Page 44 - รายงานการประยุกต์ใช้ฐานข้อมูลการสำรวจระยะไกลจากซอฟต์แวร์รหัสเปิดและคลาวด์คอมพิวติงเพื่องานพัฒนาที่ดิน Utilization of Remote Sensing Database derived from Open-source software and Cloud computing platform for Land Development

ห้องสมุดกรมพัฒนาที่ดิน

36

3.3 การจ าแนกข้อมูลภาพด้วยคอมพิวเตอร์
การส ารวจระยะไกล เป็นวิทยาศาสตร์และศิลป์ที่ท าให้ได้ข้อมูลเชิงพื้นที่ หรือปรากฏการณ์ที่
เกิดขึ้นในพื้นที่นั้นๆ โดยอาศัยคุณสมบัติของคลื่นแม่เหล็กไฟฟ้าในการบันทึกข้อมูลที่อยู่บนพื้นผิวโลก

เกี่ยวข้องกับช่วงคลื่น (Spectral) การจัดประเภทภาพ โดยใช้ข้อมูลที่บันทึกโดยเซ็นต์เซอร์ที่ติดกับพาหนะ
ต่างๆ เช่น ดาวเทียม เป็นการจัดประเภทของจุดภาพ (pixel) ทั้งหมดในภาพดิจิทัลให้เป็นหนึ่งในหลายๆ

ประเภท (class) การจัดประเภทของจุดภาพเป็นกระบวนการจัดกลุ่มประเภทตามค่าพลังงานของคลื่น
แม่เหล็กไฟฟ้า โดยกลุ่มของจุดภาพที่เหมือนกัน จะถูกจัดให้อยู่ในประเภทเดียวกัน เช่น เช่น พื้นที่น้ า
พื้นที่ป่าไม้ พื้นที่สิ่งปลูกสร้าง และพื้นที่เกษตรกรรม จะมีการสะท้อนคลื่นแม่เหล็กไฟฟ้าที่ต่างกัน ซึ่งการ

จ าแนกประเภทของจุดภาพด้วยคอมพิวเตอร์มี 2 ประเภท ได้แก่ การจ าแนกประเภทแบบไม่มีการก ากับ
ดูแล และการจ าแนกภายใต้การก ากับดูแล

3.3.1 การจ าแนกข้อมูลภาพด้วยคอมพิวเตอร์แบบไม่ก ากับดูแล (Unsupervised Classification)
เป็นการจ าแนกข้อมูลจากการหาความสว่างของจุดภาพที่ใกล้เคียงกันซึ่งไม่ต้องใช้ความรู้
ในการจ ารูปแบบเลยท าให้การแบ่งแยกรายละเอียดเป็นกลุ่มๆ (Cluster) จึงขึ้นอยู่กับค่าความสว่างของ
ภาพ การจ าแนกประเภทที่ไม่มีผู้ดูแล (โดยทั่วไปเรียกว่าการจัดกลุ่ม) เป็นวิธีการที่มีประสิทธิภาพการแบ่ง

พาร์ติชันข้อมูลภาพเซ็นเซอร์ระยะไกลในพื้นที่คุณลักษณะหลายสเปกตรัมและการแยกพื้นที่ปกคลุมข้อมูล
(Punia, n.d.) การจ าแนกข้อมูลแบบไม่ก ากับดูแล (Unsupervised Classification) เป็นการจ าแนก
ข้อมูลจากการหาความสว่างของจุดภาพที่ใกล้เคียงกันซึ่งไม่ต้องใช้ความรู้ในการจ ารูปแบบเลยท าให้การ

แบ่งแยกรายละเอียดเป็นกลุ่มๆ (Cluster) จึงขึ้นอยู่กับค่าความสว่างของภาพเมื่อเทียบกับการจัดประเภท
แบบมีผู้ดูแล โดยปกติแล้ว การจัดประเภทแบบไม่ดูแลต้องการเพียง ข้อมูลเริ่มต้นจ านวนน้อยที่สุดจาก
นักวิเคราะห์ (Punia, n.d.) เนื่องจากโดยปกติแล้วการท าคลัสเตอร์ไม่จ าเป็นต้องใช้ข้อมูลการฝึกอบรม
กระบวนการด าเนินการทางตัวเลขเพื่อค้นหาการจัดกลุ่มตามธรรมชาติของคุณสมบัติสเปกตรัมของพิกเซล

ตามที่ตรวจสอบในสเปซคุณสมบัติหลายสเปกตรัม กระบวนการจัดกลุ่มผลลัพธ์ในแผนผังการจัดประเภทที่
ประกอบด้วยคลาสสเปกตรัม เดอะจากนั้นนักวิเคราะห์พยายามที่จะก าหนดหรือเปลี่ยนคลาสสเปกตรัมให้
เป็นธีมกลุ่มข้อมูลที่สนใจ (เช่น ป่าไม้ เกษตรกรรม) ในการจ าแนกประเภทที่ไม่มีการควบคุม ซอฟต์แวร์จะ
ท าการประมวลผลส่วนใหญ่ด้วยตัวมันเองโดยทั่วไปท าให้มีหมวดหมู่มากกว่าที่ผู้ใช้สนใจ นี่คือจุดที่ผู้ใช้ต้อง

ท าตัดสินใจว่าจะจัดกลุ่มประเภทใดเข้าด้วยกันเป็นประเภทการใช้ประโยชน์ที่ดินประเภทเดียว (Punia,
n.d.) ในทั้งสองกรณีอาจใช้การประมวลผลภาพเพิ่มเติมเพื่อพิจารณาว่าวิธีใดดีกว่าส าหรับกสถานการณ์ที่
ก าหนด ต้องระลึกไว้เสมอว่าแผนที่เป็นเพียงความพยายามง่ายๆ เพื่อแสดงถึงสิ่งที่เป็นจริงมีอยู่ในโลกและ
ไม่เคยถูกต้องสมบูรณ์ (Punia, n.d.) การจ าแนกประเภทที่ไม่มีผู้ดูแล มีสองวิธีหลักใน ได้แก่ K-means

clustering และ Isodata clustering (Punia, n.d.)
1) การจ าแนกประเภทที่ไม่มีผู้ดูแลแบบ K-mean
K-mean คือเป็น algorithm ในการท า clustering model ในประเภท hard

cluster โดยมีขั้นตอนก าหนดจ านวนกลุ่มของชุดข้อมูลที่ต้องการจัดกลุ่ม (ค่า k) algorithmจะสุ่ม