Nghiên cứu phương pháp trích xuất đặc trưng trên ảnh vệ tinh sử dụng các kỹ thuật học sâu

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ PHẠM QUANG HIỂN NGHIÊN CỨU PHƯƠNG PHÁP TRÍCH XUẤT ĐẶC TRƯNG TRÊN ẢNH VỆ TINH SỬ DỤNG CÁC KỸ THUẬT HỌC SÂU LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội, ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ PHẠM QUANG HIỂN NGHIÊN CỨU PHƯƠNG PHÁP TRÍCH XUẤT ĐẶC TRƯNG TRÊN ẢNH VỆ TINH SỬ DỤNG CÁC KỸ THUẬT HỌC SÂU Ngành: Công nghệ Thông tin Chuyên ngành: Kỹ thuật Phần mềm Mã số: 8480103.01 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC TS LÊ HỒNG ANH PSG.TS TRƯƠNG NINH THUẬN Hà Nội, LỜI CẢM ƠN Đầu tiên, tơi xin bày tỏ lịng cảm ơn chân thành sâu sắc đến TS Lê Hồng Anh PGS.TS Trương Ninh Thuận hướng dẫn bảo tận tình hai thầy suốt trình em theo học làm luận văn tốt nghiệp Những định hướng, lời khuyên kiến thức vô quý giá hai Thầy giúp em nhiều q trình hồn thành luận văn tốt nghiệp Tôi xin gửi lời cảm ơn sâu sắc tới Thầy Cô khoa Công nghệ thông tin - trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội nói chung thầy mơn Cơng nghệ Phần mềm nói riêng tận tình giảng dạy, trang bị cho tơi kiến thức q báu suốt q trình tơi học tập khoa Đây tiền đề giúp tơi hồn thiện luận văn thạc sỹ Cuối cùng, tơi xin gửi lời cảm ơn chân thành đến anh chị em đồng nghiệp gia đình, bạn bè, người thân giúp đỡ vật chất lẫn tinh thần để tơi hồn thành luận văn Mặc dù cố gắng luận văn chắn khơng tránh khỏi thiếu sót, tơi mong nhận ý kiến nhận xét đánh giá từ phía Thầy Cơ để luận văn hồn thiện Tơi xin chân thành cảm ơn! Hà Nội, tháng 10 năm 2020 Học viên Phạm Quang Hiển HV: Phạm Quang LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Nghiên cứu phương pháp trích xuất đặc trưng ảnh vệ tinh sử dụng kỹ thuật học sâu” thực hướng dẫn TS Lê Hồng Anh PGS.TS Trương Ninh Thuận Tham khảo từ nghiên cứu liên quan trích dẫn cách rõ ràng danh mục tài liệu tham khảo Khơng có việc chép tài liệu, cơng trình nghiên cứu người khác mà khơng rõ tài liệu tham khảo HV: Phạm Quang MỤC LỤC LỜI CAM ĐOAN .2 MỤC LỤC DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT .4 DANH MỤC CÁC BẢNG .5 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ CHƯƠNG GIỚI THIỆU .1 1.1 Tính cấp thiết lý chọn đề tài .1 1.2 Mục tiêu phạm vi nghiên cứu .2 1.3 Nội dung nghiên cứu 1.4 Cấu trúc luận văn .4 CHƯƠNG CÁC KIẾN THỨC VÀ CÔNG NGHỆ NỀN TẢNG 2.1 Ảnh vệ tinh Sentinel-2 .5 2.2.1 Thiết kế kỹ thuật vệ tinh Sentinel-2 2.2.2 Thiết kế kỹ thuật cảm MSI vệ tinh Sentinel-2 2.2.3 Thiết kế khả lấy mẫu cảm quang phổ MSI 2.2.4 Khả cung cấp thông tin dải phổ giám sát rừng .11 2.2 Thư viện Eo-Learn 11 2.3 Phần mềm Envi 13 CHƯƠNG MƠ HÌNH MẠNG NƠRON TÍCH CHẬP TRÍCH XUẤT LỚP PHỦ THỰC VẬT TỪ ẢNH VỆ TINH SENTINEL 19 3.1 Giới thiệu học sâu .19 3.2 Mạng nơ-ron tích chập (Convolutional neural network) 22 3.1.1 Kiến trúc 22 3.1.2 Các siêu tham số lọc (hyper-parameter) 25 3.1.3 Điều chỉnh siêu tham số 26 3.1.4 Những kiến trúc sử dụng thủ thuật tính toán 27 3.3 Unet 28 3.4 Trích xuất lớp phủ thực vật sử dụng EO-learn 29 3.3.1 Độ phủ thực vật .29 3.3.2 Quy trình xử lý 31 Chương 4: THỰC NGHIỆM 36 4.1 Vùng thực nghiệm 36 4.2 Kết thực nghiệm 38 4.2.1 Kết chạy