Tổng quan luận án

Luận án tiến sĩ kỹ thuật với đề tài "Nghiên cứu nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm" được nghiên cứu sinh Nguyễn Tu Trung thực hiện tại Học viện Công nghệ Bưu chính Viễn thông thuộc Bộ Thông tin và Truyền thông, dưới sự hướng dẫn khoa học của TS. Đặng Văn Đức, chuyên ngành Hệ thống thông tin, mã số 9.04, bảo vệ năm 2018 tại Hà Nội.

Về tính cấp thiết, tiến trình viễn thám bao gồm hai giai đoạn chính: (i) Thu thập thông tin viễn thám và (ii) Xử lý và phân tích dữ liệu viễn thám. Luận án đặt trọng tâm nghiên cứu vào các phương pháp thuộc giai đoạn thứ hai nhằm đáp ứng yêu cầu ngày càng cao về độ chính xác và hiệu năng giải đoán. Thực tiễn thu nhận ảnh viễn thám từ các vệ tinh như Landsat, SPOT, MODIS hay vệ tinh viễn thám của Việt Nam (VNREDSat-1 phóng năm 2013 và kế hoạch VNREDSat-2) cho thấy nguồn dữ liệu này giữ vai trò thiết yếu trong quản lý đất đai, giám sát tài nguyên môi trường và chủ quyền quốc gia. Đồng thời, thị trường phần mềm xử lý dữ liệu viễn thám ghi nhận tỷ lệ ứng dụng lớn của các hệ thống như ESRI (30% tại châu Á, 39% tại phương Tây), ERDAS (25% tại châu Á, 27% tại phương Tây), RSI ENVI (17%), MapInfo và ERMapper. Tuy nhiên, các bài toán nhận thức thị giác và phân tích ảnh viễn thám luôn chứa đựng những thông tin không chính xác, không chắc chắn và không đầy đủ do điều kiện thu nhận, nhiễu khí quyển và tính phức tạp của bề mặt địa hình. Các tiếp cận toán học giải tích truyền thống (tính toán cứng) khó mô tả đầy đủ những hệ thống phức tạp này. Do đó, việc ứng dụng công nghệ tính toán mềm—với khả năng dung nạp tính không chính xác và bất định—trở thành một đòi hỏi thực tế.

Khoảng trống nghiên cứu được tác giả xác định tập trung vào việc khắc phục các hạn chế cố hữu của những kỹ thuật tiền xử lý, tăng cường tương phản và phân loại ảnh viễn thám đa phổ hiện hành, đặc biệt là khi áp dụng trên các tệp dữ liệu có dung lượng và kích thước lớn, phân bố phổ phức tạp của lớp phủ bề mặt tại Việt Nam.

Mục tiêu nghiên cứu tổng quát của luận án là nghiên cứu kỹ thuật tăng cường và phân lớp để hỗ trợ cho việc giải đoán ảnh viễn thám đa phổ. Từ mục tiêu này, luận án xác định bốn nội dung nghiên cứu cụ thể được đánh số như sau:

  1. Đánh giá các phương pháp, kỹ thuật tiền xử lý, tăng cường ảnh viễn thám.
  2. So sánh, đánh giá các phương pháp, kỹ thuật phân lớp ảnh viễn thám.
  3. Đề xuất kỹ 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.
  4. Đề xuất kỹ 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 kỹ thuật tiền xử lý, tăng cường ảnh viễn thám và các kỹ thuật phân lớp ảnh viễn thám. Phạm vi nghiên cứu giới hạn ở ảnh viễn thám đa phổ và các kỹ thuật xử lý số tương ứng, trong đó dữ liệu thực nghiệm được tập trung vào các cảnh ảnh viễn thám khu vực trong nước phục vụ phân tích đặc thù lớp phủ mặt đất.

Tổng quan tài liệu và vị trí của luận án

Trong Chương I, tác giả điểm lại có hệ thống các công trình nghiên cứu trong và ngoài nước liên quan đến hai công đoạn trọng tâm: tăng cường chất lượng ảnh trực quan và giải đoán (phân lớp) ảnh viễn thám.

