Luận văn đánh giá các phương pháp nội suy ảnh viễn thám phân loại lớp phủ đô thị tại Việt Nam

Luận văn thạc sĩ toán học nghiên cứu vnu uet nghiên cứu và đánh giá các phương pháp nội suy ảnh viễn thám cho bài toán phân loại lớp phủ, khảo sát thực trạng, phân tích nguyên

• Tác giả: Đỗ Thị Phương
• Người hướng dẫn: Ts. Bùi Quang Hưng
• Trường học: Trường Đại Học Công Nghệ - 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
• 0.1. Tổng quan về dữ liệu viễn thám
• 0.2. Nguyên lý thu nhận dữ liệu viễn thám
• 0.3. Phân loại viễn thám
• 0.4. Các đặc trưng cơ bản của ảnh viễn thám
• 0.5. Một số loại dữ liệu viễn thám nghiên cứu trong luận văn
• 0.6. Một số vấn đề trong tiền xử lý dữ liệu ảnh vệ tinh
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Khái niệm cơ bản
• 1.2. Bài toán phân loại lớp phủ đô thị ở Việt Nam và các vấn đề trong tiền xử lý dữ liệu ảnh đầu vào
• 1.2.1. Dữ liệu đầu vào trong bài toán phân loại lớp phủ đô thị tại Việt Nam
• 1.2.2. Các vấn đề trong tiền xử lý ảnh bài toán phân loại lớp phủ đô thị tại Việt Nam
• 1.3. Bài toán nghiên cứu đặt ra trong luận văn
• 1.3.1. Một số nghiên cứu về phương pháp nội suy
• 1.3.2. Bài toán nghiên cứu
• 1.3.3. Ý nghĩa khoa học
• 1.3.4. 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. Trích xuất dữ liệu khu vực Việt Nam
• 3.3. Thực nghiệm và đánh giá kết quả
• 3.4. 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
• 3.4.1. Tính toán ngưỡng phân lớp và thực nghiệm
• 3.5. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nghiên cứu phương pháp nội suy ảnh viễn thám

Nghiên cứu phương pháp nội suy ảnh viễn thám cho phân loại lớp phủ đô thị tại Việt Nam là một lĩnh vực đang thu hút sự quan tâm lớn. Viễn thám cung cấp dữ liệu quan trọng cho việc giám sát và quản lý đô thị. Tuy nhiên, việc xử lý và phân tích dữ liệu viễn thám gặp nhiều thách thức, đặc biệt là trong việc phân loại lớp phủ đô thị. Phương pháp nội suy ảnh viễn thám giúp cải thiện chất lượng dữ liệu đầu vào, từ đó nâng cao độ chính xác trong phân loại lớp phủ đô thị.

1.1. Ứng dụng của ảnh viễn thám trong quản lý đô thị

Ảnh viễn thám được sử dụng rộng rãi trong quản lý đô thị, từ việc theo dõi sự phát triển của các khu vực đô thị đến việc đánh giá tác động của các chính sách quy hoạch. Các ứng dụng này không chỉ giúp cải thiện chất lượng cuộc sống mà còn hỗ trợ trong việc ra quyết định cho các nhà quản lý.

1.2. Tầm quan trọng của phương pháp nội suy ảnh

Phương pháp nội suy ảnh đóng vai trò quan trọng trong việc nâng cao độ phân giải của ảnh viễn thám. Việc áp dụng các phương pháp nội suy giúp cải thiện chất lượng hình ảnh, từ đó hỗ trợ tốt hơn cho các bài toán phân loại lớp phủ đô thị.

II. Vấn đề và thách thức trong phân loại lớp phủ đô thị

Phân loại lớp phủ đô thị tại Việt Nam gặp nhiều thách thức do sự đa dạng về loại hình và cấu trúc đô thị. Các yếu tố như độ phân giải của ảnh viễn thám, sự nhiễu loạn trong quá trình thu thập dữ liệu, và sự biến động của lớp phủ mặt đất đều ảnh hưởng đến kết quả phân loại. Việc hiểu rõ các vấn đề này là cần thiết để phát triển các phương pháp nội suy hiệu quả.

