Luận văn thạc sĩ công nghệ thông tin nghiên cứu phương pháp trích xuất đặc trưng trên ảnh vệ tinh sử dụng các kỹ thuật học sâu

Luận văn thạc sĩ nghiên cứu công nghệ thông tin nghiên cứu phương pháp trích xuất đặc trưng trên ảnh vệ tinh sử dụng các kỹ, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Phạm Quang Hiển
• Người hướng dẫn: TS Lê Hồng Anh
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ Thông tin
• Đề tài: Nghiên cứu phương pháp trích xuất đặc trưng ảnh vệ tinh bằng học sâu
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan về nghiên cứu trích xuất đặc trưng ảnh vệ tinh bằng học sâu

Nghiên cứu trích xuất đặc trưng ảnh vệ tinh bằng học sâu đang trở thành một lĩnh vực quan trọng trong công nghệ thông tin và viễn thám. Việc áp dụng các kỹ thuật học sâu giúp cải thiện độ chính xác và hiệu quả trong việc phân tích và xử lý dữ liệu từ ảnh vệ tinh. Các phương pháp này không chỉ giúp nhận diện các đối tượng trên bề mặt trái đất mà còn hỗ trợ trong việc giám sát môi trường và tài nguyên thiên nhiên.

1.1. Khái niệm về học sâu trong xử lý ảnh vệ tinh

Học sâu là một nhánh của trí tuệ nhân tạo, sử dụng các mạng nơ-ron để học và trích xuất thông tin từ dữ liệu lớn. Trong bối cảnh ảnh vệ tinh, học sâu cho phép phát hiện và phân loại các đối tượng như rừng, nước, và đô thị một cách tự động và chính xác.

1.2. Lợi ích của việc trích xuất đặc trưng ảnh vệ tinh

Trích xuất đặc trưng ảnh vệ tinh giúp nâng cao khả năng phân tích dữ liệu, từ đó hỗ trợ trong việc ra quyết định về quản lý tài nguyên thiên nhiên. Việc sử dụng các kỹ thuật học sâu giúp giảm thiểu thời gian và công sức so với các phương pháp truyền thống.

II. Thách thức trong nghiên cứu trích xuất đặc trưng ảnh vệ tinh

Mặc dù có nhiều lợi ích, việc trích xuất đặc trưng từ ảnh vệ tinh cũng gặp phải nhiều thách thức. Các vấn đề như độ phân giải thấp, nhiễu tín hiệu và sự biến đổi của môi trường có thể ảnh hưởng đến độ chính xác của kết quả. Ngoài ra, việc xử lý một lượng lớn dữ liệu cũng đòi hỏi các công nghệ và phần mềm mạnh mẽ.

2.1. Độ phân giải và chất lượng ảnh vệ tinh

Độ phân giải của ảnh vệ tinh ảnh hưởng trực tiếp đến khả năng phát hiện và phân loại các đối tượng. Ảnh có độ phân giải thấp có thể không đủ chi tiết để phân tích chính xác, dẫn đến sai sót trong kết quả.

2.2. Nhiễu tín hiệu và biến đổi môi trường

Nhiễu tín hiệu từ các yếu tố như thời tiết, ánh sáng và khí quyển có thể làm giảm chất lượng dữ liệu. Sự biến đổi của môi trường cũng có thể gây khó khăn trong việc duy trì độ chính xác của các mô hình học sâu.

III. Phương pháp học sâu trong trích xuất đặc trưng ảnh vệ tinh

Các phương pháp học sâu như mạng nơ-ron tích chập (CNN) đã được áp dụng rộng rãi trong việc trích xuất đặc trưng từ ảnh vệ tinh. Những mô hình này cho phép tự động hóa quá trình phân tích và cải thiện độ chính xác của các kết quả.

3.1. Mạng nơ ron tích chập CNN trong xử lý ảnh

Mạng nơ-ron tích chập là một trong những kiến trúc phổ biến nhất trong học sâu, đặc biệt trong xử lý ảnh. CNN có khả năng tự động học các đặc trưng từ dữ liệu mà không cần phải thiết kế thủ công.

