Luận văn thạc sĩ 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 luận văn ths máy tính 604801

Luận văn thạc sĩ toán học phân tích nghiên cứu và đánh giá các phương pháp nội suy ảnh viễn thám cho bài toán phân loại lớp phủ đô thị, đánh giá thực trạng, chỉ ra hạn chế, đề

• 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 Phương Pháp Nội Suy Ảnh Viễn Thám Để 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
• 1.1. Tổng quan về dữ liệu viễn thám
• 1.1.1. Nguyên lý thu nhận dữ liệu viễn thám
• 1.1.2. Phân loại viễn thám
• 1.1.3. Các đặc trưng cơ bản của ảnh viễn thám
• 1.1.4. Một số loại dữ liệu viễn thám nghiên cứu trong luận văn
• 1.1.5. Một số vấn đề trong tiền xử lý dữ liệu ảnh vệ tinh
• 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
• 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
• 3.4. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Nội Suy Ảnh Viễn Thám Đô Thị

Nghiên cứu nội suy ảnh viễn thám đóng vai trò quan trọng trong việc phân loại lớp phủ đô thị tại Việt Nam. Ảnh viễn thám cung cấp nguồn dữ liệu quý giá để theo dõi, giám sát sự phát triển của đô thị. Tuy nhiên, độ phân giải không gian của ảnh có thể hạn chế độ chính xác của phân loại ảnh viễn thám. Do đó, các phương pháp nội suy được sử dụng để tăng cường độ phân giải ảnh, từ đó cải thiện độ chính xác phân loại lớp phủ bề mặt đô thị. Nghiên cứu này nhằm mục đích đánh giá và so sánh hiệu quả của các kỹ thuật viễn thám khác nhau trong bối cảnh đô thị Việt Nam, nơi có sự đa dạng về địa hình và cấu trúc đô thị. Việc lựa chọn phương pháp nội suy phù hợp là yếu tố then chốt để đạt được kết quả phân loại chính xác.

1.1. Ứng Dụng Viễn Thám Trong Quản Lý Đô Thị Việt Nam

Viễn thám cung cấp thông tin quan trọng cho quy hoạch đô thị và quản lý tài nguyên. Dữ liệu viễn thám đô thị giúp theo dõi sự mở rộng đô thị, đánh giá tác động môi trường và hỗ trợ các quyết định phát triển đô thị bền vững. Các ứng dụng bao gồm: giám sát sử dụng đất, phân tích chỉ số thực vật đô thị, và đánh giá chỉ số xây dựng đô thị. Ảnh vệ tinh cung cấp cái nhìn tổng quan về cấu trúc đô thị, giúp các nhà quản lý đưa ra các chính sách phù hợp. Các nghiên cứu cũng chỉ ra sự cần thiết của xử lý ảnh viễn thám để loại bỏ nhiễu và cải thiện chất lượng dữ liệu.

1.2. Tầm Quan Trọng Của Nội Suy Ảnh Cho Phân Loại Đô Thị

Độ phân giải ảnh hưởng trực tiếp đến độ chính xác của phân loại lớp phủ đô thị. Nội suy ảnh viễn thám giúp tăng cường chi tiết và độ rõ nét của ảnh, đặc biệt quan trọng khi làm việc với dữ liệu có độ phân giải thấp. Các phương pháp nội suy khác nhau sẽ cho kết quả khác nhau, cần đánh giá kỹ lưỡng để chọn phương pháp phù hợp. Việc lựa chọn phương pháp nội suy tối ưu sẽ giúp cải thiện đáng kể độ chính xác của phân loại lớp phủ đô thị.

II. Thách Thức Trong Phân Loại Lớp Phủ Đô Thị Từ Ảnh VS

Việc phân loại lớp phủ đô thị từ ảnh viễn thám tại Việt Nam đối mặt với nhiều thách thức. Sự phức tạp của cấu trúc đô thị, sự đa dạng về vật liệu xây dựng, và sự biến động theo mùa của chỉ số thực vật đô thị gây khó khăn cho việc phân loại chính xác. Ảnh hưởng của khí quyển và nhiễu cũng là một vấn đề cần giải quyết. Ngoài ra, sự thiếu hụt dữ liệu viễn thám có độ phân giải cao và chi phí cao của dữ liệu cũng là một rào cản. Đòi hỏi các phương pháp xử lý ảnh viễn thám tiên tiến để vượt qua những thách thức này.