Đối với hướng nghiên cứu lọc mây và khử sương mù, tác giả tổng hợp các kỹ thuật:

  • Kỹ thuật trừ đối tượng tối đơn giản của Chavez (1988) [115] và Crippen (1987) [27]; tiếp cận mục tiêu tối dựa trên ảnh của Teillet và Fedosejevs (1995) [107].
  • Kỹ thuật dò tìm điểm tối của Pan và cộng sự (2010) [122], sử dụng điểm ảnh có giá trị kênh màu RGB gần bằng không để ước lượng độ dày sương mù.
  • Các mô hình truyền bức xạ khí quyển phức tạp được xây dựng bởi Fraser và cộng sự (1992) [40], Richter (1996) [97], Vermote và cộng sự (1997) [103], Liang và cộng sự (2001, 2002) [89], [90].
  • Tiếp cận ưu tiên kênh tối (dark channel prior) của He, Gao và cộng sự [70] kết hợp lọc thông thấp Gaussian để khử sương mù ảnh viễn thám đơn, đối sánh với phương pháp của Fattal [48] và phương pháp của Tarel và Hautiere (2009) [105].
  • Phương pháp khử sương mù thích ứng dựa trên chiến lược liên hợp của Ancuti và cộng sự (2011) [29].
  • Phương pháp loại bỏ sương mù và mây dựa trên thuật toán Mallat và biến đổi Wavelet nhiều mức của Zhang và cộng sự [124], phân tích đặc trưng tần số thấp của mây và tần số cao của chi tiết cảnh mặt đất.
  • Kỹ thuật hiệu chỉnh bức xạ dựa trên ảnh đa kênh, đa thời gian của Coppin và Bauer (1996) [23], Hall và cộng sự (1991) [44], Lambin và Strahler (1994) [65]; kỹ thuật dựa trên dữ liệu đo đạc mặt đất của Bicheron và cộng sự [14], Moran và cộng sự [82]; và kỹ thuật mục tiêu bất biến của Schott và cộng sự (1988) [91].

Đối với hướng nghiên cứu tăng cường độ tương phản và giải đoán phân lớp ảnh:

  • Các kỹ thuật lược đồ xám (histogram) và biến thể cân bằng thích ứng như AIVHE (Adaptively Increasing Value Histogram Equalization).
  • Kỹ thuật tăng cường mờ kinh điển của Pal và King (1981) [47], [99] sử dụng hàm biến đổi thành viên ánh xạ mức xám vào mặt phẳng mờ kết hợp toán tử tăng cường (enhancement operator) hoặc toán tử hyperbol; kỹ thuật cân bằng độ tương phản thích ứng của Cheng (2004) [24] so sánh với thuật toán ACE.
  • Kỹ thuật phân lớp hướng điểm ảnh kinh điển của Schowengerdt (1997) [100], Lu và Weng (2007) [73], phương pháp phân lớp hợp lý tối đa (Maximum Likelihood Classification - MLC), phân lớp hộp, khoảng cách ngắn nhất; các mô hình mạng nơ-ron như BPTS, LNN, BPNN, PCNN và máy vectơ hỗ trợ (SVM).
  • Kiến trúc phân lớp của Napoleon và cộng sự (2010) [77] trên ảnh Landsat; kỹ thuật phân lớp hướng đối tượng của Hay và Castilla (2008) [66], Blaschke (2010) [7] trên ảnh độ phân giải cao QuickBird, WorldView-1.

Khoảng trống nghiên cứu luận án lựa chọn giải quyết bao gồm:

