I.2.1. Chọn mẫu tại vùng thử nghiệm (ROI) Vùng mẫu là vùng chọn để cho chương trình dựa vào đó để phân loại. Chính vì vậy mà ta cần chọn các vùng mẫu cho chính xác và phù hợp với mục đích cần phần loại, cần chọn lựa các vùng mẫu này ở ngoài thực địa và các tài liệu liên quan để có thể lấy vùng mẫu chuẩn. Ta có thể dùng ảnh phân loại theo phương pháp không kiểm định để ra ngoài thực địa chọn một cách hiệu quả. Việc chọn những ROI polygons này cần phải được tuân thủ theo tiêu chí là những vùng có đặc tính phổ đồng nhất và đặc trưng cho đối tượng cần phân loại. Những tính chất thống kê của các ROI polygons cần được xem xét để đảm bảo chất lượng của quá trình phân loại tiếp theo. Chọn mẫu phân loại a) Chọn Overlay > Region of Interest từ menu Main Image Window hoặc từ menu chính của ENVI chọn Basic Tools > Region of Interest. Hộp thoại ROI Definition xuất hiện. b) Vẽ một polygon (đa giác) tượng trưng vùng thử nghiệm  Trong cửa sổ Main, kích phím trái chuột để tạo điểm đầu của polygon ROI  Lần lượt chọn các điểm biên bằng cách lại kích phím trái chuột. Đóng polygon bằng cách kích phím phải chuột. Kích phím giữa chuột để xóa điểm vừa tạo hoặc xóa toàn bộ polygon (nếu bạn đã đóng polygon đó). Cố định polygon bằng cách kích phím phải chuột lần nữa.  Cũng có thể xác định ROIs trong cửa sổ Zoom và Scroll bằng cách chọn nút radio thích hợp ở phía trên hộp thoại ROI Controls. Khi kết thúc việc xác định một ROI, ROI này sẽ được hiển thị trong danh sách Available Regions trong hộp thoại ROI Controls, có ghi tên, màu vùng và số các pixel kèm theo và có trong tất cả các qui trình phân loại của ENVI. c) Xác định một ROI mới, kích vào “New Region” Ta có thể nhập tên cho vùng và chọn màu nền bằng cách kích vào ROI Name và Color để nhập và thay đổi theo ý mình. Hình: Hộp thoại chọn mẫu phân loại Ta nên chọn số điểm pixels trong vùng mẫu là nhiều hơn 100 điểm, ta có thể chọn nhiều vùng trong một ROI, khi chọn vùng nên chọn trên cửa sổ Zoom để ch ...