2.1. Độ phân giải ảnh và ảnh hưởng đến phân loại

Độ phân giải của ảnh viễn thám ảnh hưởng trực tiếp đến khả năng phân loại lớp phủ đô thị. Ảnh có độ phân giải thấp có thể không đủ chi tiết để phân biệt giữa các loại lớp phủ khác nhau, dẫn đến sai sót trong kết quả phân loại.

2.2. Nhiễu loạn trong dữ liệu viễn thám

Nhiễu loạn trong dữ liệu viễn thám có thể đến từ nhiều nguồn khác nhau, bao gồm điều kiện thời tiết, sự phản xạ không đồng nhất của bề mặt, và các yếu tố môi trường khác. Việc xử lý và giảm thiểu nhiễu loạn là một thách thức lớn trong phân loại lớp phủ đô thị.

III. Phương pháp nội suy ảnh viễn thám hiệu quả

Có nhiều phương pháp nội suy ảnh viễn thám được áp dụng để cải thiện chất lượng dữ liệu đầu vào cho phân loại lớp phủ đô thị. Các phương pháp này bao gồm nội suy láng giềng gần nhất, nội suy song tuyến tính, và nội suy xoắn bậc ba. Mỗi phương pháp có ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp là rất quan trọng.

3.1. Nội suy láng giềng gần nhất

Nội suy láng giềng gần nhất là phương pháp đơn giản nhất, sử dụng giá trị của điểm ảnh gần nhất để xác định giá trị của điểm ảnh mới. Phương pháp này nhanh chóng nhưng có thể dẫn đến hiện tượng 'blocky' trong hình ảnh.

3.2. Nội suy song tuyến tính

Nội suy song tuyến tính cải thiện chất lượng hình ảnh bằng cách sử dụng giá trị của bốn điểm ảnh lân cận. Phương pháp này cho kết quả mượt mà hơn so với nội suy láng giềng gần nhất, nhưng vẫn có thể gặp khó khăn trong các khu vực có sự biến đổi lớn.

3.3. Nội suy xoắn bậc ba

Nội suy xoắn bậc ba là phương pháp phức tạp hơn, sử dụng giá trị của mười sáu điểm ảnh lân cận để tính toán giá trị mới. Phương pháp này cho kết quả tốt nhất trong việc duy trì độ mượt mà và chi tiết của hình ảnh, nhưng yêu cầu nhiều tài nguyên tính toán hơn.

IV. Ứng dụng thực tiễn của phương pháp nội suy ảnh

Việc áp dụng các phương pháp nội suy ảnh viễn thám trong phân loại lớp phủ đô thị đã cho thấy những kết quả khả quan. Các nghiên cứu đã chỉ ra rằng việc sử dụng phương pháp nội suy phù hợp có thể nâng cao độ chính xác của phân loại lớp phủ đô thị, từ đó hỗ trợ tốt hơn cho công tác quản lý và quy hoạch đô thị.

4.1. Kết quả nghiên cứu từ thực nghiệm

Các nghiên cứu thực nghiệm cho thấy rằng việc áp dụng phương pháp nội suy song tuyến tính và xoắn bậc ba đã cải thiện đáng kể độ chính xác của phân loại lớp phủ đô thị. Kết quả này được xác nhận qua các chỉ số đánh giá như F1 Score và độ chính xác tổng thể.

4.2. Tác động đến quản lý đô thị

Việc nâng cao độ chính xác trong phân loại lớp phủ đô thị không chỉ giúp cải thiện chất lượng dữ liệu mà còn hỗ trợ các nhà quản lý trong việc ra quyết định. Điều này có thể dẫn đến các chính sách quy hoạch đô thị hiệu quả hơn và bền vững hơn.

V. Kết luận và hướng phát triển tương lai

Nghiên cứu phương pháp nội suy ảnh viễn thám cho phân loại lớp phủ đô thị tại Việt Nam đã chỉ ra rằng việc áp dụng các phương pháp nội suy hiệu quả có thể nâng cao chất lượng dữ liệu đầu vào. Tương lai, cần tiếp tục nghiên cứu và phát triển các phương pháp mới, đồng thời kết hợp với các công nghệ mới như học máy để cải thiện hơn nữa độ chính xác trong phân loại lớp phủ đô thị.