  • Các thuật toán tăng cường mờ toàn cục thường phân phối lại mức xám trên toàn bộ khung ảnh, dễ làm mất chi tiết cục bộ tại các vùng có độ phản xạ tương đồng.
  • Thuật toán phân cụm mờ Fuzzy C-Means (FCM) có chi phí tính toán và bộ nhớ lớn, khó áp dụng trực tiếp cho ảnh viễn thám kích thước lớn.
  • Thuật toán phân cụm k-Means truyền thống phụ thuộc chặt chẽ vào việc khởi tạo tâm cụm ngẫu nhiên, không xét đến thông tin ngữ cảnh không gian và dễ bị ảnh hưởng bởi biến động trung bình phổ giữa các kênh.
  • Các tiếp cận phân lớp đơn lẻ (chỉ dựa trên điểm ảnh hoặc chỉ dựa trên đối tượng) bộc lộ nhược điểm: phân lớp hướng điểm ảnh bỏ qua tương quan không gian lân cận sinh ra hiện tượng "muối tiêu", trong khi phân lớp hướng đối tượng phụ thuộc nhiều vào chất lượng phân đoạn ban đầu. Luận án chọn giải quyết các khoảng trống này bằng cách phát triển các kỹ thuật tiếp cận cục bộ và tiếp cận lai dựa trên tính toán mềm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án xây dựng cơ sở lý thuyết dựa trên các trụ cột:

  1. Lý thuyết tiến trình viễn thám và nhận dạng mẫu phổ: Căn cứ tài liệu của Lillesand và Kiefer (1994) [62], Campbell (2002) [22] và Đặng Văn Đức (2001) [6], tiến trình viễn thám gồm 7 thành phần từ nguồn năng lượng (A) đến ứng dụng (G). Quá trình tách thông tin từ ảnh đa phổ được phân thành 5 nhóm: phân lớp đa phổ, phát hiện biến động, chiết tách thông tin tự nhiên, xác định các chỉ số (chỉ số thực vật NDVI) và nhận dạng đối tượng đặc biệt.
  2. Lý thuyết tính toán mềm (Soft Computing): Định nghĩa theo Zadeh (1994) [55], tính toán mềm khai thác khả năng chịu lỗi đối với tính không chính xác, bất định và gần đúng để đạt được giải pháp có chi phí thấp và tính khả thi cao. Luận án khai thác hai nhánh cốt lõi là Logic mờ (Fuzzy Logic - Zadeh 1965) và các thuật toán học máy, tối ưu hóa (k-Means, Fuzzy C-Means, thuật toán di truyền của Holland 1962).
Tiêu chí so sánh Tính toán cứng (Hard Computing) Tính toán mềm (Soft Computing)
Dữ liệu xử lý Xử lý dựa trên số liệu chính xác; ví dụ: giá trị nhị phân ${0, 1}$. Cho phép dữ liệu không chính xác, bất định; ví dụ: giá trị hàm thuộc liên tục trong đoạn $[0, 1]$.
Kết quả đầu ra Đưa ra kết quả tối ưu tuyệt đối (chính xác hoàn toàn). Đưa ra kết quả gần tối ưu, chấp nhận sai lệch trong phạm vi cho phép.
Kỹ thuật tính toán Kỹ thuật giải tích, phương trình toán học truyền thống. Kỹ thuật dựa trên kinh nghiệm, heuristic, logic mờ, mạng nơ-ron, giải thuật tiến hóa.
Thời gian tính toán Thời gian tính toán chậm hoặc không khả thi với bài toán phức tạp. Thời gian tính toán nhanh hơn, chi phí tính toán thấp hơn.
Lĩnh vực áp dụng Bài toán đòi hỏi nghiệm tuyệt đối chính xác, không cho phép sai số. Hệ thống phức tạp, dữ liệu không đầy đủ, bài toán tối ưu xấp xỉ trong thế giới thực.
  1. Kỹ thuật biến đổi Wavelet (Discrete Wavelet Transform - DWT): Ứng dụng phân rã ảnh đa độ phân giải theo thuật toán Mallat để phân tách các thành phần tần số cao (chi tiết) và tần số thấp (xấp xỉ).

