tóm tắt luận án nghiên cứu đề xuất phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu viễn thám siêu cao tần

1

MỞ ĐẦU

1. Tính cấp thiết của luận án
Với điều kiện địa lý có đường bờ biển trải dài từ Bắc vào Nam, có
nhiều khu vực khai thác dầu khí tại Biển Đông và nằm trên tuyến giao thông
đường biển của thế giới nên Biển Đông Việt Nam là khu vực thường xuyên
xảy ra các hiện tượng ô nhiễm dầu trên biển. Trong những năm gần đây,
Việt Nam liên tục xảy ra các hiện tượng dầu tràn tại các vùng ven biển miền
Trung mà không xác định được nguyên nhân. Hiện tượng dầu tràn chỉ được
phát hiện khi dầu bị sóng biển đánh dạt vào bờ. Do không có hệ thống giám
sát và phát hiện sớm ô nhiễm dầu trên biển nên Việt Nam hoàn toàn bị động
trong việc ứng phó dầu tràn trên biển.
Cùng với sự phát triển của khoa học kỹ thuật, kỹ thuật viễn thám đang được
ứng dụng để giám sát và phát hiện sớm các ô nhiễm dầu trên các vùng biển
của thế giới, trong đó có hệ thống viễn thám RADAR. RADAR là hệ thống
viễn thám siêu cao tần dạng chủ động, cho phép quan sát ngày cũng như
đêm, trong mọi điều kiện thời tiết, không chịu ảnh hưởng của mây, sương
mù trên bề mặt biển và có đường thu nhận rộng. Đây cũng là những ưu
điểm của tư liệu viễn thám siêu cao tần so với các tư liệu viễn thám quang
học trong việc giám sát và phát hiện sớm ô nhiễm dầu trên biển. Do đặc
điểm thu nhận năng lượng tán xạ phản hồi của bộ cảm vệ tinh siêu cao tần
và do sự suy giảm dao động của sóng biển tại vị trí vết dầu nên hình ảnh vết
dầu trên tư liệu viễn thám siêu cao tần có sự khác biệt với vùng biển xung
quanh, tạo điều kiện cho việc tự động hóa quá trình nhận dạng và phân loại
vết dầu trên biển. Tuy nhiên, hiện nay các thông tin bổ trợ về các điều kiện
khí tượng trên biển, hệ thống xử lý tư liệu viễn thám siêu cao tần tại Việt
Nam còn hạn chế nên đòi hỏi cần có nghiên cứu đề xuất phương pháp nhận
dạng và phân loại vết dầu trên biển từ tư liệu viễn thám siêu cao tần phù hợp
với điều kiện thực tế tại Việt Nam.

2. Mục tiêu nghiên cứu
- Nghiên cứu cơ sở khoa học và những yếu tố ảnh hưởng đến việc nhận
dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR.
2

- Nghiên cứu các phương pháp nhận dạng và phân loại vết dầu trên
biển từ tư liệu viễn thám siêu cao tần
- Đề xuất phương pháp nhận dạng và phân loại vết dầu trên biển từ
tư liệu viễn thám siêu cao tần phù hợp với điều kiện thực tế về tư liệu, về
thông tin hỗ trợ trên biển của Việt Nam.
3. Đối tƣợng nghiên cứu
- Đặc điểm thu nhận tín hiệu của vệ tinh siêu cao tần
- Tác động của vết dầu đến sự suy giảm cường độ sóng biển và đặc
điểm tín hiệu tán xạ phản hồi nhận được tại bộ cảm của vệ tinh siêu cao tần.
- Các yếu tố nhiễu ảnh hưởng đến độ tin cậy của quá trình nhận
dạng và phân loại vết dầu trên biển từ tư liệu viễn thám siêu cao tần.
- Các phương pháp nhận dạng và phân loại vết dầu trên biển từ tư
liệu viễn thám siêu cao tần.
4. Phạm vi nghiên cứu
- Nội dung nghiên cứu của luận án là đề xuất phương pháp nhận
dạng và phân loại những vết dầu xuất hiện trên biển không rõ nguồn gốc,
chủ yếu do việc xả dầu trái phép của các tàu lưu thông trên biển từ tư liệu
viễn thám siêu cao tần.
- Khu vực nghiên cứu của luận án là khu vực biển Đông Việt Nam.
- Luận án nghiên cứu khả năng sử dụng của tư liệu RADAR tạo
ảnh cửa mở tổng hợp (SAR), với hai dạng dữ liệu chính là dữ liệu siêu cao
tần kênh L (tư liệu ALOS PALSAR), dữ liệu siêu cao tần kênh C (EnviSAT
ASAR).
5. Nội dung nghiên cứu
- Nghiên cứu nguyên lý và khả năng nhận dạng và phân loại vết

dầu trên biển từ tư liệu ảnh SAR.
- Đề xuất quy trình nhận dạng và phân loại vết dầu trên biển từ tư
liệu ảnh SAR phù hợp với đặc điểm tư liệu ảnh SAR thu nhận tín hiệu trên
biển và trong chế độ thu nhận diện rộng.
- Xây dựng chương trình thử nghiệm nhận dạng và phân loại vết
dầu và vết nhiễu trên ảnh viễn thám siêu cao tần.
6. Phƣơng pháp nghiên cứu
3

- Phương pháp phân tích, tổng hợp các tài liệu bao gồm các bài báo
khoa học đã được công bố trên thế giới và trong nước, các kết quả nghiên
cứu đã đạt được của các hệ thống giám sát và phát hiện sớm ô nhiễm dầu
trên biển đang được ứng dụng trong thực tế và các modul phần mềm phát
hiện vết dầu từ tư liệu ảnh SAR đã được công bố trên thế giới. Từ đó, đề
xuất phương pháp luận phù hợp, có tính khả thi cao trong điều kiện hiện nay
tại Việt Nam .
- Nghiên cứu thử nghiệm các thuật toán xử lý ảnh, các thuật toán
nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR, tiến hành so
sánh và chọn lọc các mô hình thuật toán phù hợp với mục đích nghiên cứu
của luận án.
7. Ý nghĩa khoa học và thực tiễn của luận án
7.1. Ý nghĩa khoa học của luận án
- Hệ thống đầy đủ cơ sở khoa học về nhận dạng và phân loại vết
dầu trên biển từ tư liệu viễn thám siêu cao tần.
- Xây dựng được phương pháp nhận dạng và phân loại vết dầu trên
biển từ tư liệu ảnh SAR.
- Luận án đã đóng góp một phần trong việc thực hiện nhiệm vụ
nghiên cứu khoa học của đề tài nghiên cứu cấp Nhà nước về “Ô nhiễm dầu
trên vùng biển Đông Việt Nam” với mã số KC09.22/06-10 do PGS.TS
Nguyễn Đình Dương làm chủ nhiệm đề tài.