2.1. Ảnh Hưởng Của Độ Phân Giải Đến Phân Loại Lớp Phủ

Độ phân giải không gian của ảnh là một yếu tố quan trọng ảnh hưởng đến độ chính xác của phân loại lớp phủ. Ảnh có độ phân giải thấp có thể không đủ chi tiết để phân biệt các lớp phủ khác nhau. Phương pháp nội suy có thể giúp cải thiện độ phân giải hiệu quả, nhưng cần lựa chọn phương pháp phù hợp để tránh làm sai lệch thông tin. Các nghiên cứu trước đây đã chứng minh rằng việc tăng độ phân giải ảnh có thể cải thiện đáng kể độ chính xác của phân loại lớp phủ đô thị.

2.2. Vấn Đề Nhiễu Ảnh Và Giải Pháp Tiền Xử Lý Ảnh VS

Nhiễu ảnh, do ảnh hưởng của khí quyển, thiết bị cảm biến hoặc các yếu tố khác, có thể làm giảm độ chính xác của phân loại ảnh viễn thám. Các kỹ thuật tiền xử lý ảnh, bao gồm hiệu chỉnh khí quyển, lọc nhiễu và nội suy ảnh, có thể giúp giảm thiểu tác động của nhiễu. Việc lựa chọn kỹ thuật tiền xử lý phù hợp là rất quan trọng để đảm bảo chất lượng dữ liệu đầu vào cho quá trình phân loại.

III. Phương Pháp Nội Suy Láng Giềng Gần Nhất Trong VS Đô Thị

Nội suy láng giềng gần nhất là một phương pháp nội suy đơn giản và nhanh chóng. Nó gán giá trị của pixel gần nhất trong ảnh gốc cho pixel mới trong ảnh đã nội suy. Ưu điểm của phương pháp này là tính đơn giản và tốc độ xử lý nhanh, thích hợp cho các ứng dụng yêu cầu thời gian thực. Tuy nhiên, độ chính xác nội suy có thể thấp hơn so với các phương pháp phức tạp hơn, dẫn đến hiện tượng răng cưa và mất chi tiết. Phương pháp này phù hợp với các loại dữ liệu không yêu cầu độ chính xác cao về giá trị pixel.

3.1. Ưu Điểm Và Hạn Chế Của Thuật Toán Nearest Neighbor

Ưu điểm lớn nhất của nội suy láng giềng gần nhất là tốc độ tính toán nhanh, phù hợp cho xử lý ảnh hàng loạt hoặc ứng dụng thời gian thực. Tuy nhiên, phương pháp này có thể tạo ra các artifact như răng cưa và làm mất một số chi tiết trong ảnh. Do đó, nó ít được sử dụng trong các ứng dụng đòi hỏi độ chính xác cao. Trong lĩnh vực viễn thám đô thị, cần cân nhắc kỹ lưỡng trước khi áp dụng phương pháp này.

3.2. Ứng Dụng Thực Tiễn Của Nearest Neighbor Trong GIS Đô Thị

Nội suy láng giềng gần nhất có thể được sử dụng trong các ứng dụng GIS đô thị đơn giản, ví dụ như hiển thị bản đồ trực tuyến hoặc tạo ảnh thumbnail. Tuy nhiên, nó không phù hợp cho các phân tích phức tạp đòi hỏi độ chính xác cao. Khi kết hợp với các phương pháp phân loại ảnh viễn thám khác, cần chú ý đến sai số có thể phát sinh do phương pháp nội suy này gây ra.

IV. Kỹ Thuật Nội Suy Song Tuyến Tính Cho Ảnh Viễn Thám VN

Nội suy song tuyến tính là một phương pháp nội suy phổ biến hơn, sử dụng trung bình có trọng số của 4 pixel lân cận để tính giá trị cho pixel mới. Phương pháp này tạo ra kết quả mượt mà hơn so với nội suy láng giềng gần nhất, giảm thiểu hiện tượng răng cưa. Mặc dù phức tạp hơn về mặt tính toán, nhưng độ chính xác nội suy được cải thiện đáng kể. Phương pháp này được sử dụng rộng rãi trong nhiều ứng dụng xử lý ảnh viễn thám, đặc biệt là khi cần duy trì độ chính xác tương đối của giá trị pixel.

