Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (Luận án tiến sĩ)

BỘ THÔNG TIN VÀ TRUYỀN THÔNG
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

NGUYỄN TU TRUNG

NGHIÊN CỨU NÂNG CAO CHẤT LƯỢNG VÀ GIẢI ĐOÁN
ẢNH VIỄN THÁM ĐA PHỔ DỰA TRÊN TÍNH TOÁN MỀM

LUẬN ÁN TIẾN SĨ KỸ THUẬT

HÀ NỘI – 2018
1


BỘ THÔNG TIN VÀ TRUYỀN THÔNG
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

NGUYỄN TU TRUNG

NGHIÊN CỨU NÂNG CAO CHẤT LƯỢNG VÀ GIẢI ĐOÁN
ẢNH VIỄN THÁM ĐA PHỔ DỰA TRÊN TÍNH TOÁN MỀM

Chuyên ngành: Hệ thống thông tin
Mã số: 9.48.01.04

LUẬN ÁN TIẾN SĨ KỸ THUẬT

Người hướng dẫn khoa học:
1. TS. Vũ Văn Thoả
2. PGS.TS. Đặng Văn Đức

HÀ NỘI – 2018
2


MỤC LỤC

LỜI CAM ĐOAN

7

LỜI CẢM ƠN

8

DANH MỤC CHỮ VIẾT TẮT

9

DANH SÁCH BẢNG

11

DANH SÁCH HÌNH VẼ

13

PHẦN MỞ ĐẦU

17

1.

Tính cấp thiết của luận án

17

2.

Mục tiêu, đối tượng và phương pháp nghiên cứu của luận án

19

3.

Đóng góp chính của luận án

20

4.

Bố cục của luận án

20

CHƯƠNG I - TỔNG QUAN VỀ VIỄN THÁM VÀ GIẢI ĐOÁN ẢNH VIỄN
THÁM ĐA PHỔ

22

1.1. Tổng quan về viễn thám

22

1.1.1. Tiến trình viễn thám

22

1.1.2. Đặc trưng viễn thám

23

1.1.3. Khuôn mẫu ảnh viễn thám

25

1.1.4. Các loại ảnh viễn thám

25

1.2. Tổng quan về giải đoán, phân tích ảnh viễn thám đa phổ

26

1.2.1. Khái quát về giải đoán, phân tích ảnh viễn thám đa phổ

26

1.2.2. Khái niệm và tiến trình giải đoán ảnh đa phổ

26

1.2.3. Hiệu chỉnh ảnh

29

1.2.4. Tăng cường chất lượng ảnh trực quan

32

1.2.5. Giải đoán thủ công

34

1.2.6. Giải đoán tự động theo phương pháp số

35

3


1.2.7. Hậu giải đoán, phân lớp

41

1.3. Tổng quan về tính toán mềm

42

1.3.1.

Khái niệm về tính toán mềm

42

1.3.2.

Phân biệt tính toán mềm và tính toán cứng

43

1.3.3.

Một số đặc điểm của tính toán mềm

44

1.3.4.

Các kỹ thuật trong tính toán mềm

45

1.4. Tình hình nghiên cứu trong và ngoài nước

47

1.4.1. Tăng cường hình ảnh trực quan

47

1.4.2. Giải đoán ảnh viễn thám

57

1.5. Phân tích, đánh giá về thành công, ưu điểm, hạn chế

71

1.6. Kết luận chương I

72

CHƯƠNG II: PHÁT TRIỂN MỘT SỐ THUẬT TOÁN TĂNG CƯỜNG ĐỘ
TƯƠNG PHẢN ẢNH VIỄN THÁM ĐA PHỔ
73
2.1. Một số thuật toán tăng cường độ tương phản ảnh dựa trên logic mờ

73

2.1.1. Tăng cường ảnh mờ với toán tử tăng cường

73

2.1.2. Tăng cường ảnh mờ với toán tử Hyperbol

73

2.1.1. Tăng cường ảnh mờ dựa trên phân bố xác suất

74

2.1.2. Cải thiện độ tương phản dựa trên luật If-Then mờ

75

2.2. Hạn chế của các thuật toán tăng cường mờ

75

2.3. Một số độ đo chất lượng tăng cường ảnh

76

2.4. Đề xuất kĩ thuật tăng cường độ tương phản ảnh viễn thám dựa trên tiếp cận cục
bộ 78
2.5. Tăng cường ảnh viễn thám sử dụng phân cụm mờ

79

2.5.1. Thuật toán tăng cường ảnh viễn thám sử dụng phân cụm mờ

79

2.5.2. Phát triển thuật toán LoRSIE_FCM cho ảnh đa phổ

83

2.5.3. Thuật toán tăng cường ảnh viễn thám kích thước lớn

84

4


2.5.5. Thử nghiệm và đánh giá

85

2.6. Tăng cường ảnh viễn thám sử dụng phân cụm KMeans

93

2.6.1. Thuật toán tăng cường ảnh viễn thám sử dụng thuật toán phân cụm
KMeans 93
2.6.2. Phát triển thuật toán cho ảnh đa phổ

96

2.6.3. Thử nghiệm và đánh giá

97

2.7. Kết luận chương II

101

CHƯƠNG III: PHÁT TRIỂN MỘT SỐ THUẬT TOÁN PHÂN LỚP ẢNH VIỄN
THÁM ĐA PHỔ
103
3.1. Phân cụm ảnh viễn thám với thuật toán KMeans