7.2. Ý nghĩa thực tiễn của đề tài
- Nâng cao khả năng ứng dụng của tư liệu ảnh SAR trong việc
giám sát và phát hiện sớm ô nhiễm dầu ngoài khơi biển Đông Việt Nam
- Cung cấp những đánh giá đầy đủ về mặt lý thuyết cũng như kết
quả nghiên cứu thử nghiệm trên tư liệu kênh L (ALOS PALSAR) và tư liệu
kênh C (EnviSAT ASAR).
8. Những luận điểm bảo vệ của luận án
Luận điểm 1: Tư liệu ảnh SAR đã được chuẩn hóa trong mặt cắt ngang vẫn
tồn tại hiệu ứng xa – gần nguồn phát sóng trên tư liệu ảnh SAR. Hiệu ứng
xa – gần nguồn phát sóng ảnh hưởng đến khả năng tự động hóa tách vết đen
trên ảnh SAR bằng thuật toán phân ngưỡng tổng thể.
4

Luận điểm 2: Phương pháp tách vết đen bằng thuật toán nở vùng ứng dụng
hiệu quả trong trường hợp vết dầu tồn tại lâu trên biển và đã bị phong hóa
theo thời gian. Hình ảnh vết dầu trong trường hợp này có độ tương phản
không cao so với hình ảnh của bề mặt biển trên ảnh SAR và bản thân hình
ảnh vết dầu có nhiều ngưỡng độ xám khác nhau.
Luận điểm 3: Phương pháp nhận dạng và phân loại vết dầu trên biển từ tư
liệu viễn thám siêu cao tần được đề xuất trong luận án có thể thực hiện được
trong điều kiện về tư liệu, cơ sở hạ tầng thông tin hiện có tại Việt Nam.
9. Những điểm mới của luận án
9.1. Đề xuất phương pháp tự động hóa quá trình nhận dạng và phân loại vết
dầu trên biển từ tư liệu ảnh SAR.
9.2. Đề xuất phương pháp hạn chế ảnh hưởng của hiệu ứng xa gần nguồn
phát sóng của vệ tinh siêu cao tần trên tư liệu ảnh SAR trong việc nhận dạng
và phân loại vết dầu trên biển. Hiệu ứng xa - gần nguồn phát sóng này tồn
tại trên các dạng tư liệu viễn thám siêu cao tần, đặc biệt đối với các chế độ
đường chụp rộng.
9.3. Nghiên cứu ứng dụng của mạng nơ – ron nhiều lớp MLP trong nhận

dạng và phân loại vết dầu và vết nhiễu trên biển từ tư liệu ảnh SAR với các
số lượng tham số đầu vào của mạng nơ-ron khác nhau.
10. Khối lƣợng và kết cấu luận án
Kết cấu luận án được trình bày trong 118 trang, 62 hình vẽ và sơ
đồ, 05 bảng biểu.

CHƢƠNG 1.TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN CỨU
TRONG NƢỚC VÀ TRÊN THẾ GIỚI
1.1. Đặt vấn đề
1.2. Tổng quan tình hình nghiên cứu trên thế giới
Vấn đề nghiên cứu khả năng sử dụng tư liệu viễn thám siêu cao tần
và đặc biệt là tư liệu ảnh SAR để phát hiện sớm vết dầu tràn trên biển được
nghiên cứu từ năm 1992, tác giả Bern đã sử dụng tư liệu ảnh SAR của vệ
tinh ERS -1, kênh C để nghiên cứu khả năng phát hiện vết dầu trên bề mặt
biển [11]. Các kết quả nghiên cứu đã đạt được:
5

- Về quá trình tiền xử lý ảnh: Chưa có tài liệu nào đề cập đến vấn đề loại bỏ
ảnh hưởng xa – gần nguồn phát sóng trong quá trình tiền xử lý ảnh phục vụ
cho việc phát hiện vết dầu trên ảnh SAR.
- Về phát hiện và khoanh vùng các vết đen: Sử dụng phương pháp phân
ngưỡng để phát hiện và khoanh vùng vết đen trên ảnh [5]. Ngoài ra có thể
tách vết đen bằng các phương pháp khác như sử dụng thuật toán LoG, DoG,
HMC [27] để phân đoạn ảnh, thuật toán CFAR [9], thuật toán FCM [34].
- Về xác định các chỉ số đặc trưng: Do hình dạng của vết dầu không rõ
nguồn gốc trên biển thường là dạng hình tuyến nên các phương pháp nhận
dạng và phân loại vết dầu trên ảnh SAR đều dựa trên các chỉ số đặc trưng
của vết dầu bao gồm: các chỉ số về hình học; các chỉ số về mức độ tán xạ
của vết đen và vùng xung quanh; vị trí so với khu vực khai thác dầu và vùng
đất liền; chỉ số về đặc điểm cấu trúc

- Về nhận dạng và phân loại vết dầu: Một số nghiên cứu thực hiện nhận
dạng và phân loại vết dầu trên tư liệu ảnh SAR bằng kinh nghiệm giải đoán
trực tiếp trên ảnh của chuyên gia [7]. Bên cạnh đó là phương pháp nhận
dạng và phân loại vết dầu bán tự động [7]. Một số tác giả đã công bố những
nghiên cứu cho phép tự động nhận dạng và phân loại vết dầu và vết nhiễu
bằng mô hình mạng nơ-ron (Neural Network) [18], [23] hoặc lý thuyết logic
mờ (Fuzzy Logic) [22].
Một số tổ chức nghiên cứu cũng đã xây dựng modul phát hiện vết
dầu như modul Oil spill detection trong phần mềm NEST (Next ESA SAR
toolbox) (phụ lục 12). Phần mềm NEST sử dụng phương pháp bán tự động.
1.3.Tổng quan về những kết quả nghiên cứu trong nƣớc
Đáng chú ý là những kết quả đạt được của đề tài nghiên cứu cấp
Nhà nước về “Ô nhiễm dầu trên vùng biển Đông Việt Nam” với mã số
KC09.22/06-10 của PGS.TS Nguyễn Đình Dương và các cộng sự - Viện
Địa lý – Viện Khoa học và Công nghệ Việt Nam. Bản thân nghiên cứu sinh
cũng tham gia nghiên cứu nhiệm vụ xây dựng hệ thống công nghệ giám sát
và phát hiện sớm ô nhiễm dầu trên biển từ tư liệu viễn thám siêu cao tần của
đề tài KC09.22/06-10.
1.4. Đánh giá kết quả nghiên cứu đã đạt đƣợc trong nƣớc và trên thế
6

