Luận văn: Nghiên cứu tổng hợp dữ liệu phân loại lớp phủ đô thị Việt Nam

Tổng hợp dữ liệu lớp phủ đô thị: Phân loại chi tiết và chính xác. Khám phá các nguồn dữ liệu quan trọng để lập bản đồ và phân tích đô thị hiệu quả.

• Tác giả: Vũ Thị Hòa
• 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 Tổng Hợp Dữ Liệu Cho Bài Toán Phân Loại Lớp Phủ Đô Thị Tại Việt Nam
• Loại tài liệu: Luận Văn Thạc Sỹ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC KÝ HIỆU, TỪ VIẾT TẮT
• DANH MỤC HÌNH VẼ, ĐỒ THỊ
• 1. TỔNG QUAN VỀ DỮ LIỆU VIỄN THÁM
• 1.1. Khái niệm cơ bản trong viễn thám
• 1.1.1. Viễn thám là gì
• 2. Bài toán phân loại lớp phủ đô thị
• 2.1. Tổng quan về bài toán
• 2.2. Chi tiết dữ liệu sử dụng
• 2.3. Tiền xử lý dữ liệu trong bài toán phân loại lớp phủ đô thị tại Việt Nam
• 3. MỘT SỐ PHƯƠNG PHÁP TỔNG HỢP DỮ LIỆU VIỄN THÁM
• 3.1. Các phương pháp tổng hợp ảnh viễn thám chứa các dữ liệu phân lớp
• 3.1.1. Phương pháp dựa trên luật đa số (Majority rule based method)
• 3.1.2. Phương pháp lấy giá trị ngẫu nhiên (Random rule based method)
• 3.1.3. Phương pháp cửa sổ dịch chuyển dựa trên so sánh trọng số khoảng cách với điểm trung tâm (PDW - Point-centred, distance-weighted moving window method)
• 3.2. Các phương pháp tổng hợp ảnh viễn thám chứa các dữ liệu số
• 3.2.1. Phương pháp lấy giá trị điểm trung tâm (Central pixel method)
• 3.2.2. Phương pháp lấy giá trị trung bình (Pixel mean method)
• 3.2.3. Phương pháp lấy giá trị lớn nhất (Pixel maximum method)
• 3.2.4. Phương pháp lấy giá trị nhỏ nhất (Pixel minimum method)
• 3.2.5. Phương pháp lấy giá trị trung bình dựa trên trọng số (Pixel Aggregate method)
• 3.3. Các chỉ số đánh giá phương pháp tổng hợp dữ liệu viễn thám
• 3.3.1. Chỉ số ước lượng sự tương đồng cấu trúc (SSIM – Structural Similarity Index Measurement)
• 3.3.2. Tỷ số tín hiệu lớn nhất/ nhiễu (PSNR)
• 4. XÂY DỰNG MÔ HÌNH THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
• 4.1. Yêu cầu về hệ thống và các công cụ sử dụng trong thực nghiệm
• 4.2. Quá trình thu thập dữ liệu, tiền xử lý dữ liệu viễn thám
• 4.2.1. Thu thập dữ liệu đầu vào
• 4.2.2. Tiền xử lý dữ liệu
• 4.3. Đánh giá các phương pháp tổng hợp dữ liệu viễn thám dựa trên các chỉ số đánh giá
• 4.3.1. Xử lý dữ liệu bằng các phương pháp tổng hợp
• 4.3.2. Kết quả đánh giá
• 4.4. Đánh giá sự ảnh hưởng của các phương pháp tổng hợp dữ liệu ảnh viễn thám đến việc xây dựng bản đồ lớp phủ đô thị tại Việt Nam
• 4.4.1. Xây dựng bản đồ lớp phủ đô thị tại Việt Nam dựa trên các dữ liệu viễn thám
• 4.4.2. Đánh giá độ chính xác của các bản đồ lớp phủ đô thị thu được
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Dữ Liệu và Bài Toán Phân Loại Lớp Phủ Đô Thị