5.1. Hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo có thể tập trung vào việc phát triển các phương pháp nội suy mới kết hợp với các công nghệ học máy để tối ưu hóa quá trình phân loại lớp phủ đô thị. Việc này sẽ giúp nâng cao độ chính xác và hiệu quả trong quản lý đô thị.

5.2. Tích hợp công nghệ mới

Tích hợp các công nghệ mới như trí tuệ nhân tạo và học sâu vào quy trình phân loại lớp phủ đô thị có thể mở ra nhiều cơ hội mới. Điều này không chỉ giúp cải thiện độ chính xác mà còn tăng cường khả năng phân tích và dự đoán trong quản lý đô thị.

Nội dung chính

Tổng quan nghiên cứu

Quá trình đô thị hóa tại Việt Nam diễn ra với tốc độ mạnh mẽ trong những thập kỷ gần đây, kéo theo sự thay đổi sâu sắc về cấu trúc không gian và môi trường sinh thái. Theo số liệu thống kê, dân số đô thị nước ta vào năm 2010 đã đạt mức 25.584,7 nghìn người, chiếm khoảng 29,6% tổng dân số cả nước và tiếp tục duy trì đà tăng trưởng cao. Sự bùng nổ này đặt ra bài toán cấp bách cho các nhà quản lý trong việc theo dõi, giám sát biến động lớp phủ bề mặt nhằm phục vụ công tác quy hoạch bền vững. Công nghệ viễn thám ra đời như một giải pháp then chốt cho phép quan trắc diện rộng với chi phí tối ưu. Tuy nhiên, rào cản lớn nhất nằm ở tính không đồng nhất giữa các nguồn dữ liệu vệ tinh đa nguồn, đa thời gian và đa độ phân giải.

Đề tài tập trung giải quyết vấn đề tiền xử lý dữ liệu ảnh viễn thám phục vụ bài toán phân loại lớp phủ đô thị tại Việt Nam theo phương pháp mở rộng từ mô hình phân loại toàn cầu. Phạm vi nghiên cứu bao quát toàn bộ lãnh thổ Việt Nam, sử dụng chuỗi dữ liệu vệ tinh trọng điểm gồm ảnh ánh sáng ban đêm DMSP-OLS năm 2013 và ảnh bề mặt không thấm nước EstISA năm 2010. Hai nguồn dữ liệu này có độ phân giải không gian gốc là 1km (tương đương lưới 30 giây cung), đòi hỏi phải thực hiện tái chia mẫu để nâng độ phân giải lên 500m, đồng bộ hoàn hảo với các lớp thông tin địa lý khác như bản đồ dân số Worldpop 100m hay chỉ số thực vật MODIS 250m.

Ý nghĩa khoa học của nghiên cứu thể hiện qua việc đánh giá định lượng tác động của các thuật toán nội suy không gian đến chất lượng ảnh vệ tinh, khắc phục hiện tượng méo hình học và răng cưa dữ liệu. Về mặt thực tiễn, việc chuẩn hóa kỹ thuật nội suy giúp bài toán phân loại đô thị đạt độ chính xác cao với chỉ số F1-Score ấn tượng lên tới 0.9842, đồng thời mang lại giá trị kinh tế lớn khi tận dụng hiệu quả các nguồn ảnh viễn thám miễn phí thay vì phải đầu tư chi phí đắt đỏ cho các gói ảnh thương mại độ phân giải cao.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết xử lý ảnh số và khoa học viễn thám hiện đại. Cốt lõi của lý thuyết viễn thám là quá trình thu nhận và phân tích năng lượng bức xạ điện từ phản xạ từ các đối tượng mặt đất qua các kênh phổ khác nhau. Hệ thống ảnh số được biểu diễn dưới dạng ma trận hai chiều, trong đó mỗi điểm ảnh (pixel) mang một giá trị mức xám lượng tử hóa 8-bit (tương ứng 256 mức độ sáng từ 0 đến 255). Độ phân giải không gian của ảnh được xác định chặt chẽ bởi trường nhìn tức thời (IFOV) và góc nhìn của đầu thu (FOV), quyết định diện tích thực tế nhỏ nhất trên bề mặt địa hình mà cảm biến có thể phân biệt.