Phương pháp nghiên cứu thực tế kết hợp giữa nghiên cứu lý thuyết và nghiên cứu thực nghiệm:

  • Nghiên cứu lý thuyết: Khảo sát các tài liệu khoa học, phân tích toán học các hàm thuộc mờ, thiết lập công thức cập nhật tâm cụm và xác lập quy trình xử lý lai.
  • Nghiên cứu thực nghiệm: Cài đặt và thực thi các thuật toán trên các tập dữ liệu ảnh viễn thám đa phổ thực tế (bao gồm dữ liệu Landsat, SPOT và dữ liệu khu vực Việt Nam). Đánh giá định lượng kết quả thực nghiệm thông qua các chỉ số đo lường chuẩn xác:
    • Độ đo tăng cường ảnh: Chỉ số mờ (Fuzzy Index / Fuzziness Measure) biểu thị mức độ tương phản, entropy và thời gian thực thi (mili-giây).
    • Độ đo chất lượng phân cụm: Độ đồng nhất cụm (cluster compactness/homogeneity), độ đo $F(I)$ và $F'(I)$ đánh giá mức độ phân tách và độ chặt cụm, thời gian tính toán.
    • Độ đo phân lớp: Ma trận nhầm lẫn (confusion matrix), độ chính xác tổng thể (overall accuracy) và hệ số Kappa.

Nội dung chính theo từng chương

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

Chương I hệ thống hóa toàn bộ bức tranh lý thuyết về viễn thám, xử lý số ảnh viễn thám và công nghệ tính toán mềm, tạo cơ sở phương pháp luận cho các đề xuất kỹ thuật của luận án:

  • Đặc trưng viễn thám: Phân tích 5 đặc trưng cơ bản bao gồm kênh ảnh (band), độ phân giải không gian, độ phân giải phổ, độ phân giải bức xạ và độ phân giải thời gian. Phân loại 3 nhóm ảnh viễn thám chính: ảnh quang học (bước sóng nhìn thấy 0,4 – 0,7 $\mu$m, nguồn năng lượng bức xạ mặt trời), ảnh hồng ngoại/ảnh nhiệt (bước sóng 8 – 14 $\mu$m, nguồn năng lượng bức xạ nhiệt của vật thể) và ảnh radar (bước sóng cao tần 1 mm – 1 m, nguồn năng lượng chủ động do vệ tinh phát).
  • Quy trình giải đoán ảnh: Trình bày chi tiết các công đoạn từ hiệu chỉnh ảnh (hiệu chỉnh bức xạ do độ nhạy cảm biến, góc chiếu mặt trời, bóng che địa hình và trạng thái khí quyển; hiệu chỉnh hình học đối với sai số hệ thống và phi hệ thống, méo hình nội sai và ngoại sai; hiệu chỉnh khí quyển bằng hàm truyền hoặc dữ liệu thực địa), tăng cường chất lượng ảnh trực quan, đến phân lớp và hậu phân lớp.
  • Giải đoán thủ công và tự động: Tóm lược 8 chuẩn đoán đọc bằng mắt (kích thước, hình dạng, bóng, độ đen, màu sắc, cấu trúc, phân bố, mối quan hệ tương hỗ). So sánh hai tiếp cận phân lớp tự động: tiếp cận hướng điểm ảnh (dựa thuần túy vào vectơ phản xạ phổ của từng pixel) và tiếp cận hướng đối tượng (tổ chức các pixel thành vùng/đối tượng đồng nhất thông qua phân đoạn ảnh rồi trích xuất các đặc trưng phổ, hình dạng, kết cấu, ngữ cảnh).
  • Tổng quan tính toán mềm và lược khảo tài liệu: Phân tích các thành phần của tính toán mềm (logic mờ, mạng nơ-ron, tính toán tiến hóa/thuật toán di truyền, lập luận xác suất), đánh giá ưu nhược điểm của các thuật toán tiền xử lý, tăng cường và phân lớp đã công bố.

