3 Kết quả phân loại rừng ngập mặn dựa trên đặc tính phổ ..............................

Hình 3.3 Kết quả trừ ảnh kênh 3 và kênh 4 (màu sáng chỉ nước, màu tối chỉ thực vật)



Bước 2: Thực hiện phép trừ ảnh ở kênh 4 và kênh 3. Do hệ số phản xạ của

nước ở kênh 3 lớn hơn kênh 4, trong khi đó ở thực vật là ngược lại, khi đó, trên

ảnh kết quả, nước có màu tối do nhận giá trị dương, thực vật có màu sáng do

nhận giá trị âm (hình 3.4).



37



Hình 3.4 Kết quả trừ ảnh kênh 4 và kênh 3 (màu tối chỉ nước, màu sáng chỉ thực vật)



Bước 3: Sử dụng hàm step đối với ảnh nhận được ở bước 1 nhằm đưa các

pixel có giá trị âm về 0, các pixel có giá trị dương về 1. Kết quả nhận được là

một ảnh nhị phân, trong đó thực vật nhận giá trị 1 (màu trắng sáng), nước nhận

giá trị 0 (màu đen). Kết quả được thể hiện trên hình 3.5 dưới đây.



37



Hình 3.5 Kết quả tính hàm step ảnh band4-band3



Bước 4: Sử dụng hàm Step đối với ảnh nhận được ở bước 2 nhằm đưa các

pixel có giá trị âm về 0, các pixel có giá trị dương về 1. Kết quả nhận được là

một ảnh nhị phân, trong đó thực vật nhận giá trị 0 (màu đen), nước nhận giá trị 1

(màu trắng sáng). Kết quả được thể hiện trên hình 3.6 dưới đây



37



Hinh 3.6 Kết quả tính hàm số step band3-band4



Bước 5: Sử dụng kỹ thuật tổ hợp màu sắc RGB, trong đó ảnh nhận được

trong bước 3 ở kênh sóng R (red), ảnh nhận được trong bước 4 ở kênh sóng G

(green) và ở kênh sóng B (blue) là ảnh nhận được ở bước 3. Kết quả tổ hợp màu

được thể hiện trên hình 3.7 dưới đây.

Trên ảnh kết quả, nước được biểu diễn ở màu xanh, trong khi thực vật

ngập mặn được biểu diễn ở màu vàng. Kết quả phân loại cho thấy, diện tích

rừng ngập mặn ở khu vực nghiên cứu là 10341.8 hecta, trong khi diện tích nước

là 2158.03 hecta (bảng 3.1).

Bảng 3.1 Phân loại dựa trên đặc tính phổ

STT

1

2



Tên đối tượng

Nước

Thực vật ngập mặn



37



Diện tích (hecta)

2158.03

10341.8



Nước

Thực vât ngập mặn

Hình 3.7 Kêt quả phân loại thực vật ngập mặn và nước



3.4 Phân loại bằng phương pháp phân loại tự động có kiểm định

Để phân loại rừng ngập mặn từ dữ liệu ảnh QuickBird, trong đồ án sử

dụng thuật toán hình hộp kết hợp xác suất cực đại. Đây là phương pháp phân

loại đã chứng tỏ ưu điểm so với các phương pháp phân loại khác và được kiểm

chứng trong nhiêu nghiên cứu trên thế giới.

Để tiến hành phân loại, bước đầu tiên cần chọn dữ liệu mẫu. Trong nghiên

cứu này tiến hành lấy mẫu cho 2 đối tượng: nước và rừng ngập mặn. Kết quả

xác định dữ liệu mẫu được trình bày trên hình 3.7 dưới đây.



37



Nước



Rừng ngập mặn



Hình 3.8 Dữ liệu mẫu đối tượng nước và rừng ngập mặn



Kết quả phân loại được thể hiện trên hình 3.9 dưới đây. Trên ảnh kết quả,

nước được biểu diễn ở màu xanh, rừng ngập mặn ở màu vàng.



Nước

Thực vât ngập mặn

Hình 3.9 Kết quả phân loại nước và thực vật bằng phương pháp hình hộp kết hợp xác

suất cực đại



37



Kết quả xác định diện tích rừng ngập mặn và nước được thể hiện trong

bảng 3.2. Phân tích kết quả phân loại cho thấy, diện tích rừng ngập mặn trong

phương pháp phân loại tự động có kiểm định bằng thuật toán hình hộp kết hợp

xác suất cực đại là 10191.7 hecta, diện tích nước là 2304.95 hecta.

Bảng 3.2: Phân loại bằng phương pháp xác suất cực đại



3.5



STT

1

2



Tên đối tượng

Nước

Thực vật ngập mặn



Diện tích (hecta)

2304.95

10191.7



So sánh kết quả phân loại

Phân tích kết quả phân loại thực vật ngập mặn và nước bằng phương pháp

phân loại thống kê sử dụng thuật toán hình hộp kết hợp xác suất cực đại và

phương pháp phân loại dựa trên đặc trưng phản xạ phổ cho thấy, về cơ bản diện

tích rừng ngập mặn xác định từ hai phương pháp phân loại này là như nhau.

Trong phương pháp phân loại dựa trên đặc trưng phản xạ phổ, diện tích rừng

ngập mặn chiếm 83% diện tích khu vực nghiên cứu (10341.8 hecta), trong khi ở

phương pháp phân loại tự động có kiểm định, diện tích rừng ngập mặn chiếm

82% (10191.7 hecta). Kết quả phân loại được thể hiện trên hình 3.10 và 3.11

dưới đây.



Hình 3.10 diện tích phân loại dựa trên đặc tính phổ



37



Hình 3.11 Diện tích phân loại bằng phương pháp xác suất cực đại



Độ chính xác trong phương pháp phân loại dựa trên đặc trưng phản xạ

phổ của thực vật và nước là cao hơn so với phương pháp phân loại thống kê do

trên ảnh QuickBird, phổ phản xạ của thực vật và nước khác nhau rõ rệt. Do vậy,

trong các bài toán phân loại với số lượng đối tượng cần phân loại ít, ảnh có

nhiều dải phổ khác nhau, phương pháp phân loại dựa trên đặc trưng phản xạ phổ

của các đối tượng cần phân loại cho kết quả chính xác hơn, đặc biệt, phương

pháp phân loại này la hoàn toàn tự động, không phụ thuộc khả năng cũng như

kinh nghiệm của người giải đoán.



37