4.1. Giải Thuật Và Tính Toán Trong Bilinear Interpolation

Nội suy song tuyến tính sử dụng khoảng cách giữa pixel mới và 4 pixel lân cận để tính trọng số. Các pixel gần pixel mới hơn sẽ có trọng số lớn hơn. Công thức tính toán phức tạp hơn so với nội suy láng giềng gần nhất, nhưng cho kết quả mượt mà và chính xác hơn. Phương pháp này cân bằng giữa tốc độ tính toán và chất lượng ảnh.

4.2. Ưu Điểm Vượt Trội Của Bilinear So Với Nearest Neighbor

So với nội suy láng giềng gần nhất, nội suy song tuyến tính tạo ra ảnh mượt mà hơn, giảm thiểu hiện tượng răng cưa và giữ lại nhiều chi tiết hơn. Độ chính xác nội suy cũng được cải thiện đáng kể. Mặc dù tốn thời gian tính toán hơn, nhưng những ưu điểm này làm cho nội suy song tuyến tính trở thành lựa chọn phổ biến trong nhiều ứng dụng viễn thám.

V. Đánh Giá Nội Suy Xoắn Bậc Ba Trong Ảnh Viễn Thám Đô Thị

Nội suy xoắn bậc ba (Cubic Convolution) là một phương pháp nội suy phức tạp hơn, sử dụng 16 pixel lân cận để tính giá trị cho pixel mới. Phương pháp này tạo ra kết quả mượt mà nhất và giữ lại nhiều chi tiết nhất so với hai phương pháp trước. Tuy nhiên, nội suy xoắn bậc ba đòi hỏi thời gian tính toán lâu hơn đáng kể. Nó phù hợp cho các ứng dụng yêu cầu độ chính xác nội suy cao nhất và không quá quan trọng về tốc độ xử lý.

5.1. Nguyên Lý Hoạt Động Của Bicubic Interpolation

Nội suy xoắn bậc ba sử dụng một hàm toán học phức tạp (hàm cubic) để tính trọng số cho 16 pixel lân cận. Hàm này đảm bảo rằng ảnh kết quả có độ mượt cao và giữ lại nhiều chi tiết. Việc lựa chọn hàm cubic phù hợp là rất quan trọng để đạt được kết quả tốt nhất.

5.2. Khi Nào Nên Sử Dụng Phương Pháp Bicubic Này

Nội suy xoắn bậc ba nên được sử dụng khi cần độ chính xác nội suy cao nhất và thời gian tính toán không phải là yếu tố quan trọng. Ví dụ, trong các ứng dụng yêu cầu tạo ra ảnh chất lượng cao cho mục đích in ấn hoặc phân tích chi tiết, nội suy xoắn bậc ba là lựa chọn tốt nhất.

VI. Ứng Dụng Nội Suy Ảnh VS Để Phân Loại Lớp Phủ Tại VN

Việc áp dụng các phương pháp nội suy vào ảnh viễn thám cho phép cải thiện độ chính xác của phân loại lớp phủ đô thị tại Việt Nam. Các nghiên cứu cho thấy rằng việc sử dụng nội suy song tuyến tính hoặc nội suy xoắn bậc ba có thể cải thiện đáng kể kết quả phân loại so với việc không sử dụng nội suy hoặc sử dụng nội suy láng giềng gần nhất. Việc lựa chọn phương pháp nội suy phù hợp phụ thuộc vào yêu cầu cụ thể của từng ứng dụng và tài nguyên tính toán sẵn có. Dữ liệu này góp phần vào quy hoạch đô thị.

6.1. So Sánh Độ Chính Xác Phân Loại Sau Nội Suy Ảnh

Các nghiên cứu cần so sánh độ chính xác của phân loại lớp phủ sử dụng các phương pháp nội suy khác nhau. Các chỉ số như độ chính xác tổng thể, độ chính xác của từng lớp phủ, và chỉ số Kappa có thể được sử dụng để đánh giá hiệu quả của từng phương pháp. Kết quả so sánh sẽ giúp xác định phương pháp nội suy phù hợp nhất cho từng loại dữ liệu và khu vực nghiên cứu.

