Phan 2_Phan men eCognition 8.pdf

phần mền eCognition cho phân loại Định loại Định hướng đối tượng S ử dụng ph

PHẦN II. SỬ DỤNG PHẦN MỀN ECONIGTION 8.0 (eCognition Developper 8.0) CHO PHÂN LOẠI ĐỊNH HƯỚNG ĐỐI TƯỢ NG NG Chương 1. Phần mền eCognition và M ột số khái ni ệm cơ bản Ecognition là phần mền đượ c cung cấ p và phát triển bở i công ty Definiens AG – CHLB CHLB Đức. eCognition đượ c s ử dụng để phân tích ảnh ở nhi nhiều t ỷ lệ khác nhau từ tỷ lệ r ất nh ỏ như cấu trúc tế bào đến t ỷ lệ lớn như các ả nh v ệ tinh.Ví dụ, sử dụng eCognition để phân tích ảnh c ủa các tế bào trong y học, chiết tách các đối tượ ng ng t ừ ảnh vệ tinh phục vụ cho việc quan sát, quản lý tài ng, phân loại r ừng….Trong eCognition ảnh phân tích theo hai nguyên thiên nhiên và môi trườ ng, ng: tự động và bán tự động. con đườ ng: Công ty Definiens cung cấ p hai bộ phần mềm:  

Definiens XD: thiết k ế cho phân tích ảnh đa chiều Definiens Enterprise Image Intelligence ® : dùng cho phân tích ảnh 2 chiều.

Một số khái ni ệm cơ bản sử d dụng trong eCognition a. Đối tượ ng ng ảnh (Image Object) Trong xử lý ảnh, đối tượ ng ng ảnh là sản phẩm của quá trình phân mảnh ảnh (segment). Mỗ i ng ảnh là tậ p hợ p của một nhóm Pixel. Mỗi đối tượ ng ng ảnh sẽ chứa r ất nhiều thông đối tượ ng tin. Thông tin về đối tượ ng ng bao gồm bốn lo ại: 1) thông tin về đặc trưng phổ ảnh c ủa đố i ng, 2) thông tin về các yếu t ố hình thái của đối tượ ng, ng, 3) thông tin về quan hệ của đố i tượ ng,

ế Nghiên Trung tâm Quố c t ế Nghiên cứ u Biến đổ i Toàn cầu (ICARGC)- ĐHQGHN

Page 1


ng này với đối tượ ng ng khác trên ảnh và 4) thông tin về quan hệ của đối tượ ng ng trên ảnh tượ ng với các đối tượ ng ng bên ngoài ảnh lấy từ các nguồn thông tin khác (bản đồ địa hình, bản đồ

đất, bản đồ thuỷ văn v.v.)

b. Phân mảnh ảnh (segmentation) Phân mảnh ảnh là sự chia nhỏ hình ảnh thành các phần nhỏ (segment) dựa trên các tiêu chí: màu sắc (color), hình dạng (shape), độ chặt (compactness), độ trơn (smoothness). Sự phân mảnh tạo ra các đối tượ ng ng ảnh, các đối tượ ng ng ảnh này đượ c gọi là các đối tượ ng ng

ảnh nguyên thuỷ (Đối tượ ng ng ảnh chưa phân loạ i)

c. Mạng phân cấp đối tượ ng ng ảnh

Hình 1: M ạng phân c ấp đối tượ ng ng ảnh

Hình 1 cho th ấy, mức th ấ p nh ất có thể có của một ảnh chính là mức pixel và mức cao nhất là mức toàn ảnh. Giữa hai mức này bao giờ c cũng tồn tại các đối tượ ng ng ở các các mức trung gian và mức này là mức “Con” (child) c ủa mức ở trên nó đồ ng thờ i lại là mức


Page 2


ng này với đối tượ ng ng khác trên ảnh và 4) thông tin về quan hệ của đối tượ ng ng trên ảnh tượ ng với các đối tượ ng ng bên ngoài ảnh lấy từ các nguồn thông tin khác (bản đồ địa hình, bản đồ

đất, bản đồ thuỷ văn v.v.)