giới
Dữ liệu được nghiên cứu trong các bài báo khoa học đã công bố
chủ yếu là tư liệu ERS – 1,2, Envisat ASAR và Radarsat (kênh C). Vẫn
chưa có nhiều kết quả nghiên cứu thử nghiệm trên tư liệu kênh L. Kết quả
nhận dạng và phân loại vết dầu chủ yếu dựa trên kiến thức chuyên gia.
Phương pháp phân loại vết dầu và vết nhiễu hoàn toàn tự động vẫn đang
được nghiên cứu thử nghiệm với nhiều phương pháp và mô hình tính toán
khác nhau. Với điều kiện cơ sở hạ tầng thông tin trong việc giám sát và phát
hiện sớm vết dầu tràn trên biển tại Việt Nam chưa được đầu tư nên đòi hỏi

cần nghiên cứu phương pháp phù hợp với điều kiện thực tế của Việt Nam.
1.5. Những vấn đề đƣợc phát triển trong luận án
Nội dung của luận án kế thừa một số kết quả nghiên cứu đã được
nghiên cứu sinh thực hiện trong đề tài cấp Nhà nước KC09.22/06-10. Dựa
trên các kết quả nghiên cứu đã đạt được và các kết quả đã được công bố trên
các tạp chí khoa học, nghiên cứu sinh tiếp tục nghiên cứu ứng dụng một số
thuật toán xử lý ảnh nhằm nâng cao khả năng nhận dạng và tự động hóa quá
trình phân loại vết dầu trên biển từ tư liệu ảnh SAR bao gồm:
- Nghiên cứu sử dụng thuật toán cân bằng biểu đồ thích ứng giới
hạn độ tương phản (CLAHE) để loại bỏ ảnh hưởng hiệu ứng xa – gần
nguồn phát sóng trên tư liệu ảnh SAR.
- Lựa chọn thuật toán tự động phân ngưỡng tổng thể để tách các
vết đen trên ảnh SAR sao cho phù hợp với ảnh đã được hiệu chỉnh ảnh
hưởng xa – gần nguồn phát sóng.
- Nghiên cứu sử dụng thuật toán nở vùng theo ngưỡng để tách vết
dầu trong trường hợp vết dầu đã bị phong hóa và hình ảnh vết dầu trên ảnh
SAR có độ tương phản không cao so với hình ảnh của mặt biển.
- Nghiên cứu thử nghiệm khả năng phân biệt vết dầu và vết nhiễu
bằng mô hình mạng nơ – ron nhiều lớp MLP dựa trên các chỉ số hình học
đặc trưng của từng vết.
- Thử nghiệm với 2 dạng tư liệu viễn thám siêu cao tần kênh C và
kênh L. Đây là 2 dạng tư liệu viễn thám siêu cao tần đang được sử dụng tại
Việt Nam.
7

CHƢƠNG 2. CƠ SỞ KHOA HỌC CỦA QUÁ TRÌNH NHẬN DẠNG VÀ
PHÂN LOẠI VẾT DẦU TRÊN BIỂN BẰNG TƢ LIỆU VIỄN THÁM SIÊU
CAO TẦN
2.1. Đặc điểm hệ thống RADAR cửa mở tổng hợp (SAR)
2.1.1. Hệ thống RADAR tạo ảnh

2.1.2. Hệ thống RADAR cửa mở tổng hợp (SAR)
Theo nguyên lý hoạt động của hệ thống SAR thì ăng-ten sẽ thu
nhận một phần tín tán xạ phản hồi từ đối tượng. Năng lượng tán xạ phản hồi
nhận được tại vệ tinh siêu cao tần phụ thuộc vào mức độ gồ ghề của bề mặt
vật thể.
2.2. Đặc điểm tín hiệu siêu cao tần thu nhận trên biển
2.2.1. Cấu trúc bề mặt biển
Trên bề mặt biển có ba dạng sóng chính là sóng mao dẫn, sóng
trọng lực và sóng mao dẫn trọng lực. Theo tài liệu [25] thì sóng mao dẫn
trọng lực sẽ tác động đến sóng siêu cao tần đang được sử dụng trong các vệ
tinh quan sát đại dương.
2.2.2. Đặc điểm tín hiệu siêu cao tần tán xạ phản hồi trên biển
2.2.2.1. Ảnh hưởng của hằng số điện môi của nước biển
Hằng số điện môi của môi trường biển sẽ ảnh hưởng đến khả năng
thẩm thấu của sóng siêu cao tần.
2.2.2.2. Ảnh hưởng của dao động sóng trên mặt biển
Sự tác động giữa sóng siêu cao tần và sóng mao dẫn trọng lực trên
bề mặt biển tuân theo định luật tán xạ Bragg và tạo ra sóng tán xạ Bragg.
2.2.2.3. Tương tác giữa sóng ngắn và sóng dài
Khi các sóng dài phát triển dốc hơn sẽ gây ra sai số liên quan tới
ước lượng pha tín hiệu, dẫn đến sai số nhòe phương vị trên ảnh SAR [20].
2.2.2.4. Tương tác của sóng ngắn và dòng chảy
Sự tương tác của sóng bề mặt và dòng chảy sẽ làm thay đổi đáng
kể bước sóng của các sóng trên bề mặt biển, làm tăng hoặc giảm sóng tán xạ
phản hồi từ bề mặt biển và phân bố lại sóng tán xạ Bragg trên ảnh SAR.
2.3. Cơ sở khoa học của quá trình nhận dạng và phân loại vết dầu trên
biển bằng tƣ liệu viễn thám siêu cao tần
8

2.3.1. Đặc điểm hình ảnh vết dầu trên tư liệu ảnh SAR

Do đặc tính độ nhớt của dầu sẽ làm giảm dao động của các sóng
ngắn, tăng sức căng mặt ngoài và giảm áp lực của gió tại vị trí vết dầu. Do
đó làm suy giảm năng lượng tán xạ phản hồi tại vị trí vết dầu và kết quả là
hình ảnh vết dầu trên ảnh SAR thường có màu đen, tương phản so với vùng
biển xung quanh (hình 2.10). Sự tương phản của hình ảnh vết dầu và bề mặt
biển trên tư liệu ảnh SAR là đặc điểm quan trọng để nhận dạng và phân loại
vết dầu trên biển mà các tư liệu viễn thám khác không có được. Tuy nhiên,
do dao động phức tạp của bề mặt biển cùng với các điều kiện tự nhiên trên
biển luôn biến động nên khả năng phát hiện và độ tin cậy trong nhận dạng
và phân loại vết dầu trên biển từ tư liệu ảnh SAR cũng thay đổi tùy theo
điều kiện khách quan.
Hình 2.10. Đặc điểm
hình ảnh vết dầu trên
ảnh SAR
(a) Năng lượng tán xạ
tại vị trí vết dầu và vùng
xung quanh;
(b) Hình ảnh vết dầu
trên ảnh SAR