Bài toán phân loại lớp phủ đô thị là một lĩnh vực nghiên cứu quan trọng, có ý nghĩa thiết thực trong quy hoạch đô thị, quản lý đô thị, và giám sát môi trường đô thị. Sự phát triển nhanh chóng của đô thị hóa đặt ra những thách thức lớn về quản lý tài nguyên đất đai, kiểm soát ô nhiễm, và đảm bảo sự phát triển bền vững. Dữ liệu viễn thám, với khả năng thu thập thông tin diện rộng và định kỳ, đóng vai trò then chốt trong việc cung cấp thông tin đầu vào cho bài toán này. Các loại dữ liệu phổ biến bao gồm ảnh vệ tinh, ảnh hàng không, dữ liệu LiDAR, và dữ liệu GIS. Việc tổng hợp dữ liệu từ nhiều nguồn khác nhau, với độ phân giải không gian, phổ, và thời gian khác nhau, là một bước quan trọng để tạo ra một bộ dữ liệu toàn diện và chính xác cho phân tích ảnh và xử lý ảnh. Theo Đại học Quốc Gia Hà Nội (2017), “Viễn thám là một nguồn hữu ích cho việc lập bản đồ theo dõi sự biến đổi đô thị.”

1.1. Vai trò của dữ liệu viễn thám trong quy hoạch đô thị

Dữ liệu viễn thám cung cấp thông tin chi tiết về cấu trúc đô thị, mật độ đô thị, và sự phân bố của các loại lớp phủ đô thị như nhà ở, đường giao thông, công viên, và khu công nghiệp. Thông tin này rất quan trọng cho việc lập kế hoạch sử dụng đất, quy hoạch giao thông, và quản lý cơ sở hạ tầng. Ví dụ, ảnh vệ tinh có thể được sử dụng để xác định các khu vực có tiềm năng phát triển đô thị, đánh giá tác động của các dự án xây dựng đến môi trường, và theo dõi sự thay đổi của lớp phủ đô thị theo thời gian. Việc cập nhật lớp phủ đô thị thường xuyên giúp các nhà quản lý nắm bắt được tình hình thực tế và đưa ra các quyết định kịp thời.

1.2. Thách thức trong tổng hợp dữ liệu đa nguồn cho lớp phủ đô thị

Việc tổng hợp dữ liệu đa nguồn cho phân loại lớp phủ đô thị đặt ra nhiều thách thức về chất lượng dữ liệu, độ tin cậy của dữ liệu, và khả năng tương thích giữa các nguồn dữ liệu khác nhau. Các nguồn dữ liệu có thể có độ phân giải khác nhau, định dạng khác nhau, và hệ tọa độ khác nhau. Do đó, cần có các phương pháp tiền xử lý dữ liệu và làm sạch dữ liệu hiệu quả để đảm bảo rằng dữ liệu được tích hợp dữ liệu đa nguồn một cách chính xác và nhất quán. Sai số hình học và hiệu chỉnh khí quyển là các vấn đề cần được giải quyết.

II. Thách Thức Dữ Liệu Viễn Thám và Phương Pháp Tiền Xử Lý

Dữ liệu ảnh vệ tinh thô thường chứa nhiều lỗi và nhiễu, ảnh hưởng đến độ chính xác của phân loại lớp phủ đô thị. Các lỗi có thể đến từ cảm biến, khí quyển, và điều kiện thời tiết. Do đó, tiền xử lý dữ liệu là một bước quan trọng để hiệu chỉnh các lỗi này và nâng cao chất lượng dữ liệu. Các bước tiền xử lý bao gồm hiệu chỉnh hình học, hiệu chỉnh bức xạ, và khử nhiễu ảnh. Theo Vũ Thị Hòa (2017), “Để sử dụng được các dữ liệu ảnh vệ tinh này cần có quá trình tiền xử lý ảnh. Việc hiệu chỉnh lỗi và tái tạo ảnh chính là quá trình tiền xử lý.”

2.1. Các loại lỗi phổ biến trong dữ liệu ảnh viễn thám

Các loại lỗi phổ biến trong dữ liệu ảnh viễn thám bao gồm sai số hình học do biến dạng hình học của ảnh, sai số bức xạ do ảnh hưởng của khí quyển và điều kiện thời tiết, và nhiễu ảnh do các yếu tố ngẫu nhiên. Sai số hình học có thể được hiệu chỉnh bằng cách sử dụng các điểm kiểm soát mặt đất và các mô hình hình học. Sai số bức xạ có thể được hiệu chỉnh bằng cách sử dụng các mô hình truyền bức xạ và các phương pháp hiệu chỉnh khí quyển. Nhiễu ảnh có thể được giảm thiểu bằng cách sử dụng các bộ lọc và các phương pháp xử lý ảnh khác.