b. Phân mảnh ảnh (segmentation) Phân mảnh ảnh là sự chia nhỏ hình ảnh thành các phần nhỏ (segment) dựa trên các tiêu chí: màu sắc (color), hình dạng (shape), độ chặt (compactness), độ trơn (smoothness). Sự phân mảnh tạo ra các đối tượ ng ng ảnh, các đối tượ ng ng ảnh này đượ c gọi là các đối tượ ng ng

ảnh nguyên thuỷ (Đối tượ ng ng ảnh chưa phân loạ i)

c. Mạng phân cấp đối tượ ng ng ảnh

Hình 1: M ạng phân c ấp đối tượ ng ng ảnh

Hình 1 cho th ấy, mức th ấ p nh ất có thể có của một ảnh chính là mức pixel và mức cao nhất là mức toàn ảnh. Giữa hai mức này bao giờ c cũng tồn tại các đối tượ ng ng ở các các mức trung gian và mức này là mức “Con” (child) c ủa mức ở trên nó đồ ng thờ i lại là mức


Page 2


“Cha” (parent) của các đối tượ ng ng ở mức thấp hơn. Để đảm b ảo có đượ c mạng phân cấ p để sử dụng cho phân lo ại thì vi ệc phân mảnh ảnh phải tuân thủ các quy tắc sau: Ranh giớ i của đối tượ ng ng ở mức thấp hơn phải nằm trong ranh gi ớ i c ủa đối tượ ng ng ở m mức cao hơn, 

Các tiêu chí s ử d ụng để phân loại đối tượ ng ng ở m m ức th ấp hơn phải bao gồm các tiêu chí ở các các mức cao hơn ngay trước đó , 

Về phương diện thực nghiệm thì mạng phân cấ p tạo ra các cơ sở t tốt cho việc chiết xuất thông tin khi t ận dụng đượ c mọi quan hệ tạo ra từ tính phân cấ p này.

d. Bộ quy tắc (Rule set) Trong xử lý ảnh, bộ quy tắc bao gồm các tiêu chí đượ c thiết l ậ p sao cho c ho đối tượ ng ng này có thể tách khỏi đối tượ ng ng khác trên ảnh phục vụ mục đích phân loại.

e. Image Object domain

Hình 2: Nhóm chuyên đề c của đối tượ ng ng ảnh (Image Object Domain)

Nhóm đối tượ ng ng ảnh là tậ p hợp các đối tượ ng ng thuộc một chuyên đề ở các các cấp đượ c sử dụng để phân lo ại (“Cha”, “Con”, “Cháu”. Chắt” v.v.). Nhóm l ớ n nhất chính là toàn bộ ảnh; nhóm nhỏ nhất chỉ gồm một lớp và dướ i nó không còn lớ p nào khác. ế Nghiên Trung tâm Quố c t ế Nghiên cứ u Biến đổ i Toàn cầu (ICARGC)- ĐHQGHN

Page 3


Chương 2. Sử d dụng phần mền eCognition 8.0 Sơ đồ chung phân lo ại định hướng đối tượ ng ng

Hiển thị và quản lý dữ li liệu

Trộn ảnh và tăng cườ ng ng chất lượ ng ng ảnh

Phân mảnh ảnh và xem các đặc trưng của đối tượ ng ng ảnh

Thiết lập chú gi ải các lớ p phân lo ại

Thiết lập bộ quy t ắc và ti ến hành phân lo ại

Chỉnh sử a kết quả

Đánh iá kết uả và xuất kết uả

Quá trình phân lo ại định hướng đối tượ ng ng trên eCognition đướ c tiến hành theo sau các bướ c : Bướ c 1: Hiể n thị và quản lý d ữ ữ li liệu Bướ c 2: Tr ộn các kênh ảnh và tăng cườ ng ng chất lượ ng ng ảnh Bướ c 3: Phân mảnh ảnh và xem các đặc trưng của đối tượ ng ng ảnh Bướ c 4: Thiế t lậ p chú giải cho phân lo ại ế Nghiên Trung tâm Quố c t ế Nghiên cứ u Biến đổ i Toàn cầu (ICARGC)- ĐHQGHN