2.3.2. Nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR
Theo nghiên cứu của Cơ quan hàng không vũ trụ Châu Âu (ESA)
[16] thì các vết dầu tràn không rõ nguyên nhân trên biển chủ yếu là kết quả
của việc xả dầu trái phép của tàu lưu thông trên biển. Các tàu thường xả chất
thải có dầu trên đường đi và để lại đằng sau tàu một vệt dầu hình tuyến hoặc
giống như những con đường mòn. Các nhà khoa học dựa trên chính đặc
điểm này để tiến hành nhận dạng và phân loại vết dầu trên biển từ tư liệu
ảnh SAR.
2.4. Những ảnh hƣởng trong quá trình nhận dạng và phân loại vết dầu
trên biển từ tƣ liệu ảnh SAR

2.4.1. Ảnh hưởng của tốc độ gió trên bề mặt biển


Bề mặt biển
Vết dầu
Vết dầu
(b)

Vết dầu trên biển
Sóng phản xạ
Sóng tán xạ

9


Hình 2.12.
Tốc độ gió
ảnh hưởng
đến phân tích
vết dầu trên
ảnh SAR [37]


2.4.2. Ảnh hưởng của nhiễu hạt tiêu trên ảnh SAR
Phương pháp lọc nhiễu cần đảm bảo giữ nguyên đường biên của
vết dầu trong quá trình xử lý.
2.4.3. Ảnh hưởng của đặc điểm thu tín hiệu vệ tinh siêu cao tần
Trên thực tế vẫn tồn tại ảnh hưởng góc tới của tín hiệu vệ tinh trên
ảnh SAR đã được chuẩn hóa trong mặt cắt ngang và đưa về giá trị
0


, đặc
biệt là tư liệu chế độ đường chụp rộng, đó là hiệu ứng xa-gần nguồn phát
sóng trên tư liệu ảnh SAR.
2.4.4. Ảnh hưởng của các vết nhiễu trên biển
Trên bề mặt biển cũng có các hiện tượng tự nhiên làm suy giảm
dao động của sóng biển và tạo các vết đen trên ảnh siêu cao tần. Những vết
đen trên ảnh SAR không phải vết dầu thì gọi là vết nhiễu.
2.4.5. Đặc điểm tư liệu ảnh SAR sử dụng phân tích vết dầu trên biển
Theo như kết quả nghiên cứu được công bố trên tài liệu [35] thì giá
trị suy giảm tín hiệu khi quan sát vết dầu trên biển của kênh C và kênh L là
khác nhau.
2.4.6. Ảnh hưởng bởi điều kiện khí tượng trên bề mặt biển
Dưới tác động của môi trường trên biển và do đặc tính lý hóa của
dầu nên hình ảnh vết dầu trên ảnh SAR tại các thời điểm phát hiện khác
nhau cũng sẽ khác nhau [35].
2.5. Kết luận chƣơng 2
Cơ sở khoa học của việc nhận dạng và phân loại vết dầu trên biển
từ tư liệu viễn thám siêu cao tần dựa trên sự tương tác của sóng siêu cao tần
10

và các dao động của sóng trên bề mặt biển. Hình ảnh của vết dầu tương
phản so với bề mặt biển trên ảnh SAR là do sự suy giảm năng lượng tán xạ
phản hồi của sóng tán xạ Bragg tại vị trí vết dầu so với vùng biển xung
quanh. Kết quả nhận dạng và phân loại vết dầu trên biển bằng tư liệu ảnh
SAR chịu ảnh hưởng lớn của tốc độ gió trên bề mặt biển, các vết nhiễu trên
biển, đặc điểm của tư liệu viễn thám siêu cao tần, điều kiện khí tượng trên
bề mặt biển và đặc tính lý hóa của vết dầu.
CHƢƠNG 3. ĐỀ XUẤT PHƢƠNG PHÁP NHẬN DẠNG VÀ PHÂN LOẠI
VẾT DẦU TRÊN BIỂN TỪ TƢ LIỆU VIỄN THÁM SIÊU CAO TẦN

3.1. Tiền xử lý tƣ liệu viễn thám siêu cao tần
3.1.1. Chuyển đổi khuôn dạng gốc về khuôn dạng thống nhất
3.1.1.1. Khuôn dạng dữ liệu thống nhất GeoTIFF
3.1.1.2. Chuyển đổi khuôn dạng tư liệu ALOS PALSAR
Quy trình đọc dữ liệu ALOS PALSAR được mô tả trong hình 3.1.




Hình 3.1.
Sơ đồ thuật
toán
chuyển đổi
khuôn dạng
tư liệu
ALOS
PALSAR





11

3.1.1.3. Chuyển đổi khuôn dạng EnviSAT ASAR
Trong Hình 3.6 là sơ đồ chuyển đổi khuôn dạng gốc của tư liệu
EnviSAT ASAR về khuôn dạng GeoTIFF.

Hình 3.6. Sơ
đồ thuật toán
đọc và hiệu
chỉnh hình học
ảnh ASAR









3.1.2. Loại bỏ vùng đất liền và hải đảo
Việc loại bỏ vùng đất liền, hải đảo được thực hiện tự động dựa trên cơ
sở dữ liệu đường bờ biển vùng Biển Đông Việt Nam (tham khảo phụ lục 3).
3.1.3. Hiệu chỉnh hiệu ứng xa gần nguồn phát sóng trên ảnh SAR
Trong luận án sử dụng thuật toán cân bằng biểu đồ thích ứng giới
hạn độ tương phản (CLAHE) [30] (hình 3.9).

