DSpace at VNU: Sử dụng bộ lọc Laplace làm rõ nét các đối tượng trên ảnh số nhằm tự động hóa thu thập dữ liệu đất đai

TẠP CHÍ KHOA HỌC ĐHQGHN. KHTN & CN. T.xx, số 4PT-. 2004

SỬ DỤN G B Ộ LỌC LA PLA CE LÀM R Ỏ N É T CÁC Đ ố i TƯ Ợ N G T R Ê N
Ả N H S Ố N H Ằ M T ự Đ Ộ N G H Ó A T H U T H Ậ P D Ừ L IỆ U Đ Ấ T Đ A I
T r ầ n Q u ố c B ìn h , N g u y ễ n Đ ứ c K h ả , T rầ n V ă n T u â n
K hoa Đ ịa lý, Trường Đại học Khoa học T ự nhiên, ĐHQG H à Nội
Thực tế hoạt động của ngành Địa chính trong những năm gần đây cho th ấ y các hệ
thống thông tin đ ấ t đai (LIS) là công cụ đắc lực phục vụ qu ản lý N h à nước vê đ ấ t đai bởi
chúng có khả năng xử lý và cung cấp chính xác, kịp thòi m ột khối lượng lớn thông tin. Tuy
nhiên, đẽ thực hiện được chức năng đó, LIS có nh u cầu cập n h ậ t dữ liệu r ấ t lớn, đặc b iệt là
dữ liệu không gian [1]. Đây là vấn đề h ết sức cấp th iế t ở nước ta hiện nay, khi nhiều hệ
thống LIS đã đitợc th iết k ế song chưa thế đư a vào hoạt động có hiệu quả do dủ liệu đầu vào
không được cung cấp đầy đủ. v ấ n đề này có th ể được giải quyết bằng cách áp dụng các công
nghệ tiên tiến như Hệ thống định vị toàn cầu (GPS) hay công nghệ ả n h số. Đối với phương
pháp sử dụng ánh số’, khó kh ăn lốn n h ất hiện nay là vân đề tự động n h ậ n dạng và đo vẽ các
đối tượng. Bài báo này nghiên cứu phương pháp sử dụng bộ lọc Laplace làm rõ n é t đưòng
ra n h giới giữa các đối tượng để sau đó có th ể đo vẽ chúng bằng phương pháp tự động hay
bán tự động.
1. C ác bộ lọc là m r ò n é t r a n h giới g iữ a c á c đ ô i tư ợ n g t r o n g x ử lý ả n h sô
Ánh sô là hình ánh của các thực thê tự nhiên hay nh ân tạo được th e hiện dưới dạng
lưới các ô vuông có giá trị m àu hay dộ xám khác n h au để có th ể xử lý và hiến thị bằng máy
tinh [5]. Mỗi ô vuông được gọi là điểm ảnh hay pixel, chúng là đơn vị nhỏ n h ất có th ế hiển
th ị được trê n ảnh số. Bài báo này giới hạn nghiên cứu các ảnh hàng không trắn g đen, trên
đó mỗi điểm ảnh chửa giá trị độ xám từ 0 (m àu đen) đến 255 (m àu trắng). Hình la minh
họa một ảnh số đơn giản chì gồm 2 miền sáng - tôì và giá trị độ xám của các điểm ảnh trong
hình chữ n h ậ t ồ vùng ra n h giối giũa 2 miền đó:

H ình 1. Ảnh số đdn giản (a) và ảnh dã được xử lý bằng građiên (b) cùng với giá trị độ xám
của các điểm ảnh ỏ vùng lân cận đưòng ra n h giới
16

Sứ dụng bộ lọc Laplace làm rõ net các dói lượng trùn ánh số.

