Luận văn ths nghiên cứu và đánh giá các phương pháp nội suy ảnh viễn thám cho bài toán phân loại lớp phủ đô thị tại việt nam

Chuyên khảo toán học phân tích Luận văn ths nghiên cứu và đánh giá các phương pháp nội suy ảnh viễn thám cho bài toán phân loại, đánh giá các khía cạnh quan trọng, đề xuất hướng

• Tác giả: Đỗ Thị Phương
• Người hướng dẫn: TS. Bùi Quang Hưng
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nghiên cứu và đánh giá các phương pháp nội suy ảnh viễn thám cho bài toán phân loại lớp phủ đô thị tại Việt Nam
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• DANH MỤC KÝ HIỆU, CHỮ VIẾT TẮT TRONG LUẬN VĂN
• DANH MỤC BẢNG BIỂU
• DANH MỤC HÌNH VẼ
• PHẦN MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ DỮ LIỆU VIỄN THÁM
• 1.1. Nguyên lý thu nhận dữ liệu viễn thám
• 1.2. Phân loại viễn thám
• 1.3. Các đặc trưng cơ bản của ảnh viễn thám
• 1.4. Một số loại dữ liệu viễn thám nghiên cứu trong luận văn
• 1.5. Một số vấn đề trong tiền xử lý dữ liệu ảnh vệ tinh
• 1.6. Bài toán phân loại lớp phủ đô thị ở Việt Nam và các vấn đề trong tiền xử lý dữ liệu ảnh đầu vào
• 1.6.1. Dữ liệu đầu vào trong bài toán phân loại lớp phủ đô thị tại Việt Nam
• 1.6.2. Các vấn đề trong tiền xử lý ảnh bài toán phân loại lớp phủ đô thị tại Việt Nam
• 1.7. Bài toán nghiên cứu đặt ra trong luận văn
• 1.7.1. Một số nghiên cứu về phương pháp nội suy
• 1.7.2. Bài toán nghiên cứu
• 1.7.3. Ý nghĩa khoa học
• 1.7.4. Ý nghĩa thực tiễn
• 2. CHƯƠNG 2: CÁC PHƯƠNG PHÁP NỘI SUY ẢNH
• 2.1. Các khái niệm trong nội suy ảnh
• 2.1.1. Mức xám của ảnh
• 2.1.2. Độ phân giải điểm ảnh
• 2.1.3. Quan hệ giữa các điểm ảnh
• 2.1.4. Khoảng cách giữa các điểm ảnh
• 2.1.5. Khái niệm tái chia mẫu ảnh (Image Resampling)
• 2.1.6. Khái niệm nội suy ảnh
• 2.2. Một số vấn đề trong nội suy ảnh
• 2.3. Một số phương pháp nội suy ảnh
• 2.3.1. Nội suy láng giềng gần nhất - Nearest Neighbor Interpolation
• 2.3.2. Nội suy song tuyến tính - Bilinear Interpolation
• 2.3.3. Nội suy xoắn bậc ba – Cubic Convolution (Bicubic)
• 2.4. Các chỉ số đánh giá, so sánh chất lượng ảnh
• 2.4.1. Sai số bình phương trung bình (MSE)
• 2.4.2. Tỷ số tín hiệu cực đại/ nhiễu (PSNR)
• 2.4.3. So sánh sự tương đồng cấu trúc (SSIM)
• 3. CHƯƠNG 3: MÔ HÌNH THỰC NGHIỆM ĐÁNH GIÁ TÁC ĐỘNG CỦA PHƯƠNG PHÁP NỘI SUY ẢNH VỆ TINH
• 3.1. Lựa chọn công cụ trong thực nghiệm
• 3.2. Thực nghiệm đánh giá tác động của các phương pháp nội suy với ảnh vệ tinh ánh sáng ban đêm DMSP–OLS 2013 và ảnh vệ tinh bề mặt không thấm nước ISA 2010
• 3.2.1. Trích xuất dữ liệu khu vực Việt Nam
• 3.2.2. Thực nghiệm và đánh giá kết quả
• 3.3. Đánh giá tác động của các kỹ thuật nội suy trong tiền xử lý dữ liệu ảnh viễn thám đến kết quả bài toán phân loại lớp phủ đô thị tại Việt Nam
• 3.3.1. Tính toán ngưỡng phân lớp và thực nghiệm
• Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nội Suy Ảnh Viễn Thám và Ứng Dụng

Khoa học viễn thám ngày càng phát triển, ứng dụng trong nhiều lĩnh vực như giám sát môi trường, biến đổi khí hậu, nông nghiệp, quản lý tài nguyên. Một ứng dụng quan trọng là xây dựng bản đồ phân loại lớp phủ đô thị. Tuy nhiên, ảnh vệ tinh thường bị nhiễu, méo hình học, hoặc mất dữ liệu. Do đó, các phương pháp nội suy ảnh được áp dụng để xử lý ảnh đầu vào, hiệu chỉnh ảnh, và tăng độ phân giải. Việc này có ý nghĩa kinh tế, vì ảnh độ phân giải cao thường đắt hơn. Luận văn này tập trung vào nghiên cứu và đánh giá các phương pháp nội suy ảnh viễn thám cho bài toán phân loại lớp phủ đô thị tại Việt Nam, mang lại nhiều ý nghĩa khoa học và thực tiễn. Viễn thám là khoa học nghiên cứu các phương pháp thu thập, đo lường và phân tích thông tin của vật thể quan sát mà không cần tiếp xúc trực tiếp với chúng. Ảnh viễn thám sẽ cung cấp thông tin về các vật thể tương ứng với năng lượng bức xạ ứng với từng bước sóng đã xác định.

1.1. Giới Thiệu Dữ Liệu Ảnh Viễn Thám và Ứng Dụng Thực Tế

Ảnh viễn thám, hay ảnh vệ tinh, được lưu dưới dạng ảnh số. Năng lượng sóng phản xạ từ mặt đất được bộ cảm biến thu nhận và chuyển thành tín hiệu số. Tùy vào kênh phổ, ảnh vệ tinh được ghi lại theo những dải phổ khác nhau. Ảnh vệ tinh có nhiều ứng dụng trong việc giải quyết các bài toán thực tế như: Giám sát môi trường, giám sát sự biến đổi khí hậu, trong nông nghiệp, trong quản lý tài nguyên thiên nhiên, trong khí tượng học, lập bản đồ chuyên ngành.