3.2. Quy trình xây dựng mô hình U Net cho ảnh vệ tinh

Mô hình U-Net được thiết kế đặc biệt cho các tác vụ phân đoạn ảnh, cho phép trích xuất các đặc trưng chi tiết từ ảnh vệ tinh. Quy trình này bao gồm việc thu thập dữ liệu, tiền xử lý và huấn luyện mô hình.

IV. Ứng dụng thực tiễn của trích xuất đặc trưng ảnh vệ tinh

Trích xuất đặc trưng từ ảnh vệ tinh có nhiều ứng dụng thực tiễn trong các lĩnh vực như nông nghiệp, quản lý tài nguyên thiên nhiên và giám sát môi trường. Các kết quả từ nghiên cứu có thể hỗ trợ trong việc ra quyết định và lập kế hoạch phát triển bền vững.

4.1. Giám sát lớp phủ thực vật và nông nghiệp

Việc giám sát lớp phủ thực vật thông qua ảnh vệ tinh giúp theo dõi sự phát triển của cây trồng và đánh giá tình trạng sức khỏe của rừng. Điều này rất quan trọng trong việc quản lý nông nghiệp và bảo vệ môi trường.

4.2. Ứng dụng trong quản lý tài nguyên thiên nhiên

Trích xuất đặc trưng ảnh vệ tinh hỗ trợ trong việc quản lý tài nguyên thiên nhiên như nước, đất và rừng. Các thông tin thu được giúp đưa ra các quyết định hợp lý trong việc bảo vệ và phát triển bền vững.

V. Kết luận và tương lai của nghiên cứu trích xuất đặc trưng ảnh vệ tinh

Nghiên cứu trích xuất đặc trưng ảnh vệ tinh bằng học sâu đang mở ra nhiều cơ hội mới trong việc giám sát và quản lý tài nguyên thiên nhiên. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều tiến bộ với sự phát triển của công nghệ và các phương pháp mới.

5.1. Tiềm năng phát triển của công nghệ học sâu

Công nghệ học sâu đang phát triển nhanh chóng, mở ra nhiều khả năng mới trong việc xử lý và phân tích dữ liệu ảnh vệ tinh. Các nghiên cứu trong tương lai có thể tập trung vào việc cải thiện độ chính xác và hiệu quả của các mô hình.

5.2. Hướng nghiên cứu tiếp theo trong lĩnh vực này

Các nghiên cứu tiếp theo có thể tập trung vào việc phát triển các mô hình học sâu mới, cải thiện khả năng xử lý dữ liệu lớn và ứng dụng trong các lĩnh vực khác nhau như biến đổi khí hậu và quản lý đô thị.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu: tác giả trình bày về tính cấp thiết của đề tài, mục tiêu và phạm vi nghiên cứu của đề tài, các nội dung nghiên cũng như cấu trúc của luận văn Chương 2: Các kiến thức và công nghệ nền tảng: tác giả trình bày về các kiến thức nền tảng thực hiện đề tài như các kỹ thuật học sâu, ảnh vệ tinh, thư viện Eo-Learn, phần mềm Envi Chương 3: Mô hình mạng Nơron tích chập trích xuất lớp phủ thực vật từ ảnh vệ tinh Sentinel: tác giả trình bày việc xây dựng mạng nơ-ron tích chập với kiến trúc U-net để tiến hành trích xuất lớp phủ thực vật. Ngoài ra tác giả cũng giới thiệu một số chỉ số giúp tính toán lớp phủ thực vật và quy trình xử lý của bài toán với thư viện Eo- Learn Chương 4: Thực nghiệm: Tác giả giới thiệu về vùng thực nghiệm, các kết quả thực nghiệm cũng như so sánh ưu nhược điểm so với phần mềm Envi Chương 5: Kết luận: Tác giả trình bày về vai trò về nghiên cứu trong luận văn, các kết quả đạt được, các điểm hạn chế cũng như hướng phát triển tiếp theo của luận văn. HV: Phạm Quang Hiển 5 CHƯƠNG 2. CÁC KIẾN THỨC VÀ CÔNG NGHỆ NỀN TẢNG 2.