Đê cỏ th ế nhặn dạng tự dộng được ta cần phải làm rõ n ét đường ra n h giới giữa 2 miền
sáng và tối trong tấm ảnh trên. Vấn đề này có th ể giải quyết được bằng cách tính građiên
(gradient) độ xám ỏ vùng lân cặn dường ra n h giới.
Giá sử giá trị độ xám của các điểm ả n h có th ể được biểu diễn bằng hàm độ xám F(x,y)
với (x^y) là tọa độ tinh băng cột và hàng của điểm ảnh. Khi đó građiên G của độ xám tại
điểm (x,y) có th e được tính theo công thức [4]:

Trong trường hợp dơn giản nhất, các đạo hàm bậc n h ấ t được tính theo độ xám của 3
điểm ảnh lân cận:
~ = F(x + \.y)~ F (x ,y ),
ax

ay

= F (x,y + \)-F ( x ,y )

(2)

Áp dụng công thức (l)-(2) ta tín h dược gradiên (hình lb) cho ảnh trê n hình la. Khi
các diem ảnh cùng thuộc về một dối tượng th ì độ xám của chúng thường bằng nh au hay gần
bảng nhau, tức là građiên có giá trị bằng 0 hoặc gần bằng 0. Còn khi các điểm ánh nằm ở
gần ra n h giới giữa các đối tượng thi độ xám của chúng sẽ khác nhau nhiều và gradiên có giá
trị tuyệt đôì lổn. Khi građiên ỏ một điểm nào đó vượt quá giá trị giới h ạn cho trước thì người
ta cho rằng điểm dó năm trê n dường ra n h giới giủa các đối tượng. Công thức (1) chứa đạo
hàm bậc n h ất của F(x,y) và là cđ sở của các bộ lọc Sobel, Roberts, Prew itt... được sử dụng
trong công nghệ ánh sô’ [2, 4].
Nếu chúng ta tính G(x,y) theo đạo hàm bậc 2 của F(x,y), tức là:

+
dx

(3)
dy

thì giá trị của G(x,y) sẽ có dâu khác nh au (+ và -) ở h ai phía đưòng ra n h giỏi giữa các đối
tượng. Hàm G(x,y) tin h theo công thức (3) là cơ sở của bộ lọc Laplace [2].
Trong thực tế, đế' áp dụng bộ lọc kích thước nxn pixel («=3,5,7:..), građiên G(x,y) được
tinh theo các độ xám của rt- điểm án h lân cặn giới hạn bởi hình vuông có tâm ỏ (x,y) và cạnh
bằng n pixel:

£ X « ,w

<4)

Các hệ sô’ K„ được cho trong m a trậ n kích thước nxn gọi là h ạ t nh ân (kernel) của bộ
lọc. Vi dụ như bộ lọc Laplace 3x3 có th ế có h ạ t n h ân [5]:


Trẩn Quốc Bình. N e u yỉn Đức Kh á. T rán Vãn Tuấn

18

Các bộ lọc dựa trê n công thửc (1) và (3) được gọi là bộ lọc tần-số cao (high-pass filter)
do chúng cho lọt qua các tầ n sô’ không gian (spatial frequency) cao và loại bỏ các tầ n sô
thấp. C hính nhờ đặc tín h này m à khu vực ra n h giới giữa các đốì tượng, nơi có tầ n sô không
gian cao, sẽ được làm rõ n é t hớn những khu vực khác trẽ n ả n h sô. Hình 2 hiển th ị k ết quà
áp dụng m ột số bộ lọc tầ n sô’ cao (Sobel, P rew itt, Laplace). Từ hình 2 có th ể n h ận th ấ y trong
sô các bộ lọc làm rõ n é t ra n h giỏi giữa các đôi tượng thì bộ lọc Laplace có k h ả n ản g ứng dụng

cao bởi nó ít làm biến d ạn g điíờng ra n h giói, cho kết quả tôt khi mức độ xám th ay đối chậm ,
m iền chuyên tiếp trả i rộng.