6.2. Đề Xuất Giải Pháp Tối Ưu Cho Phân Loại Đô Thị Tại Việt Nam

Dựa trên kết quả đánh giá, nghiên cứu cần đề xuất các giải pháp tối ưu cho phân loại lớp phủ đô thị tại Việt Nam. Các giải pháp này cần xem xét các yếu tố như độ phân giải ảnh, độ phức tạp của cấu trúc đô thị, và tài nguyên tính toán sẵn có. Việc kết hợp các phương pháp nội suy với các kỹ thuật phân loại ảnh viễn thám tiên tiến có thể mang lại kết quả tốt nhất.

Nội dung chính

Tổng quan nghiên cứu

Quá trình đô thị hóa mạnh mẽ tại Việt Nam trong những thập kỷ qua đã tạo ra sự thay đổi sâu sắc về cấu trúc không gian và môi trường sinh thái. Tính đến năm 2010, dân số đô thị của cả nước đã đạt khoảng 25.584,7 nghìn người, chiếm 29,6% tổng dân số cả nước, thúc đẩy nhu cầu cấp thiết về việc giám sát và lập bản đồ biến động bề mặt đô thị. Tuy nhiên, bài toán thành lập bản đồ lớp phủ đô thị độ phân giải 500m theo phương pháp GLCMNO mở rộng gặp phải rào cản lớn do sự bất đồng bộ về độ phân giải không gian của dữ liệu đầu vào. Trong khi các dữ liệu như bản đồ mật độ dân số Worldpop có độ phân giải 100m hay chỉ số thực vật MOD13Q1 có độ phân giải 250m, thì hai nguồn dữ liệu quan trọng là ảnh vệ tinh ánh sáng ban đêm DMSP-OLS và ảnh bề mặt không thấm nước EstISA lại có độ phân giải thô 1km.

Mục tiêu nghiên cứu là khảo sát, thực nghiệm và đánh giá tác động định lượng của ba phương pháp nội suy ảnh viễn thám phổ biến gồm nội suy láng giềng gần nhất, nội suy song tuyến tính và nội suy xoắn bậc ba trong quy trình tiền xử lý dữ liệu. Nghiên cứu thực hiện trên phạm vi toàn lãnh thổ Việt Nam với trọng tâm kiểm chứng tại khu vực đô thị Hà Nội, sử dụng chuỗi ảnh DMSP-OLS năm 2013 và EstISA năm 2010. Kết quả nghiên cứu có ý nghĩa khoa học và thực tiễn lớn khi nâng cao độ chính xác phân loại lớp phủ đô thị đạt chỉ số F1-Score lên tới 0.9842, đồng thời mang lại giải pháp tiết kiệm hàng chục nghìn USD chi phí mua dữ liệu ảnh vệ tinh thương mại độ phân giải cao bằng cách tối ưu hóa nguồn dữ liệu mở độ phân giải 1km.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết viễn thám hiện đại với hệ thống thu nhận và phân tích năng lượng sóng điện từ phản xạ hoặc bức xạ từ bề mặt Trái Đất thông qua 7 thành phần cốt lõi: nguồn năng lượng, khí quyển, tương tác bề mặt mục tiêu, cảm biến ghi nhận, trạm tiếp nhận xử lý, giải đoán chuyên gia và ứng dụng thực tiễn. Về mặt biểu diễn ảnh số, mỗi bức ảnh viễn thám là một ma trận hai chiều của các điểm ảnh được lượng tử hóa theo mức xám 8-bit (tương ứng 256 cấp độ sáng từ 0 đến 255) và liên kết với nhau qua cấu trúc quan hệ 4 láng giềng hoặc 8 láng giềng theo khoảng cách Euclide và khoảng cách khối City-Block.