103

3.1.1. Thuật toán KMeans

103

3.1.2. Thuật toán CCEA_KMeans

103

3.1.3. Thuật toán 2D-KMeans

104

3.1.4. Hạn chế của thuật toán KMeans

104

3.1.5. Một số độ đo chất lượng phân cụm ảnh

105

3.1.6. Đề xuất thuật toán WIKMeans

105

3.1.7. Đề xuất thuật toán CIKMeans

112

3.1.8. Đề xuất thuật toán KMeansCMN

119

3.2. Phân cụm ảnh viễn thám với thuật toán Fuzzy C-Means

127

3.2.1. Hạn chế của thuật toán Fuzzy C-Means

127

3.2.2. Đề xuất thuật toán lsiFCM

127

3.3. Phân lớp ảnh viễn thám

132

3.3.1. Phân lớp hợp lý tối đa

132

3.3.2. Một số độ đo phân lớp

134

3.3.3. Đề xuất tiếp cận lai cho phân lớp ảnh viễn thám

135

3.4. Kết luận chương III

143

5


KẾT LUẬN

145

DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ CỦA NGHIÊN CỨU SINH

147

TÀI LIỆU THAM KHẢO

149

PHỤ LỤC – BIẾN ĐỔI WAVELET

162

6


LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả. Các
kết quả nghiên cứu và các kết luận trong luận án này là trung thực, không sao chép
từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào. Việc tham khảo các nguồn
tài liệu đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định.

Tác giả luận án

Nguyễn Tu Trung

7


LỜI CẢM ƠN
Luận án này báo cáo các kết quả nghiên cứu trong thời gian tôi làm nghiên
cứu sinh. Trong suốt thời gian này ngoài nỗ lực làm việc của bản thân tôi, phòng
Tin học Viễn thông và nhóm aSoftwareGroup, Viện Công nghệ Thông tin đã tạo
cho tôi một môi trường làm việc, điều kiện để thực hiện các nghiên cứu về chuyên
nghành xử lý ảnh nói chung và xử lý ảnh viễn thám nói riêng.
Tôi xin chân thành cảm ơn TS. Vũ Văn Thoả, PGS.TS Đặng Văn Đức đã tận
tình hướng dẫn tôi để hoàn thành được luận án này. Tôi cũng xin chân thành cảm ơn
thầy Ngô Hoàng Huy, phòng Nhận dạng và Công nghệ Tri thức, Viện Công nghệ
Thông tin. Thầy có ảnh hưởng rất lớn đến lĩnh vực nghiên cứu mà tôi quan tâm.
Xin cảm ơn các đồng nghiệp tại Tin học Viễn thông, Viện Công nghệ Thông
tin đã đóng góp những ý kiến thiết thực mỗi lần tôi seminar về vấn đề xử lý ảnh
viễn thám.
Đặc biệt tôi xin bày tỏ lòng biết ơn sâu sắc tới bố mẹ tôi, vợ tôi và đại gia
đình tôi mà thiếu họ chắc chắn tôi đã không đủ nghị lực để hoàn thành công trình
này.

8

DANH MỤC CHỮ VIẾT TẮT
AIVHE

Adaptively Increasing Value Histogram Equalization

AS

Ant System

ACO

Ant Colony Optimization

ACS

Ant Colony System

KM

KMeans

MKM

Moving KMeans

2D-KM

Two-Dimensional KMeans

2D-MKM

Two-Dimensional Moving Kmeans

FKM

Fuzzy Kmeans

CDFKM

Center Displacement FKM

CCEA

Cluster Center Estimation Algorithm

OSCAR

Open Source Cluster Application Resource

CUDA

Compute Unified Device Architecture

MR-FCM

Multi Resolution Fuzzy C-Means

GLCM

Gray level co-occurrence matrix

MICI

Maximum information compression index

BPTS

Back Propagation Through Structure

MDASER

Multispectral Data Analysis System for Earth Resource

MLC

Maximum Likelihood Classification

LNN

Layered Neural Networks

BPNN

Back propagation neural network

PCNN

pulse coupled neural network

9


SVM

Support vector Machine

GRASS

Geographic Resources Analysis Support System

LoRSIE

Local based Remote Sensing Image Enhancement

DWT

Discrete Wavelet Transform

LaSRSIE

Large Size Remote Sensing Image Enhancement

wiKMeans

Wavelet init Kmeans

CIKMeans

Context Information Kmeans

WICI-Kmeans

Wavelet init - Context Information Kmeans

cwKMeans

Center Weight Kmeans

CMN

Cepstal Mean Normalisation

lsiFCM

large size image Fuzzy cMeans

PSI

Pixel Shape Index

MICI

Maximum Information Compression Index

10


DANH SÁCH BẢNG

Bảng 1.1. Ảnh phân loại cuối cùng (a) ảnh gốc và (b) đến (d) là các ảnh gốc được
áp watershed từ độ phân giải mức 2 đến mức 0 tương ứng [85]. .............................. 63

Bảng 2.1. Quy trình thuật toán tăng cường ảnh viễn thám dựa trên tiếp cận cục bộ. 78
Bảng 2.2. Các hàm biến đổi mức xám theo từng cụm. ............................................... 81
Bảng 2.3. Tăng cường ảnh với phương pháp mờ và cải tiến. ..................................... 86
Bảng 2.4. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải tiến. 87
Bảng 2.5: Thời gian thực thi. ...................................................................................... 88
Bảng 2.6. Tăng cường ảnh với phương pháp mờ và cải tiến. ..................................... 88
Bảng 2.7. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải tiến. 89
Bảng 2.8. Tăng cường ảnh với phương pháp mờ và cải tiến. ..................................... 89
Bảng 2.9. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải tiến. 90
Bảng 2.10. Tăng cường ảnh với phương pháp mờ và cải tiến. ................................... 90
Bảng 2.11. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải
tiến. .............................................................................................................................. 91
Bảng 2.12. Thời gian thực thi. .................................................................................... 91
Bảng 2.13. Tăng cường ảnh với phương pháp mờ và cải tiến. ................................... 92
Bảng 2.14. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải
tiến. .............................................................................................................................. 92
Bảng 2.15. Thời gian thực thi. .................................................................................... 93
Bảng 2.16. Các hàm biến đổi mức xám theo từng cụm. ............................................. 95
Bảng 2.17. Tăng cường ảnh với phương pháp mờ và cải tiến. ................................... 98
Bảng 2.18. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải
tiến. .............................................................................................................................. 98
Bảng 2.19. Tăng cường ảnh với phương pháp mờ và cải tiến. ................................... 99