H ình 2. K ết quả xử lý án h s ố bằng các bộ lọc tần sô cao
2. Đ á n h g iá ả n h h ư ở n g c ủ a k íc h th ư ớ c bộ lọ c L a p la c e
Kích thưỏc của bộ lọc ảnh hưởng trự c tiếp lối dải tần sô' không gian mà nó cho lọt qua.
Do đó, kết quả nh ận dạn g các loại dôì tượng khác nhau sẽ phụ thuộc vào kích thước của bộ
lọc. Đ ể đán h giá mối qu an hệ phụ thuộc này, chúng tôi đã tiến hành xử lý ánh sô' (hình 3at
của một k h u vực đ huyện T h an h T rì (thành phô Hà Nội) bằng các bộ lọc Laplace có kích
thước khác n hau. T rê n á n h có các đôi tượng qu an tâm là ngã ba đường liên xà (đánh dấu


Sir dụng bộ lọc Laplacc làm rõ néi cãc đổi nrọng Ircn ánh sổ..

bằng chữ B), dường mòn (A) và 2 m ánh ruộng ngập nước (C). So s án h các ản h trê n hình 3,
có thê đưa ra một sô nhặn xét về ảnh hướng của kích thước bộ lọc như sau:
a. A n h góc

b. B ộ lọc 3x3

H ình 3. Kết quá xử lý án h số bảng các bộ lọc Laplace có kích thước khác nhau
- Bộ lọc 3x3 (hinh 3b): Đường ra n h giới giữa các dối tượng có th ể n h ặn biết bằng m ắt
tương đối dễ dàng, tuy nh iên các đường này bị đ ứ t quãng nên khó có th ể do vẽ tự động được.
Bàn thân ảnh bị ảnh hường râ t nhiều bởi nhiễu tầ n sô' cao.
- Bộ lọc 9x9 (hình 3c): Lượng nhiễu tầ n sô cao giảm nhiều so vối bộ lọc 3x3, các đường
mòn nhỏ có độ rộng 4-6 pixel (vị trí A trê n hình vẽ) hiển th ị rõ n é t và liền m ạch nên có th ể
sô' hóa tự động tốt.. Tuy nhiên, ra n h giới của các đ ịa v ậ t có kích thước lổn như trục đường cái
có độ rộng 13-15 pixel (vi t r í B trên hình vẽ) hay m ảnh ruộng ngập nước có độ rộng 25-30
pixel (vị trí C) còn rấ t khó p h ân biệt.
- Bộ lọc 15x15 (hình 3d): Các đô'i tượng có kích thước lớn (vị t r í B, C) trở nên rõ nét

hơn so với bộ lọc 9x9 song vẫn chịu ánh hưởng bởi nhiễu tần số tru n g . Các dường mòn có độ
rộng nhỏ (vị trí A) tuv vẫn được nhận ra khá rõ song bị nhòe vối các đôi tượng ỉân cận nên
độ chính xác đo vẽ kém.
- Bộ lọc 21*21 (hinh 3e): Kết quà tương tự như bộ lọc 15x15 với lượng nhiễu ít hơn và các
dôì tiíọng kích thước lớn rõ nét hơn song các đôì tượng có kích thưổe nhỏ bị nhòe nhiều hơn.


Trán Quốc Bình, Nguyẻn Đức Khá, Trẳn Vãn Tuân

20

-

Bộ lọc 31x31 (hình 3f)\ Các đối tượng kích thước lớn hiển th ị không rõ nét hơn nhiề

so với bộ lọc 21x21, tuy nhiên các đôĩ tượng nhỏ (đưòng mòn ở vị trí A) gần như bị nhòe
hoàn toàn với các đôi tượng lân cận nên rấ t khó nh ận biết và gây ra sai sô lớn khi do vẽ
(vectơ hóa) chúng.
Kết quả đo ản h cho th ấy vối bộ lọc lớn hơn 9x9, kích thước của các đôi titợng lớn sẽ bị
tăng lên khoảng 1-2 pixel theo bể rộng nếu chúng có tông màu sáng và giảm 1-2 pixel nếu
chúng có tông m àu tối. Do đó, đế tăng độ chính xác khi sô" hóa cần phải tính đến hiệu ứng
này. Cũng cần chú ý rằ n g tỗc độ xử lý ảnh tỷ lệ th u ận vối bình phương kích thước của bộ
lọc. Ví dụ n h ư bộ lọc 31x31 sẽ có tốc độ xử lý chậm hơn (31:9)2 a 12 lần so với bộ lọc 9x9.
Các kết quả th u được cho thấy đối với ảnh trê n hình 3a nên sử dụng 2 bộ lọc là 9x9 đê
nhặn biết các đôì tượng có kích thước nhỏ (3-7 pixel) và 21x21 để nhận biết các đối tượng có
kích thước lón (từ 8 pixel trỏ lên). Tiến hành thử nghiệm tương tự với ảnh sô của các khu
vực có địa hình, địa v ậ t khác nhau, chúng tôi đã thành lập được đồ thị biểu diễn kích thước
tôi ưu của bộ lọc Laplace theo kích thước của các địa v ật trên ảnh sô' (hình 4).
Kích thước
bộ lục