Khung mô hình phân loại lớp phủ toàn cầu mở rộng (GLCMNO mở rộng) được ứng dụng làm cấu trúc phân loại trung tâm. Mô hình này thiết lập các tiêu chí chuẩn hóa lớp phủ đô thị đặc thù cho điều kiện Việt Nam, định nghĩa khu vực đô thị phải đáp ứng mật độ dân cư tối thiểu từ 2000 người/km2 kết hợp với các ngưỡng giới hạn về tỷ lệ bề mặt không thấm nước và cường độ chiếu sáng ban đêm, đồng thời loại trừ hoàn toàn các lớp thực vật và mặt nước. Các khái niệm nền tảng bao gồm: quan hệ láng giềng điểm ảnh (4-lân cận và 8-lân cận theo khoảng cách Euclide), bề mặt không thấm nước (Impervious Surface Area - ISA toàn cầu với tổng diện tích ước tính 579.000 km2), và hiện tượng bão hòa tín hiệu bức xạ ánh sáng ban đêm từ cảm biến DMSP-OLS hoạt động trên quỹ đạo cực ở độ cao 850km.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ các trung tâm dữ liệu địa vật lý quốc tế uy tín, bao gồm: ảnh vệ tinh ánh sáng ban đêm DMSP-OLS phiên bản 4 năm 2013 từ Cục Quản lý Đại dương và Khí quyển Quốc gia Hoa Kỳ (NOAA), ảnh bề mặt không thấm nước toàn cầu EstISA 2010 (NOAA), bản đồ mật độ dân số Worldpop (100m), chỉ số thực vật MOD13Q1 (250m) và mặt nước MOD44W (250m). Cỡ mẫu nghiên cứu bao gồm toàn bộ lưới điểm ảnh trên phạm vi lãnh thổ đất liền Việt Nam, được chuẩn hóa theo hệ quy chiếu địa lý WGS84 và phép chiếu UTM Zone 49N.

Quy trình phân tích thực nghiệm được tiến hành qua hai pha độc lập nhưng liên kết chặt chẽ:

• Pha 1: Đánh giá sự biến đổi cấu trúc ảnh thông qua chu trình tăng độ phân giải từ 1km lên 500m bằng ba thuật toán nội suy kinh điển (nội suy láng giềng gần nhất - Nearest Neighbor, nội suy song tuyến tính - Bilinear Interpolation, và nội suy xoắn bậc ba - Bicubic Convolution), sau đó hạ độ phân giải trở lại 1km bằng phương pháp lấy giá trị trung bình (Mean) để đối chiếu với ảnh gốc.
• Pha 2: Đưa các ảnh đã nội suy vào chu trình tiền xử lý của mô hình GLCMNO mở rộng, tiến hành phân tích lược đồ Histogram nhằm tái xác định ngưỡng phân lớp tối ưu cho từng kỹ thuật nội suy.

Hệ thống công cụ triển khai bao gồm ArcGIS Desktop 10.2, phần mềm xử lý ảnh chuyên dụng ENVI 4.8 và ngôn ngữ lập trình Python 2.7 tích hợp các thư viện xử lý dữ liệu không gian mạnh mẽ như ArcPy, GDAL, NumPy cùng thư viện đo lường Scikit-image. Chất lượng nội suy và phân loại được định lượng thông qua hệ thống chỉ số: Sai số bình phương trung bình (MSE), Tỷ số tín hiệu cực đại trên nhiễu (PSNR đo bằng decibel), Chỉ số tương đồng cấu trúc (SSIM trong khoảng từ -1 đến 1) và điểm F1-Score.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã cung cấp các kết quả định lượng chuẩn xác về sự tác động của từng phương pháp nội suy đối với hai tập dữ liệu ảnh viễn thám quan trọng:

• Phương pháp nội suy láng giềng gần nhất (Nearest Neighbor) tuy có tốc độ xử lý nhanh nhất nhưng lại gây ra hiện tượng răng cưa và phân mảnh điểm ảnh rất nặng tại các khu vực chuyển tiếp ranh giới đô thị. Khi thực hiện chu trình kiểm chứng giảm cấp độ phân giải bằng phương pháp Mean, thuật toán này trả về giá trị SSIM bằng 1.0 và MSE bằng 0, tuy nhiên trên thực tế hình ảnh trích xuất trực quan tại khu vực Hà Nội cho thấy mức độ mờ nhạt và mất tính liên tục không gian nghiêm trọng.
• Đối với dữ liệu bề mặt không thấm nước EstISA 2010, phương pháp nội suy xoắn bậc ba (Bicubic Convolution) thể hiện chất lượng vượt trội hoàn toàn với chỉ số tương đồng cấu trúc SSIM đạt mức 0.9963 và sai số MSE cực thấp ở mức xấp xỉ 0.0001. Kết quả này vượt trội hơn so với phương pháp nội suy song tuyến tính (Bilinear Interpolation) vốn có chỉ số tương đồng thấp hơn và độ nhòe đường biên cao hơn.
• Đối với dữ liệu ánh sáng ban đêm DMSP-OLS 2013, thuật toán Bicubic Convolution tiếp tục khẳng định ưu thế với chỉ số SSIM duy trì ở mức 0.9634 cùng tỷ số tín hiệu trên nhiễu PSNR ở ngưỡng cao, giúp giữ trọn vẹn đặc trưng bức xạ của các vùng lõi đô thị lớn mà không làm biến dạng biên độ sáng xung quanh các vùng ven.
• Khi ứng dụng vào bài toán phân loại lớp phủ đô thị tổng thể trên toàn lãnh thổ Việt Nam, việc áp dụng phương pháp nội suy Bilinear hoặc Bicubic trong khâu tiền xử lý đã nâng cao độ chính xác phân lớp lên mức tối ưu, đạt chỉ số F1-Score là 0.9842 (tương đương độ chính xác 98,42%), cao hơn đáng kể so với việc sử dụng phương pháp nội suy láng giềng gần nhất.

Thảo luận kết quả

Nguyên nhân cốt lõi dẫn đến sự vượt trội của phương pháp nội suy xoắn bậc ba (Bicubic Convolution) nằm ở cơ chế toán học sử dụng hàm đa thức bậc ba để tính toán giá trị điểm ảnh mới dựa trên ma trận trọng số của 16 điểm láng giềng xung quanh (kích thước 4x4). Điều này giúp làm mượt các gradient độ sáng và giảm thiểu tối đa hiện tượng mất nét biên. Ngược lại, phương pháp song tuyến tính (Bilinear) chỉ dựa trên 4 điểm láng giềng gần nhất nên dễ tạo ra hiệu ứng làm mờ đường bao, trong khi phương pháp láng giềng gần nhất chỉ sao chép giá trị của 1 điểm duy nhất, dẫn đến cấu trúc khối thô kệch.

Các phát hiện này hoàn toàn tương đồng với các nghiên cứu quốc tế của một số tác giả trong ngành xử lý ảnh viễn thám khi khẳng định Bicubic là lựa chọn lý tưởng để bảo toàn thông tin hình học, dù thời gian tính toán có phần dài hơn. Kết quả nghiên cứu có thể được trực quan hóa sinh động thông qua hệ thống biểu đồ so sánh cột cho các chỉ số SSIM và biểu đồ phân tán sai số MSE - PSNR. Đồng thời, lược đồ Histogram phân bố tần suất giá trị điểm ảnh trước và sau nội suy đóng vai trò quyết định giúp các nhà nghiên cứu xác lập ngưỡng cắt phân lớp đô thị một cách chính xác tuyệt đối trên bản đồ chuyên đề.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm toàn diện, nghiên cứu đề xuất 4 nhóm giải pháp mang tính ứng dụng cao cho công tác xử lý dữ liệu không gian và quản lý đô thị:

• Chuẩn hóa quy trình tiền xử lý dữ liệu viễn thám quốc gia: Đề nghị Cục Viễn thám Quốc gia phối hợp cùng Bộ Tài nguyên và Môi trường ban hành khung hướng dẫn kỹ thuật bắt buộc sử dụng phương pháp nội suy xoắn bậc ba (Bicubic Convolution) hoặc song tuyến tính (Bilinear) khi tái chia mẫu các nguồn ảnh vệ tinh độ phân giải 1km về mức 500m. Mục tiêu nhằm nâng cao độ chính xác của các bản đồ hiện trạng lớp phủ lên trên 95%, áp dụng lộ trình triển khai trong giai đoạn 2024–2026.
• Ứng dụng tích hợp dữ liệu bề mặt không thấm nước (ISA) vào quy hoạch xây dựng: Bộ Xây dựng và Viện Quy hoạch Đô thị và Nông thôn Quốc gia cần đưa chỉ số diện tích bề mặt không thấm nước được trích xuất từ dữ liệu viễn thám vào bộ tiêu chí đánh giá mật độ xây dựng và nguy cơ ngập lụt đô thị. Chỉ tiêu này cần được tích hợp vào hệ thống cơ sở dữ liệu GIS của 63 tỉnh thành trước năm 2027 nhằm kiểm soát chặt chẽ tỷ lệ bê tông hóa.
• Tự động hóa hạ tầng phân tích viễn thám mã nguồn mở: Các viện nghiên cứu và trung tâm công nghệ (tiêu biểu như Trung tâm FIMO) cần phát triển hệ thống module tự động hóa xử lý ảnh dựa trên thư viện Python (GDAL, ArcPy) để giảm thiểu 40% thời gian xử lý raster thô cho các dự án giám sát tài nguyên môi trường, hoàn thiện công cụ trong vòng 12 tháng tới.
• Khai thác chuỗi dữ liệu ánh sáng ban đêm phục vụ quản lý kinh tế: Tổng cục Thống kê nên thiết lập mô hình định lượng tăng trưởng kinh tế và tiêu thụ điện năng dựa trên dữ liệu bức xạ ban đêm DMSP-OLS và VIIRS đã qua tiền xử lý chuẩn hóa, hướng tới sai số ước tính GDP cấp địa phương dưới 5% từ năm 2025.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thực tiễn sâu sắc cho 4 nhóm đối tượng trọng tâm:

• Chuyên gia quy hoạch và nhà quản lý đô thị tại các cơ quan quản lý nhà nước: Luận văn cung cấp phương pháp luận chuẩn mực để bóc tách ranh giới đô thị hóa với tiêu chí mật độ dân số 2000 người/km2 và tỷ lệ bề mặt không thấm nước, hỗ trợ đắc lực cho công tác xây dựng bản đồ quy hoạch phân khu.
• Kỹ sư GIS và chuyên viên phân tích dữ liệu viễn thám: Đây là tài liệu tham khảo chi tiết về chuỗi lệnh lập trình Python (ArcPy, Scikit-image) và quy trình chuẩn nắn chỉnh hình học, tái chia mẫu dữ liệu raster đa nguồn từ 1km lên 500m mà vẫn bảo toàn cấu trúc phổ.
• Giảng viên, học viên cao học và nghiên cứu sinh ngành Hệ thống thông tin, Địa tin học: Đề tài cung cấp khung nghiên cứu hoàn chỉnh từ cơ sở lý thuyết toán học của các hàm nội suy đến việc ứng dụng mô hình GLCMNO mở rộng và các chỉ số thẩm định chất lượng khoa học như SSIM, PSNR và F1-Score đạt 0.9842.
• Chuyên gia phân tích tài nguyên môi trường và biến đổi khí hậu: Cung cấp góc nhìn thực nghiệm về việc theo dõi biến động bề mặt không thấm nước và phân tích nhiệt độ bề mặt đô thị thông qua các kênh ảnh vệ tinh chuyên dụng.

Câu hỏi thường gặp

• Thuật toán nội suy xoắn bậc ba có điểm gì vượt trội so với nội suy láng giềng gần nhất? Thuật toán nội suy xoắn bậc ba tính toán giá trị điểm ảnh mới dựa trên trung bình trọng số của 16 điểm láng giềng xung quanh, giúp loại bỏ hoàn toàn hiện tượng răng cưa và đạt chỉ số tương đồng cấu trúc SSIM ấn tượng 0.9963 trên dữ liệu EstISA, vượt trội hơn hẳn so với cơ chế sao chép đơn điểm của thuật toán láng giềng gần nhất.