2.2. Hiệu chỉnh hình học và hiệu chỉnh bức xạ ảnh vệ tinh

Hiệu chỉnh hình học là quá trình loại bỏ các biến dạng hình học của ảnh để đảm bảo rằng ảnh có độ chính xác về vị trí. Quá trình này bao gồm việc xác định các điểm kiểm soát mặt đất, xây dựng mô hình hình học, và tái lấy mẫu ảnh. Hiệu chỉnh bức xạ là quá trình loại bỏ các ảnh hưởng của khí quyển và điều kiện thời tiết đến độ sáng của ảnh. Quá trình này bao gồm việc xác định các thông số khí quyển, xây dựng mô hình truyền bức xạ, và hiệu chỉnh độ sáng của ảnh. Việc đưa ảnh về cùng hệ tọa độ quy chiếu cũng là một bước quan trọng trong tiền xử lý.

2.3. Tái lấy mẫu và vai trò của nó trong tiền xử lý ảnh

Tái lấy mẫu (Resampling) là quá trình tính toán lại giá trị pixel cho một vị trí mới trong ảnh đã được hiệu chỉnh. Các phương pháp tái lấy mẫu phổ biến bao gồm Nearest Neighbor, Bilinear Interpolation, và Cubic Convolution. Mỗi phương pháp có ưu và nhược điểm riêng, tùy thuộc vào yêu cầu về độ chính xác và tốc độ xử lý. Tái lấy mẫu giúp chuẩn hóa kích thước pixel, đưa dữ liệu về cùng độ phân giải không gian để tích hợp với các nguồn khác.

III. Các Phương Pháp Tổng Hợp Dữ Liệu Phân Loại Lớp Phủ Đô Thị

Có nhiều phương pháp tổng hợp dữ liệu khác nhau có thể được sử dụng cho phân loại lớp phủ đô thị, tùy thuộc vào loại dữ liệu và mục tiêu của bài toán. Các phương pháp phổ biến bao gồm phương pháp dựa trên luật đa số, phương pháp lấy giá trị ngẫu nhiên, và phương pháp cửa sổ dịch chuyển dựa trên so sánh trọng số khoảng cách với điểm trung tâm (PDW). Theo Luận văn của Vũ Thị Hòa (2017) : “Tổng hợp dữ liệu không gian phân chia dữ liệu lưới đầu vào của ảnh raster có độ phân giải tốt thành các khối và giá trị mỗi khối được xác định để tổng hợp độ phân giải thô.”

3.1. Phương pháp luật đa số trong phân loại lớp phủ đô thị

Phương pháp luật đa số chọn lớp phủ chiếm số lượng pixel lớn nhất trong một vùng nhất định và gán lớp phủ đó cho toàn bộ vùng. Phương pháp này đơn giản và dễ thực hiện, nhưng có thể không chính xác nếu có nhiều loại lớp phủ khác nhau trong vùng. Nó đặc biệt hữu ích khi cần đơn giản hóa bản đồ lớp phủ và giảm nhiễu.

3.2. Phương pháp lấy giá trị ngẫu nhiên và ứng dụng

Phương pháp lấy giá trị ngẫu nhiên chọn ngẫu nhiên một lớp phủ từ các pixel trong một vùng và gán lớp phủ đó cho toàn bộ vùng. Phương pháp này có thể tạo ra kết quả đa dạng hơn so với phương pháp luật đa số, nhưng cũng có thể kém chính xác hơn. Phương pháp lấy giá trị ngẫu nhiên phù hợp với các khu vực đô thị có sự phân bố lớp phủ phức tạp.

3.3. Phương pháp cửa sổ dịch chuyển PDW và ưu điểm nổi bật

Phương pháp cửa sổ dịch chuyển PDW sử dụng một cửa sổ trượt qua ảnh và tính toán trọng số cho từng pixel trong cửa sổ dựa trên khoảng cách đến điểm trung tâm. Lớp phủ có trọng số cao nhất được gán cho điểm trung tâm. Phương pháp này cho phép kết hợp thông tin từ các pixel lân cận, giúp cải thiện độ chính xác của phân loại. Nó có thể tùy chỉnh để phù hợp với các đặc điểm khác nhau của cảnh quan đô thị.