Page 4


Bướ c 5: Thiế t lậ p quy t ắ ắc và tiế n hành phân lo ại Bướ c 6: Chỉ nh ết quả bằ ng nh sử a k ế ng tay Bước 7: Đánh giá kế t quả và xuấ t k ế ết quả

1. Khởi động chương tr ình Ecognition 8.0 8.0 Click vào Start > Programs> eCognition Developer Trial 8.0> eCognition Developer Trial


Page 5

S ử dụng phần mền eCognition cho phân loại Định hướng đối tượng

Process Tree

Class Hierarchy

View Feature View Image Object Information

Thanh thực đơn (Menu) bao gồm các Menu sau: File, view, image objects, Analysis, Library, Classification, Process, Tools, Export, Window, Help

1.1.

File menu

Trung tâm Quố c t ế Nghiên cứ u Biến đổ i Toàn cầu (ICARGC)- ĐHQGHN

Page 6


Trên Thanh file menu gồm một số công cụ chính thườ ng xuyên sử dụng: -

Load image file: nhậ p file ảnh

- New project: T ạo một Project mớ i

1.2.

-

Open project: Mở một Project đã có

-

Modify Open project: Thay đổ i Project đang mở

View menu


Page 7


Thanh view menu gồm:

1.3.

-

View setting: mở và đóng cửa sổ View setting

-

Image layer mixing: mở và đóng công cụ tr ộn các kênh ảnh, tăng cườ ng chất lượ ng ảnh

-

Filter classes for dislay : cho phép lọc các lớ p phân loại để hiển thị trên nền ảnh gốc.

Image objects menu


Page 8


Image object information: xem các thông tin đối tượ ng ảnh Delete level: xoá bỏ một mức đối tượ ng ảnh

1.4.

Analysis Builder

1.5.

Library men

1.6. Classification menu


Page 9


Class hierarchy: mạng phân cấ p các lớ p phân loại Legend: chú giải phân loại

1.7. Process menu Process tree: cửa sổ thiết lậ p bộ quy tắc cho phân tích ảnh Load rule set: mở bộ quy tắc tồn tại Save rule set: save bộ quy tắc Delete Rule set: Xoá một bộ quy tắc

1.8. Tools menu Feature view: cửa sổ quan sát các đặc trưng đối tượ ng ảnh Manual editting: công cụ chỉnh sửa bằng tay


Page 10


1.9. Export menu

1.10. Window menu

1.11. Help menu


Page 11


Một số Icon thườ ng xuyên sử dụng:


Page 12


2. Tạo mớ i một Project, save và mở project -

Để t ạo mớ i một project có thể làm theo hai cách sau: Cách 1: Trên thanh Menu chọn File New project

Cách 2: kích vào biểu tượ ng tạo mớ i project trên thanh công cụ


Page 13


Sau đó, Cửa sổ import image layer hiện ra, chọn ảnh cần phân tích: - File name: Donglac_44a_VN2K - File of type: lựa chọn khuôn dạng của file ảnh Tiế p theo, click open để mở ảnh


Page 14


-

-

Trên cửa sổ creat project cung cấ p một số thông tin của ảnh như: hệ thống toạ độ (coordinate system), độ phân giải của ảnh (Resolution), project size, geocoding, các kênh ảnh…. Để phân tích trên một phần của ảnh bằng cách click vào: subset selection trên cửa sổ new project


Page 15


-

save một project Vào File save project save

trên cử a sổ save project đặt tên project c ần lưu


Page 16


-

Mở một project Vào file open project  chọn project cần mở


Page 17


3. Trộn các kênh ảnh và tăng cườ ng chất lượ ng ảnh Để tr ộn ảnh: trên thanh thực đơn chọ n View Image layer mixing hoặc trên thanh công cụ

-

Trên hộ p layer mixing, cho phép hiển thị từng layer, nhiều kênh ảnh… Trên hộ p equalzing, cho phép lựa chọn các cách tăng cườ ng ảnh khác nhau như: linear, standard deviation, Gamma correction, Histogram, Manual