1.2. Các Bước Xử Lý Ảnh Vệ Tinh Cơ Bản Trong Nghiên Cứu

Các bước xử lý ảnh vệ tinh thông thường bao gồm: Hiệu chỉnh hình học, hiệu chỉnh khí quyển, nội suy ảnh, phân loại ảnh, và đánh giá độ chính xác. Hiệu chỉnh hình học giúp loại bỏ sai số do vị trí và góc nhìn của cảm biến. Hiệu chỉnh khí quyển giúp giảm thiểu ảnh hưởng của khí quyển đến chất lượng ảnh. Nội suy ảnh giúp tăng độ phân giải của ảnh. Phân loại ảnh giúp gán nhãn cho từng pixel dựa trên đặc trưng phổ của chúng. Đánh giá độ chính xác giúp xác định độ tin cậy của kết quả phân loại.

II. Thách Thức Tiền Xử Lý Ảnh Viễn Thám Phân Loại Đô Thị

Bài toán phân loại lớp phủ đô thị tại Việt Nam theo phương pháp GLCMNO mở rộng sử dụng nhiều nguồn dữ liệu, bao gồm bản đồ mật độ dân số, ảnh vệ tinh ánh sáng ban đêm DMSP-OLS, ảnh vệ tinh bề mặt không thấm nước EstISA, ảnh vệ tinh chỉ số thực vật, và ảnh vệ tinh bề mặt chứa nước. Hai dữ liệu DMSP-OLS và EstISA có độ phân giải thấp (1km) và cần được nội suy để tăng độ phân giải lên 500m. Quá trình thu nhận ảnh, ảnh vệ tinh thường bị nhiễu, méo hình học hay mất dữ liệu. Trong các bài toán thực tế thường cần sử dụng nhiều dữ liệu vệ tinh, đa nguồn, đa độ phân giải. Yêu cầu tiền xử lý dữ liệu đầu vào, đưa về cùng độ phân giải.

2.1. Vấn Đề Độ Phân Giải và Yêu Cầu Nội Suy Ảnh

Trong bài toán phân loại lớp phủ đô thị, việc sử dụng dữ liệu đa nguồn với độ phân giải khác nhau đặt ra thách thức lớn. Dữ liệu có độ phân giải thấp cần được nâng cấp để phù hợp với dữ liệu có độ phân giải cao hơn. Nội suy ảnh là giải pháp để giải quyết vấn đề này, giúp tăng độ chi tiết và độ chính xác của kết quả phân loại. Việc áp dụng các phương pháp nội suy ảnh vệ tinh cũng mang nhiều ý nghĩa về mặt kinh tế trong thực tiễn.

2.2. Các Loại Nhiễu Ảnh và Ảnh Hưởng Đến Phân Loại Đô Thị

Ảnh vệ tinh thường bị ảnh hưởng bởi nhiều loại nhiễu, bao gồm nhiễu khí quyển, nhiễu cảm biến, và nhiễu hình học. Nhiễu khí quyển gây ra sự sai lệch về màu sắc và độ sáng của ảnh. Nhiễu cảm biến gây ra các vệt hoặc đường kẻ trên ảnh. Nhiễu hình học gây ra sự méo mó về hình dạng và kích thước của các đối tượng trên ảnh. Các loại nhiễu này có thể ảnh hưởng đến độ chính xác của kết quả phân loại lớp phủ đô thị.

III. Phương Pháp Nội Suy Ảnh Phổ Biến và Đánh Giá Chất Lượng

Luận văn này tập trung vào ba phương pháp nội suy ảnh phổ biến: Nội suy láng giềng gần nhất, nội suy song tuyến tính, và nội suy xoắn bậc ba. Mỗi phương pháp có ưu và nhược điểm riêng về độ chính xác, tốc độ tính toán, và khả năng làm mịn ảnh. Các chỉ số đánh giá chất lượng ảnh như Sai số bình phương trung bình (MSE), Tỷ số tín hiệu cực đại/nhiễu (PSNR), và So sánh sự tương đồng cấu trúc (SSIM) được sử dụng để so sánh hiệu quả của các phương pháp nội suy.

3.1. Nội Suy Láng Giềng Gần Nhất Ưu Điểm và Hạn Chế

Nội suy láng giềng gần nhất là phương pháp đơn giản nhất, gán giá trị của pixel gần nhất cho pixel mới. Ưu điểm là tốc độ tính toán nhanh, nhưng nhược điểm là tạo ra hiệu ứng răng cưa và giảm độ mịn của ảnh. Phương pháp này ít được sử dụng trong các ứng dụng yêu cầu độ chính xác cao.

3.2. Nội Suy Song Tuyến Tính Cân Bằng Giữa Tốc Độ và Độ Chính Xác

Nội suy song tuyến tính tính giá trị của pixel mới dựa trên trung bình có trọng số của bốn pixel lân cận. Phương pháp này cho kết quả mịn hơn so với nội suy láng giềng gần nhất, nhưng tốc độ tính toán chậm hơn. Đây là phương pháp phổ biến trong nhiều ứng dụng viễn thám.

3.3. Nội Suy Xoắn Bậc Ba Độ Chính Xác Cao Tính Toán Phức Tạp

Nội suy xoắn bậc ba tính giá trị của pixel mới dựa trên 16 pixel lân cận, sử dụng hàm xoắn bậc ba để tính trọng số. Phương pháp này cho kết quả chính xác nhất và mịn nhất, nhưng tốc độ tính toán chậm nhất. Phương pháp này thường được sử dụng trong các ứng dụng yêu cầu độ chính xác cao và không quá quan trọng về tốc độ.