11


Bảng 2.20. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải

tiến. .............................................................................................................................. 99
Bảng 2. 21. Tăng cường ảnh với phương pháp mờ và cải tiến. ................................ 100
Bảng 2.22. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải
tiến. ............................................................................................................................ 100
Bảng 2. 23. Tăng cường ảnh với phương pháp mờ và cải tiến. ................................ 101
Bảng 2.24. So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải
tiến. ............................................................................................................................ 101

Bảng 3. 3. Các ảnh đầu vào trong tử nghiệm 1, 2 và 3. ........................................... 109
Bảng 3.4. Ảnh kết quả phân cụm với 5 cụm. ............................................................. 114
Bảng 3.5. Ảnh kết quả phân cụm với 5 cụm. ............................................................. 115
Bảng 3.6. Ảnh kết quả phân cụm với 5 cụm. ............................................................. 116
Bảng 3.7. Ảnh kết quả phân cụm với 5 cụm. ............................................................. 118
Bảng 3.9. So sánh độ đồng nhất cụm (*1.0e+3). ...................................................... 121
Bảng 3.10. Thời gian phân cụm (ms). ....................................................................... 122
Bảng 3.11. So sánh độ đồng nhất cụm (*1.0e+3). .................................................... 123
Bảng 3.12. Thời gian phân cụm. ............................................................................... 124
Bảng 3.13. Tâm cụm sinh từ KMeans và KMeansCMN. .......................................... 125
Bảng 3.14. Thời gian phân cụm. ............................................................................... 126
Bảng 3.15. Các ảnh dùng trong các thử nghiệm. ..................................................... 129
Bảng 3.16. So sánh độ chính xác. ............................................................................. 138
Bảng 3.17. So sánh độ chính xác. ............................................................................. 140
Bảng 3.18. So sánh độ chính xác. ............................................................................. 142

12


DANH SÁCH HÌNH VẼ
Hình 1.1. Tiến trình viễn thám. ................................................................................... 22
Hình 1.2. Ảnh chụp và ảnh số. .................................................................................... 24

Hình 1.3. Tiến trình giải đoán tự động ảnh viễn thám đa phổ.................................... 28
Hình 1.4. Nắn chỉnh hình học. .................................................................................... 31
Hình 1.5. Cân bằng lược đồ màu. ............................................................................... 32
Hình 1.6. Nguyên tắc chính của tăng cường ảnh mờ [47]. ........................................ 33
Hình 1.7. Phân lớp có giám sát (trái) và không giám sát (phải). ............................... 36
Hình 1.8. Các bước cơ bản trong phương pháp phân lớp có giám sát. ..................... 38
Hình 1.9. Quy trình phân lớp ảnh đa phổ hướng điểm ảnh. ....................................... 39
Hình 1.10. Quy trình phân loại ảnh đa phổ hướng đối tượng. ................................... 40
Hình 1.11. Ví dụ của ảnh khử sương mù sử dụng dò tìm điểm tối; Trái: Ảnh sương
mù đầu vào, Phải: Kết quả của phương pháp trong [122]......................................... 48
Hình 1.12. So sánh kết quả của trong [70] với trong [48]. ........................................ 49
Hình 1.13. (a-f): So sánh kết quả xử lý với các hàm wavelet khác nhau và bộ lọc
đồng cấu [124]. ........................................................................................................... 50
Hình 1.14. So sánh với phương pháp nhanh của Tarel và Hautiere [105]. Phương
pháp trong [29] nhanh và cho kết quả chính xác hơn phương pháp của Tarel. ........ 51
Hình 1.15: thử nghiệm loại bỏ mây mù trong [120]................................................... 52
Hình 1.16. So sánh kết quả thuật toán của Cheng (c) với thuật toán ACE (b) [24]... 54
Hình 1.17. So sánh kết quả 2 kĩ thuật tăng cường: đầu vào, luật mờ, toán tử tăng
cường [99]................................................................................................................... 55
Hình 1.18. Kiến trúc phân lớp của Napoleon và cộng sự [77]................................... 59
Hình 1.19. Ảnh đầu vào Landsat và kết quả với 5 cụm [77]. ..................................... 60
Hình 1 20. Kết quả phân loại có kiểm soát ảnh World View 1, QuickBird [7]. ......... 68
Hình 1 21. Sơ đồ quá trình nhận dạng. ....................................................................... 70

13


Hình 1.22. Ảnh đầu vào, kết quả phân loại dựa trên tiếp cận điểm ảnh, tiếp cận đối
tượng. .......................................................................................................................... 70
Hình 2.1. Hàm phân bố xác suất cho việc tính toán các giá trị hàm thuộc. ............... 74