Ngoài ra, có thể đánh trọng số cho các layer của ảnh bằng cách bỏ dấu stick trên No weight layer Trung tâm Quố c t ế Nghiên cứ u Biến đổ i Toàn cầu (ICARGC)- ĐHQGHN

Page 18


Thay đổ i tr ọng số của từng layer bằng cách: tích chuột trái lên t ừng kênh ảnh để tăng trọng số, tích chuột phải lên t ừng kênh ảnh để giảm tr ọng số. Mục đích chính củ a quá trình tr ộn ảnh và tăng cườ ng chất lượ ng ảnh giúp mắt ngườ i có thể nhận biết tốt nhất đối tượ ng trên ảnh cần chiết tách.

4. Sử dụng thuật toán Segmentation cho s ự phân mảnh đối tượ ng ảnh -

Trên cửa sổ process tree  click chuột phải chọn Append new


Page 19


Trên của sổ append new, trên hộ p thuật toán Algorithm kéo thả để chọn thuật toán phân mảnh.

eCognition cung cấ p một số thuật toán cho phân mảnh ảnh (segmentation) như: Thuật toán chessboard segmentation, Thu ật toán quatree based segmentation, Thu ật toán multiresolution segmentation Thuật toán phân mảnh thường xuyên đượ c sử dụng trong quá tình xử lý ảnh là phân mảnh đa độ phân giải (Multi-segmentation) Multi-segmentation: Áp d ụng mức độ tối ưu hoá làm giả m thiểu mức độ bất đồng nhất của đối tượ ng ảnh cho một độ phân giải nhất định. Thuật toán có thể đượ c ứng d ụng trên mức Pixel hay mức đối tượ ng ảnh. Thuật toán đượ c thực hiện dựa theo việc lựa chọn các tr ọng số về hình dạng (shape), màu sắc (color), độ chặt (compactness), độ trơn (smothness) do ngườ i phân loại lựa chọn (các tr ọng số này có thể thay đổi dễ dàng). Nguyên lý của thuật toán đượ c trình bày sơ đồ hình 3


Page 20


Hình 3: Sơ đồ phân m ả nh theo thuậ t toán multiresolution segmentation


Page 21


-

Level name: để đặt tên cho Level

-

image layer weights: để đặt tr ọng số cho từng layer.

-

Scale parameter: thay đổ i tham số tỷ lệ Tham số t ỷ lệ ( Scale parameter) :

là vấn đề quan tr ọng trong việc lý giải thông tin trên ảnh và thường đượ c hiểu trên cơ sở kích thướ c pixel.Tham số này thể hiệ n kích thướ c của đối tượ ng ảnh trong quá trình phân mảnh.Tham số này càng lớ n thì kích thước đối tượ ng ảnh tạo ra càng lớn và ngượ c lại.

Sau khi đặt xong các tham số, click chuột vào Execute để thực hiện quá trình phân mảnh ảnh

Hình 4: K ết quả quá trình phân m ảnh ảnh vớ i Scale=50, shape=0.2, compactness=0,5

5. Tạo các lớ p cho phân lo ại Vào Classification

class hierarchy

Trong cửa sổ class hierarchy , click chuột phải chọn insert class để thêm các lớ p


Page 22


-

Name: Đặt tên cho các class

-

Lựa chọn màu cho lớ p


Page 23


6. Xem đặc trưng của đối tượ ng ảnh -

Đây là giai đoạ n r ất quan tr ọng để tìm ra ngưỡ ng (threshold) cho sự phân loại các đối tượ ng ảnh. Mỗi một đối tượ ng ảnh có chứa những thông tin thuộc tính. Các thông tin thuộc tính này có thể là các thông tin về giá tr ị phổ của các lớp, độ sáng, hình dạng, vị trí, cấu trúc, diện tích, khoảng cách đến đườ ng biên bên phải, đườ ng bên bên trái của ảnh …..