dũi tượng
H ỉnh 4. Đồ th ị biểu diễn kích thước tôì líu của bộ lọc phụ thuộc
vào kích thước của đối tiíỢng đo vẽ (đơn vị đo: pixel)
Trên hình 4 miền các kích thước tôi líu của bộ lọc dược tô màu xám . Đôi vổi các dối
tượng lớn hơn 63 pixel kích thước tối tíu của bộ lọc dao động trong khoáng từ 19x19 dên
31x31 pixel. Đế’ tính kích thước của các đối tượng bằng pixel ta có th ể sử dụng công thủc:
<6>
vói d , là kích thước của đối tượng đo bằng pixel trê n ảnh, ci, là kích thước thực đo bằng
m ét và r là độ phân giải của ả n h sô’ đo bằng mét ì pixel. Ví dụ nh ư nếu tuyến đường có dộ
rộng bằng 30m thì trê n á n h số với độ phân giải 0,5m/pixel sẽ có độ rộng bàng 30/0,5 = 60
pixel.


Sứ dụng bộ lọc Lapluctr làm rõ né! các dổi lượng trẽn ánh sò..

3. Q u y t r ì n h c ô n g n g h ệ t h u t h ậ p d ữ Liệu k h ô n g g ia n b á n t ự đ ộ n g từ ả n h sô
T rèn cơ sỏ cãc kết quà nghiên cứu ỏ trên, chúng tôi đã dể xuất quy trìn h công nghệ
thu thập dữ liệu không gian bán tự động từ ảnh sô' cho các hệ thống LIS với sự trợ giúp của
bộ lọc Laplace (hình 5). Q uy trìn h công nghệ gồm các bước sau:

Gộp dữ liệu vectư. số hóa bổ sung
Đối chiếu thực địa, biên tập dữ liệu

I

Cộp nhật vào cơ sớ dữ liệu

Hình 5. Sơ đồ quy trìn h công nghệ thu thập dữ liệu không gian bán tự động
từ ản h số với sự trợ giúp của bộ lọc Laplace

Bước 1: Thu thập các tư liệu ảnh (nếu đã có) hoặc tiến hàn h bay chụp, thu thập tư
liệu bàn đồ và các tài liệu liên quan, kiêm tra các dữ liệu hiện có về khu vực trong cơ sỏ dữ
liệu của hệ thông.
Bước 2: Q uét ánh để chuyển đổi vể dạng số. Đôi với ảnh có tỷ lệ nhỏ và chụp ở những
khu vực có địa hìn h phức tạ p cần quét vối độ phân giải lớn n h ấ t cho phép, ơ những khu vực
có địa hiiih đon gián, độ cao bay chụp th ấp thì chi cần đảm bảo độ phân giài không gian
khoáng 0,3-0,Sm/pixel. Ảnh sau khi quét được nắn chính hình học để xứ lý các biến dạng do