12

(a) (b)
Hình 3.9. Ảnh ALOS PALSAR xoay vuông góc với tuyến bay

(a) Ảnh trước khi hiệu chỉnh; (b) Ảnh sau khi hiệu chỉnh




(a) (b)
Hình 3.10. Đồ thị mặt cắt ngang tán xạ vuông góc với tuyến bay
(a) Trước khi hiệu chỉnh; (b) Sau khi hiệu chỉnh
Quá trình cân bằng biểu đồ được thực hiện trên từng cửa sổ của
ảnh. Trong luận án sử dụng cân bằng biểu đồ thích ứng với kích thước cửa
sổ 8x8 và mức giới hạn độ tương phản là 0.03. Sau khi hiệu chỉnh ảnh
hưởng xa-gần nguồn phát sóng, độ xám của vùng gần và xa nguồn phát
sóng cân bằng nhau (hình 3.10). Đồng thời, các vết đen trên ảnh sau hiệu
chỉnh có thể được tách bằng thuật toán phân ngưỡng tổng thể (hình 3.13).


(a)
13


Hình 3.13. Kết quả tách vết đen trước và sau hiệu chỉnh hiệu ứng xa-gần
nguồn phát sóng
a. Trên ảnh trước hiệu chỉnh; b. Trên ảnh sau hiệu chỉnh
3.1.4. Lọc nhiễu hạt tiêu trên ảnh SAR
Trong luận án nghiên cứu sinh đề xuất sử dụng phương pháp lọc
trung vị (Median) để loại bỏ nhiễu trên tư liệu ảnh SAR.
3.2. Tách vết đen trên ảnh SAR
3.2.1. Thuật toán tự động phân ngưỡng
3.2.1.1. Khái niệm về phân ngưỡng ảnh
3.2.1.2. Thuật toán tự động phân ngưỡng Huang

Thuật toán tự động phân ngưỡng Huang xác định ngưỡng dựa trên
khái niệm về độ mờ nhỏ nhất trên ảnh [21]. Giá trị ngưỡng được xác định
dựa trên tập mờ của ảnh. Tập mờ của ảnh được phân tích thông qua một
hàm tương ứng của pixel được định nghĩa bởi sự khác biệt tuyệt đối giữa
mức độ xám của pixel và mức độ xám trung bình theo từng vùng, tùy thuộc
là vùng đối tượng hay vùng nền [21].
Giá trị entropy của một ảnh X được mô tả theo công thức sau:



(3.17)
(a)
(b)
14

Hàm Shannon trong công thức (3.17) là tăng tuyến tính trong
khoảng từ [0,0.5] và giảm tuyến tính từ [0.5,0]. Quá trình đo độ mờ bằng
công thức (3.17) được tính toán lặp lại với
1tt
và cho tới khi
ax
1
m
tg
. Giá trị ngưỡng tối ưu sẽ được xác định bằng giá trị độ mờ nhỏ
nhất (tham khảo phụ lục 4).
3.2.2. Thuật toán nở vùng (region growing)
Thuật toán của phương pháp nở vùng theo ngưỡng là bắt đầu từ
các điểm gieo mầm và mở rộng vùng tìm kiếm phụ thuộc vào các điểm lân
cận có cùng ngưỡng độ xám với điểm gieo mầm. Công thức (3.18) mô tả

thuật toán nở vùng dựa vào giá trị độ xám của các điểm gieo mầm và của
pixel đang xét.
 
ee
:if
i s d
P R True z z T  

(3.18)
So sánh kết quả tách vết dầu bằng phương pháp phân ngưỡng
Huang và phương pháp nở vùng trên hình 3.17 và hình 3.20 thì phương
pháp nở vùng được đề xuất sẽ thích hợp với hình ảnh vết dầu có độ tương
phản thấp so với mặt biển trên ảnh do ảnh hưởng bởi các điều kiện tự nhiên
trên biển.

Hình 3.17d Hình 3.20a Hình 3.20b
Trong đó: Hình 3.17d – Vết dầu được tách bằng thuật toán Huang
Hình 3.20a – Hình ảnh vết dầu trên ảnh gốc
Hình 3.20b – Vết dầu được tách bằng thuật toán nở vùng
3.3. Nhận dạng và phân loại vết dầu và vết nhiễu
3.3.1. Các chỉ số hình dạng của vết dầu và vết nhiễu
- Chỉ số chu vi (P):
15

- Chỉ số diện tích (A):
- Chỉ số hình dạng vùng (Sf):
- Chỉ số độ phức tạp của vùng (PT):
- Chỉ số độ lệch chuẩn giá trị độ xám bên trong vết dầu (Osd):
- Chỉ số giá trị trung bình độ xám bên trong vết dầu (Osm)
- Chỉ số giá trị độ xám lớn nhất bên trong vết dầu (Max)

- Chỉ số giá trị độ xám nhỏ nhất bên trong vết dầu (Min)
3.3.2. Tự động xác định đường biên và các chỉ số hình dạng vết dầu
Hình 3.22. Sơ đồ tự động hóa xác định đường biên vết dầu
3.3.3. Nhận dạng và phân loại vết dầu và vết nhiễu trên tư liệu ảnh SAR
3.3.3.1. Nhận dạng và phân loại vết dầu và vết nhiễu bằng chỉ số hình dạng
Bảng 3.2 cho thấy sự khác biệt vết dầu và vết nhiễu được thể hiện
rõ thông qua các chỉ số về hình dạng như chỉ số P, A, Sf và chỉ số C. Đối với
những vết nhiễu được tạo bởi những vùng lặng gió trên biển thường có mức
độ đồng nhất về giá trị độ xám cao hơn là các vết dầu.
3.3.3.2. Nhận dạng và phân loại vết dầu và vết nhiễu bằng mô hình MLP
Phương pháp phân loại vết dầu và vết nhiễu là phương pháp phân
loại có kiểm định. Việc phân tích và phân loại vết dầu và vết nhiễu dựa trên
1 tập mẫu đã có sẵn bao gồm tập hợp các vết dầu và vết nhiễu đặc trưng. Dữ
liệu đầu vào của mạng nơ-ron bao gồm các chỉ số của vết dầu và vết nhiễu
Tìm đường biên của từng vết đen
Dán nhãn cho vùng
Tọa độ điểm đường biên của từng vết
Tính chỉ số từng vùng
Tính chuyển sang hệ tọa độ địa lý
Ghi dữ liệu vector ở định dạng Shapefile
Bắt đầu
Ảnh dữ liệu gốc
Ảnh phân loại vết dầu