Hình 2.2. Hàm thuộc. .................................................................................................. 75
Hình 2.3. Hàm phân bố và các ngưỡng theo từng cụm. ............................................. 82
Hình 2.4. Hàm phân bố và các ngưỡng theo từng cụm. ............................................. 96
Hình 3.1. Biến đổi ảnh với Wavelet. ......................................................................... 106
Hình 3 2. Cây phân cấp cho phân rã nhiều mức. ..................................................... 107
Hình 3.3. Ảnh đầu vào kết quả phân rã ảnh viễn thám đa phổ. ............................... 107
Hình 3.5. Biểu đồ so sánh thời gian phân cụm của KMeans và WIKMeans với ảnh
thử nghiệm 1. ............................................................................................................. 109
Hình 3.6. Biểu đồ so sánh thời gian phân cụm của CCEAKMeans và WIKMeans với
ảnh thử nghiệm 1. ...................................................................................................... 110
Hình 3.7. Biểu đồ so sánh thời gian phân cụm của KMeans và WIKMeans với ảnh
thử nghiệm 2. ............................................................................................................. 110
Hình 3.8. Biểu đồ so sánh thời gian phân cụm của CCEAKMeans và WIKMeans với
ảnh thử nghiệm 2. ...................................................................................................... 111
Hình 3.9. Biểu đồ so sánh thời gian phân cụm của KMeans và WIKMeans với ảnh
thử nghiệm 3. ............................................................................................................. 111
Hình 3 10. Biểu đồ so sánh thời gian phân cụm của CCEAKMeans và WIKMeans
với ảnh thử nghiệm 3. ................................................................................................ 112
Hình 3.11. Biểu đồ so sánh chỉ số độ đồng nhất các cụm sinh ra bởi KMeans,
WIKMeans, 2D-KMeans, CIKMeans và WICI-Kmeans (*1.0e+3). ......................... 116
Hình 3.12. Biểu đồ so sánh chỉ số độ đồng nhất các cụm sinh ra bởi KMeans,
WIKMeans, 2D-KMeans, CIKMeans và WICI-Kmeans (*1.0e+3). ......................... 117
Hình 3.13. Biểu đồ so sánh chỉ số độ đồng nhất các cụm sinh ra bởi KMeans,
WIKMeans, 2D-KMeans, CIKMeans và WICI-Kmeans (*1.0e+3). ......................... 119
Hình 3.14. Kết quả phân cụm bởi KMeans. .............................................................. 121
14


Hình 3.15. Kết quả phân cụm bởi KMeansCMN. ..................................................... 121
Hình 3.16. Biểu đồ so sánh chỉ số độ đồng nhất các cụm sinh ra bởi KMeans,

KMeansCMN (*1.0e+3). ........................................................................................... 122
Hình 3.17. Kết quả phân cụm bởi KMeans. .............................................................. 123
Hình 3.18. Kết quả phân cụm bởi KMeansCMN. ..................................................... 123
Hình 3.19. Biểu đồ so sánh chỉ số độ đồng nhất các cụm sinh ra bởi KMeans,
KMeansCMN (*1.0e+3). ........................................................................................... 124
Hình 3.20. Kết quả phân cụm bởi KMeans. .............................................................. 125
Hình 3.21. Kết quả phân cụm bởi KMeansCMN. ..................................................... 125
Hình 3.22. Biểu đồ so sánh chỉ số độ đồng nhất các cụm sinh ra bởi KMeans,
KMeansCMN (*1.0e+3). ........................................................................................... 126
Hình 3.23. Chi tiết từng cụm của FCM của thử nghiệm 1. ....................................... 129
Hình 3.24. Chi tiết từng cụm của lsiFCM của thử nghiệm 1. ................................... 129
Hình 3.25. Biểu đồ so sánh chỉ số F(I) các cụm sinh ra bởi FCM và lsiFCM của thử
nghiệm 1 (*1.0e+3). .................................................................................................. 130
Hình 3.26. Biểu đồ so sánh chỉ số F’(I) các cụm sinh ra bởi FCM và lsiFCM của
thử nghiệm 1 (*1.0e-3). ............................................................................................. 130
Hình 3.27. Chi tiết từng cụm của FCM của thử nghiệm 2. ....................................... 131
Hình 3.28. Chi tiết từng cụm của lsiFCM của thử nghiệm 2. ................................... 131
Hình 3.29. Biểu đồ so sánh chỉ số F(I) các cụm sinh ra bởi FCM và lsiFCM của thử
nghiệm 2(*1.0e+3). ................................................................................................... 131
Hình 3.30. Biểu đồ so sánh chỉ số F’(I) các cụm sinh ra bởi FCM và lsiFCM của
thử nghiệm 2 (*1.0e-3). ............................................................................................. 131
Hình 3.31. Quy trình phân loại ảnh đa phổ theo tiếp cận lai. .................................. 135
Hình 3.32: Sơ đồ thử nghiệm quy trình thử nghiệm phân lớp theo tiếp cận lai. ...... 136
Hình 3.33: Lựa chọn và hiển thị vùng mẫu trên ảnh. ............................................... 137
Hình 3.34. Ảnh đầu vào, kết phân loại thuật toán gốc và cải tiến. ........................... 138
Hình 3.35. So sánh độ chính xác. .............................................................................. 139
15


Hình 3.36. Ảnh đầu vào, kết phân loại thuật toán gốc và cải tiến. ........................... 140

Hình 3.37. So sánh độ chính xác. .............................................................................. 141
Hình 3.38. Ảnh đầu vào, kết phân loại thuật toán gốc và cải tiến. ........................... 142
Hình 3.39. So sánh độ chính xác. .............................................................................. 143