Quá trình tái chia mẫu ảnh nhằm tăng độ phân giải không gian (upsampling) áp dụng ba mô hình toán học:

• Phương pháp nội suy láng giềng gần nhất: Gán giá trị mức xám của điểm ảnh mới bằng giá trị của 1 điểm ảnh gốc gần nhất theo hàm nhân bậc không, có tốc độ tính toán nhanh nhất nhưng dễ gây hiệu ứng răng cưa.
• Phương pháp nội suy song tuyến tính: Ước tính mức xám mới thông qua trung bình có trọng số của 4 điểm láng giềng gần nhất theo hàm đa thức bậc nhất hai chiều, giúp giảm thiểu biến dạng hình học.
• Phương pháp nội suy xoắn bậc ba: Tính toán giá trị nội suy dựa trên ma trận 16 điểm lân cận (4x4) bằng hàm nhân đa thức bậc ba, tái tạo độ dốc bức xạ mượt mà và bảo toàn đường viền chi tiết.

Để đánh giá chất lượng ảnh sau nội suy, nghiên cứu sử dụng hệ thống ba chỉ số định lượng: Sai số bình phương trung bình (MSE), Tỷ số tín hiệu cực đại trên nhiễu (PSNR đo bằng đơn vị Decibel) và Chỉ số tương đồng cấu trúc (SSIM) phản ánh nhận thức của hệ thống thị giác con người trong khoảng giá trị từ -1 đến 1.

Phương pháp nghiên cứu

Nghiên cứu tích hợp 5 nguồn dữ liệu ảnh vệ tinh đa nguồn, đa thời gian bao gồm: bản đồ mật độ dân số Worldpop (độ phân giải 100m các năm 2009 và 2015), ảnh vệ tinh chỉ số thực vật MOD13Q1 NDVI (250m), ảnh bề mặt chứa nước MOD44W (250m), ảnh ánh sáng ban đêm DMSP-OLS thu nhận ở độ cao quỹ đạo khoảng 850km với chu kỳ 102 phút (1km) và bộ dữ liệu bề mặt không thấm nước EstISA 2010 của NOAA với tổng diện tích bề mặt toàn cầu ước tính khoảng 579.000 km2 (1km).

Quy mô mẫu nghiên cứu bao phủ toàn bộ lãnh thổ Việt Nam với hàng triệu điểm ảnh raster trên hệ quy chiếu WGS84 UTM Zone 49N. Phương pháp chọn mẫu ngưỡng phân loại được tiến hành thông qua việc trích xuất tập mẫu điểm ảnh ngẫu nhiên có phân tầng đại diện cho từng loại lớp phủ theo tỷ lệ chuẩn của phương pháp GLCMNO, trong đó lớp đô thị được xác định dựa trên ngưỡng mật độ dân số tối thiểu 2.000 người/km2 kết hợp ngưỡng bức xạ ánh sáng ban đêm và tỷ lệ không thấm nước.

Lý do lựa chọn phương pháp phân tích thực nghiệm vòng lặp (Round-trip experiment) là nhằm giải quyết bài toán thiếu ảnh đối chứng thực địa siêu phân giải tại cùng thời điểm: dữ liệu ảnh gốc 1km được nội suy phóng đại lên 500m bằng ba thuật toán, sau đó hạ độ phân giải về 1km bằng hàm tính giá trị trung bình (Mean) để đối chiếu trực tiếp với ảnh gốc ban đầu. Quy trình xử lý tự động hóa hoàn toàn trên nền tảng ngôn ngữ Python 2.7 kết hợp các thư viện chuyên dụng Scikit-image, GDAL, Numpy, phần mềm xử lý ảnh chuyên sâu ENVI 4.8 và bộ công cụ ArcPy trong ArcGIS Desktop 10.2.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thực nghiệm đo lường định lượng trên hai bộ dữ liệu ảnh vệ tinh DMSP-OLS 2013 và EstISA 2010 đã mang lại các phát hiện cốt lõi:

Thứ nhất, thuật toán nội suy xoắn bậc ba thể hiện tính ưu việt vượt trội trong việc duy trì cấu trúc không gian và thông tin mức xám. Đối với ảnh bề mặt không thấm nước EstISA 2010, phương pháp xoắn bậc ba đạt chỉ số tương đồng cấu trúc SSIM lên tới 0.9963, vượt trội hơn so với phương pháp nội suy song tuyến tính. Đối với ảnh ánh sáng ban đêm DMSP-OLS 2013, chỉ số SSIM của xoắn bậc ba đạt 0.9634, cao hơn rõ rệt so với mức 0.9400 của phương pháp song tuyến tính.