IV. Tổng Hợp Dữ Liệu Số Phương Pháp và Đánh Giá Hiệu Quả

Đối với dữ liệu số, các phương pháp tổng hợp dữ liệu phổ biến bao gồm phương pháp lấy giá trị điểm trung tâm, phương pháp lấy giá trị trung bình, phương pháp lấy giá trị lớn nhất, phương pháp lấy giá trị nhỏ nhất, và phương pháp lấy giá trị trung bình dựa trên trọng số. Việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của dữ liệu và mục tiêu của bài toán. Theo Vũ Thị Hòa (2017), “Phương pháp lấy giá trị điểm trung bình (Pixel mean method/ Mean aggregation approach) là một phương pháp tổng hợp ảnh, thường áp dụng cho các ảnh liên tục.”

4.1. Lựa chọn giá trị điểm trung tâm và ứng dụng thực tế

Phương pháp lấy giá trị điểm trung tâm đơn giản chỉ chọn giá trị của pixel nằm ở trung tâm của vùng cần tổng hợp. Phương pháp này nhanh chóng nhưng có thể không đại diện cho toàn bộ vùng nếu có sự biến đổi lớn về giá trị pixel. Nó hữu ích cho các trường hợp cần giảm độ phân giải nhanh chóng và chấp nhận một mức độ sai số nhất định.

4.2. Ưu điểm của phương pháp lấy giá trị trung bình

Phương pháp lấy giá trị trung bình tính trung bình giá trị của tất cả các pixel trong vùng cần tổng hợp. Phương pháp này giúp giảm nhiễu và tạo ra kết quả mượt mà hơn so với phương pháp lấy giá trị điểm trung tâm. Nó phù hợp cho các dữ liệu liên tục như độ cao địa hình hoặc nhiệt độ bề mặt.

4.3. Phương pháp trọng số và ứng dụng vào phân loại lớp phủ đô thị

Phương pháp lấy giá trị trung bình dựa trên trọng số gán trọng số khác nhau cho các pixel trong vùng cần tổng hợp, tùy thuộc vào khoảng cách đến tâm vùng hoặc các yếu tố khác. Phương pháp này cho phép kết hợp thông tin từ các pixel quan trọng hơn, giúp cải thiện độ chính xác của kết quả. Ứng dụng trong phân loại lớp phủ đô thị, có thể gán trọng số cao hơn cho các khu vực có mật độ xây dựng cao.

V. Đánh Giá Độ Chính Xác và Sự Tương Đồng Cấu Trúc SSIM

Để đánh giá hiệu quả của các phương pháp tổng hợp dữ liệu, cần sử dụng các chỉ số đánh giá phù hợp. Các chỉ số phổ biến bao gồm sai số toàn phương trung bình (MSE), tỷ số tín hiệu lớn nhất trên nhiễu (PSNR), và chỉ số ước lượng sự tương đồng cấu trúc (SSIM). Các chỉ số này giúp định lượng mức độ khác biệt giữa ảnh gốc và ảnh sau khi tổng hợp.

5.1. Sai số toàn phương trung bình MSE và ý nghĩa

Sai số toàn phương trung bình (MSE) đo lường trung bình của bình phương sai số giữa các pixel trong ảnh gốc và ảnh sau khi tổng hợp. Giá trị MSE càng nhỏ thì mức độ khác biệt giữa hai ảnh càng ít. MSE là một chỉ số đơn giản và dễ tính toán, nhưng không nhạy cảm với các thay đổi về cấu trúc.

5.2. Tỷ số tín hiệu trên nhiễu PSNR trong đánh giá ảnh

Tỷ số tín hiệu trên nhiễu (PSNR) đo lường tỷ lệ giữa năng lượng tín hiệu và năng lượng nhiễu trong ảnh. Giá trị PSNR càng lớn thì chất lượng ảnh càng cao. PSNR có mối quan hệ nghịch đảo với MSE, tức là khi MSE giảm thì PSNR tăng. PSNR là một chỉ số phổ biến để đánh giá chất lượng ảnh, nhưng cũng có những hạn chế tương tự như MSE.

5.3. Chỉ số SSIM và ứng dụng trong phân tích cấu trúc ảnh

Chỉ số ước lượng sự tương đồng cấu trúc (SSIM) đo lường mức độ tương đồng về cấu trúc giữa ảnh gốc và ảnh sau khi tổng hợp. SSIM tính đến các yếu tố như độ chói, độ tương phản, và cấu trúc tổng thể của ảnh. SSIM có giá trị trong khoảng từ -1 đến 1, với giá trị càng gần 1 thì mức độ tương đồng càng cao. SSIM là một chỉ số mạnh mẽ hơn MSE và PSNR, vì nó nhạy cảm với các thay đổi về cấu trúc và phù hợp với nhận thức của con người.