CHƯƠNG II: PHÁT TRIỂN MỘT SỐ THUẬT TOÁN TĂNG CƯỜNG ĐỘ TƯƠNG PHẢN ẢNH VIỄN THÁM ĐA PHỔ

Chương II tập trung giải quyết bài toán nâng cao chất lượng ảnh trực quan bằng cách đề xuất kỹ thuật tăng cường độ tương phản ảnh viễn thám dựa trên tiếp cận cục bộ (Local based Remote Sensing Image Enhancement - LoRSIE):

  • Phân tích hạn chế của các phương pháp tăng cường mờ truyền thống: Các phương pháp dựa trên toán tử tăng cường của Pal & King, toán tử hyperbol, phân bố xác suất hay hệ luật mờ If-Then thường áp dụng biến đổi hàm thuộc trên phạm vi toàn cục. Khi ảnh có nhiều đối tượng bề mặt với dải xám chồng lấn, tăng cường toàn cục gây suy giảm độ tương phản cục bộ hoặc làm bão hòa mức xám ở một số vùng.
  • Đề xuất kỹ thuật tăng cường tiếp cận cục bộ: Thay vì biến đổi đồng nhất toàn ảnh, kỹ thuật đề xuất tiến hành phân chia không gian dữ liệu ảnh thành các cụm đồng nhất, sau đó thiết lập các hàm biến đổi mức xám thích ứng riêng biệt cho từng cụm cục bộ.
  • Thuật toán LoRSIE_FCM: Sử dụng giải thuật phân cụm mờ Fuzzy C-Means (FCM) để gom cụm các điểm ảnh có đặc tính phổ tương tự, xác định tâm cụm và tính toán giá trị hàm thuộc của từng điểm ảnh đối với từng cụm, từ đó dãn tương phản cục bộ theo từng cụm mờ. Thuật toán được mở rộng và phát triển hoàn chỉnh cho ảnh đa phổ.
  • Thuật toán LaSRSIE (Large Size Remote Sensing Image Enhancement): Nhằm khắc phục hạn chế của thuật toán FCM khi xử lý các tập dữ liệu ảnh viễn thám kích thước lớn (đòi hỏi bộ nhớ cao và thời gian hội tụ chậm), tác giả đề xuất biến thể tối ưu hóa quy trình phân cụm mờ, cho phép xử lý dữ liệu ảnh quy mô lớn mà không làm suy giảm chất lượng tăng cường.
  • Thuật toán tăng cường dựa trên phân cụm k-Means: Phát triển thuật toán tăng cường cục bộ sử dụng phân cụm cứng k-Means thay cho FCM nhằm giảm thiểu tối đa thời gian tính toán, đồng thời mở rộng thuật toán áp dụng cho các kênh ảnh đa phổ.
  • Kết quả thử nghiệm và đánh giá: Thử nghiệm trên các ảnh viễn thám thực tế cho thấy các phương pháp đề xuất (LoRSIE_FCM, LaSRSIE, thuật toán tăng cường dựa trên k-Means) cho chỉ số mờ thấp hơn rõ rệt so với ảnh gốc và các phương pháp mờ truyền thống, đồng thời bảo tồn chi tiết cấu trúc cục bộ và rút ngắn thời gian thực thi.

CHƯƠNG III: PHÁT TRIỂN MỘT SỐ THUẬT TOÁN PHÂN LỚP ẢNH VIỄN THÁM ĐA PHỔ

Chương III trình bày các đóng góp về thuật toán phân cụm không giám sát và mô hình phân lớp có giám sát trên ảnh viễn thám đa phổ:

  • Cải tiến thuật toán phân cụm k-Means:
    • Thuật toán WIKMeans (Wavelet init KMeans): Sử dụng biến đổi Wavelet rời rạc (DWT) để phân rã ảnh đa phổ. Các hệ số xấp xỉ mức thấp phản ánh thông tin cấu trúc tổng thể được khai thác để xác lập tập tâm cụm ban đầu. Thử nghiệm trên 3 bộ ảnh cho thấy WIKMeans giúp thuật toán hội tụ nhanh hơn, giảm đáng kể thời gian phân cụm và cải thiện độ đồng nhất cụm so với k-Means gốc và thuật toán ước lượng tâm CCEA_KMeans.
    • Thuật toán CIKMeans (Context Information KMeans): Tích hợp thông tin ngữ cảnh không gian thông qua vectơ trung bình cục bộ của vùng lân cận điểm ảnh vào hàm khoảng cách phân cụm, hạn chế nhiễu độc lập. Luận án cũng thử nghiệm mô hình kết hợp WICI-Kmeans (Wavelet init - Context Information KMeans) đạt được độ đồng nhất cụm vượt trội so với 2D-KMeans và k-Means truyền thống.
    • Thuật toán KMeansCMN: Ứng dụng kỹ thuật chuẩn hóa trung bình phổ (Cepstral Mean Normalisation - CMN) vào công thức cập nhật tâm cụm nhằm loại bỏ độ lệch phổ hệ thống giữa các kênh ảnh, làm tăng độ đồng nhất cụm trên các ảnh thử nghiệm.
  • Cải tiến thuật toán phân cụm mờ FCM:
    • Phân tích hạn chế của FCM về độ phức tạp tính toán đối với ảnh viễn thám lớn.
    • Đề xuất thuật toán lsiFCM (large size image Fuzzy cMeans): Tối ưu cấu trúc lưu trữ và quy tắc cập nhật ma trận mờ cho ảnh kích thước lớn. Đánh giá thực nghiệm qua các độ đo độ chặt cụm $F(I)$ và độ tách biệt cụm $F'(I)$ cho thấy lsiFCM duy trì chất lượng phân cụm tương đương hoặc tốt hơn FCM chuẩn nhưng tiết kiệm đáng kể tài nguyên tính toán.
  • Đề xuất tiếp cận lai (Hybrid Approach) cho phân lớp ảnh viễn thám có giám sát:
    • Kết hợp ưu điểm của phân lớp hướng điểm ảnh và phân lớp hướng đối tượng. Quy trình gồm: tiền xử lý ảnh $\rightarrow$ phân cụm/phân đoạn sơ bộ để tạo đối tượng $\rightarrow$ trích chọn đặc trưng đa phổ và đặc trưng vùng $\rightarrow$ áp dụng thuật toán phân lớp hợp lý tối đa (Maximum Likelihood Classification - MLC) cải tiến để gán nhãn lớp phủ.
    • Thử nghiệm thực tế so sánh với thuật toán MLC gốc cho thấy tiếp cận lai loại bỏ hiệu quả hiện tượng "muối tiêu", nâng cao độ chính xác tổng thể và hệ số Kappa trên các vùng mẫu kiểm chứng.

Kết quả và những đóng góp mới

Luận án tự công bố các đóng góp mới về mặt khoa học lý thuyết và giải pháp kỹ thuật thực tiễn:

  1. Đề xuất kỹ thuật tăng cường độ tương phản ảnh viễn thám dựa trên tiếp cận cục bộ theo cụm: Xây dựng quy trình tăng cường chất lượng ảnh trực quan thông qua hai giải thuật phân cụm là k-Means và phân cụm mờ FCM (thuật toán LoRSIE_FCM), cùng giải pháp LaSRSIE cho ảnh kích thước lớn. Phương pháp này khắc phục nhược điểm mất chi tiết cục bộ của các thuật toán tăng cường mờ toàn cục truyền thống.
  2. Cải tiến toàn diện thuật toán phân cụm k-Means áp dụng cho ảnh viễn thám đa phổ:
    • Thuật toán WIKMeans: Khởi tạo tâm cụm ban đầu dựa trên kỹ thuật biến đổi Wavelet, giúp quá trình lặp hội tụ nhanh và tránh rơi vào cực trị địa phương.
    • Thuật toán CIKMeans: Bổ sung thông tin ngữ cảnh không gian vào quá trình phân cụm, nâng cao độ đồng nhất cụm.
    • Thuật toán kết hợp WICI-Kmeans: Tích hợp đồng thời khởi tạo Wavelet và thông tin ngữ cảnh.
    • Thuật toán KMeansCMN: Cải tiến công thức tính toán và cập nhật tâm cụm bằng kỹ thuật chuẩn hóa trung bình phổ (CMN), khử độ lệch phổ giữa các kênh ảnh.
  3. Cải tiến thuật toán phân cụm mờ FCM cho ảnh kích thước lớn: Đề xuất thuật toán lsiFCM với các tùy biến cấu trúc dữ liệu và quy trình tính toán ma trận thành viên, cho phép xử lý hiệu quả các ảnh viễn thám đa phổ dung lượng lớn mà FCM gốc không thể xử lý hiệu quả.
  4. Xây dựng tiếp cận lai cho phân lớp ảnh viễn thám có giám sát: Tích hợp tiếp cận hướng điểm ảnh và tiếp cận hướng đối tượng trên nền tảng thuật toán phân lớp hợp lý tối đa (MLC), nâng cao độ chính xác phân loại lớp phủ bề mặt và cung cấp dữ liệu đầu ra đáng tin cậy cho hệ thống thông tin địa lý (GIS).