Ảnh vệ tinh Sentinel-2 2. Thiết kế kỹ thuật của vệ tinh Sentinel-2 Vệ tinh Sentinel-2 được thiết kế là một cặp vệ tinh song sinh gắn thiết bị thu ảnh đa phổ tiếp nối việc cung cấp dữ liệu vệ tinh phục vụ giám sát tài nguyên thiên nhiên của các dòng vệ tinh LANDSAT và SPOT thực hiện. Hai vệ tinh được thiết kế bay ở độ cao 786 km trong quỹ đạo đồng bộ mặt trời, được thiết kế phân pha ở 180° trên các mặt đối diện của quỹ đạo nên tấp suất chụp lặp của 2 vệ tinh rât cao, là 5 ngày. Vệ tinh Sentinel-2 được thiết kế tiên tiến dựa trên các nền tảng mới do tập đoàn Astrium GmbH phát triển có thừa hưởng kinh nghiệm mà EADS-Astrium từ việc chế tạo các vệ tinh ESA trước đây.

Mỗi vệ tinh Sentinel-2 nặng khoảng 1,2 tấn, với tuổi thọ 7,25 bao gồm giai đoạn vận hành trên quỹ đạo. Vị trí của mỗi vệ tinh Sentinel-2 được xác định trên quỹ đạo bằng thiết bị GNSS để đảm bảo việc chính xác của quỹ đạo bay, hệ thống Sentinel-2 bao gồm: - Trạm vận hành hướng bay để điều khiển, giám sát và lập lệnh cho vệ tinh; - Trạm mặt đất quản lý trữ lượng dữ liệu lưu trên vệ tinh để lập lịch quét, tải dữ liệu thu nhận, xử lý, lưu trữ, phân phối và kiểm soát chất lượng; - Mạng lưới các trạm băng tần S và X cho phép liên lạc với vệ tinh từ 4 trạm mặt đất Kiruna, Svalbard, Mas Palomas và Prince Albert. Ở chế độ bình thường, vệ tinh hoạt động thu ảnh có tính hệ thống với chu kỳ 10 ngày. Tuy nhiên, trong trường hợp khẩn cấp vệ tinh có thể thu nhận dữ liệu và cung cấp cho người sử dụng trong vòng 3 giờ đồng hồ sau khi thu nhận.1: Đặc tính kỹ thuật của hệ thống Sentinel-2 Đặc điểm hệ thống vệ tinh Thông tin Tính liên tục Cần 4 vệ tinh hoạt động trong chu kỳ 15 năm Các trạm mặt đất Ở Italia, Nauy, Tây Ban Nha, Alaska (Mỹ) Độ tin cậy 0.7 Độ sẵn có 97% Định vị không có điểm khống <20m chế GCP Độ rộng dải quét 290 km Phương thức hoạt động Tiêu chuẩn, mở rộng, hỗ trợ, an toàn Thời lượng chụp ảnh tối đa 32 phút mỗi 100 phút trong quỹ đạo HV: Phạm Quang Hiển 6 Sự kết hợp giữa dải quét rộng và yêu cầu thu nhận dữ liệu toàn cầu liên tục với tần suất chụp lặp cao dẫn đến việc Sentinel -2 tạo ra khoảng 1,6 TBytes dữ liệu hình ảnh thô được nén mỗi ngày.

Điều này có nghĩa tốc độ cung cấp dữ liệu thô trung bình liên tục là 160 Mbit/s, với khả năng lưu trữ bộ nhớ là 2,4 Tbits. Dữ liệu được nén bằng thuật toán nén đa độ phân giải dựa trên sự phân tách sóng. Chức năng này hoạt động trong thời gian thực đem lại tốc độ truyền ổn định với tỷ lệ nén được tối ưu hóa cho từng kênh phổ để đảm bảo chất lượng ảnh. Vệ tinh Sentinel-2 phóng lên vũ trụ mang nhiệm vụ cung cấp tính liên tục cho các dịch vụ giám sát trái đất bằng dữ liệu quang học độ phân giải không gian cao.