16


PHẦN MỞ ĐẦU
1. Tính cấp thiết của luận án
Viễn thám được hiểu là một khoa học và nghệ thuật để thu nhận thông tin về
một đối tượng, một khu vực hoặc một hiện tượng, thông qua việc phân tích tài liệu
thu nhận được bằng các phương tiện [6]. Viễn thám bao gồm các thiết bị cảm biến,
ghi lại năng lượng phát ra từ đối tượng nghiên cứu, và bao gồm tổ hợp phần
cứng/phần mềm với khả năng xử lý, phân tích và ứng dụng các thông tin thu được
từ ảnh. Với cách hiểu này thì quá trình viễn thám bao gồm hai giai đoạn chính: (i)
Thu thập thông tin viễn thám; (ii) Xử lý và phân tích dữ liệu viễn thám. Đề tài được
đặt ra nhằm nghiên cứu một số phương pháp xử lý ảnh viễn thám để hỗ trợ giải
quyết các vấn đề liên quan đến giai đoạn (ii), Xử lý và phân tích ảnh viễn thám.
Những công nghệ mới trong thu nhận và xử lý ảnh viễn thám không ngừng
được phát triển, cho phép không ngừng nâng cao độ phân giải của ảnh cả về phổ và
không gian. Một trong những tiên phong trong lĩnh vực này là hãng Kestrel. Kestrel
đã thiết kế, xây dựng, thử nghiệm và triển khai hệ thống xử lý ảnh siêu phổ
(hyperspectral) có chi phí hiệu quả, sử dụng phép chuyển đổi Fourier mới được phát
triển theo chương trình Small Business Innovation. Hệ thống xử lý này đã được đưa
vào sử dụng trên vệ tinh MightySat của Không lực Hoa kỳ năm 2000. Hãng Kestrel
đang tiếp tục phát triển bộ cảm biến dữ liệu siêu phổ hai chiều CCD, nhằm tăng
cường khả năng chụp mặt đất tốc độ cao, đặc tính vốn bị hạn chế do việc sử dụng hệ
thống phát hiện một chiều truyền thống.Ngoài ra, các nhà nghiên cứu còn hướng
quan tâm tới việc tăng cường khả năng chụp ảnh trong điều kiện sáng yếu và hỗ trợ
truy nhập dữ liệu quang phổ ở những dải năng lượng thấp. Bên cạnh đó, những tiến

bộ công nghệ trong cảm biến và quang học cũng được áp dụng nhằm tăng cường
chất lượng dữ liệu ảnh thu được, giảm nhẹ gánh nặng cho quá trình xử lý ảnh.
Ngày nay, một xu hướng mới của ứng dụng phần mềm ảnh viễn thám đó là
các dịch vụ bản đồ trực tuyến. Giá trị của dữ liệu viễn thám đã được nhiều nhà cung
cấp nặng ký trong các dịch vụ Web phát hiện. Microsoft và Google đã lần lượt phát
triển các dịch vụ bản đồ trực tuyến “MSN Virtual Earth” và “Google Earth”. Sự kết
hợp của dữ liệu viễn thám và các công cụ bản đồ thân thiện trên dịch vụ bản đồ trực
tuyến đã đem dữ liệu viễn thám tới đại chúng và mở ra những khả năng ứng dụng
mới cho viễn thám.
17


Quá trình xử lý và phân tích thông tin viễn thám được thực hiện bằng phần
mềm máy tính. Ảnh viễn thám ngày càng có những ứng dụng quan trọng trong
nhiều lĩnh vực, từ hỗ trợ quản lý đất đai phục vụ dân sinh, quản lý, giám sát chủ
quyền quốc gia, cho đến hỗ trợ giám sát tài nguyên, môi trường ... Ứng dụng ngày
càng phổ biến của ảnh viễn thám tất yếu dẫn đến nhu cầu ngày càng tăng của việc
sử dụng phần mềm xử lý ảnh viễn thám.
Ngày nay, có rất nhiều phần mềm cả thương mại lẫn mã nguồn mở phục vụ
công tác xử lý dữ liệu viễn thám. Theo nghiên cứu của hãng Global Marketing
Insights, những phần mềm liên quan tới xử lý dữ liệu viễn thám được ứng dụng
nhiều nhất tại các nhóm nghiên cứu châu Á là ESRI 30%; ERDAS 25%; RSI ENVI
17%; MapInfo 17%; ERMapper 11%. Trong khi đó, ở phương Tây, những con số
này là ESRI 39%, ERDAS 27%, MapInfo 9%, AutoDesk 7%, RSI ENVI 17% [42].
Còn ở Việt Nam, công nghệ xử lý ảnh viễn thám đã xâm nhập khá sớm, từ
năm 1983 (Viện Khoa học Việt Nam). Để nhanh chóng phát triển công nghệ vũ trụ
phục vụ cho phát triển kinh tế của đất nước, Nhà nước đã xây dựng đề án: “Kế
hoạch tổng thể về ứng dụng và phát triển công nghệ viễn thám ở Việt Nam” nhằm
hướng đến sự phát triển bền vững trên cơ sở sử dụng hợp lý tài nguyên thiên nhiên
và bảo vệ môi trường. Năm 2006, Viện Công nghệ Vũ trụ, thuộc Viện Hàn Lâm