Hạn chế và hướng nghiên cứu tiếp

Căn cứ nội dung văn bản luận án, các hạn chế và hướng mở rộng được xác định như sau:

  • Hạn chế: Các thuật toán đề xuất chủ yếu được cài đặt, thử nghiệm và đánh giá trên một số tập dữ liệu ảnh viễn thám đa phổ cụ thể (ảnh Landsat, SPOT, ảnh thực nghiệm tại Việt Nam); việc lựa chọn các tham số kinh nghiệm (như số cụm ban đầu, mức phân rã Wavelet, kích thước cửa sổ ngữ cảnh) trong một số bước xử lý vẫn phụ thuộc vào thử nghiệm trực tiếp của người dùng; cấu trúc tính toán chưa được triển khai hoàn chỉnh trên các kiến trúc phần cứng xử lý song song chuyên dụng.
  • Hướng nghiên cứu tiếp:
    • Nghiên cứu ảnh hưởng của các hàm Wavelet khác nhau đến chất lượng khởi tạo tâm cụm và xác định hàm Wavelet tối ưu cho từng loại ảnh.
    • Tự động hóa quá trình xác định số mức phân rã Wavelet và các tham số ngưỡng thích ứng.
    • Mở rộng các thuật toán tăng cường và phân lớp để ứng dụng cho dữ liệu ảnh siêu phổ (hyperspectral).
    • Khai thác các kiến trúc tính toán hiệu năng cao như CUDA/GPU hoặc môi trường cụm máy tính (OSCAR cluster) nhằm tăng tốc xử lý cho các bài toán viễn thám quy mô lãnh thổ lớn.

Giá trị tham khảo

Luận án mang lại giá trị tham khảo thiết thực cho các nhóm đối tượng học thuật và ứng dụng chuyên ngành:

  • Nghiên cứu sinh, học viên cao học và sinh viên các chuyên ngành Hệ thống thông tin, Khoa học máy tính, Kỹ thuật viễn thông và Công nghệ viễn thám - GIS: Luận án cung cấp hệ thống tài liệu tổng quan chuẩn xác về tiến trình viễn thám, cơ chế hiệu chỉnh hình học/bức xạ/khí quyển và nguyên lý toán học của tính toán mềm (logic mờ, phân cụm mờ, k-Means, phân lớp hợp lý tối đa MLC).
  • Giảng viên và nhà nghiên cứu xử lý ảnh số: Có thể tham khảo chi tiết công thức toán học và quy trình thuật toán của các biến thể WIKMeans, CIKMeans, KMeansCMN, lsiFCM và tiếp cận lai giữa hướng điểm ảnh và hướng đối tượng.
  • Kỹ sư phát triển phần mềm và chuyên viên tại các cơ quan quản lý tài nguyên, môi trường, địa chính: Luận án gợi mở các giải pháp kỹ thuật hữu ích để xây dựng các mô-đun tiền xử lý và phân loại ảnh viễn thám tích hợp trong các hệ thống GIS phục vụ giám sát hiện trạng lớp phủ và thành lập bản đồ chuyên đề.

Câu hỏi thường gặp

  1. Luận án giải quyết giai đoạn nào trong tiến trình viễn thám tổng thể? Căn cứ mục 1 phần Mở đầu và mục 1.1 Chương I, tiến trình viễn thám gồm 7 thành phần từ A đến G. Luận án tập trung nghiên cứu vào giai đoạn (ii) của viễn thám, cụ thể tương ứng với hai thành phần: Diễn giải và phân tích ảnh (thành phần F) và Ứng dụng thông tin trích chọn vào thực tế (thành phần G).

