Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/9638
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | อิทธิ ตริสิริสัตยวงศ์ | - |
| dc.contributor.author | เนาวรัตน์ ชัยชาติ | - |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | - |
| dc.date.accessioned | 2009-08-05T04:03:46Z | - |
| dc.date.available | 2009-08-05T04:03:46Z | - |
| dc.date.issued | 2546 | - |
| dc.identifier.isbn | 9741752962 | - |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/9638 | - |
| dc.description | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2546 | en |
| dc.description.abstract | การจําแนกภาพดาวเทียมแบบกํากับ โดยวิธีความเป็นไปได้สูงสุดที่นิยมใช้กันในปัจจุบันประสบกับ ปัญหาในการแยกแยะวัตถุที่มีขนาดเล็กกว่าขนาดจุดภาพ โดยเฉพาะกับภาพดาวเทียมรายละเอียดปานกลาง อย่างภาพแลนด์แซท 5 TM รายละเอียดเชิงพื้นที่ 30 เมตร ปัญหาดังกล่าวสามารถใช้วิธีการสํารวจภาคพื้นดิน แต่ก็มีข้อจํากัดเกี่ยวกับระยะเวลาและค่าใช้จ่าย การใช้วิธีการรังวัดภาพถ่ายทางอากาศดิจิทัล มีข้อจํากัดทางเทคนิค และวิธีการวิเคราะห์ประมวลผลที่ค่อนข้างสลับซับซ้อน หรือการใช้ภาพดาวเทียมรายละเอียดสูงอย่าง ภาพไอคอนอส ชึ่งมีราคาที่ค่อนข้างสูง การจําแนกภาพแบบละเอียดกว่าขนาดจุดภาพ สามารถนํามาแก้ปัญหาดังกล่าวเพื่อตรวจหาวัตถุที่สนใจ ในภาพหลายช่วงคลื่น และจุดภาพมีวัตถุที่สนใจขนาดเล็กกว่าขนาดจุดภาพผสมอยู่ การศึกษาครั้งนี้มีวัตถุ ประสงค์เพื่อศึกษาวิเคราะห์วิธีการจําแนกภาพแบบละเอียดกว่าจุดภาพด้วยซอฟต์แวร์เชิงพาณิชย์ และประเมิน ผลความถูกต้องเปรียบเทียบกับวิธีจําแนกแบบความเป็นไปได้สูงสุด และเพื่อให้มีการใช้ประโยชน์จากภาพดาว เทียมรายละเอียดปานกลางอย่างมีประสิทธิภาพ ข้อมูลที่ใช้วิเคราะห์สร้างจากค่าสถิติ DN ของวัตถุของภาพ แลนด์แซท 5 TM ที่จําแนกและตรวจสอบความถูกต้องแล้ว ด้วยการสุ่มตัวเลข สร้างเป็นภาพจําลองต้นฉบับ 7 ช่วงคลื่น 9 ประเภทวัตถุ ทําการคํานวณจัดค่า DN และรายละเอียดภาพให้หยาบลงด้วยวิธี Linear Spectral Unmixing เป็นภาพระดับ 2 และ 3 ตามลําดับ แล้วนําภาพทั้งสามไปทําการจําแนกและตรวจสอบความถูกต้อง ผลการวิจัยพบว่า ศักยภาพของซอฟต์แวร์ที่ใช้ในการจําแนกแบบละเอียดกว่าขนาดจุดภาพ บนภาพ จําลองได้ผลลัพธ์ไม่ดีเท่าวิธีความเป็นไปได้สูงสุด ภาพจําลองต้นฉบับมีอัตราการตรวจพบร้อยละ 67 Omission Error ร้อยละ 24 Commission Error ร้อยละ 51 ภาพจําลองระดับ 2 มีอัตราการตรวจพบร้อยละ 26 Omission Error ร้อยละ 60 Commission Error ร้อยละ 10 ภาพจําลองระดับ 3 มีอัตราการตรวจพบร้อยละ 3 Omission Error ร้อยละ 90 Commission Error ร้อยละ 3 น้ำมีอัตราการตรวจพบสูงสุดและป่าชายเลนมีอัตราการตรวจ พบต่ำสุด วัตถุที่สนใจหากผสมอยู่ในจุดภาพในอัตราส่วนมาก ความถูกต้องจะสูงกว่าวัตถุที่ผสมอยู่เล็กน้อย | en |
| dc.description.abstractalternative | The conventional Maximum Likelihood Classification method cannot detect the material of interest smaller than a pixel especially when using with medium-resolution Landsat TM-5 image. Ground surveying, digital photogrammetry, or high-resolution imagery may be applied. However, such alternatives inherit the limitations of time frame, techniques, complicated method of processing, respectively, and too costly. Subpixel processing technique can be used to solve the above problems when detecting material of interest smaller than pixel size where mixed pixels exist in multispectral images. The main objective of this study is to apply the method of subpixel processing using commercial software and to assess its accuracy when compared to Maximum Likelihood Classification method, as well as to utilise medium-resolution satellite imagery efficiently. Level 1 simulated image with 7 bands and 9 classes had then been produced from LANDSAT 5-TM DN statistics by random number sampling and the linear spectral unmixing approach had been used to produce images with coarser resolution images, level 2 and 3 simulated images. The study found that the potential of the software in accurately classifying the simulated images compared with the simulated data was not satisfactory. Level 1 simulated image gave 67% of presence, had a 24% omission error and 51% commission error. Level 2 simulated image gave a 26% presence, had a 60% omission error and 10% commission error. Level 3 simulated image gave a 3% presence, had a 90% omission error and 3% commission error. Water shown the highest rate of detectable whereas mangroves resulted in the lowest rate. High proportion of mixed material has higher accuracy than the low proportion. | en |
| dc.format.extent | 4001782 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.language.iso | th | es |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en |
| dc.subject | ภาพถ่ายทางอากาศ | en |
| dc.subject | การประมวลผลภาพ -- เทคนิคดิจิตอล | en |
| dc.title | การทดสอบศักยภาพในการจำแนกแบบละเอียดกว่าขนาดจุดภาพบนภาพจำลอง | en |
| dc.title.alternative | An experimentation of subpixel classification using simulated images | en |
| dc.type | Thesis | es |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | es |
| dc.degree.level | ปริญญาโท | es |
| dc.degree.discipline | ระบบสารสนเทศปริภูมิทางวิศวกรรม | es |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en |
| dc.email.advisor | Itthi.T@Chula.ac.th | - |
| Appears in Collections: | Eng - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| NaovaratC.pdf | 3.91 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.