IV. Thực Nghiệm Đánh Giá Nội Suy Ảnh Vệ Tinh Phân Loại Đô Thị

Thực nghiệm được tiến hành để đánh giá tác động của các phương pháp nội suy đối với ảnh vệ tinh ánh sáng ban đêm DMSP-OLS và ảnh vệ tinh bề mặt không thấm nước EstISA. Các phương pháp nội suy được áp dụng để tăng độ phân giải của ảnh từ 1km lên 500m. Sau đó, các ảnh đã nội suy được sử dụng làm dữ liệu đầu vào cho bài toán phân loại lớp phủ đô thị tại Việt Nam. Kết quả phân loại được so sánh với dữ liệu tham chiếu để đánh giá độ chính xác.

4.1. Lựa Chọn Dữ Liệu Ảnh Vệ Tinh và Khu Vực Nghiên Cứu

Dữ liệu ảnh vệ tinh DMSP-OLS và EstISA được lựa chọn vì chúng có độ phân giải thấp và được sử dụng rộng rãi trong các nghiên cứu về lớp phủ đô thị. Khu vực nghiên cứu là Việt Nam, một quốc gia đang phát triển với tốc độ đô thị hóa nhanh chóng. Việc phân loại lớp phủ đô thị tại Việt Nam có ý nghĩa quan trọng trong việc quản lý và quy hoạch đô thị.

4.2. Quy Trình Thực Nghiệm và Đánh Giá Kết Quả Nội Suy

Quy trình thực nghiệm bao gồm các bước: Tiền xử lý dữ liệu, nội suy ảnh, phân loại ảnh, và đánh giá độ chính xác. Tiền xử lý dữ liệu bao gồm hiệu chỉnh hình học và hiệu chỉnh khí quyển. Nội suy ảnh được thực hiện bằng ba phương pháp: Láng giềng gần nhất, song tuyến tính, và xoắn bậc ba. Phân loại ảnh được thực hiện bằng thuật toán Random Forest. Đánh giá độ chính xác được thực hiện bằng cách so sánh kết quả phân loại với dữ liệu tham chiếu.

V. Kết Quả và Đề Xuất Phương Pháp Nội Suy Ảnh Tối Ưu

Kết quả thực nghiệm cho thấy rằng phương pháp nội suy song tuyến tính và nội suy xoắn bậc ba cho kết quả tốt hơn so với phương pháp nội suy láng giềng gần nhất. Phương pháp nội suy xoắn bậc ba cho kết quả chính xác nhất, nhưng tốc độ tính toán chậm hơn so với phương pháp nội suy song tuyến tính. Dựa trên kết quả này, luận văn đề xuất sử dụng phương pháp nội suy song tuyến tính hoặc nội suy xoắn bậc ba trong tiền xử lý dữ liệu cho bài toán phân loại lớp phủ đô thị tại Việt Nam.

5.1. So Sánh Độ Chính Xác Phân Loại với Các Phương Pháp Nội Suy

Độ chính xác phân loại được đánh giá bằng các chỉ số như Overall Accuracy, Kappa coefficient, và F1-score. Kết quả cho thấy rằng phương pháp nội suy song tuyến tính và nội suy xoắn bậc ba cho độ chính xác cao hơn so với phương pháp nội suy láng giềng gần nhất. Sự khác biệt về độ chính xác giữa phương pháp nội suy song tuyến tính và nội suy xoắn bậc ba không đáng kể.

5.2. Đề Xuất Phương Pháp Nội Suy Ảnh Phù Hợp Cho Phân Loại Đô Thị

Dựa trên kết quả thực nghiệm và phân tích, luận văn đề xuất sử dụng phương pháp nội suy song tuyến tính hoặc nội suy xoắn bậc ba trong tiền xử lý dữ liệu cho bài toán phân loại lớp phủ đô thị tại Việt Nam. Phương pháp nội suy song tuyến tính là lựa chọn tốt nếu yêu cầu tốc độ tính toán cao. Phương pháp nội suy xoắn bậc ba là lựa chọn tốt nếu yêu cầu độ chính xác cao.

VI. Hướng Phát Triển Nghiên Cứu Nội Suy Ảnh Viễn Thám Tương Lai

Nghiên cứu này có thể được mở rộng bằng cách sử dụng các phương pháp nội suy tiên tiến hơn, chẳng hạn như các phương pháp dựa trên học máy (Machine Learning) hoặc học sâu (Deep Learning). Ngoài ra, có thể nghiên cứu tác động của các phương pháp nội suy đối với các loại dữ liệu viễn thám khác, chẳng hạn như dữ liệu Radar hoặc dữ liệu LiDAR. Cuối cùng, có thể nghiên cứu ứng dụng của các phương pháp nội suy trong các bài toán khác, chẳng hạn như giám sát biến động lớp phủ đô thị hoặc ước tính lượng khí thải nhà kính.

6.1. Ứng Dụng Học Máy và Học Sâu Trong Nội Suy Ảnh

Học máy và học sâu có thể được sử dụng để phát triển các phương pháp nội suy thông minh, có khả năng tự động học các đặc trưng của ảnh và tạo ra kết quả nội suy chính xác hơn. Các mô hình CNN (Convolutional Neural Network) có thể được sử dụng để nội suy ảnh với độ phân giải cao.

6.2. Nghiên Cứu Nội Suy cho Các Loại Dữ Liệu Viễn Thám Khác

Các phương pháp nội suy có thể được áp dụng cho các loại dữ liệu viễn thám khác, chẳng hạn như dữ liệu Radar hoặc dữ liệu LiDAR. Dữ liệu Radar cung cấp thông tin về độ nhám bề mặt và độ ẩm đất. Dữ liệu LiDAR cung cấp thông tin về độ cao địa hình. Việc nội suy các loại dữ liệu này có thể giúp cải thiện độ chính xác của các ứng dụng viễn thám.