thực nghiệm đề tài 38 4.2.2 So sánh kết thực nghiệm với phần mềm Envi 40 Chương KẾT LUẬN 41 TÀI LIỆU THAM KHẢO 43 PHỤ LỤC 45 HV: Phạm Quang DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Viết tắt Giải thích RGB Tổ hợp màu Red, Green, Blue AOI Area-of-interest CNNs Convolutional neural network DL Deep Learning (Học sâu) PNR Vườn tự nhiên cấp vùng EU European RNN Recurrent Neural Network LSTM Long Short-Term Memory GRU Gated Recurrent Unit CNN Convolutional Neural Network DBN Deep Belief Network DSN Deep Stacking Network HV: Phạm Quang DANH MỤC CÁC BẢNG Bảng 2.1: Đặc tính kỹ thuật hệ thống Sentinel-2 .5 Bảng 2.2: Bước sóng kênh phổ ứng dụng liệu Sentinel-2 Bảng 2.3: EO tasks Core 45 Bảng 2.4: EO tasks Coregistration 45 Bảng 2.5: EO tasks Features 46 Bảng 2.6: EO tasks Geometry 48 Bảng 2.7: EO tasks Io .48 Bảng 2.8: EO tasks Mask 50 Bảng 2.9: EO tasks ml_tools 50 Bảng 4.1: Bảng so sánh bước kết xử lý ảnh vệ tinh phần mềm envi hệ thống sử dụng Unet Eo-Learn 40 HV: Phạm Quang DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 2.1: Dải phổ độ phân giải không gian liệu Sentinel-2 .10 Hình 2.2: Ví dụ quy trình xử lý ảnh thư viện Eo-Learn 12 Hình 2.3: Xử lý ảnh với Mô-đun Rigorous Orthorectification .14 Hình 2.4: Xử lý ảnh với Mơ-đun Envi Feature Extraction .15 Hình 2.5: Xử lý ảnh với Mơ-đun Envi Dem 15 Hình 2.6: Xử lý ảnh với Mô-đun Envi Atmospheric Correction module .16 Hình 2.7: Xử lý ảnh với Mô-đun Envi NITF [6] 16 Hình 2.8: Xử lý ảnh với sản phẩm chuyên dụng Envi Lidar 17 Hình 2.9: Xử lý ảnh với sản phẩm chuyên dụng Envi SARScape 17 Hình 2.10: Quy trình xử lý ảnh với phần mềm Envi 18 Hình 3.1: Mối quan hệ AI, Machine Learning Deep Learning 20 Hình 3.2: Các thành phần kiến trúc truyền thống CNN 22 Hình 3.3: Minh hoạ tích chập (Convolution) 23 Hình 3.4: Làm mờ ảnh cách lấy giá trị trung bình điểm ảnh lân cận 23 Hình 3.5: Phát biên cạnh cách tính vi phân 23 Hình 3.6: Ví dụ minh hoạ lấy giá trị lớn (Max pooling) 24 Hình 3.7: Ví dụ minh hoạ lấy giá trị trung bình (Average pooling) .24 Hình 3.8: Minh hoạ kết nối đầy đủ (Fully connected) CNNs 25 Hình 3.9: Minh hoạ chiều lọc .25 Hình 3.10: Minh hoạ độ trượt (Stride) .25 Hình 11: Minh hoạ tính tương thích tham số tích chập 26 Hình 3.12: Ví dụ minh hoạ GAN .27 Hình 13: Minh hoạ phương thức kết nối tắt (Skip connections) 27 Hình 3.14: Kiến trúc mạng U-net 29 Hình 15: Chọn vùng tải ảnh vệ tinh 31 Hình 3.16: Cấu trúc file Geojson vùng chọn tải ảnh vệ tinh 32 Hình 3.17: đăng ký tài khoản Sentinel-hub để tải ảnh vệ tinh 33 Hình 3.18: Cấu hình thông số Sentinel-hub để tải liệu ảnh vệ tinh .33 Hình 3.19: Cấu hình tính số NDVI Json file .34 Hình 3.20: Json file cấu hình tính số NDVI Sentinel-hub 34 Hình 3.21: Cấu hình thơng số phía Client để tải ảnh vệ tinh 34 Hình 3.22: Quy trình xử lý ảnh vệ tinh với mơ hình Unet thư viện Eo-learn 35 Hình 4.1: Ma trận độ xác mơ hình (Confusion matrix) 39 Hình 4.2: Ma trận độ xác hệ thống (trái, ~ 84,5%) phần mềm ENVI (phải, ~ 87,1%) thử nghiệm với liệu 40 HV: Phạm Quang CHƯƠNG GIỚI THIỆU 1.1 Tính cấp thiết lý chọn đề tài Năm 1943 giai đoạn manh nha ý tưởng trí tuệ nhân tạo, trải qua giai đoạn hình thành phát triển đến trí tuệ nhân tạo ngồi việc