วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553

ศึกษาวิธีตรวจสอบปริมาณ คุณภาพของจุดควบคุมภาพด้วยวิธี Hold Out Validation (HOV) และวิธี Leave One Out Cross Validation (LOOCV) เพื่อใช้คัดกรองจุดควบคุมภาพที่มีคุณภาพ จุดควบคุมภาพจำเป็นต่อการปรับแก้ภาพเชิงเรขาคณิต โดยเฉพาะการปรับปรุงแบบจำลองเซนเซอร์บันทึกภาพ ในงานวิจัยได้มีการเสนอการปรับปรุงแบบจำลองเซนเซอร์ทางกายภาพที่เหมาะสม กับข้อมูลภาพถ่ายดาวเทียม WorldView-1 ที่ใช้ในงานวิจัยคือ การประมาณค่าการวางตัวภายนอกของเซนเซอร์เป็นค่าแก้คงที่สำหรับการประมาณตำแหน่งของเซนเซอร์ และค่ามุมเอียงรอบแกน X แกน Y ของเซนเซอร์ ส่วนค่าแก้มุมเอียงรอบแกน Z ของเซนเซอร์ เป็นสมการโพลีโนเมียลกำลังสอง ซึ่งในการนี้ต้องการสัมประสิทธิ์ที่ไม่ทราบค่า 8 ค่า ดังนั้นจึงมีความจำเป็นต้องใช้จุดควบคุมภาพถ่ายภาคพื้นดิน (GCPs) อย่างน้อย 4 จุด เพื่อใช้ในการปรับปรุงแบบจำลองของเซนเซอร์ จากนั้นเป็นงานวิจัยโมเดลของการตรวจสอบปริมาณและคุณภาพของจุดควบคุมภาพ จากวิธี HOV สามารถเลือกจุดควบคุมภาพ 72 จุดจากจุดทั้งหมด 78 จุด คิดเป็น 92% โดยแบ่งเป็น GCPs 13 จุด และจุดตรวจสอบอิสระ 59 จุด นอกจากนี้วิธี HOV ยังบ่งชี้จุดที่มีค่าผิดปกติ 6 จุด ส่วนวิธี LOOCV สามารถเลือกจุดควบคุมภาพได้ 52 จุดจากทั้งหมด 78 จุด คิดเป็น 67% วิธี LOOCV ให้แบ่งจุดควบคุมภาพเป็น GCPs 8 จุด และเป็นจุดตรวจสอบอิสระ 44 จุด และวิธี LOOCV บ่งชี้จุดที่มีค่าผิดปกติ 26 จุด ซึ่งสรุปได้ในที่นี้ว่า การเลือกจุดควบคุมภาพที่ได้จากวิธี HOV จะมีจำนวนจุดมากกว่าวิธี LOOCV ในขณะเดียวอาจมองได้ว่าวิธี LOOCV มีเกณฑ์การคัดครองสูงกว่าวิธี HOV เมื่อนำผลการปรับปรุงแบบจำลองเซนเซอร์ข้างต้นไปใช้ในดัดแก้ภาพออร์โธ และในงานวิจัยยังมีการวาง GCPs บริเวณขอบเขตภาพในแนวขนานกับเส้นทางวงโคจร ผลการปรับปรุงแบบจำลองเซนเซอร์ได้ RMSE ของการปรับแก้เท่ากับ 0.17 เมตร และเมื่อประเมินความละเอียดถูกต้องของภาพออร์โทตามมาตรฐาน NSSDA พบว่า ภาพออร์โทที่ใช้ GCPs 13 จุด และจุดตรวจสอบอิสระ 59 จุดจากวิธี HOV มีความละเอียดถูกต้องเท่ากับ 1.31 เมตร (2.62 จุดภาพ) และภาพออร์โทที่ใช้ GCPs 8 จุด และจุดตรวจสอบ 44 จุดจากวิธี LOOCV มีความละเอียดถูกต้องเท่ากับ 0.70 เมตร (1.40 จุดภาพ) ซึ่งแสดงให้เห็นว่าวิธี LOOCV ส่งผลให้คุณภาพออร์โทที่ผลิตได้ดีกว่าวิธี HOV ในชุดข้อมูลในงานวิจัยนี้