Kết thúc
16

được xác định trên ảnh. Kết quả đầu ra là độ tin cậy của quá trình phân loại
vết dầu và vết nhiễu. Số lượng mẫu thử nghiệm là 100 mẫu bao gồm 67 vết
dầu và 33 vết nhiễu. Chương trình phân chia 70 mẫu sử dụng để huấn luyện

mạng, tập kiểm chứng là 15 mẫu và sử dụng 15 mẫu độc lập để kiểm tra. Sử
dụng cấu trúc mạng nơ-ron 8:8:2 với dữ liệu đầu vào là 8 chỉ số hình dạng
của vết đen trên ảnh bao gồm chỉ số diện tích, chu vi, hình dạng (Sf), độ
phức tạp, độ lệch chuẩn giá trị độ xám (Osd), giá trị độ xám trung bình
(Osm), giá trị độ xám lớn nhất, giá trị độ xám nhỏ nhất. Kết quả phân loại
thể hiện trong Bảng 3.3 cho độ tin cậy đạt 93%. Để khẳng định vai trò của
các chỉ số hình dạng ảnh hưởng đến kết quả phân loại vết dầu và vết nhiễu
bằng mạng nơ-ron, nghiên cứu sinh tiến hành thử nghiệm với mô hình cấu
trúc mạng nơ-ron MLP 4:4:2 với 4 chỉ số đầu vào bao gồm chỉ số diện tích,
chu vi, hình dạng và độ phức tạp; 4 lớp ẩn và 2 lớp đầu ra là vết dầu và vết
nhiễu. Kết quả phân tích được thể hiện trong Bảng 3.4 đạt độ tin cậy là 96%.
So sánh kết quả phân loại vết dầu và vết nhiễu bằng mô hình mạng
nơ-ron MLP với cấu trúc mô hình 8:8:2 và mô hình 4:4:2:
- Xét vết dầu ID 95, 96 trên cả hai mô hình cho thấy mô hình 4:4:2
cho độ chính xác cao hơn với độ tin cậy là vết dầu 0.94 và độ tin cậy là vết
nhiễu 0.04. Mô hình 8:8:2 cho kết quả chưa rõ ràng là vết dầu hay vết nhiễu.
- Mô hình mạng nơ-ron nhận dạng và phân loại tốt các vết dầu có
hình dạng đặc trưng là dạng hình tuyến kéo dài với chỉ số hình dạng lớn (chỉ
số hình dạng lớn hơn 4) với độ tin cậy là 0.9.
- Một số vết dầu xuất hiện trên ảnh có chỉ số hình dạng không đặc
trưng, độ phức tạp lớn do tàu xả đi vòng như vết dầu ID 74 thì độ tin cậy khi
phân loại rất thấp. Đối với mô hình 4:4:2 có độ tin cậy là vết dầu cao với
mức 0.4, trong khi đó độ tin cậy là vết nhiễu với mức 0.2. Đối với mô hình
8:8:2 thì độ tin cậy là vết dầu và vết nhiễu đều ở mức 0.8, không có sự phân
biệt của kết quả đầu ra.
Như vậy, do hiệu ứng xa – gần nguồn phát sóng và do nhiễu tín
hiệu trên ảnh SAR nên các chỉ số về độ xám của các vết đen trên ảnh chưa
thực sự thể hiện rõ sự khác biệt giữa vết dầu và vết nhiễu. Do đó, khi đưa
vào mô hình mạng nơ-ron làm giảm độ chính xác trong quá trình phân tích.
17

3.4. Đề xuất phƣơng pháp nhận dạng và phân loại vết dầu trên biển từ
tƣ liệu ảnh SAR
Dựa trên các kết quả nghiên cứu đã đạt được, nghiên cứu sinh đề
xuất phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh
SAR với 2 quy trình xử lý dựa trên đặc điểm của vết dầu tồn tại trên biển.
Quy trình được thể hiện trong hình 3.27 áp dụng đối với những vết
dầu mới xả, hình ảnh vết dầu trên ảnh SAR tương phản so với hình ảnh
vùng biển xung quanh.









Hình 3.27. Phương pháp tự động
nhận dạng và phân loại vết dầu
trên biển

Tách
vết
đen
Chuyển đổi khuôn dạng dữ liệu sang
GeoTIFF
Loại bỏ đất liền, hải đảo
Hiệu chỉnh ảnh hưởng xa-gần nguồn
phát sóng
Lọc nhiễu ảnh SAR
Tự động phân ngưỡng Huang
Ảnh tách vết đen
(dạng nhị phân)
Vector đường biên các vết đen
Tính chỉ số hình dạng các vết đen
ArcGIS hoặc mô hình mạng nơ-ron
MLP
Nhận dạng và phân loại vết dầu và vết
nhiễu
Bắt đầu




Tiền
xử
lý

ảnh


Nhận
dạng
và
phân
loại
vết
dầu
và vết
nhiễu
Kết thúc
Đọc dữ liệu ảnh SAR
Phân tích và khoanh vùng vị trí vết dầu
18

Quy trình được thể hiện trong Hình 3.28 áp dụng đối với những vết
dầu đã tồn tại lâu trên biển. Trong thực tế, khi vết dầu tồn tại lâu trên bề mặt
biển sẽ chịu tác động của nhiều yếu tố trên biển như các điều kiện khí tượng,
thủy văn trên biển, dao động của sóng biển, tốc độ gió trên biển quá nhỏ
(nhỏ hơn 2.5m/s) và quá lớn (lớn hơn 12.5m/s) và tính chất lý hóa của
dầu…Vết dầu trong trường hợp này đã bị phân rã nên hình ảnh vết dầu trên
ảnh SAR không còn rõ nét, có độ tương phản không cao so với mặt biển và
có nhiều ngưỡng độ xám trên cùng một vết dầu nên việc tự động tách vết
đen trên ảnh rất khó khăn

Hình3.28. Phương pháp
bán tự động nhận dạng và
phân loại vết dầu













Tách
vết
đen
Chuyển đổi khuôn dạng dữ liệu sang GeoTIFF
Loại bỏ đất liền, hải đảo
Hiệu chỉnh ảnh hưởng xa-gần nguồn phát sóng
Lọc nhiễu ảnh SAR
Chọn điểm gieo mầm bên trong vết dầu

Ảnh tách vết đen
(dạng nhị phân)
Vector đường biên và tính chỉ số vết dầu
Phân tích, khoanh vùng vị trí vết dầu
Nhận dạng và phân loại vết dầu
và vết nhiễu bằng phương pháp
giải đoán trực tiếp trên ảnh
Bắt đầu




Tiền
xử
lý ảnh
Nhận dạng và
phân loại vết dầu
và vết nhiễu
Kết thúc
Đọc dữ liệu ảnh SAR
Thuật toán nở vùng
19