VI. Thực Nghiệm và Đánh Giá Bản Đồ Lớp Phủ Đô Thị Việt Nam

Để đánh giá ảnh hưởng của các phương pháp tổng hợp dữ liệu đến việc xây dựng bản đồ lớp phủ đô thị tại Việt Nam, cần thực hiện các thực nghiệm với dữ liệu viễn thám thực tế và so sánh kết quả với dữ liệu kiểm tra. Các thực nghiệm có thể được thực hiện trên các khu vực đô thị khác nhau, với các đặc điểm địa lý và kinh tế xã hội khác nhau. Dữ liệu được sử dụng gồm ảnh bề mặt không thấm nước, ảnh ánh sáng ban đêm, ảnh mật độ dân số, ảnh bề mặt nước và ảnh MODIS MOD13A1. Kết quả là tập huấn luyện 425 điểm đô thị và 839 điểm lớp khác và tập kiểm tra gồm 193 điểm đô thị và 200 điểm không phải đô thị.

6.1. Quy trình xây dựng bản đồ lớp phủ đô thị

Quy trình xây dựng bản đồ lớp phủ đô thị bao gồm các bước sau: thu thập dữ liệu viễn thám, tiền xử lý dữ liệu, tổng hợp dữ liệu, phân loại ảnh, và đánh giá độ chính xác. Quá trình phân loại ảnh có thể được thực hiện bằng các thuật toán phân loại khác nhau, chẳng hạn như phân loại có giám sát hoặc phân loại không giám sát. Lựa chọn thuật toán phân loại nên dựa vào đặc điểm của dữ liệu và yêu cầu của bài toán.

6.2. Ảnh hưởng của phương pháp tổng hợp đến độ chính xác

Kết quả thực nghiệm cho thấy rằng phương pháp tổng hợp bằng cách lấy giá trị trung bình có kết quả sai số toàn phương trung bình nhỏ nhất 0.00091 và chỉ số tín hiệu lớn nhất trên nhiễu lớn nhất 38.8766 dB chứng tỏ ảnh được tổng hợp theo phương pháp này gần giống so với ảnh gốc nhất, mắt thường khó mà phân biệt được. Như vậy, phương pháp tổng hợp bằng cách lấy trị trung bình là phương pháp tốt nhất để tổng hợp ảnh chỉ số thực vật từ độ phân giải cao về độ phân giải thô.

6.3. Kết luận về lựa chọn phương pháp tổng hợp cho lớp phủ đô thị

Lựa chọn phương pháp tổng hợp dữ liệu phù hợp có thể cải thiện đáng kể độ chính xác của bản đồ lớp phủ đô thị. Dựa trên kết quả thực nghiệm, có thể đưa ra các khuyến nghị về lựa chọn phương pháp cho các khu vực đô thị khác nhau, với các đặc điểm khác nhau. Cần tiếp tục nghiên cứu và phát triển các phương pháp tổng hợp dữ liệu mới để đáp ứng nhu cầu ngày càng cao của bài toán phân loại lớp phủ đô thị.

Trích đoạn nội dung tài liệu

Chương 1.1 Tổng quan về dữ liệu viễn thám 1.1 Khái niệm cơ bản trong viễn thám 1.1 Viễn thám là gì Viễn thám là một lĩnh vực được phát triển khá sớm và có nhiều định nghĩa theo các quan điểm của các tác giả khác nhau. Viễn thám 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 [1]. Viễn thám là quan sát về một đối tượng bằng một phương tiện cách xa vật trên một khoảng cách nhất định [2]. Viễn thám là ứng dụng vào việc lấy thông tin về mặt đất và mặt nước của trái đất, bằng việc sử dụng các ảnh thu được từ một đầu chụp ảnh sử dụng bức xạ phổ điện từ đơn kênh hoặc đa phổ, bức xạ hoặc phản xạ từ bề mặt trái đất [3].