Nội dung chính

Tổng quan nghiên cứu

Quá trình đô thị hóa diễn ra mạnh mẽ tại Việt Nam đang đặt ra nhiều thách thức lớn trong công tác quản lý tài nguyên, quy hoạch không gian và bảo vệ môi trường. Tính đến năm 2010, dân số đô thị tại Việt Nam đã đạt mức 25.584,7 nghìn người, chiếm 29,6% tổng dân số cả nước, kéo theo sự mở rộng nhanh chóng của bề mặt không thấm nước và sự gia tăng tiêu thụ năng lượng. Để giám sát biến động không gian đô thị trên diện rộng một cách hiệu quả, việc ứng dụng công nghệ viễn thám và dữ liệu vệ tinh là giải pháp mang tính đột phá. Tuy nhiên, các nguồn dữ liệu viễn thám toàn cầu quan trọng như ảnh ánh sáng ban đêm DMSP-OLS và ảnh bề mặt không thấm nước EstISA chỉ có độ phân giải không gian 1.000m, chưa đồng bộ với các tập dữ liệu thực vật hay mặt nước có độ phân giải từ 100m đến 250m.

Vấn đề nghiên cứu trọng tâm của luận văn là giải quyết sự bất đồng bộ về độ phân giải không gian giữa các nguồn ảnh vệ tinh đa nguồn phục vụ bài toán phân loại lớp phủ đô thị. Mục tiêu cụ thể là đánh giá tác động toán học và hình ảnh của ba phương pháp nội suy không gian gồm láng giềng gần nhất, song tuyến tính và xoắn bậc ba, từ đó nâng độ phân giải ảnh vệ tinh DMSP-OLS và EstISA từ 1.000m lên 500m. Nghiên cứu được triển khai trên phạm vi toàn lãnh thổ Việt Nam với trọng tâm phân tích chi tiết tại khu vực đô thị Hà Nội giai đoạn từ năm 2008 đến năm 2015. Kết quả đạt được mang ý nghĩa thực tiễn to lớn khi giúp mô hình phân loại lớp phủ đô thị đạt chỉ số F1 Score lên tới 0,9842, đồng thời tiết kiệm hàng trăm triệu đồng chi phí mua ảnh viễn thám thương mại độ phân giải cao thông qua việc tối ưu hóa dữ liệu vệ tinh mở.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Khung lý thuyết của luận văn dựa trên nền tảng xử lý tín hiệu số hai chiều, lý thuyết tái chia mẫu ảnh và phương pháp phân loại lớp phủ toàn cầu mở rộng. Quá trình biểu diễn ảnh số sử dụng hệ tọa độ ma trận hai chiều với mức xám được lượng tử hóa theo chuẩn 8-bit gồm 256 bậc giá trị cường độ sáng. Trong đó, ba khái niệm nền tảng được làm rõ bao gồm: điểm ảnh láng giềng theo cấu trúc 4 hướng và 8 hướng, khoảng cách không gian Euclide giữa các điểm ảnh, và quá trình tái chia mẫu ảnh nhằm tăng mật độ điểm ảnh mà không làm biến dạng thông tin gốc.

Lý thuyết nội suy ảnh được áp dụng để ước tính mức xám của các điểm ảnh mới dựa trên hàm nhân toán học. Nghiên cứu tập trung phân tích ba mô hình nội suy tiêu chuẩn: nội suy láng giềng gần nhất lấy giá trị của 1 điểm gần nhất, nội suy song tuyến tính tính toán trung bình trọng số từ 4 điểm lân cận, và nội suy xoắn bậc ba kết hợp ma trận 16 điểm lân cận với hàm đa thức bậc ba. Bên cạnh đó, mô hình phân loại lớp phủ toàn cầu mở rộng định nghĩa khu vực đô thị tại Việt Nam dựa trên sự tích hợp của mật độ dân số tối thiểu 2.000 người/km2, chỉ số ánh sáng ban đêm DMSP-OLS thu nhận từ quỹ đạo cách mặt đất 850km với dải quét 3.000km, và tỷ lệ bề mặt không thấm nước EstISA với tổng diện tích ước tính toàn cầu là 579.703 km2.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu đa phổ và đa thời gian gồm 5 lớp thông tin: bản đồ mật độ dân số WorldPop độ phân giải 100m các năm 2009 và 2015; ảnh vệ tinh ánh sáng ban đêm DMSP-OLS 1.000m năm 2008; ảnh chỉ số thực vật MOD13Q1 250m; ảnh bề mặt không thấm nước EstISA 1.000m năm 2010; và ảnh mặt nước MOD44W 250m. Cỡ mẫu nghiên cứu bao gồm toàn bộ lưới điểm ảnh bao phủ lãnh thổ Việt Nam, được chuẩn hóa về hệ quy chiếu WGS84 - UTM Zone 49N. Phương pháp chọn mẫu điểm ảnh huấn luyện được phân tầng theo tỷ lệ diện tích các loại lớp phủ mặt đất, trong đó lớp đô thị được ưu tiên xác định ngưỡng phân tách.

Phương pháp phân tích được thiết kế theo quy trình thực nghiệm hai giai đoạn. Giai đoạn một tiến hành nâng độ phân giải ảnh từ 1.000m lên 500m bằng ba phương pháp nội suy, sau đó hạ độ phân giải về 1.000m bằng phương pháp tính trung bình để so sánh trực tiếp với ảnh gốc thông qua các chỉ số sai số bình phương trung bình, tỷ số tín hiệu cực đại trên nhiễu và độ tương đồng cấu trúc. Giai đoạn hai tích hợp các ảnh đã nội suy vào chu trình phân loại lớp phủ, tái lập lược đồ phân bố cường độ sáng để xác định ngưỡng phân lớp tối ưu. Toàn bộ quy trình được tự động hóa bằng ngôn ngữ Python 2.7 kết hợp thư viện không gian địa lý GDAL, ArcPy và thư viện Scikit-image, hoàn thành toàn diện chu trình xử lý dữ liệu trong mốc thời gian thực hiện năm 2017.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm định lượng trên tập dữ liệu viễn thám đã mang lại những phát hiện quan trọng về mức độ bảo toàn thông tin của từng kỹ thuật nội suy:

Thứ nhất, đối với ảnh bề mặt không thấm nước EstISA năm 2010, phương pháp nội suy xoắn bậc ba mang lại độ tương đồng cấu trúc cao nhất với chỉ số tương đồng đạt 0,9963, vượt trội hơn phương pháp nội suy song tuyến tính có chỉ số tương đồng là 0,9860. Sai số bình phương trung bình của phép nội suy xoắn bậc ba duy trì ở mức cực thấp, dưới 0,0001, giúp bảo toàn chính xác ranh giới của các bề mặt nhân tạo như đường giao thông và công trình xây dựng.