3.5. Kết luận chƣơng 3
Phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu
ảnh SAR là tập hợp các bước xử lý cần thiết bao gồm: 1) Tiền xử lý ảnh; 2)
Tách vết đen; 3) Nhận dạng và phân loại vết dầu và vết nhiễu, trong đó
bước tách vết đen trên ảnh SAR đóng vai trò quan trọng. Việc tách chính
xác vết đen trên ảnh bằng các thuật toán tự động phân ngưỡng hoặc thuật
toán nở vùng sẽ nâng cao khả năng tự động của phương pháp nhận dạng và

phân loại vết dầu trên biển từ tư liệu ảnh SAR.
Tuy nhiên, để tách được tất cả các vết đen trên ảnh bằng một giá trị
ngưỡng độ xám bằng thuật toán tự động phân ngưỡng Huang đòi hỏi tư liệu
ảnh SAR cần phải thực hiện tốt bước tiền xử lý ảnh, đặc biệt là quá trình
hiệu chỉnh ảnh hưởng xa - gần nguồn phát sóng. Hiệu ứng xa – gần nguồn
phát sóng sẽ tạo ra sự khác biệt về giá trị độ xám của vết dầu ở gần nguồn
phát sóng và giá trị độ xám của vết dầu ở xa nguồn phát sóng trên cùng một
ảnh, gây khó khăn trong quá trình tự động phân ngưỡng tách các vết đen
trên ảnh. Trong trường hợp các vết dầu đã bị phong hóa theo thời gian, có
nhiều ngưỡng độ xám trên cùng một vết dầu thì cần sử dụng thuật toán nở
vùng để tách các vết đen.
Qua kết quả thử nghiệm về nhận dạng và phân loại vết dầu và vết
nhiễu được trình bày trong chương 3 đã khẳng định khả năng sử dụng các
chỉ số hình dạng trong nhận dạng và phân loại vết dầu và vết nhiễu trên biển
từ tư liệu ảnh SAR. Đồng thời, kết quả thử nghiệm cũng khẳng định khả
năng ứng dụng mạng nơ-ron nhiều lớp MLP để nhận dạng và phân loại vết
dầu và vết nhiễu, nâng cao khả năng hoàn toàn tự động của phương pháp
nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR.
CHƢƠNG 4. THỬ NGHIỆM NHẬN DẠNG VÀ PHÂN LOẠI VẾT DẦU
TRÊN BIỂN TỪ TƢ LIỆU VIỄN THÁM SIÊU CAO TẦN
4.1. Thiết kế hệ thống nhận dạng và phân loại vết dầu trên biển từ ảnh
SAR
4.1.1. Thiết kế chức năng các modul thành phần
4.1.2. Sơ đồ thuật toán của chương trình thử nghiệm
20

Hình 4.1. Sơ đồ thuật toán của chương trình thử nghiệm
4.1.3. Tích hợp các modul và thiết kế hệ thống chương trình
4.1.4. Phân tích các modul chính của chương trình
4.1.4.1. Modul phân tích vết dầu trên biển từ tư liệu ảnh SAR

4.1.4.2. Modul hiển thị kết quả phân tích
4.1.4.3. Kết thúc chương trình
4.1.5. Một số giải pháp thực tế được thực hiện trong chương trình thử
nghiệm
4.1.5.1. Giải pháp xử lý ảnh đối với ảnh kích thước lớn
Các thuật toán hiệu chỉnh ảnh hưởng xa – gần nguồn phát sóng, lọc
Bắt đầu
Đọc dữ liệu ảnh

Nhập tệp CSDL.dat

Chuyển đổi sang khuôn dạng GeoTIFF
Loại bỏ vùng đất liền
Hiệu chỉnh hiệu ứng xa – gần
Lọc nhiễu trên ảnh SAR
Kích thước cửa sổ
lọc nhiễu

Nhập phương pháp
tách vết đen

PP Huang=1
Chọn điểm gieo mầm
Phương pháp nở vùng
Ảnh tách vết đen
(Dạng nhị phân)
Vector hóa đường biên của vùng,
tính các chỉ số hình dạng vết đen

Ghi dữ liệu dưới dạng Shapefile

Kết thúc
S
Đ
Phân tích bằng ArcGIS hoặc mạng nơ-ron MLP

21

nhiễu trên ảnh SAR được thực hiện trên từng khối, có tính đến sự khác biệt
vùng biên giữa các khối ảnh.
4.1.5.2. Giải pháp hạn chế vùng tìm kiếm đường biên của vùng
Giải pháp hạn chế vùng tìm kiếm trên ảnh như sau: Tìm kiếm và
xóa đường biên của rìa ảnh (tham khảo phụ lục 6); Tìm kiếm và tự động cắt
ảnh theo hình chữ nhật nhỏ nhất bao quanh toàn bộ các vết dầu (tham khảo
phụ lục 7). Quá trình tìm kiếm đường biên của vết dầu sẽ được tiến hành
trên ảnh sau khi cắt.
4.2. Kết quả thử nghiệm nhận dạng và phân loại vết dầu trên biển từ tƣ
liệu ảnh SAR
4.2.1. Cơ sở dữ liệu ảnh thử nghiệm
4.2.2. Kết quả thử nghiệm nhận dạng và phân loại vết dầu trên biển bằng
ảnh SAR
Kết quả thử nghiệm đối với tư liệu ảnh ALOS PALSAR
PASL4200706130316260911040000 do hãng ERSDAC cung cấp, mức xử
lý 4.2, thu nhận ngày 13/06/2007 được thể hiện hình 4.6 và hình 4.7.

Hình 4.6: KQ tách vết đen Hình 4.7. KQ vector đường biên vết dầu
Thử nghiệm trên ảnh EnviSAT ASAR
ASA_WSM_1PNxxx20080614_024255_00000057V035_00031_32880_0
064.N1 chế độ thu nhận WSM, mức xử lý 1B thể hiện trên hình 4.11 và
hình 4.12.

22

Hình 4.11. KQ tách vết đen Hình 4.12. KQ vector đường biên vết dầu
4.3. Kết luận chƣơng 4
Các thuật toán xử lý ảnh được đề xuất đã nâng cao được khả năng
tự động nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR. Thời
gian xử lý một cảnh ảnh khoảng 03 phút. Chương trình thử nghiệm đã khảo
sát dạng tư liệu viễn thám siêu cao tần đang được sử dụng trong giám sát và
phát hiện sớm vết dầu trên biển và hiện đang có tại Việt Nam như dữ liệu
ALOS PALSAR (kênh L) và EnviSAT ASAR (kênh C). Vị trí và thời điểm
thử nghiệm là khu vực Biển Đông Việt Nam với điều kiện khí tượng trên
biển bình thường, tốc độ gió từ 2.5m/s đến 7.5m/s, không có các hiện tượng
thời tiết cực đoan như mưa, giông trên biển.
Phương pháp tách vết đen trên ảnh SAR được sử dụng trong
chương trình thử nghiệm là thuật toán phân ngưỡng Huang cho kết quả tốt
đối với cả hai dạng tư liệu ảnh SAR. Việc sử dụng thuật toán tự động phân
ngưỡng Huang trong tách vết đen trên ảnh SAR đã nâng cao khả năng tự
động hóa của phương pháp nhận dạng và phân loại vết dầu trên biển được
đề xuất trong luận án.