Khoa học và Công nghệ Việt Nam được thành lập. Năm 2013 Việt Nam đã phóng
vệ tinh viễn thám đầu tiên mang tên VNRedsat-1. Vệ tinh viễn thám thứ 2
VNRedsat-2 dự kiến được phóng vào năm 2019.
Các bài toán liên quan đến hoạt động nhận thức, trí tuệ của con người đều hàm
chứa những đại lượng, thông tin không chính xác, không chắc chắn và không đầy
đủ. Trong lĩnh vực khoa học kĩ thuật, các hệ thống phức tạp thực tế không thể mô tả
đầy đủ và chính xác bởi các phương trình toán học truyền thống. Kết quả là những
tiếp cận kinh điển dưa trên kỹ thuật phân tích và các phương trình toán học nhanh
chóng tỏ ra không còn phù hợp. Vì thế, công nghệ tính toán mềm là giải pháp trong
lĩnh vực này. Vấn đề giải đoán ảnh viễn thám cũng phức tạp và cần sử dụng các kĩ
thuật trong công nghệ tính toán mềm. Công nghệ tính toán mềm gồm các thành
phần: Logic mờ, Mạng Neural nhân tạo, lập luận xác suất, hệ hỗ trợ ra quyết định.
Các kĩ thuật phân lớp thuộc về công nghệ tính toán mềm.
Xuất phát từ thực tế và những lý do trên, nghiên cứu sinh đã lựa chọn đề tài
“Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh đa phổ dựa
18


trên tính toán mềm” để thực hiện luận án tiến sĩ chuyên ngành Hệ thống thông tin .
Kết quả nghiên cứu được áp dụng trên ảnh viễn thám, đặc biệt là ảnh viễn thám tại
khu vực trong nước để phân tích các đặc thù của lớp phủ nước ta và đưa ra những
kết quả hữu ích cho giai đoạn hậu phân loại như xây dựng bản đồ...
Thách thức đặt ra với đề tài là rất lớn vì ảnh viễn thám có nhiều loại với đặc
thù riêng. Mỗi loại có phương pháp xử lý, phân tích riêng. Vì vậy, việc lựa chọn
phương pháp, kĩ thuật phù hợp để từ đó cải tiến là rất quan trọng.
2. Mục tiêu, đối tượng và phương pháp nghiên cứu của luận án
Mục tiêu của luận án là nghiên cứu kĩ thuật tăng cường và phân lớp để hỗ
trợ cho việc giải đoán ảnh viễn thám đa phổ.
Từ mục tiêu, luận án tập trung vào bốn nội dung nghiên cứu chính bao gồm:
 Nội dung thứ nhất là đánh giá các phương pháp, kĩ thuật tiền xử lý, tăng

cường ảnh viễn thám.
 Nội dung thứ hai là so sánh, đánh giá các phương pháp, kĩ thuật phân lớp
ảnh viễn thám.
 Nội dung thứ ba là đề xuất kĩ thuật mới tăng cường ảnh viễn thám đa phổ
và chứng minh phương pháp mới hiệu quả hơn các phương pháp đã có theo
các tiêu chuẩn đánh giá được chọn.
 Nội dung thứ tư là đề xuất kĩ thuật mới phân loại ảnh viễn thám đa phổ và
chứng minh phương pháp mới hiệu quả hơn các phương pháp đã có theo
các tiêu chuẩn đánh giá được chọn.
Đối tượng nghiên cứu của luận án bao gồm:
 Các kĩ thuật tiền xử lý, tăng cường ảnh viễn thám.
 Các kĩ thuật phân lớp ảnh viễn thám.
Ảnh viễn thám bao gồm nhiều loại khác khau với các đặc trưng và phương
pháp xử lý khác nhau. Luận án tập trung vào ảnh viễn thám đa phổ và các kĩ thuật
xử lý tương ứng. Vì vậy, phạm vi nghiên cứu của luận án tập trung chủ yếu ở hai
vấn đề chính. Một là, nghiên cứu kĩ thuật tiền xử lý, tăng cường ảnh viễn thám đa
phổ. Hai là, nghiên cứu phương pháp phân lớp ảnh viễn thám đa phổ.

19


Phương pháp nghiên cứu của luận án là nghiên cứu lý thuyết và nghiên cứu
thực nghiệm. Về nghiên cứu lý thuyết: Tổng hợp các thông tin liên quan, lựa chọn
các cách tiếp cận đã được áp dụng thành công dựa vào các kiến thức cơ bản, các kết
quả nghiên cứu đã công bố; trao đổi thông qua seminar hoặc tham gia báo cáo tại
các hội thảo khoa học; trao đổi, làm việc và kết hợp chặt chẽ với các chuyên gia về
lĩnh vực viễn thám. Về nghiên cứu thực nghiệm: luận án thực hiện cài đặt các thuật
toán, chạy thử nghiệm thuật toán với các bộ số liệu ảnh viễn thám, so sánh và đánh
giá kết quả thực nghiệm so với kết quả nghiên cứu lý thuyết, từ đó kết luận tính
đúng đắn của kết quả nghiên cứu.

3. Đóng góp chính của luận án
 Đề xuất kỹ thuật tăng cường độ tương phản ảnh viễn thám dựa trên tiếp cận
cục bộ theo cụm thông qua 2 giải thuật phân cụm KMeans và phân cụm mờ
FCM.
 Cải tiến thuật toán phân cụm KMeans áp dụng với ảnh viễn thám: (i)
WIKMeans với bước khởi tạo tâm cụm xác lập dựa theo kỹ thuật Wavelet;
(ii) CIKMeans dựa trên vector trung b nh cụm, (iii) KMeansCMN với công
thức tính tâm cụm áp dụng kĩ thuật chuẩn hóa trung bình phổ và (iv) Fuzzy
C-Means thành lsiFCM với những tuỳ biến để xử lý với ảnh k ch thước lớn
trên cơ sở FCM.
4. Bố cục của luận án
Luận án gồm phần mở đầu và ba chương nội dung, phần kết luận, danh mục
các công trình và danh mục các tài liệu tham khảo.
Chương 1 trình bày tổng quan tình hình nghiên cứu về viễn thám và xử lý ảnh
viễn thám đa phổ.
Các đóng góp chính của luận án được trình bày trong chương chương 2 và
chương 3.
Chương 2 trình bày một số thuật toán tăng cường ảnh dựa trên logic mờ. Từ đó,
chương 2 để xuất một kĩ thuật tăng cường ảnh viễn thám mới dựa trên tiếp cận cục
bộ. Trong đó, bao gồm hai thuật toán chính dựa trên hai thuật toán phân cụm khác
nhau là KMeans và Fuzzy CMeans. Tuy nhiên, do nhược điểm cố hữu của thuật toán
phân cụm mờ dẫn đến gặp vấn đề với ảnh viễn thám kích thước lớn, chương 2 cũng
20