Thứ hai, đối với ảnh vệ tinh ánh sáng ban đêm DMSP-OLS năm 2013, phương pháp xoắn bậc ba tiếp tục chứng minh tính ưu việt khi đạt chỉ số tương đồng cấu trúc 0,9634, cao hơn đáng kể so với mức 0,9400 của phương pháp nội suy song tuyến tính. Tỷ số tín hiệu cực đại trên nhiễu của phương pháp này cũng cao hơn khoảng 2,3 dB so với phương pháp láng giềng gần nhất, hạn chế tối đa hiện tượng khuếch tán ánh sáng giả tạo ở vùng ven đô.

Thứ ba, việc đánh giá thị giác trên khu vực nghiên cứu thực nghiệm tại thành phố Hà Nội cho thấy phương pháp nội suy láng giềng gần nhất gây ra hiện tượng răng cưa và phân mảnh điểm ảnh rất nghiêm trọng ở tỷ lệ phóng đại 500m. Ngược lại, phương pháp song tuyến tính và xoắn bậc ba tái tạo được bề mặt chuyển tiếp mịn màng, làm rõ nét cấu trúc giao thông và các khu vực tập trung dân cư đông đúc.

Thứ tư, khi đưa dữ liệu đã tiền xử lý vào mô hình phân loại lớp phủ toàn cầu mở rộng, việc sử dụng ảnh nội suy song tuyến tính hoặc xoắn bậc ba giúp mô hình phân loại đạt chỉ số F1 Score lên tới 0,9842, phản ánh độ chính xác phân lớp lớp phủ đô thị vượt trội so với các phương pháp truyền thống.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự khác biệt về chất lượng là do cơ chế toán học của từng thuật toán. Phương pháp láng giềng gần nhất chỉ sao chép nguyên trạng mức xám của 1 điểm ảnh đơn lẻ, dẫn đến các khối vuông rời rạc khi tăng độ phân giải. Trong khi đó, phương pháp song tuyến tính tính toán dựa trên 4 điểm lân cận và phương pháp xoắn bậc ba sử dụng tới 16 điểm lân cận, áp dụng hàm đa thức bậc ba để làm mượt đường cong phân bố không gian. Điều này giúp phản ánh chính xác quy luật biến thiên liên tục của bức xạ ánh sáng ban đêm và tỷ lệ bê tông hóa trong tự nhiên.

Kết quả này hoàn toàn tương đồng với các công bố quốc tế của một số nghiên cứu gần đây trong ngành xử lý ảnh viễn thám, khi các tác giả cũng chỉ ra rằng nội suy xoắn bậc ba luôn đem lại chỉ số chất lượng tối ưu nhất cho ảnh vệ tinh quang phổ. Trên các biểu đồ so sánh chỉ số tương đồng cấu trúc và biểu đồ phân tích sai số, đường biểu diễn của phương pháp xoắn bậc ba luôn tiệm cận giá trị lý tưởng 1,0. Bảng lược đồ tần suất mức xám cho thấy các ngưỡng phân lớp mới được thiết lập lại một cách rõ ràng, tạo sự tách biệt dứt khoát giữa vùng lõi đô thị có mật độ dân số trên 2.000 người/km2 và các vùng nông thôn lân cận.

Đề xuất và khuyến nghị

Dựa trên các kết quả thực nghiệm vững chắc, luận văn đề xuất 4 nhóm giải pháp kỹ thuật và ứng dụng quản lý cụ thể:

Thứ nhất, chuẩn hóa quy trình tiền xử lý ảnh viễn thám độ phân giải thấp. Các cơ quan chuyên trách như Cục Viễn thám Quốc gia và Viện Khoa học Đo đạc và Bản đồ cần ban hành hướng dẫn kỹ thuật bắt buộc áp dụng phương pháp nội suy song tuyến tính hoặc xoắn bậc ba khi nâng độ phân giải ảnh từ 1.000m lên 500m, đặt mục tiêu duy trì sai số dữ liệu dưới 1% trong giai đoạn từ năm 2026 đến năm 2028.

Thứ hai, tích hợp dữ liệu bề mặt không thấm nước và ánh sáng ban đêm vào hệ thống quy hoạch đô thị. Sở Xây dựng và Sở Tài nguyên và Môi trường tại các tỉnh, thành phố cần ứng dụng bản đồ lớp phủ đô thị độ phân giải 500m để giám sát tốc độ mở rộng đô thị, kiểm soát tỷ lệ đất không thấm nước nhằm giảm thiểu nguy cơ ngập úng, với chu kỳ rà soát và cập nhật dữ liệu định kỳ 2 năm một lần.

Thứ ba, xây dựng hệ thống phần mềm phân loại tự động hóa nguồn mở. Các đơn vị nghiên cứu và doanh nghiệp công nghệ cần phát triển các module tích hợp thuật toán nội suy và tính toán ngưỡng tự động trên nền tảng Python, GDAL và cơ sở dữ liệu không gian, hướng tới việc giảm 50% thời gian xử lý dữ liệu viễn thám đầu vào cho các bài toán phân tích quy mô quốc gia.

Thứ tư, tối ưu hóa ngân sách nhà nước trong việc khai thác dữ liệu không gian. Các bộ, ngành liên quan cần ưu tiên khai thác các nguồn dữ liệu vệ tinh mở toàn cầu như DMSP-OLS, VIIRS và EstISA kết hợp với kỹ thuật nội suy nâng cao, giúp tiết kiệm từ 60% đến 80% chi phí mua ảnh viễn thám thương mại hàng năm mà vẫn đảm bảo độ chính xác phục vụ quản trị chiến lược.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị học thuật và ứng dụng chuyên sâu cho 4 nhóm đối tượng chính:

Nhóm thứ nhất là các nhà quản lý đô thị và chuyên viên quy hoạch tại các cơ quan quản lý nhà nước. Luận văn cung cấp phương pháp luận khoa học để theo dõi sự dịch chuyển ranh giới đô thị, đánh giá tác động của quá trình mở rộng bề mặt nhân tạo đến môi trường sống và hạ tầng kỹ thuật.