Mặc dù có nhiều định nghĩa khác nhau về viễn thám nhưng mọi định nghĩa đều có nét chung nhấn mạnh “viễn thám là khoa học thu nhận từ xa các thông tin về các đối tượng, hiện tượng trên trái đất”. 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. Một số ứng dụng của công nghệ viễn thám được biết đến rộng rãi hiện nay như ứng dụng trong nghiên cứu địa chất, nghiên cứu địa mạo, nghiên cứu thạch học, ứng dụng trong khai khoáng, điều tra khảo sát công trình, nghiên cứu môi trường , nghiên cứu quản lý biến động đô thị hóa, theo dõi tốc độ sa mạc hoá, phân tích những cấu trúc địa chất trên mặt cũng như bên trong lòng đất, nghiên cứu các hành tinh khác… 1.2 Nguyên lý thu nhận dữ liệu viễn thám 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.

Ảnh viễn thám 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 lớp phủ mặt đất khác nhau do sự tương tác giữa bức xạ điện từ và vật thể.[1] TIEU LUAN MOI download : skknchat@gmail. 1 Mô hình nguyên tắc hoạt động của Viễn thám Từ nguyên lý hoạt động của viễn thám như trên ta thấy toàn bộ quá trình thu nhận và xử lý viễn thám bao gồm các thành phần chính sau: i. Nguồn năng lượng hoặc chiếu sáng: Để thu nhận được ảnh viễn thám cần phải có nguồn năng lượng chiếu sáng, nguồn năng lượng này chiếu vào các vật thể, các vật thể bị một phần phản xạ và bức xạ.

Nguồn năng lượng chính thường sử dụng trong viễn thám là bức xạ mặt trời, 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. Bức xạ và khí quyển: Nguồn năng lượng trước khi chiếu qua vật thể chiếu qua lớp khi quyển. Tương tác với vật thể nghiên cứu: khi năng lượng xuyên qua lớp khí quyển và tiếp xúc với vật thể, 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.

Sự thu năng lượng bởi bộ cảm biến: 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 như máy bay, khinh khí cầu, tầu con thoi hoặc vệ tinh. TIEU LUAN MOI download : skknchat@gmail.

Bộ truyền tín hiệu tiếp nhận và xử lý – dữ liệu ghi nhận được từ bộ cảm biến sẽ được truyền tới trạm thu nhận và xử lý dữ liệu – nơi dữ liệu được xử lý thành một ảnh. Giải đoán và phân tích - 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. Ứng dụng - Các thông tin trích xuất sẽ ứng dụng vào trong nhiều lĩnh vực khác nhau như: nông lâm nghiệp, địa chất, khí tượng,.3 Một số đặc điểm dữ liệu viễn thám Dữ liệu viễn thám bao gồm tất cả các hình ảnh được xây dựng từ những dữ liệu thu thập được mà không cần tiếp xúc trực tiếp với các đối tượng đó. Phổ biến nhất là hình ảnh vệ tinh Landsat, Modis, Geos…Đây là những loại dữ liệu bao gồm ảnh chụp vệ tinh và ảnh chụp trên không, địa chấn, dữ liệu Radar, dữ liệu đa phổ Lidar.Các thông số quan trọng nhất đặc trưng cho khả năng cung cấp thông tin của một ảnh vệ tinh là độ phân giải của nó.

Có ba loại độ phân giải: độ phân giải không gian, độ phân giải phổ và độ phân giải thời gian. Độ phân giải của ảnh Độ phân giải của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số hiển thị. Nhìn chung, độ phân giải là khoảng cách nhỏ nhất có thể phân biệt được hai đối tượng trong ảnh. Các đối tượng rất gần hơn độ phân giải xuất hiện dưới dạng một đối tượng duy nhất trong ảnh.

Trong viễn thám, giới hạn độ phân giải được sử dụng để thể hiện khả năng phân giải, bao gồm khả năng xác định sự có mặt của hai đối tượng và đặc điểm của chúng. Một hình ảnh thể hiện nhiều chi tiết hơn được cho là có độ phân giải cao hơn. Độ phân giải không gian là một thước đo về diện tích hay kích thước nhỏ nhất trên mặt đất được thực hiện bởi cảm biến. Do đặc tính của đầu thu, độ phân giải không gian của một ảnh vệ tinh phụ thuộc vào hai thông số FOV và IFOV.