• Tại sao cần phải nội suy dữ liệu ảnh vệ tinh từ 1km lên 500m trong nghiên cứu này? Bài toán phân loại lớp phủ đô thị sử dụng dữ liệu đầu vào đa nguồn, trong đó ảnh DMSP-OLS và EstISA có độ phân giải 1km, trong khi các dữ liệu khác như Worldpop và MODIS có độ phân giải từ 100m đến 250m. Việc nội suy về 500m là yêu cầu bắt buộc để đồng bộ không gian mà không làm sai lệch thông tin địa lý.

• Dữ liệu bề mặt không thấm nước EstISA đóng vai trò như thế nào trong bài toán phân loại đô thị? Bộ dữ liệu EstISA với quy mô toàn cầu 579.000 km2 là chỉ số then chốt giúp phân tách rõ ràng các cấu trúc nhân tạo như đường giao thông, nhà xưởng và vỉa hè ra khỏi các lớp phủ tự nhiên, từ đó nâng cao độ tin cậy trong việc xác định ranh giới phát triển đô thị.

• Các chỉ số MSE, PSNR và SSIM phản ánh chất lượng ảnh sau nội suy ra sao? MSE đo lường sai số bình phương trung bình giữa các điểm ảnh, PSNR đánh giá tỷ số tín hiệu trên nhiễu (tính bằng decibel), trong khi SSIM đánh giá độ tương đồng cấu trúc theo cảm nhận thị giác. Giá trị SSIM tiệm cận 1.0 và PSNR ở mức cao khẳng định ảnh sau nội suy giữ trọn vẹn đặc trưng của ảnh gốc.

• Mô hình GLCMNO mở rộng mang lại độ chính xác phân loại lớp phủ đô thị ở mức nào? Mô hình GLCMNO mở rộng đã tối ưu hóa các ngưỡng phân lớp ánh sáng ban đêm, chỉ số thực vật và bề mặt không thấm nước kết hợp ngưỡng dân số 2000 người/km2, mang lại độ chính xác phân loại xuất sắc với chỉ số F1-Score đạt 0.9842, tương đương 98,42%.

Kết luận

• Luận văn đã phân tích toàn diện cơ sở toán học và đánh giá định lượng tác động của 3 phương pháp nội suy ảnh viễn thám phổ biến đối với bài toán phân loại đô thị.
• Chứng minh phương pháp nội suy xoắn bậc ba (Bicubic Convolution) và song tuyến tính (Bilinear) là giải pháp tiền xử lý tối ưu, giúp ảnh đạt độ tương đồng cấu trúc SSIM lên đến 0.9963.
• Chuẩn hóa thành công quy trình tiền xử lý đưa dữ liệu ảnh vệ tinh DMSP-OLS 2013 và EstISA 2010 từ độ phân giải 1km về 500m, đạt chỉ số chính xác F1-Score toàn diện 0.9842.
• Đem lại hiệu quả kinh tế rõ rệt thông qua việc nâng cấp chất lượng các nguồn dữ liệu vệ tinh mở và miễn phí phục vụ theo dõi đô thị hóa tại Việt Nam.
• Mở ra hướng nghiên cứu tiếp theo trong việc tích hợp chuỗi ảnh vệ tinh thế hệ mới VIIRS/DNB độ phân giải 500m và ứng dụng mạng nơ-ron tích chập (CNN) trong giai đoạn 2025–2030; các cơ quan quản lý và nhà nghiên cứu nên nhanh chóng ứng dụng quy trình nội suy này vào thực tiễn quy hoạch đô thị thông minh.

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. LUAN VAN CHAT LUONG download : add luanvanchat@agmail. 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.

LUAN VAN CHAT LUONG download : add luanvanchat@agmail.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]. LUAN VAN CHAT LUONG download : add [e-mail] 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. LUAN VAN CHAT LUONG download : add [e-mail] 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.