Bộ cảm quang học trên vệ tinh được thiết kế cải tiến để cung cấp ảnh ở 13 kênh phổ từ dải nhìn thấy, cận hồng ngoại và hồng ngoại sóng ngắn. Thiết bị đa phổ MSI cung cấp ảnh từ bước sóng 443nm đến 2190nm và chụp bề mặt đất toàn cầu một cách có hệ thống từ 560 Nam đến 840 Bắc. Dữ liệu ảnh Sentinel-2 cung cấp 3 loại độ phân giải không gian gồm: Độ phân giải 10 m ở 4 kênh từ dải hồng ngoại nhìn thấy và cận hồng ngoại; 20 m ở 6 kênh từ dải viền đỏ và cận hồng ngoại; 3 kênh độ phân giải 60 m dùng để hiệu chỉnh khí quyển. Sentinel-2 cũng được thiết kế để quay ống kính đến ± 20,60 dọc theo dải quét để phục vụ các yêu cầu khẩn cấp.

Tín hiệu được truyền đến các trạm mặt đất lõi của Sentinel và thông qua liên kết laser của EDRS. Từ khía cạnh quan sát Trái đất, các nhà nghiên cứu luôn mong muốn có thể sử dụng nguồn dữ liệu mở và miễn phí như các dòng vệ tinh Landsat và Sentinel. Do đó, khi kết hợp ảnh các vệ tinh Landsat 5-8 với dữ liệu ảnh Sentinel-2 sẽ đạt tần suất chụp lặp 3 ngày tại một điểm trên mặt đất. Do đó, dữ liệu Sentinel-2 có thể mang lại kết quả mong muốn nếu áp dụng phương pháp phù hợp.

Thiết kế kỹ thuật bộ cảm MSI trên vệ tinh Sentinel-2 Bộ cảm MSI trên vệ tinh Sentinel-2 còn có các cải tiến rất lớn so với bộ cảm OLI trên vệ tinh LandSat 8 như: việc thu hẹp độ rộng dải phổ của Sentinel-2 làm hạn chế ảnh hưởng của các thành phần khí quyển, bao gồm cả hơi nước. Kênh 8A của Sentinel được thu hẹp dải phổ ở bước sóng 865 nm trong vùng cận hồng ngoại để tránh ảnh hưởng từ hơi nước nhưng vẫn có khả năng thể hiện được những vùng có giá trị phổ bằng phẳng, đặc biệt là ở dải phổ cận hồng ngoại cho thảm thực vật tuy nhiên vẫn nhạy cảm với hàm lượng oxit sắt trong đất. Dải phổ 443 nm cũng được sử dụng trong các nhiệm vụ như: tính toán Chỉ số thực vật toàn cầu ENVISAT MERIS (MGVI) và trong hiệu chỉnh khí quyển cho đầu thu MODIS của Cơ quan Hàng không và Vũ trụ Hoa Kỳ. HV: Phạm Quang Hiển 7 Độ phân giải không gian và thời gian đang là ưu điểm vượt trội của của thế hệ vệ tinh quan học Sentinel-2.

Một trong những đặc tính vượt trội của Sentinel 2 và Landsat 8 là có cùng dải phổ từ 400nm – 2300nm tuy số lượng băng phổ khác nhau, 13 băng phổ của ảnh Sentinel 2 so với 9 băng phổ của ảnh Landsat 8. Điều này được giải thích chủ yếu do khả năng đâm xuyên vào môi trường nước của các băng phổ khác nhau. Theo mức năng lượng của chúng thì khả năng bị hấp thụ tăng dần từ bước sóng 400nm đến bị hấp thụ gần như hoàn toàn ở bước sóng 900nm. Băng xanh blue có thể đi sâu tối đa 15m, băng xanh (green) xuyên được tối đa 10m và chỉ 5m đối với băng đỏ.