-

Để nhìn đặc trưng đối tượ ng ảnh, trên thanh thực đơn, vào Tools


feature view

Page 24


Trên cửa sổ Feature view chúng ta có thể xem thông tin c ủa các đối tượ ng nằm trong một khoảng giá tr ị nhất định  phục vụ cho việc xác định ngưỡ ng (threshold) phân loại. Trung tâm Quố c t ế Nghiên cứ u Biến đổ i Toàn cầu (ICARGC)- ĐHQGHN

Page 25


Hình 4: Trên cửa sổ trên tất cả các đối tượ ng ảnh màu Blue là các đối tượ ng ảnh có giá tr ị Brighness trong khoảng [50, 100]).

7. Thiết lập thêm các ch ỉ số eCognition cho phép thiết lậ p thêm các chỉ số phục vụ cho việc nhận biết, phân tích đố i tượ ng ảnh.

Để thiết lậ p thêm chỉ số trên cửa sổ Feature view

object features

customized

Creat new ”Arithmetic feature”


Page 26


Cửa sổ customized Feature xuất hiện: -

Feature name: đặt tên thuật toán

-

Feature caculator : thiết lậ p biểu thức tính chỉ số

-

Ok


Page 27


Ví dụ: Tính chỉ số tổng giá tr ị xám độ trung bình theo TRRI=( DN1+DN2+DN3)/(3*255)

8. Lập bộ quy tắc cho phân lo ại ảnh Donglac_44a_VN2K Bộ nguyên tắc sử dụng trong phân loại đối tượ ng bao gồ m các thuật toán phân mảnh ảnh (segment), các thuật toán phân lo ại đối tượ ng ảnh, cũng như các thuật toán kiểm tra thông tin đối tượ ng ảnh, nhậ p dữ liệu, xuất dữ liệu….đượ c thiết lậ p trên cửa sổ Process Tree. Việc lậ p một bộ rule set trong phân loại ảnh đối tượng đòi hỏ i ngườ i phân tích ảnh phải có r ất nhiều hiểu biết khác nhau nhue: đặc trưng củ a từng kênh ảnh, đặc trưng phả n xạ của đố i tượ ng trên ảnh, sự hiểu biết khu vực nghiên cứu, mối quan hệ giữa các đối tượ ng vớ i nhau.


Page 28


Sơ đồ thiế t lậ p phân loại các đối tượ ng trên ảnh Donglac_44a_VN2K

Phân mảnh ảnh l n 1 (Segmentation 1)

R ừng (Forest)

R ừng 1 (Forest

R ừng 2 (Forest 2)

Không phải r ừng (Non-forest)

R ừng 3 (Forest 3)

Phân mảnh ảnh 2 (Segmentation 2)

Mặt nướ c (Surwater)

Đất tr ống

Giao thông (Road)

Phân ảnh l n 3

Đất NN (Agri-

Nương r ẫy

Cây bụi

Chi tiết các bướ c l ậ p bộ Rule set cho phân lo ại ả nh Donglac_44a_VN2K

-

Phân mảnh ảnh lần 1 (segmentaion 1: Tách hai đối tượ ng riêng biệt là R ừng và Không phải r ừng

-

Trong đối tượ ng R ừng, sử dụng các đặc trưng đối tượng để tách thành các lo ạ i r ừng khác nhau: R ừng 1, R ừng 2, R ừng 3


Page 29

Thổ cư (Resland)


-

Đối với đối tượ ng không phải là R ừng, để tách nhỏ thành các đối tượng Đất nông nghiệ p, mặt nước, đất tr ống-cây bụi, đườ ng giao thông, Thổ cư dựa theo sự phân mảnh lần 2 (segmentation 2)

Chi tiết các bước như sau:

Trong cửa sổ Process tree

Click

chuột phải chọn Append new

Name: segment 1


Page 30



Page 31


Hình 5: K ết qu ả phân mảnh ảnh 1 (segmen1): vớ i Scale=50, shape=0.1, compactness=0.5 Sau khi phân mảnh ảnh xong, bắt đầu tiến hành phân lo ại: Trên process tree

nhấn chuột phải

chọn Assign class


Page 32



Page 33



Page 34


Trên cửa sổ Edit Process  chọn Thresold condition để xác định ngưỡ ng Use class: l ớ p chuyên đề ok


Page 35


Đối tượ ng R ừng đượ c phân loại thoả mãn điều kiện chỉ số DNMT=[0, 0.93] Các đối tượ ng không phân loại còn lại unclassify thuộc vào đối tượ ng không phải là R ừng


Page 36


K ết qu ả ảnh đượ c phân loại thành hai nhóm đối tượ ng : R ừng (forest) và không phải là R ừng (Non-forest). Dùng lệnh Merge region để gộ p tất cả các lớ p không phải là R ừng (non- forest).