Trán Quốc Bình, Nguyỗn Đức Khii. Trăn Văn Tuấn

22_

ánh nghiêng, tuyến bay bị d ạ t lệch, ản h hường của địa hình... và đưa về cơ sỏ toán học của
hệ thống. Nếu các thông tin về địa hình đầy đủ thì trong bước này có th ể t.ạo ảnh số trực
giao. Sau khi nắn chỉnh hình học, ảnh được tăng cường ch ấ t lượng để làm rõ n é t các đôi
tượng bảng cách thay đổi dộ sáng, độ tương phản và hiệu chỉnh gam m a.
Bước 3: Giải đoán các yếu tố chuyên đề trê n ảnh tùy thuộc vào mục đích thu thập và
cập n h ật dữ liệu của hệ thông.
Bước 4: P hân loại sơ bộ bằng m ắt các đối tượng trê n ản h sô theo cấu trúc và kích
thitớc. Do các bộ lọc Laplace kích thước lớn cho k ết quả nh ận d ạn g tố t đối với các đôi tượng
lớn song chúng lại làm "nhòe" các dõi tượng có kích thước nhỏ nên để tăn g hiệu quả nhận
dạng, mỗi tâ'm ả n h được lọc rồi vectơ hóa 2 lần với kích thước bộ lọc trong mỗi lần khác
nhaụ. Kích thước hợp lý của các bộ lọc lớn và nhỏ được lựa chọn dự a trê n kết quả phân loại
và dồ thị trên hình 4.
Bước 5: Xử lý ảnh bang các bộ lọc Laplace có kích thước lớn và nhỏ để tạo ra hai ánh
trắng - đen mới, trên đó dường ra n h giới giữa các đối tượng được làm rõ n ét để có thể vectơ
hóa tự động trong bước tiếp theo.
Bước 6: Sử dụng các phần mềm vectơ hóa tự động hay b án tự động như I/Geovec,
RasterToVector, Corel Trace,... để vectơ hóa các đôì tượng trên 2 ản h được xử lý ở bưỏc trên.

Do các đối tượng có kích thước lớn và nhỏ được vectơ hóa trên 2 tấm ản h khác nh au nén chế
độ vectơ hóa bán tự động thích hợp hơn so vối chế độ tự động.
Bước 7: Gộp các dữ liệu dã vectơ hóa ở bước 6 thành một tệp tin dữ liệu duy nhât, sô
hóa bô sung các đôì tượng không vectơ hóa tự động dược và hiệu chỉnh các đối tượng dược
vectơ hóa với sai sô lớn.
Bước 8: Đối chiếu ngoài thực địa để kiểm tra nội dung của dữ liệu. Biên tập dữ liệu
theo các chuẩn của h ệ thống.
Bước 9: Cập n h ậ t cơ sở dữ liệu của hệ thống.
Có th ể nh ận thấy trong quy trìn h công nghệ trên, bước tôn nhiểu công sức nhất là
vectơ hóa các đôì tượng không gian dã được bán tự dộng hóa sau khi xử lý ảnh số bằng bộ
lọc Laplace. P hần tiếp theo sẽ th ử nghiệm quy trìn h công nghệ đ ể đánh giá mức độ tự động
hóa và độ chính xác.
4. K ết q u ả t h ử n g h iệ m v à đ á n h g iâ đ ộ c h ín h x á c
Để đánh giá hiệu quả ứng dụng của bộ lọc Laplace, chúng tôi đã tiến hành thử
nghiệm xử lý ản h số của các khu vực khác nhau theo quy trìn h trê n hình 5. Trong quá trình
thử nghiệm , phần mềm PCI của hảng PCI Geomatics [3] được sử dụng dê lọc ảnh và phần
mềm I/Geovec của hăng Intergraph được sử dụng để vectơ hóa bán tự động. C hất lượng
nhận dạng được đánh giá bàng 2 chỉ số:


Sít dụng bộ lọc Laplace lãm rõ nét các dối lượng iron ành số..

1. Tỷ lệ (%) SÔ dôi tượng đo vẽ tự động được'" trên tổng sô các đôi tượng có diện tích
lổn hơn 100 pixeH trên ảnh.
2. Sai sô tru n g phương về vị trí của kết quả vectơ hóa bán tự động so với vectơ hóa
băng tay (th ú công). Chi sô này được tính theo công thức:
(7)
với d, là khoảng cách từ đỉnh các đường vectơ hóa bằng tay tới các đưòng vectơ hóa bán tự
dộng tương ứng (hình 6), N là tổng sô' các khoảng cách đo được. Khoảng cách d, không phải
là sai sô’ thực của đường vectơ hóa tự động vì các đường vectơ hóa bằng tay cũng chứa sai số.