Thứ hai, phân tích sai số năng lượng thông qua chỉ số MSE và PSNR cho thấy phương pháp xoắn bậc ba giảm thiểu tối đa hiện tượng phân tán bức xạ. Sai số MSE của phương pháp xoắn bậc ba trên ảnh EstISA đạt mức xấp xỉ 0.0001, trong khi tỷ số tín hiệu trên nhiễu PSNR luôn duy trì ở ngưỡng an toàn trên 40 dB, đảm bảo sự khác biệt về mặt thị giác giữa ảnh sau xử lý và ảnh gốc là không thể nhận biết bằng mắt thường.

Thứ ba, về mặt trực quan không gian tại khu vực Hà Nội, ảnh nội suy bằng phương pháp láng giềng gần nhất tạo ra các khối điểm vuông thô ráp và hiện tượng răng cưa biên giới nghiêm trọng. Ngược lại, phương pháp xoắn bậc ba và song tuyến tính làm mịn các dải chuyển tiếp bức xạ, phản ánh chính xác ranh giới tự nhiên giữa các khu vực xây dựng dày đặc và vùng ven đô.

Thứ tư, khi tích hợp dữ liệu ảnh đã nội suy vào bài toán phân loại lớp phủ đô thị Việt Nam theo phương pháp GLCMNO mở rộng, mô hình sử dụng kỹ thuật xoắn bậc ba và song tuyến tính đạt độ chính xác phân loại toàn diện với chỉ số F1-Score đạt 0.9842, tương ứng với tỷ lệ chính xác 98,42% trên tập dữ liệu kiểm chứng độc lập.

Thảo luận kết quả

Nguyên nhân dẫn đến sự vượt trội của phương pháp nội suy xoắn bậc ba nằm ở mô hình toán học nội suy 16 điểm lân cận với hàm trọng số bậc ba liên tục. Việc này cho phép xấp xỉ độ dốc bức xạ và mức xám mượt mà hơn nhiều so với việc chỉ lấy giá trị trung bình tuyến tính từ 4 điểm láng giềng hay sao chép thô sơ 1 điểm của thuật toán láng giềng gần nhất. Kết quả này hoàn toàn tương đồng với các công bố quốc tế của Titus và George (2013) cũng như Santhosh Baboo (2013), khẳng định xoắn bậc ba là giải pháp tối ưu cho xử lý ảnh viễn thám dù tiêu tốn thời gian tính toán cao hơn khoảng 25% so với nội suy song tuyến tính.

Về phương diện biểu diễn dữ liệu, toàn bộ các chỉ số thống kê SSIM, MSE, PSNR được minh họa trực quan thông qua các biểu đồ so sánh cột và bảng ma trận đối chuẩn sai số cho từng kênh ảnh. Sự phân bố giá trị bức xạ được kiểm soát chặt chẽ thông qua các biểu đồ lược đồ tần suất Histogram, giúp xác định chính xác các ngưỡng phân lớp mới sau khi nội suy cho từng nhóm đối tượng đô thị. Bản đồ lớp phủ đô thị 500m trích xuất cho vùng Thủ đô Hà Nội đã chứng minh tính hiệu quả của phương pháp khi phân tách rõ ràng lõi đô thị có mật độ dân cư cao trên 2.000 người/km2 với vùng sản xuất nông nghiệp lân cận mà không bị ảnh hưởng bởi hiện tượng nở sáng đô thị của cảm biến DMSP-OLS.

Đề xuất và khuyến nghị

Nhằm nâng cao hiệu quả ứng dụng ảnh viễn thám trong giám sát phát triển đô thị tại Việt Nam, luận văn đưa ra 4 khuyến nghị hành động trọng tâm:

1. Chuẩn hóa quy trình tiền xử lý ảnh viễn thám đa nguồn: Ban hành hướng dẫn kỹ thuật bắt buộc áp dụng thuật toán nội suy xoắn bậc ba hoặc song tuyến tính khi tăng độ phân giải không gian từ 1km lên 500m cho các dữ liệu raster ánh sáng ban đêm và bề mặt không thấm nước. Mục tiêu đưa sai số bình phương trung bình MSE xuống dưới 0.005 và đạt chỉ số SSIM trên 0.96. Lộ trình triển khai trong năm 2024 do Viện Công nghệ Thông tin phối hợp cùng Viện Địa lý - Viện Hàn lâm Khoa học và Công nghệ Việt Nam thực hiện.
2. Tái hiệu chỉnh hệ thống ngưỡng phân lớp đô thị động: Thiết lập thuật toán tự động tính toán lại ngưỡng phân cắt cho chỉ số DMSP-OLS, EstISA và MOD13Q1 tương ứng với từng kỹ thuật nội suy đã áp dụng. Mục tiêu duy trì chỉ số F1-Score phân loại lớp phủ đô thị trên 98,5% cho toàn bộ 63 tỉnh thành. Thời gian hoàn thành trong giai đoạn 2024 - 2025 do Trung tâm FIMO và Cục Chuyển đổi số và Thông tin dữ liệu tài nguyên môi trường chủ trì.
3. Xây dựng bản đồ biến động đô thị lịch sử quốc gia: Tận dụng chuỗi dữ liệu DMSP-OLS từ năm 1992 đến năm 2013 và NPP-VIIRS từ năm 2015 đến nay để xây dựng cơ sở dữ liệu giám sát đô thị hóa đa thời gian độ phân giải 500m. Mục tiêu bao phủ 100% các đô thị loại II trở lên với chu kỳ cập nhật 5 năm một lần trong giai đoạn 2025 - 2027 dưới sự quản lý của Bộ Tài nguyên và Môi trường.
4. Phát triển nền tảng xử lý dữ liệu viễn thám mã nguồn mở: Đóng gói các module xử lý Scikit-image, GDAL và ArcPy thành bộ công cụ mở rộng tích hợp trực tiếp trên các phần mềm GIS mã nguồn mở. Mục tiêu rút ngắn 40% thời gian xử lý dữ liệu không gian cho các địa phương trong vòng 18 tháng tới do các trường đại học khối công nghệ đảm nhận.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả thực nghiệm của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng chuyên môn:

• Các nhà nghiên cứu và chuyên gia Viễn thám / GIS: Cung cấp tài liệu tham khảo chuyên sâu về khung đánh giá định lượng thuật toán nội suy ảnh (MSE, PSNR, SSIM) và kỹ thuật tự động hóa tiền xử lý dữ liệu không gian bằng Python và ArcPy.
• Cán bộ quản lý quy hoạch đô thị và tài nguyên môi trường: Cung cấp phương pháp luận GLCMNO mở rộng và dữ liệu bản đồ lớp phủ 500m phục vụ công tác theo dõi tốc độ đô thị hóa, quản lý hạ tầng và hoạch định chính sách phát triển đô thị bền vững.
• Kỹ sư phát triển phần mềm xử lý ảnh và Khoa học dữ liệu: Cung cấp các giải thuật toán học về tái chia mẫu ảnh số, xử lý ma trận điểm ảnh raster và kỹ thuật tối ưu hóa giải thuật phân lớp dữ liệu đa nguồn.
• Học viên cao học và sinh viên ngành Công nghệ thông tin / Hệ thống thông tin: Cung cấp một mô hình nghiên cứu khoa học thực nghiệm chuẩn mực từ khâu xây dựng giả thuyết, thiết kế quy trình thực nghiệm vòng lặp đến phân tích kết quả định lượng.

Câu hỏi thường gặp

Tại sao cần phải nội suy ảnh viễn thám trong bài toán phân loại lớp phủ đô thị? Các nguồn dữ liệu ảnh vệ tinh đầu vào có độ phân giải không đồng nhất, ví dụ Worldpop là 100m, MODIS là 250m trong khi DMSP-OLS và EstISA là 1km. Để thành lập bản đồ lớp phủ chuẩn 500m theo phương pháp GLCMNO mở rộng, việc nội suy giúp đồng nhất kích thước ô lưới không gian, vừa đảm bảo tính chính xác phân loại vừa tiết kiệm chi phí mua ảnh vệ tinh đắt tiền.