Với góc nhìn FOV càng lớn thì ảnh thu được càng rộng, và với cùng một góc nhìn, vệ tinh nào có độ cao lớn hơn sẽ có khoảng thu ảnh lớn hơn. Một thước đo của độ phân giải không gian IFOV, IFOV là góc nhìn tức thời của đầu thu đặc trưng cho phạm vi không gian mà đầu thu có thể nhận được sóng điện từ trong một thời điểm. Tức là đầu thu sẽ không thể “nhìn” được các đối tượng nhỏ hơn trong góc nhìn IFOV. Góc IFOV càng nhỏ thì khả năng phân biệt các đối tượng TIEU LUAN MOI download : [e-mail] 14 trong không gian càng lớn, nghĩa là giá trị pixel càng nhỏ và phạm vi “chụp” ảnh càng hẹp.

Ý nghĩa quan trọng nhất của độ phân giải không gian là cho ta biết các đối tượng nhỏ nhất mà có thể phân biệt được trên ảnh. Độ phân giải không gian chia thành độ phân giải thấp, độ phân giải vừa, độ phân giải cao và độ phân giải rất cao. Độ phân giải phổ đại diện cho độ rộng dải phổ của bộ lọc và bộ cảm biến. Có thể hiểu, độ phân giải phổ là khả năng của một bộ cảm biến xác định khoảng cách bước sóng tốt trong dải phổ để mô tả các thành phần khác nhau trên trái đất.

Có nhiều dải sóng điện tử tuỳ thuộc vào mục đích thu thập thông tin mà mỗi loại đầu thu được thiết kế để có thể thu nhận sóng điện từ trong một số khoảng bước sóng nhất định. Các khoảng bước sóng này được gọi là các kênh ảnh. Ảnh chụp đối tượng trên các kênh khác nhau sẽ khác nhau. Điều này có nghĩa là ảnh được thu trên càng nhiều kênh thì càng có nhiều thông tin về đối tượng được thu thập.

Độ phân giải phổ càng cao thì thông tin thu thập từ đối tượng càng nhiều. Và đương nhiên giá thành càng lớn. Hiện nay, trong viễn thám đa phổ, các loại vệ tinh viễn thám có khả năng thu được rất nhiều kênh ảnh (trên 30 kênh) gọi là các vệ tinh siêu phổ đang được phát triển. Độ phân giải thời gian: Vệ tinh viễn thám chuyển động trên quĩ đạo và chụp ảnh trái đất.

Sau một khoảng thời gian nhất định, nó quay lại và chụp lại vùng đã chụp. Khoảng thời gian này gọi là độ phân giải thời gian của vệ tinh. Rõ ràng là với khoảng thời gian lặp càng nhỏ thì thông tin thu thập hay ảnh chụp càng nhiều. 2 Độ phân giải thời gian của dữ liệu viễn thám TIEU LUAN MOI download : [e-mail] 15 Tóm lại, thông tin trên ảnh viễn thám quang học là phản xạ phổ của các đối tượng trên mặt đất, bao gồm lớp phủ thực vật, nước và đất trống được ghi nhận thành từng pixel ảnh có độ phân giải không gian xác định, trên nhiều kênh phổ xác định và vào một thời gian xác định.

Điểm ảnh (Picture pixel): Ảnh gốc hay ảnh tự nhiên là ảnh liên tục về không gian và độ sáng. Để xử lý bằng máy tính (số), ảnh cần phải được số hóa. Số hóa ảnh là sự biến đổi gần đúng một ảnh liên tục thành một tập điểm phù hợp với ảnh thật về vị trí (không gian) và độ sáng (mức xám). Khoảng cách giữa các điểm ảnh đó được thiết lập sao cho mắt người không phân biệt được ranh giới giữa chúng.

Mỗi một điểm như vậy gọi là điểm ảnh (PEL: Picture Element) hay gọi tắt là pixel. Trong khuôn khổ ảnh hai chiều, mỗi pixel ứng với cặp tọa độ (x,y). Điểm ảnh là một phần tử của ảnh số tại tọa độ (x,y) với độ xám hoặc màu nhất định. Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và mức xám của ảnh số gần như ảnh thật.

Mỗi phần tử trong ma trận được gọi là một phần tử ảnh. Mức xám của ảnh Một điểm ảnh có hai đặc trưng cơ bản là vị trí (x,y) của điểm ảnh và độ xám của nó. Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm đó. Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256.

Mức 256 là mức phổ dụng bởi vì trong kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám. Mức xám dùng 1 bytes biểu diễn 2k=256 mức, tức là từ từ 0 đến 255.4 Phân loại viễn thám Từ các đặc điểm của ảnh vệ tinh, có thể phân loại ảnh trong viễn thám theo các tiêu chí sau a.