Tuy nhiên, d, và m kết quả th ử nghiệm.

Đường vectohóu tựdộnỵ
Đường vectơlìóa hằng lay

H ình 6. Sai số của các dường vectơ hóa tự dộng
Q ua th ử nghiệm (bảng 1) có th ể thấy kết quả tốt n h ấ t đ ạ t được ỏ khu vực đồng bằng
có địa hình không phức tạp, các đôi tượng có cấu trúc đơn giản, độ tương phàn trê n ảnh cao.
Ờ khu vực có địa hình phửc tạp như nhiều đổi núi, ruộng bậc th an g hay ruộng trồng hoa
m àu có nhiều luống, các khu vực đông dân cư,... k ết quả thu được kém di nhiều. Yếu tô' gây
trờ ngại nhiều n h ấ t dối vối quá trìn h do vẽ tự động là sự phân bố và độ ổn định về độ xám
trong phạm vi của từng dôì tượng trê n ảnh. C hẳng hạn nh ư ruộng bậc th an g hay ruộng
trồ n g hoa m àu có nh iều luống trê n ản h được hiển th ị bởi nh iều đưòng th ẳ n g song song
sẽ gây ra nhiều lỗi trong quá trìn h đo vẽ tự động. Ngược lại, các ru ộ n g lú a và ruộng
ngập nước có m àu sắc trê n ả n h đồng đều nên cho k ế t quả đo vẽ tốt. Mức độ tự động hóa
đo vẽ các đối tượng tù y theo đặc điểm của kh u vực giao động tro n g khoảng 30-55%.
N hìn chung, các k ế t quả th ử nghiệm cho th ấy quy trìn h công nghệ trê n hìn h 5 được sử
dụng tô t n h ấ t khi th u th ập dừ liệu không gian có độ ch ín h xác khoảng l-3 m ỏ các vùng
dồng bằn g có địa hìn h đơn giản.

1Đối tượng được coi là đo vẽ lự động nếu hờn 75% chu vi của nó có thể vectơ hóa lự dộng dược với sai số không vượt
quá 3m,i,.


24

Trăn Qutic Bình. Nguyén ĐỨI Khá. Trấn Vãn Tuân

B áng 1. K ết q u ả th ử nghiệm đo vẽ b án tự động các đối tượ ng trê n ả n h số.

Kich
STT

Độ phân giải

Số

trung binh

iượng

(m/pixel)

ảnh

0.4

2

thước các
Khu vực và đặc diêm địa hinh

bộ lọc

Tý lệ đo
vẽ tự
dộng

(pixel)
1

Huyện Thanh Tri, TP Há Nội. Địa hinh dơn giản,

9x91

chù yếu lả ruộng lúa, ruộng tróng màu vâ một số

27x27

Sai sô'
trung
phương
(m)

48%

0.8

55%

0.9

31%

4.1

35%

3.8

30%

4.2

khu dân cư.
2

3

0.4

1,2

2

1

Huyện Tỉén Hài. tính Thải Binh. Địa hinh dơn giản,

9x9/

chủ yểu là ruỏnq lúa vá duỡng giao thõng.

31x31

Huyện Thuận Châu, tinh Sơn La Địa hinh chù yếu

9x9/

là núi đá, rừng, đường món, ruộng bặc thang vả

21x21

mỏt số khu dân cư.
4

5

1,2

1.4

1

1

Phường Dông Kinh, TP. Lạng Sơn. Địa hĩnh phức

7x71

tap góm các khu dân cu và núi.

19x19

Huyện Bắc Hà, tình Lào Cai. Địa hinh có nhiéu núi

9x91

dá vá rừng.