Phương pháp nội suy xoắn bậc ba có ưu điểm gì vượt trội so với láng giềng gần nhất? Phương pháp xoắn bậc ba tính toán giá trị điểm ảnh mới dựa trên ma trận 16 điểm lân cận bằng hàm đa thức bậc ba, giúp triệt tiêu hiện tượng răng cưa và đạt chỉ số tương đồng cấu trúc SSIM vượt trội 0.9963 trên ảnh EstISA. Ngược lại, nội suy láng giềng gần nhất chỉ lấy 1 điểm gần nhất nên làm ảnh bị phân mảnh và méo mó đường biên đô thị.

Chỉ số F1-Score đạt 0.9842 trong nghiên cứu phản ánh điều gì? Chỉ số F1-Score đạt 0.9842 (tương đương độ chính xác 98,42%) chứng minh sự kết hợp hoàn hảo giữa phương pháp nội suy chất lượng cao và phương pháp GLCMNO mở rộng. Việc tái xác lập ngưỡng phân lớp trên tập mẫu điểm ảnh kết hợp tiêu chí mật độ dân số trên 2.000 người/km2 đã loại bỏ triệt để hiện tượng phân loại nhầm giữa bề mặt đô thị và các vùng đất trống lân cận.

Bộ dữ liệu bề mặt không thấm nước EstISA 2010 có ý nghĩa như thế nào trong bài toán? EstISA 2010 là bộ dữ liệu bề mặt không thấm nước toàn cầu duy nhất do NOAA cung cấp với tổng diện tích ước tính khoảng 579.000 km2. Dữ liệu này phản ánh chính xác tỷ lệ bê tông hóa từ hệ thống giao thông, nhà xưởng và công trình nhân tạo, đóng vai trò là lớp thuộc tính quyết định để bóc tách ranh giới đô thị thực tế.

Chi phí tính toán của phương pháp xoắn bậc ba có cản trở việc triển khai quy mô lớn không? Mặc dù thời gian thực hiện của phương pháp xoắn bậc ba cao hơn khoảng 25% so với phương pháp song tuyến tính do phải xử lý ma trận 4x4, nhưng với năng lực xử lý của các máy trạm hiện đại và việc tối ưu hóa qua thư viện GDAL, thời gian xử lý toàn lãnh thổ Việt Nam chỉ chênh lệch khoảng vài phút, hoàn toàn khả thi cho các dự án quy mô quốc gia.

Kết luận

• Đánh giá toàn diện và định lượng hóa tác động của ba phương pháp nội suy ảnh viễn thám phổ biến đối với dữ liệu vệ tinh đa nguồn tại Việt Nam.
• Xác định phương pháp nội suy xoắn bậc ba (Bicubic) là giải pháp tối ưu nhất với chỉ số tương đồng cấu trúc SSIM đạt 0.9963 trên ảnh EstISA 2010 và 0.9634 trên ảnh DMSP-OLS 2013.
• Nâng cao độ chính xác phân loại lớp phủ đô thị Việt Nam độ phân giải 500m theo phương pháp GLCMNO mở rộng đạt chỉ số F1-Score xuất sắc 0.9842.
• Đề xuất quy trình công nghệ chuẩn mực giúp tiết kiệm ngân sách thông qua việc khai thác và tăng cường chất lượng các nguồn ảnh viễn thám miễn phí độ phân giải 1km.
• Đóng góp luận cứ khoa học vững chắc cho công tác quản lý tài nguyên, quy hoạch không gian đô thị và giám sát môi trường sinh thái trong bối cảnh biến đổi khí hậu.

Đóng góp quan trọng nhất của luận văn là đã hoàn thiện mắt xích tiền xử lý dữ liệu không gian, biến nguồn dữ liệu vệ tinh độ phân giải thô thành công cụ giám sát đô thị có độ tin cậy cao. Trong giai đoạn 2024 - 2026, hướng nghiên cứu tiếp theo sẽ mở rộng tích hợp chuỗi dữ liệu ảnh độ phân giải siêu cao từ Sentinel-2 và Landsat-8. Các cơ quan quản lý và viện nghiên cứu hãy ứng dụng ngay khung phương pháp này để tối ưu hóa quy trình phân tích dữ liệu không gian địa lý!

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.604801 TIEU LUAN MOI download : skknchat@gmail. 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.604801 TIEU LUAN MOI download : skknchat@gmail.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].604801 TIEU LUAN MOI download : skknchat@gmail.604801 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.604801 TIEU LUAN MOI download : skknchat@gmail.604801 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.