  2. Khác biệt cơ bản giữa thuật toán tăng cường mờ đề xuất (LoRSIE_FCM) và các thuật toán tăng cường mờ truyền thống là gì? Các thuật toán tăng cường mờ truyền thống (như toán tử của Pal & King) áp dụng ánh xạ hàm thuộc mờ trên quy mô toàn cục của toàn bộ ảnh. Ngược lại, thuật toán LoRSIE_FCM của luận án thực hiện tiếp cận cục bộ: phân hoạch ảnh thành các cụm điểm ảnh đồng nhất thông qua giải thuật phân cụm mờ FCM, sau đó áp dụng các hàm dãn mức xám thích ứng riêng cho từng cụm, giúp bảo tồn chi tiết cục bộ và hạn chế mất thông tin ở các vùng có độ tương phản thấp.

  3. Thuật toán WIKMeans khắc phục hạn chế gì của thuật toán k-Means truyền thống? Thuật toán k-Means truyền thống khởi tạo tâm cụm ngẫu nhiên nên kết quả phân cụm không ổn định và dễ rơi vào cực trị địa phương. Thuật toán WIKMeans khắc phục điểm yếu này bằng cách sử dụng biến đổi Wavelet rời rạc (DWT) để phân rã ảnh đa phổ, sau đó trích chọn các đặc trưng cấu trúc ở kênh xấp xỉ tần số thấp để thiết lập tập tâm cụm ban đầu, giúp thuật toán hội tụ nhanh hơn và tăng độ đồng nhất cụm.

  4. Thuật toán lsiFCM được đề xuất nhằm mục đích gì trong Chương III? Thuật toán lsiFCM (large size image Fuzzy cMeans) được đề xuất nhằm khắc phục hạn chế cố hữu của giải thuật phân cụm mờ FCM tiêu chuẩn về nhu cầu bộ nhớ và thời gian tính toán quá lớn khi xử lý ảnh viễn thám kích thước lớn. lsiFCM tối ưu hóa quy trình tính toán và lưu trữ ma trận phân cụm, đảm bảo duy trì độ chính xác phân tách cụm trên các tệp dữ liệu viễn thám quy mô lớn.

  5. Tiếp cận lai trong phân lớp có giám sát tại Chương III kết hợp những phương pháp nào? Tiếp cận lai của luận án kết hợp giữa tiếp cận phân lớp hướng điểm ảnh (dựa trên mẫu phổ của từng pixel) và tiếp cận phân lớp hướng đối tượng (dựa trên các đoạn/vùng ảnh đồng nhất chứa thông tin không gian và kết cấu), áp dụng cải tiến trên nền tảng thuật toán phân lớp hợp lý tối đa (MLC) để loại bỏ hiện tượng "muối tiêu" và tăng độ chính xác phân loại tổng thể.

Kết luận

Luận án tiến sĩ kỹ thuật của tác giả Nguyễn Tu Trung đã giải quyết có hệ thống hai bài toán then chốt trong xử lý ảnh viễn thám đa phổ là tăng cường độ tương phản trực quan và nâng cao độ chính xác phân lớp giải đoán. Bằng việc ứng dụng hiệu quả công nghệ tính toán mềm kết hợp logic mờ, biến đổi Wavelet và thông tin ngữ cảnh không gian, luận án đã đề xuất thành công các thuật toán cải tiến có giá trị khoa học như LoRSIE_FCM, LaSRSIE, WIKMeans, CIKMeans, KMeansCMN, lsiFCM và mô hình phân lớp lai. Các kết quả thực nghiệm trên ảnh viễn thám đa phổ chứng minh tính đúng đắn, khả năng giảm thiểu thời gian tính toán và nâng cao chất lượng xử lý dữ liệu viễn thám phục vụ các ứng dụng thực tiễn. Công trình là tài liệu tham khảo có giá trị chuyên môn cao cho công tác nghiên cứu, đào tạo và ứng dụng công nghệ thông tin trong lĩnh vực viễn thám và hệ thống thông tin địa lý.