21x21

5. K ế t lu ậ n
Bài báo dà nghiên cửu phương pháp ửng dụng bộ lọc Laplace đê xử lý ảnh sô nhằm hỗ
trợ quá trìn h tự động hóa thu thặp dữ liệu không gian cho các hệ thông thông tin dâ't đai.
Các kết quả nghiên cứu cho thấy kích thước của bộ lọc Laplace ảnh hướng nhiều dến khả
năng đo vẽ tự động các đôi tượng có kích thước khác nhau nên dê d ạ t được kết quả tối ưu
cần đổng thòi áp dụng 2 bộ lọc có kích thước lớn và nhỏ. Đây là cơ sở để dề xuất quy trình
công nghệ th u thập dữ liệu không gian bán tự động từ ảnh sô với sự t.rợ giúp cùa bộ lọc
Laplace. Kết quả th ử nghiệm cho thấy tính khả thi của quy trình công nghệ này cho các
khu vực có địa hình không phức tạp, các đối tượng trên ảnh có cấu trúc đơn gián và m àu sắc
phân biệt rõ ràng. Các hướng nghiên cửu tiếp theo cần được chú trọng là tăng cường độ
chính xác của dữ liệu và nâng cao mửc độ tự dộng hóa cúa quy trìn h công nghệ.

*
Công trình này được hoàn thành trong khuôn khô Chương trình nghiên cứu khoa
học cơ bản giai đoạn 2004-2005, đ ề tài m ã sô'74.04.04.
TÀI LIỆU THAM KHẢO
1.

Tổng cục Địa chính, Cơ sở d ữ liệu Quô'c gia về tài nguyên đất (dự án khả thi), Hà Nội,
1998.


Sứ dụng bộ lọc Laplacc làm rõ nét các đối tượng Irèn ánh sỗ..

2.

Kasser M, Egels Y. (eđ.),

21

Digital Photogrametry. Taylor & Francis, London, 2001, pp.

96-100 .

3.

PCI Geomatics,

4.

P ra tt W.K.,

Image Work: User manual, O ntario, Canada. 2003.

Digital Image Processing (3rdedition), Jo h n Wiley & Sons, 2001. pp. 443-

508.

5.

Wolf P.R., D ew itt B.A.,

Elements of Photogrametry (3rd edition), McGraw - Hill, 2000,

602pp.
VNU. JOURNAL OF SCIENCE, Nat.. Sci., & Tech , T.xx. N„4AP . 2004

USING LAPLACIAN FILTER TO HIGHLIGHT OBJECTS ON

DIGITAL IMAGES FOR AUTOMATED LAND DATA COLLECTION
T r a n Q u o c B in h , N g u y e n D u e K ha, T r a n V a n T u a n

Department of Geography, College of Science, VNU
L a n d in f o r m a tio n s y s te m (L IS ) is a p o w e rfu l tool o f la n d m a n a g e m e n t d u e to its

ability to supply com prehensive and consistent inform ation for land users and land
a d m in is tra to r s . O n th e o t h e r h a n d , to e n s u r e i t s fu n c tio n a lity , L IS re q u ire s to su p p ly a
la rg e a m o u n t o f la n d d a ta , e sp e c ia lly s p a tia l d a ta . T h is is th e re a s o n w hy th e block o f
a u to m a te d s p a tia l d a t a c o lle c tio n is o f im p o r ta n t in la n d in fo rm a tio n sy ste m s.
T h e p a p e r in v e s tig a te d th e u s e o f L a p la c ia n filte r for h ig h lig h tin g th e b o u n d a rie s of

objects o n d i g i t a l i m a g e s i n o r d e r t o a u t o m a t i c a l l y r e c o g n i z e t h e m . T h e i m p a c t o f f i l t e r 's
size on the quality of recognition, as well as the suitability of th e filter for various types of
la n d sc a p e is in v e s tig a te d . B a se d on th e o b ta in e d r e s u lts , th e p a p e r h a s s u g g e s te d a
te ch n o lo g ic a l p ro c e s s o f a u to m a te d s p a tia l d a t a c o llec tio n fo r la n d in fo rm a tio n sy ste m s. T he
su g g e ste d te c h n o lo g ic a l p ro c e ss is b e s t s u ita b le fo r fla t a r e a s w h e re th e ir ob je cts h a v e
sim p le s tr u c t u r e a n d h i g h - c o n tr a s t c olour.