đề xuất thuật toán tăng cường ảnh cải tiến cho thuật toán tăng cường dựa trên Fuzzy
CMeans nói trên cho ảnh viễn thám kích thước lớn. Đánh giá và so sánh với các
phương pháp đã có dựa trên chỉ số mờ của các ảnh tăng cường thu được.
Chương 3 đề xuất các kĩ thuật phân lớp có giám sát và không giám sát mới cho
ảnh viễn thám. Về phương pháp phân lớp không giám sát bao gồm các thuật toán đề

xuất cải tiến từ các thuật toán KMeans và Fuzzy CMeans. Đánh giá và so sánh với
các phương pháp đã có dựa trên chỉ số về độ đồng nhất cụm cũng như thời gian thực
thi của các các thuật toán phân cụm. Về phương pháp phân lớp giám sát là một tiếp
cận mới lai dựa trên hai tiếp cận hướng điểm ảnh và hướng đối tượng, thuật toán đề
xuất cải tiến từ thuật toán phân lớp hợp lý tối đa (Maximum likehood).
Cuối cùng, phần kết luận nêu những đóng góp của luận án, hướng phát triển
và những vấn đề quan tâm của nghiên cứu sinh.

21


CHƯƠNG I - TỔNG QUAN VỀ VIỄN THÁM VÀ GIẢI
ĐOÁN ẢNH VIỄN THÁM ĐA PHỔ
Trong chương 1, luận án trình bày tổng quan về viễn thám, giải đoán ảnh đa
phổ. Tiếp đó, luận án trình bày về tình hình nghiên cứu trên thế giới. Từ đó, luận án
phân tích kết quả đạt được và những vấn đề còn hạn chế. Những phân tích này làm
tiền đề để luận án đề xuất những cải tiến mới trong các chương tiếp theo.

1.1. Tổng quan về viễn thám
1.1.1. Tiến trình viễn thám
Theo các định nghĩa trong [22][62] thì viễn thám (Remote Sensing) được hiểu
như một khoa học, nghệ thuật thu nhận thông tin về đối tượng, khu vực hay hiện
tượng trên bề mặt Trái đất mà không tiếp xúc trực tiếp với chúng. Công việc này
được thực hiện bởi cảm nhận (sensing) và lưu trữ các năng lượng phản xạ hay được
phát ra từ các đối tượng nghiên cứu. Sau đó là thực hiện phân tích, xử lý và ứng
dụng các thông tin này vào nhiều lĩnh vực khác nhau.
Tiến trình viễn thám bao gồm nhiều công đoạn, trong đó có tương tác giữa bức
xạ và đối tượng nghiên cứu. Khái niệm đối tượng nghiên cứu trong tài liệu này
được hiểu là các đối tượng, khu vực hay hiện tượng nào đó trên bề mặt Trái đất mà
con người muốn thu thập thông tin về nó. Trên hình 1.1 là mô tả vắn tắt bảy thành

phần của hệ thống thu ảnh viễn thám [22].

Hình 1.1. Tiến trình viễn thám.

Nguồn năng lượng hay nguồn sáng (A): Yêu cầu đầu tiên của viễn thám là
phải có nguồn năng lượng để chiếu sáng hay cung cấp năng lượng điện từ đến đối
tượng nghiên cứu.
22


Bức xạ và khí quyển (B): Vì năng lượng đi từ nguồn tới đối tượng đích cho
nên nó tiếp xúc và đi qua khí quyển. Việc tương tác này còn xảy ra lần nữa khi năng
lượng đi từ đối tượng đích tới cảm biến (sensor).
Tương tác với đối tượng đích (C): Sau khi năng lượng được truyền qua khí
khuyển nó sẽ tương tác với đối tượng đích. Cách thức tương tác của chúng phụ
thuộc vào tính chất của đối tượng đích và bức xạ.
Thu nhận năng lượng bằng đầu cảm biến (D): Sau khi năng lượng bị đối
tượng đích truyền đi hay phân tán (scattered), đầu cảm biến sẽ thu nhận (không tiếp
xúc) và lưu trữ bức xạ điện từ.
Truyền, nhận và xử lý dữ liệu cảm biến (E): Năng lượng được thu nhận bởi
cảm biến sẽ được truyền đi, thông thường dưới dạng điện tử, đễn trạm thu và xử lý,
nơi mà dữ liệu được xử lý thành ảnh (dưới dạng hard-copy hay dạng số).
Diễn giải và phân tích (F): Ảnh được diễn giải bằng trực giác hay hệ thống
số để trích chọn các thông tin về đối tượng nghiên cứu.
Ứng dụng (G): Phần tử cuối cùng của tiến trình viễn thám là áp dụng các
thông tin vừa trích chọn từ ảnh về đối tượng nghiên cứu để hiểu rõ hơn về nó, làm
nổi lên các thông tin mới hay hỗ trợ giải quyết một số vấn đề cụ thể.
Đề tài “Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh đa
phổ dựa trên tính toán mềm” tập trung nghiên cứu một số vấn đề liên quan đến
thành phần F và G được mô tả trong sơ đồ trên đây. Đó là làm thế nào để phân tích,