Từ đó có thể thấy, cả ảnh Landsat 8 và Sentinel 2 đều chứa các băng phổ có bước sóng phù hợp đối với các nhiệm vụ đánh giá biến động nguồn lợi hoặc chất lượng nước vùng ven bờ, đầm phá, sông. Đối với ứng dụng theo dõi diễn biến rừng, một trong những phương pháp triển vọng hiện nay đáp ứng được yêu cầu cập nhật bản đồ hiện trạng rừng là ứng dụng công nghệ viễn thám để xác định khu vực tăng/giảm rừng đến từng lô kiểm kê theo thời gian. Tuy nhiên, để ứng dụng công nghệ này, việc lựa chọn tư liệu ảnh phù hợp là vấn đề đặt ra. Các loại ảnh có độ phân giải không gian cao (dưới 10 m) thường có giá thành tương đối đắt.

Bên cạnh đó, nếu thực hiện trên khu vực rộng, sẽ cần dung lượng lưu trữ dữ liệu, thời gian để xử lý ảnh và yêu cầu về cấu hình phần cứng, phần mềm cho xử lý ảnh rất lớn. Do đó, để áp dụng trên phạm vi cả nước là không khả thi. Các loại ảnh có độ phân giải không gian thấp (>250 m) như: MODIS, NOAA, MERIS. một pixel ảnh có thể lớn hơn nhiều so với một lô kiểm kê, nên không phù hợp với hệ thống giám sát rừng ở quy mô địa phương.

Từ đó, các loại ảnh vệ tinh có độ phân giải trung bình (10 - 30 m), được cung cấp miễn phí như Landsat-8, Sentinel-2 tỏ ra có nhiều ưu điểm và triển vọng để giám sát sự thay đổi độ che phủ rừng ở quy mô địa phương. Để đáp ứng các yêu cầu: phù hợp cho giám sát sự thay đổi độ che phủ rừng ở quy mô địa phương và độ phân giải không gian cao nhất có thể, ảnh vệ tinh Landsat-8 OLI và Sentinel-2 là 2 loại ảnh có tiềm năng nhất. Sự tương đồng về mối quan hệ phổ giữa ảnh Sentinel 2 và Landsat 8 sẽ làm tăng giá trị sử dụng khi kết hợp cả hai nguồn ảnh vào các nghiên cứu về mặt đất, bao gồm theo dõi diễn biến rừng. Từ khía cạnh quan sát Trái đất, các nhà nghiên cứu luôn mong muốn có thể sử dụng nguồn dữ liệu mở và miễn phí như các dòng vệ tinh Landsat và Sentinel.

Như đã đề cập ở trên, khi kết hợp ảnh các vệ tinh Landsat 5-8 với bộ cảm dòng vệ tinh Sentinel, ở đây là Sentinel-2 sẽ đạt tần suất chụp lặp 3 ngày tại một điểm trên mặt đất. Mặc dù các đầu thu này có độ phân giải không gian ở mức trung bình (30m đối với Landsat và 10m đối với Sentinel-2) khi so sánh với các dữ liệu HV: Phạm Quang Hiển 8 ảnh khác như Quickbird (0.5m) nhưng vẫn có thể mang lại kết quả mong muốn nếu áp dụng phương pháp phù hợp. Hiện nay, ảnh vệ tinh đa phổ Sentinel-2 và Landsat 8 OLI được đặc biệt quan tâm không chỉ bởi các tính năng kỹ thuật mà còn ở chu kỳ chụp lặp của chúng. Nếu hoạt động độc lập, Landsat chỉ chụp lặp ảnh 16 ngày/lần thay vì 5 ngày như Sentinel-2.

Từ năm 2017, khi vệ tinh Sentinel-2B được phóng lên quỹ đạo và hoạt động ổn định, kết hợp với Landsat 8 OLI thì thế giới được cung cấp ảnh quang học độ phân giải cao với chu kỳ 3 ngày và được phân phối miễn phí trên toàn cầu.