មេរៀនទី 7 — តម្រងលំហ និង PCA

តម្រងលំហប្រើបង្អួចតូច (kernel) រំកិលលើរូបភាព។ PCA បង្រួមប៊ែនទាំង 6 ជាសមាសធាតុថ្មី — ក្នុងស្រុកកំពង់ត្រឡាច PC1–PC3 រក្សាបម្រែបម្រួលបាន 99.2%។

របៀបកម្រិតខ្ពស់ (កំណែ 2.4.0)

ផ្នែក តម្រងលំហ និង PCA មិនចាំបាច់សម្រាប់ចំណាត់ថ្នាក់ទេ។ ចាប់ពីកំណែ 2.4.0 ឧបករណ៍ទាំងនេះបង្ហាញតែក្នុងរបៀប កម្រិតខ្ពស់៖ ប្ដូរប្រអប់ មូលដ្ឋាន នៅផ្នែកខាងលើផ្ទាំងទៅ កម្រិតខ្ពស់ (មើលមេរៀនទី 1)។

តម្រងលំហ

1. បើកផ្នែក តម្រងលំហ។
2. រូបភាព៖ រូបភាពផ្សំ Landsat 9 · ប៊ែន៖ 5: SR_B5 (nir)។
3. តម្រង៖ មេដ្យាន (លុបចំណុចរំខាន) · ទំហំ kernel 3 (sigma ប្រើតែសម្រាប់ Gaussian)។
4. ចុច អនុវត្តតម្រង។ ស្រទាប់ តម្រង median b5 លេចឡើង ហើយឯកសាររក្សាទុកជា median_b5_3.tif។
5. សាកល្បងតម្រងផ្សេងទៀតលើប៊ែនដដែល ហើយប្រៀបធៀប៖ mean b5 (រលោង) និង highpass b5 (ច្បាស់ គែមលេចធ្លោ)។

ប្រភេទតម្រង	ប្រើសម្រាប់
Mean, Gaussian (low-pass)	ធ្វើឲ្យរលោង កាត់បន្ថយសំឡេងរំខាន
Median	លុបសំឡេងចំណុច (speckle) ដោយរក្សាគែម
High-pass	ធ្វើឲ្យច្បាស់
Sobel, Laplacian	រកគែម៖ ផ្លូវ ប្រឡាយ គែមស្រែ

រូបទី 21 — តម្រងមេដ្យាន 3×3 លើប៊ែន NIR ជាមួយស្រទាប់ mean និង high-pass

ការវិភាគសមាសធាតុចម្បង (PCA)

1. បើកផ្នែក ការវិភាគសមាសធាតុចម្បង (PCA)។ វាប្រើរូបភាពដូចផ្នែកតម្រងលំហ។
2. ជ្រើសប៊ែន 2–7 (SR_B2–SR_B7) ដោយមិនយក SR_B1 (coastal) · សមាសធាតុ 3។
3. ចុច ដំណើរការ PCA។ ស្រទាប់ PCA បង្ហាញ PC1-PC2-PC3 ជាក្រហម-បៃតង-ខៀវ។

សមាសធាតុ	តម្លៃផ្ទាល់ (Eigenvalue)	ពន្យល់បាន %	បូករួម %
PC1	30,541,040	81.1	81.1
PC2	5,454,289	14.5	95.6
PC3	1,352,148	3.6	99.2

PC1 គឺ «ពន្លឺសរុប» ព្រោះប៊ែនទាំងអស់មានទម្ងន់សញ្ញាដូចគ្នា។ PC2 និង PC3 បង្ហាញភាពខុសគ្នារវាងប៊ែន។ មើលតារាង Loadings (eigenvectors)៖ ក្នុង PC3 ប៊ែនមើលឃើញ SR_B2 (0.341), SR_B3 (0.530), SR_B4 (0.677) មានទម្ងន់ខ្ពស់ — PC3 គឺជាព័ត៌មានពណ៌មើលឃើញ ដែលបាត់ក្នុង PC1។

រូបទី 22 — រូបភាព PCA (PC1-PC2-PC3) តារាងសមាសធាតុ និង Loadings

ក្នុងរូបភាព PCA ដីលិចទឹកខាងកើត (ផ្កាឈូក/ក្រហម) និងស្រែខាងលិច (បៃតង/ខៀវ) ដាច់ពីគ្នាយ៉ាងច្បាស់ ហើយទន្លេសាបលេចឡើងពណ៌លឿង។ ក្នុងមេរៀនទី 8 យើងនឹងប្រើ PC1–PC3 ជាការបញ្ចូលមួយសម្រាប់ K-means។

សំណួរសម្រាប់និស្សិត៖ ប្រសិនបើ PC1–PC2 ពន្យល់បាន 95.6% តើយើងអាចបោះចោល PC3 បានទេ? តើព័ត៌មាន 3.6% នោះអាចសំខាន់សម្រាប់ថ្នាក់ណា?

---

← មេរៀនទី 6 · មេរៀនទី 8 →