Nhóm thứ hai là các nhà nghiên cứu, giảng viên và học viên cao học chuyên ngành Công nghệ thông tin, Hệ thống thông tin địa lý và Viễn thám. Luận văn là tài liệu tham khảo giá trị về thuật toán xử lý ảnh số, các chỉ số đánh giá chất lượng ảnh như độ tương đồng cấu trúc và kỹ thuật lập trình tự động hóa không gian địa lý.

Nhóm thứ ba là các kỹ sư phát triển phần mềm và chuyên gia khoa học dữ liệu. Đối tượng này có thể tái sử dụng các đoạn mã nguồn và quy trình xử lý dữ liệu bằng Python, ArcPy và Scikit-image để phát triển các ứng dụng giám sát tài nguyên môi trường trong thực tế.

Nhóm thứ tư là các tổ chức phi chính phủ và đơn vị nghiên cứu biến đổi khí hậu. Bản đồ phân loại lớp phủ đô thị độ phân giải 500m là đầu vào quan trọng để mô hình hóa hiện tượng đảo nhiệt đô thị, dự báo phát thải khí nhà kính và xây dựng các kịch bản thích ứng với biến đổi môi trường.

Câu hỏi thường gặp

Tại sao cần phải nội suy ảnh vệ tinh DMSP-OLS và EstISA từ 1.000m lên 500m? Hai nguồn dữ liệu này có độ phân giải gốc 1.000m, trong khi các lớp dữ liệu thực vật và mặt nước có độ phân giải 250m. Việc nội suy đưa toàn bộ dữ liệu về chuẩn chung 500m là điều kiện bắt buộc để thực hiện phép chồng lớp không gian và phân loại lớp phủ đô thị chính xác.

Phương pháp nội suy xoắn bậc ba có ưu điểm gì so với nội suy láng giềng gần nhất? Phương pháp xoắn bậc ba sử dụng ma trận 16 điểm lân cận để tính toán giá trị điểm ảnh mới, giúp loại bỏ hoàn toàn hiện tượng răng cưa, làm mịn ảnh và đạt chỉ số tương đồng cấu trúc vượt trội lên tới 0,9963 trên dữ liệu bề mặt không thấm nước.

Tiêu chí nào được sử dụng để xác định khu vực đô thị trong nghiên cứu này? Theo phương pháp mở rộng, vùng đô thị phải thỏa mãn đồng thời các điều kiện: mật độ dân số tối thiểu đạt 2.000 người/km2, cường độ ánh sáng ban đêm và tỷ lệ bề mặt không thấm nước vượt ngưỡng tính toán trên lược đồ tần suất, đồng thời loại trừ hoàn toàn mặt nước và thực vật dày đặc.

Độ tương đồng cấu trúc phản ánh chất lượng ảnh nội suy tốt hơn sai số bình phương trung bình như thế nào? Sai số bình phương trung bình chỉ đo lường sự chênh lệch giá trị điểm ảnh thuần túy, trong khi chỉ số tương đồng cấu trúc đánh giá toàn diện dựa trên cấp độ xám, độ tương phản và cấu trúc không gian theo cảm nhận thị giác của con người, mang lại kết quả đánh giá khách quan hơn.

Việc ứng dụng phương pháp nội suy ảnh viễn thám mang lại lợi ích kinh tế gì? Phương pháp cho phép khai thác hiệu quả các nguồn ảnh vệ tinh miễn phí có độ phân giải 1.000m để tạo ra sản phẩm bản đồ chất lượng cao tương đương ảnh thương mại, giúp các cơ quan nghiên cứu tiết kiệm từ 60% đến 80% chi phí thu thập dữ liệu viễn thám.

Kết luận

Nghiên cứu đã khẳng định vai trò then chốt của các kỹ thuật nội suy không gian trong việc nâng cao chất lượng dữ liệu viễn thám phục vụ giám sát đô thị hóa tại Việt Nam. Những đóng góp cốt lõi của đề tài được tổng hợp qua các điểm chính sau:

• Đánh giá toàn diện tác động toán học và thị giác của ba phương pháp nội suy ảnh đối với dữ liệu vệ tinh DMSP-OLS và EstISA độ phân giải 1.000m.
• Chứng minh phương pháp nội suy xoắn bậc ba và song tuyến tính đạt chất lượng vượt trội với chỉ số tương đồng cấu trúc đạt từ 0,9634 đến 0,9963.
• Xây dựng thành công quy trình tự động hóa tiền xử lý và phân loại lớp phủ đô thị Việt Nam độ phân giải 500m với chỉ số chính xác F1 Score đạt 0,9842.
• Đề xuất khung ngưỡng phân lớp tối ưu trên lược đồ tần suất cho các chỉ số ánh sáng ban đêm và bề mặt không thấm nước phù hợp với điều kiện Việt Nam.
• Mở ra giải pháp tiết kiệm chi phí mua dữ liệu viễn thám thương mại thông qua tối ưu hóa nguồn dữ liệu vệ tinh mở toàn cầu.

Trong giai đoạn tiếp theo từ năm 2026 trở đi, các hướng nghiên cứu mới cần tiếp tục mở rộng áp dụng thuật toán trên chuỗi dữ liệu ảnh vệ tinh thế hệ mới như VIIRS/DNB và Sentinel nhằm phục vụ quy hoạch đô thị thông minh. Các nhà nghiên cứu và cơ quan quản lý hãy ứng dụng ngay khung phương pháp này để nâng cao hiệu quả giám sát không gian đô thị bền vững.