diễn giải dữ liệu viễn thám và ứng dụng chúng trong thực tế.
1.1.2. Đặc trưng viễn thám
Năng lượng điện từ có thể được nhận biết bằng phim ảnh hay điện tử. Có thể
ghi biến thiên năng lượng trên phim nhạy ánh sáng. Cần phân biệt hai khái niệm
ảnh (image) và ảnh chụp (photograph) trong viễn thám. Ảnh được hiểu là hình thức
biểu diễn “cảnh” bất kỳ, không quan tâm đến bước sóng hay thiết bị viễn thám nào
được sử dụng. Ảnh chụp đề cập đến ảnh được chụp trên phim ảnh. Thông thường,
ảnh được chụp tại bước sóng từ 0.3m đến 0.9m (vùng nhìn thấy và vùng hồng
ngoại phản xạ). Vậy, mọi ảnh chụp là ảnh, nhưng không phải mọi ảnh là ảnh chụp.
Ảnh chụp có thể được biểu diễn và hiển thị dưới dạng ảnh số bằng cách chia ảnh

23


thành các ô vuông nhỏ bằng nhau (theo cột và hàng), gọi là pixel. Biểu diễn độ sáng
của mỗi vùng bằng một giá trị số (DN- Digital Number).

Hình 1.2. Ảnh chụp và ảnh số.

Hình 1.2 thể hiện qui trình sinh ảnh số từ ảnh chụp. Ảnh chụp được quét và
được chia nhỏ thành các pixel. Mỗi pixel được gán một số biểu diễn độ chói. Máy
tính hiển thị mỗi giá trị số với mức độ chói khác nhau.
Các đặc trưng viễn thám bao gồm:
 Kênh ảnh (Channel, Band): Thông thường, một dải hẹp bước sóng được
đo và tập dữ liệu được lưu trữ tách biệt, chúng được gọi là băng (Band) hay
kênh (Channel) ảnh. Có thể tổ hợp và hiển thị các kênh thông tin nhờ ba
màu cơ sở (red, green và blue).
 Độ phân giải ảnh không gian: Đề cập đến vùng được đo, kích thước đặc
trưng nhỏ nhất trên mặt đất mà sensor có thể nhận biết.
 Độ phân giải phổ: Đề cập đến bước sóng phổ mà sensor nhạy cảm với. Có

thể nói độ phân giải phổ là số lượng kênh của ảnh số về một khu vực nào
đó.
 Độ phân giải bức xạ: Đề cập đến mức độ năng lượng được đo bởi sensor.
Nói cách khác là những sự khác biệt nhỏ nhất trong mức năng lượng mà
sensor có thể nhận biết.
 Độ phân giải thời gian: Đề cập đến thời gian thu thập dữ liệu. Nó liên quan
đến khả năng chụp lặp cùng một vùng của vệ tinh.

24


1.1.3. Khuôn mẫu ảnh viễn thám
Khuôn mẫu dữ liệu ảnh viễn thám mô tả cách thức dữ liệu được ghi lên thiết bị
lưu trữ, ví dụ DVD. Một ảnh viễn thám thường được lưu trữ trong hai tệp, ví dụ với
Landsat ETM+ như sau:
 Tệp metadata: Chứa tập các mô tả bằng chữ hay số của dữ liệu lưu trữ
trong tệp dữ liệu ảnh (tệp thứ 2). Chúng bao gồm tổng số dòng quét, số
pixel/dòng, phép chiếu sử dụng và tọa độ địa lý của tâm ảnh...
 Tệp dữ liệu ảnh: Chứa các giá trị điểm ảnh của các kênh 1-7, sắp xếp theo
từng kênh. Với mỗi kênh, các giá trị pixel của dòng quét thứ 1 được lưu trữ
từ trái sang phải thành một bản ghi. Tiếp theo là lưu trữ dữ liệu của dòng
quét thứ 2,...
1.1.4. Các loại ảnh viễn thám
Phân loại ảnh viễn thám theo nguồn năng lượng [129] và chiều dài bước sóng,
ta có thể chia ảnh vệ tinh thành 3 loại cơ bản:
 Ảnh quang học là loại ảnh được tạo ra bởi việc thu nhận các bước sóng
ánh sáng nhìn thấy (bước sóng 0.4 – 0.76 micromet). Nguồn năng lượng
chính là bức xạ mặt trời
 Ảnh hồng ngoại (ảnh nhiệt) là loại ảnh được tạo ra bởi việc thu nhận các
bước sóng hồng ngoại phát ra từ vật thể (bước sóng 8 – 14 micromet).

Nguồn năng lượng chính là bức xạ nhiệt của các vật thể.
 Ảnh radar là loại ảnh được tạo ra bởi việc thu nhận các bước sóng trong
dải sóng cao tần (bước sóng từ 1mm – 1m). Nguồn năng lượng chính là
sóng rada phản xạ từ các vật thể do vệ tinh tự phát xuống theo những bước
sóng đã được xác định.
Một số hệ thống vệ tinh và loại ảnh viễn thám

 Vệ tinh /Cảm biến thời tiết: TIROS-1, GOES, NOAA AVHRR…
 Các cảm biến/ vệ tinh quan trắc mặt đất: Landsat, SPOT, IRS, ASTER,
MODIS

 Các cảm biến/vệ tinh quan trắc hải dương: Nimbus-7, MOS, SeaWiFS
25