KẾT LUẬN VÀ KIẾN NGHỊ
A. KẾT LUẬN
1. Cơ sở khoa học của việc nhận dạng và phân loại vết dầu trên biển từ ảnh
SAR là dựa trên sự khác biệt về năng lượng tán xạ phản hồi tại vị trí vết dầu
23

và vùng biển xung quanh trên ảnh. Năng lượng tán xạ phản hồi thu được
trên tư liệu vệ tinh siêu cao tần khi quan sát trên biển chủ yếu là năng lượng
tán xạ Bragg được hình thành do sự tương tác của tín hiệu siêu cao tần và
dao động của sóng biển. Tuy nhiên, độ tin cậy trong nhận dạng và phân loại

vết dầu trên biển từ tư liệu ảnh SAR chịu ảnh hưởng nhiều vào tốc độ gió
trên bề mặt biển, góc tới của tín hiệu của vệ tinh siêu cao tần và đặc tính lý
hóa của vết dầu.
2. Phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR
gồm phương pháp quan sát trực tiếp trên ảnh và phân tích nhờ kiến thức
chuyên gia; phương pháp phân tích bán tự động đang áp dụng rộng rãi nhờ
khả năng tự động tách vết đen trên ảnh SAR, tự động tính toán các chỉ số
hình dạng của vết dầu và vết nhiễu; phương pháp phân tích hoàn toàn tự
động đang được nghiên cứu dựa trên khả năng phân loại vết dầu và vết
nhiễu của mô hình mạng nơ-ron MLP.
3. Phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR
được đề xuất trong luận án là một quy trình gồm nhiều công đoạn xử lý với
3 phần chính gồm: 1) Tiền xử lý ảnh; 2) Tách vết đen trên ảnh SAR; 3)
Nhận dạng và phân loại vết dầu và vết nhiễu.
4. Kết quả thử nghiệm đã chứng tỏ phương pháp được đề xuất thực hiện tốt
trên tư liệu ảnh SAR kênh L (ALOS PALSAR) và kênh C (EnviSAT
ASAR). Đây là hai dạng tư liệu viễn thám siêu cao tần hiện đang được sử
dụng tại Việt Nam. Kết quả nghiên cứu được đề xuất khả thi trong điều kiện
khí tượng bình thường trên biển Đông Việt Nam và không xảy ra các
trường hợp cực đoan về thời tiết như bão tố, mưa giông…
5. Kết quả sử dụng thuật toán phân ngưỡng tự động Huang để tách vết đen
trên ảnh SAR và tự động xác định đường biên của các vết đen, tính toán các
chỉ số hình dạng tương ứng của các vết đen giúp giảm thời gian xử lý khi
phân tích một cảnh ảnh, nâng cao hiệu quả ứng dụng của tư liệu viễn thám
siêu cao tần trong giám sát và phát hiện sớm ô nhiễm dầu trên biển.
6. Sử dụng thuật toán cân bằng biểu đồ thích ứng giới hạn độ tương phản
(CLAHE) cho phép loại bỏ hiệu quả ảnh hưởng của hiệu ứng xa-gần nguồn
phát sóng trên tư liệu ảnh SAR. Việc loại bỏ hiệu ứng xa-gần nguồn phát
24

sóng sẽ giúp đơn giản hóa quá trình tách vết đen trên ảnh SAR, có thể sử
dụng thuật toán phân ngưỡng tổng thể với một ngưỡng độ xám duy nhất để
tách toàn bộ các vết đen trên ảnh.
7. Đối tượng nghiên cứu chính trong luận án là những vết dầu xuất hiện
không rõ nguồn gốc, chủ yếu do việc xả dầu trái phép của các tàu lưu thông
trên biển gây ra. Các vết dầu do xả dầu trái phép thường để lại các dạng hình
tuyến, dọc theo hướng dịch chuyển của các tàu xả dầu. Do đó, việc nhận
dạng và phân loại vết dầu và vết nhiễu trên ảnh SAR được thực hiện thông
qua phân tích các chỉ số hình dạng của vết dầu và vết nhiễu.
8. Phương pháp nhận dạng và phân loại vết dầu và vết nhiễu bằng mô hình
mạng nơ-ron MLP cho độ tin cậy 93% với cấu trúc mô hình 8:8:2 và 96%
với cấu trúc mô hình 4:4:2. Độ tin cậy của quá trình nhận dạng và phân loại
vết dầu và vết nhiễu của các mô hình mạng nơ-ron MLP phụ thuộc vào mức
độ đặc trưng cho hình dạng vết dầu và vết nhiễu của các chỉ số đầu vào của
mạng nơ-ron. Các chỉ số hình dạng như chu vi, diện tích, độ phức tạp, hình
dạng cho độ tin cậy cao trong phân loại các vết dầu do xả dầu trái phép của
các tầu lưu thông trên biển. Kết quả nghiên cứu ứng dụng mô hình mạng
nơ-ron MLP sẽ giúp nâng cao được khả năng tự động hoàn toàn của
phương pháp nhận dạng và phân loại vết dầu và vết nhiễu trên biển từ tư
liệu ảnh SAR.
B. KIẾN NGHỊ
1. Dựa trên các kết quả nghiên cứu đạt được của luận án, trong thời gian tới,
NCS sẽ hoàn thiện các nghiên cứu xử lý ảnh để nâng cao khả năng tự động
hóa nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR. Đồng thời,
nghiên cứu các chỉ số đặc trưng của vết dầu và khả năng sử dụng mô hình
mạng nơ-ron nhiều lớp MLP trong việc nhận dạng và phân loại những vết
dầu xả vòng trên biển từ tư liệu ảnh SAR.
2. Kết quả xác định vector đường biên vết dầu và các chỉ số hình dạng
tương ứng được lưu dưới định dạng Shapefile và trong hệ tọa độ địa lý sẽ
cung cấp CSDL đầu vào cho các mô hình tính toán lan truyền dầu và xác

định mức độ ô nhiễm của dầu tràn đối với các khu vực xung quanh.

25