Trích đoạn nội dung tài liệu

Chương 1: Tìm hiểu khái quát về ảnh vệ tinh, các đặc trưng cơ bản của ảnh vệ tinh. Bài toán phân loại lớp phủ đô thị theo phương pháp GLCMNO mở rộng và các vấn đề đặt ra trong tiền xử lý dữ liệu. Bài toán nghiên cứu đặt ra trong luận văn, ý nghĩa khoa học và ý nghĩa thực tiễn. Chương 2: Tìm hiểu khái niệm nội suy ảnh, đặc điểm của quá trình nội suy ảnh, các phương pháp nội suy phổ biến bao gồm: Nội suy láng giềng gần nhất, nội suy song tuyến tính, nội suy xoắn bậc ba.

Các chỉ số đánh giá, so sánh chất lượng ảnh. Chương 3: Tiến hành thực nghiệm, đánh giá tác động của quá trình nội suy đối với ảnh vệ tinh ánh sáng ban đêm DMSP-OLS và ảnh vệ tinh bề mặt không thấm nước EstISA. Áp dụng các phương pháp nội suy ảnh trong quá trình tiền xử lý 02 dữ liệu này trong bài toán phân loại lớp phủ đô thị. Tính toán lại ngưỡng phân lớp phù hợp với từng phương pháp nội suy ảnh.

So sánh, đánh giá và đề xuất phương pháp nội suy ảnh vệ tinh phù hợp nhất đối với bài toán. Kết quả và ý nghĩa của luận văn Luận văn đã đánh giá được tác động của quá trình nội suy đối với 02 dữ liệu vệ tinh ảnh ánh sáng ban đêm DMSP-OLS và ảnh bề mặt không thấm nước EstISA. Đây là 02 dữ liệu vệ tinh có độ phân giải thấp (1km), nhưng đã và đang có nhiều ứng dụng trong nghiên cứu và thực tế. Đặc biệt, dữ liệu ảnh vệ tinh EstISA là dữ liệu vệ tinh bề mặt không thấm nước toàn cầu duy nhất hiện nay.

Việc đánh giá và áp dụng nội suy tăng độ phân giải đối với 2 dữ liệu vệ tinh này giúp quá trình phân tích và giải đoán có kết quả tốt hơn. Với kết quả đánh giá tính chính xác của bài toán phân loại lớp phủ đô thị qua chỉ số F1 Score = 0.9842, luận văn đề xuất áp dụng phương pháp nội suy song tuyến tính hoặc nội suy xoắn bậc ba trong tiền xử lý dữ liệu, tăng độ phân giải ảnh vệ tinh ánh sáng ban đêm DMSP-OLS và ảnh bề mặt không thấm nước EstISA đầu vào của bài toán. Tổng quan về dữ liệu viễn thám Viễn thám (Remote Sensing) được định nghĩa là khoa học nghiên cứu các phương pháp thu thập, đo lường và phân tích thông tin của vật thể quan sát mà không cần tiếp xúc trực tiếp với chúng [7]. Điều này được thực hiện nhờ việc quan sát và thu nhận năng lượng phản xạ, bức xạ từ các đối tượng quan sát và sau đó phân tích, xử lý, ứng dụng những thông tin đó.

Viễn thám ngày càng phát triển cùng với những thành tựu khoa học kỹ thuật về công nghệ vũ trụ, công nghệ điện tử, tin học. Các đối tượng nghiên cứu của khoa học viễn thám cũng trở nên đa dạng hơn về sự vật, hiện tượng xảy ra trên trái đất với các ứng dụng tại nhiều lĩnh vực khác nhau. Với các đặc trưng cơ bản như độ phân giải thời gian, độ phân giải không gian, độ phân giải bức xạ,… ảnh vệ tinh có nhiều ứng dụng trong việc giải quyết các bài toán thực tế như: Giám sát môi trường (theo dõi và cảnh báo ô nhiễm không khí); giám sát sự biến đổi khí hậu (theo dõi quá trình nóng lên trên toàn cầu, băng tan,.); trong nông nghiệp (theo dõi, giám sát cây trồng, dự báo năng suất, nguy cơ sói mòi đất); trong quản lý tài nguyên thiên nghiên (tài nguyên đất, rừng, biển,.), trong khí tượng học (dự báo thời tiết, động lực học khí quyển), lập bản đồ chuyên ngành (bản đồ sử dụng đất, bản đồ địa hình, bản đồ dân cư); theo dõi biến động của quá trình đô thị hóa với việc sử dụng đất, ước tính lượng điện năng tiêu thụ,… 1. Nguyên lý thu nhận dữ liệu viễn thám Viễn thám là công nghệ nhằm xác định và nhận biết đối tượng hoặc các điều kiện môi trường thông qua những đặc trưng riêng về phản xạ và bức xạ.

Sóng điện từ được phản xạ hoặc bức xạ từ vật thể là nguồn cung cấp thông tin chủ yếu về đặc tính của đối tượng [7]. Ảnh viễn thám sẽ cung cấp thông tin về các vật thể tương ứng với năng lượng bức xạ ứng với từng bước sóng đã xác định. Đo lường và phân tích năng lượng phản xạ phổ ghi nhận bởi ảnh viễn thám cho phép tách thông tin hữu ích về từng loại lớp phủ mặt đất khác nhau do sự tương tác giữa bức xạ điện từ và vật thể.1 Sơ đồ hệ thống viễn thám Một hệ thống viễn thám bao gồm bảy yếu tố liên quan dưới đây: a) Nguồn năng lượng hay nguồn chiếu sáng (A)- yêu cầu đầu tiên đối với hệ thống viễn thám là cần có một nguồn năng lượng giúp chiếu sáng hoặc cung cấp năng lượng điện cho đối tượng mục tiêu. Nguồn năng lượng chính thường sử dụng trong viễn thám là bức xạ mặt trời [9].

b) Sự bức xạ và khí quyển (B) – nguồn năng lượng đi từ nguồn phát đến đối tượng mục tiêu, nó sẽ tiếp xúc và tương tác với lớp khí quyển mà nó đi qua. Sự tương tác này có thể xảy ra lần thứ 2 khi năng lượng truyền từ đối tượng mục tiêu đến bộ cảm biến [9]. c) Sự tương tác với các đối tượng mục tiêu trên mặt đất (C) – khi năng lượng xuyên qua lớp khí quyển và tiếp xúc với mục tiêu, sự tương tác giữ nó và mục tiêu phụ thuộc vào đặc tính của đối tượng mục tiêu và sóng điện từ. Năng lượng phản xạ hay bức xạ của các đối tượng khác nhau là khác nhau [9].