Để tách các đối tượ ng nhỏ trong lớ p không phải là r ừng ta sử dụng sự phân mảnh lần 2 ( segment 2).


Page 37


(K ết qu ả của quá trình merge đối tượ ng không phải R ừng Non-Forest)


Page 38


K ết qu ả của quá trình phân mảnh lần 2 ( segment 2) trên đối tượng đượ c chọn là Non-forest. Tiế p theo, sử dụng các đặc trưng của đối tượ ng ảnh để tách các đối tượ ng nhỏ hơn (Đố i tượ ng “Con”).

Trong nhóm đối tượ ng R ừng chia ra làm các đối tượ ng nhỏ hơn là Rừ ng 1, R ừng 2, R ừng 3 Trong nhóm đối tượ ng không phải R ừng (Non-forest) chia ra làm các đối tượng đườ ng giao thông, Đất thổ cư, Đất tr ống cây bụi, mặt nước, đất nông nghiệ p. Bộ quy tắc thiết lậ p:


Page 39


K ết qu ả phân loại R ừng và ko R ừng:


Page 40


9. Chỉnh sử a bằng tay Công cụ Chỉnh sửa bằng tay bao gồm: gộp đối tượ ng (Merge Objects Manually), phân loại đố i tượ ng ảnh (Classify Image Objects Manually) và chia nhỏ một đối tượ ng ảnh (Cut an Object Manually) Để nhìn vào công cụ chỉnh sửa bằng tay: Vào view

Custionmize


Page 41


Trên của sổ customize chọn Manual Editting

close

Các công cụ của thanh Manual Editting hiện ra

Có thể kéo thả hộ p công cụ để ch ỉnh sửa (editting) cho các đối tượ ng ảnh chưa phân loại, và đối tượ ng ảnh đã đượ c phân loại thành các lớp chuyên đề.

1. Công cụ lựa chọn (selection) đối tượng đơn 2. Lựa chọn đối tượ ng theo Polygon 3. Lựa chọn đối tượ ng theo dạng đườ ng (line) 4. Lựa chọn đối tượ ng theo hình chữ nhật (Rectangle) -

Gộp các đối tượ ng ảnh:

Tools > Manual Editing > Merge Objects


Page 42



Page 43


-

Chia nhỏ một đối tượ ng ảnh (cut an image object)

-

Phân loại đối tượ ng ảnh bằng tay

Công cụ này cho phép phân loại đối tượ ng ảnh thành các lớ p chuyên đề. Trên cửa sổ Manual Editting chọn: image object editting và hộ p thoại bên cạnh là tên của lớ p chúng ta muốn gán đối tượ ng ảnh thành lớp chuyên đề đó.

Sau đó, Click vào biều tượ ng classify image object để phân loại.


Page 44


10. Xuất kết quả Dữ liêu sau khi đượ c phân tích có thể đượ c xuất ra thành 3 khuôn dạng chính: dạng vector (Shapefile), dạng raster (Raster file) và dạng thống kê (statistics). Trên thanh menu: Export

export result


Page 45


-

-

Export type: khuôn dạng dữ liệu sẽ export

-

Fomat export

-

Level: các lớ p phân loại tại mức đối tượ ng ảnh

-

Select Classes: lựa chọn các lớ p cần export

-

Select features: các đặc trưng sẽ export

Dữ liệu dạng Raster


Page 46



Page 47



Page 48


Bảng một số khuôn dạng raster phần mền Ecognition có thể xuất dữ liệu dướ i dạng Raster. -

Dữ liệu dạng vector (Shapefile)


Page 49


-

Dự liệu dạng thống kê (Statistics)


Page 50

Phan 2_Phan men eCognition 8.pdf

Recommend Documents