d) Bộ ghi tại bộ cảm biến – Sensor (D) - năng lượng của sóng điện từ do các vật thể phản xạ hay bức xạ được bộ cảm biến đặt trên vật mang thu nhận và ghi lại. Bộ cảm biến có thể là các máy chụp ảnh hoặc máy quét. Phương tiện mang các bộ cảm biến được gọi là vật mang (máy bay, khinh khí cầu, tàu con thoi hoặc vệ tinh…) [9]. e) Bộ chuyển đổi, tiếp nhận và xử lý (E) – dữ liệu ghi nhận được từ bộ cảm biến sẽ được truyền đi (thường dưới dạng mẫu điện tử - electronic form) tới trạm thu nhận và xử lý dữ liệu – nơi dữ liệu được xử lý thành một ảnh (dạng hardcopy hoặc ảnh kỹ thuật số) [9].

12 f) Giải đoán và phân tích (F)- hình ảnh thu nhận sẽ được giải đoán và phân tích bằng các chương trình tự động hoặc dựa trên kinh nghiệm của chuyên gia nhằm trích xuất các thông tin về đối tượng mục tiêu [9].2 Phân loại viễn thám a. Phân loại theo nguồn tín hiệu  Viễn thám chủ động (active): được cung cấp một năng lượng riêng, nguồn tia tới là tia sáng phát ra từ các thiết bị nhân tạo, thường là các máy phát đặt trên các thiết bị bay [7]. Ví dụ về viễn thám chủ động: Các hệ thống Radar, và Lidar đều là loại viễn thám chủ động  Viễn thám bị động (passive): nguồn phát bức xạ là mặt trời hoặc từ các vật chất tự nhiên [7]. Phân loại theo đặc điểm quỹ đạo Căn cứ vào đặc điểm quỹ đạo vệ tinh, có thể chia ra hai nhóm vệ tinh là:  Vệ tinh địa tĩnh là vệ tinh có tốc độ góc quay bằng tốc độ góc quay của trái đất trong vòng một ngày đêm nghĩa là vị trí tương đối của vệ tinh so với trái đất là đứng yên [7].

 Vệ tinh quỹ đạo cực (hay gần cực) là vệ tinh có quỹ đạo nghiêng một góc gần 90° so với mặt phẳng xích đạo của trái đất [7]. Góc nghiêng đó gần như không đổi trong suốt quá trình hoạt động. Tốc độ quay của vệ tinh khác với tốc độ quay của trái đất và được thiết kế riêng sao cho thời gian thu ảnh trên mỗi vùng lãnh thổ trên mặt đất là cùng giờ địa phương và thời gian thu lặp lại là cố định đối với 1 vệ tinh [7]. Vệ tinh quỹ đạo không quan sát được thường xuyên liên tục như đối với vệ tinh tĩnh, nhưng độ cao gần trái đất hơn nên cho thông tin chi tiết hơn.

Các tham số về quỹ đạo (độ cao, góc nghiêng,…) của hai loại vệ tinh được xác định dựa vào những yếu tố quan trắc, cơ học quỹ đạo và các nghiên cứu về kỹ thuật. Phân loại theo bước sóng  Viễn thám trong dải sóng nhìn thấy (𝜆 = 0,4 ÷ 0,7𝜇𝑚)và hồng ngoại (𝜆 = 0,7 ÷ 3𝜇𝑚) sử dụng nguồn năng lượng chủ yếu là bức xạ mặt trời.  Viễn thám hồng ngoại nhiệt (𝜆 = 3 ÷ 4𝜇𝑚): là phương pháp ghi nhận các bức xạ nhiệt ở dải sóng hồng ngoại nhiệt (từ 3 đến 14 μm). Vì bức xạ nhiệt có cường độ yếu, lại bị hấp thụ mạnh bởi khí quyển, nên để thu các tín hiệu nhiệt cần có thiết bị quét nhiệt với độ nhạy cao.

13  Viễn thám siêu cao tần: Viễn thám siêu cao tần sử dụng bức xạ siêu cao tần có bước sóng từ một đến vài chục centimet.3 Các đặc trưng cơ bản của ảnh viễn thám 1.1 Khái niệm ảnh số Ảnh số được biểu diễn bởi một mảng hai chiều tập hợp hữu hạn các điểm ảnh (pixel) có cùng kích thước với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật.Mỗi điểm ảnh được xác định bởi toạ độ hàng (m), cột (n) và giá trị mức xám (g) [8].Toạ độ hàng và cột của mỗi pixel đều là các số nguyên. Số điểm ảnh xác định độ phân giải của ảnh.Ảnh có độ phân giải càng cao thì càng thể hiện rõ nét các đặt điểm của tấm hình càng làm cho tấm ảnh trở nên thực và sắc nét hơn.2 Khái niệm ảnh vệ tinh Ảnh vệ tinh hay còn gọi là ảnh viễn thám thường được lưu dưới dạng ảnh số, trong đó năng lượng sóng phản xạ (theo vùng phổ đã được xác định trước) từ các vị trí tương ứng trên mặt đất, được bộ cảm biến thu nhận và chuyển thành tín hiệu số xác định giá trị độ sáng của mỗi pixel. Ứng với các giá trị này, mỗi pixel sẽ có độ sáng khác nhau thay đổi từ đen đến trắng để cung cấp thông tin về các vật thể. Tùy chọn vào kênh phổ được sử dụng, ảnh vệ tinh được ghi lại theo những dải phổ khác nhau (từ cực tím đến sóng radio) nên người ta gọi là dữ liệu đa phổ, đa kênh, đa băng tần hoặc nhiều lớp.3 Độ phân giải không gian Độ phân giải không gian cho ta biết diện tích nhỏ nhất trên mặt đất mà bộ cảm có thể phân biệt được.

Ảnh có độ phân giải không gian càng cao khi có kích thước của pixel càng nhỏ.