trở thành lĩnh vực nghiên cứu chủ chốt viện nghiên cứu trường đại học, việc ứng dụng trí tuệ nhân tạo vào lĩnh vực khoa học, kỹ thuật, sản xuất trở nên vô khả thi Từ ứng dụng học tiếng anh, phân tích liệu, vận hành hệ thống sản xuất, xe tự hành, y tế, nơng lâm nghiệp … có ứng dụng trí tuệ nhân tạo, nhằm nâng cao hiệu suất kết hoạt động nhằm phục vụ nhu cầu người ngày tốt Trí tuệ nhân tạo góp phần giải tốn với quy mô lớn, việc mà trước với sức người khơng thể khó khăn để giải Đi với giai đoạn phát triển trí tuệ nhân tạo, lĩnh vực nghiên cứu khoa học vũ trụ phát triển mạnh mẽ, năm 1957 Liên Xơ phóng thành cơng vệ tinh Sputnik lên khơng gian, có hàng trăm vệ tinh hoạt động không gian, với nhiệm vụ thu thập liệu viễn thám để phục vụ nhu cầu nghiên cứu khoa học Nguyên lý hoạt động viễn thám nhờ vào phản xạ bề mặt vật thể, đối tượng bề mặt Trái Đất sử dụng dải phổ nguồn lượng khác Do đó, loại bề mặt có kết cấu đặc trưng khác phản xạ/ tán xạ lại giá trị khác Đối với nguồn lượng khác nhau, liệu viễn thám lại mang đặc trưng riêng Tín hiệu phản xạ lại từ bề mặt lớp phủ Trái Đất sau thu thập xử lý trạm thu liệu ảnh vệ tinh để sử dụng nghiên cứu cho miền ứng dụng khác [1] Với phát triển mạnh mẽ khoa học, loại ảnh viễn thám thông dụng Modis, Landsat 8, Spot 5, Venus, Sentinel 2A… sử dụng nhiều lĩnh vực như: - Khí tượng: dùng để dự báo thời tiết, dự báo thiên tai liên quan đến biến đổi nhiệt độ bề mặt đất, mây - Bản đồ: công cụ đắc lực phục vụ cho ngành đồ, thành lập loại đồ địa hình đồ chuyên đề nhiều tỉ khác - Nông-Lâm nghiệp: theo dõi mức độ biến đổi thảm phủ thực vật, độ che phủ rừng - Địa chất: Theo dõi tốc độ sa mạc hoá, tốc độ xâm thực bờ biển, phân tích cấu trúc địa chất mặt bên lòng đất (vỏ trái đất) HV: Phạm Quang - Môi trường: Giám sát biến động nhiễm, rị rỉ dầu mặt (thông qua thị thực vật), nghiên cứu quản lý biến động thị hóa, nghiên cứu tượng đảo nhiệt thị Thảm thực vật đóng vai trị quan trọng việc trì tính đa dạng sinh học hệ sinh thái Lớp phủ rừng ảnh hưởng tới sinh tồn loài sinh vật quý hiếm, lồi đóng vai trị quan trọng hệ sinh thái, theo thời gian, tác động tự nhiên người, lớp phủ thực vật có thay đổi định Ngày với phát triển mạnh mẽ công nghệ Internet, việc sử dụng cơng nghệ viễn thám tốn giám sát, quan trắc loại bề mặt lớp phủ trái đất nói chung giám sát lớp phủ thực vật nói riêng áp dụng phổ biến rộng rãi Công nghệ Viễn thám hệ thông tin địa lý (GIS – Geographical Information System) ứng dụng nhiều nghiên cứu, điều tra xây dựng đồ lớp phủ thực vật Ứng dụng công nghệ việc nghiên cứu đánh giá biến động lớp phủ thực vât đảm bảo tính khách quan, độ xác cao, tiết kiệm thời gian Tuy nhiên, vài năm gần với bùng nổ trí tuệ nhân tạo (AI Artificial Intelligence), đưa việc áp dụng công nghệ vào mặt đời sống xã hội lên tầm cao Với việc áp dụng kỹ thuật học sâu (DL – Deep Learning) vào công nghệ viễn thám, giúp cho giải nhiều tốn khó khăn, mà công nghệ trước phải nhiều thời gian xử lý Chính lý trên, hướng dẫn TS Lê Hồng Anh PSG.TS Trương Ninh Thuận lựa chọn đề tài “Nghiên cứu phương pháp trích xuất đặc trưng ảnh vệ tinh sử dụng kỹ thuật học sâu”, áp dụng việc trích xuất đặc trưng ảnh vệ tinh nhằm giám sát lớp phủ thực vật, hỗ trợ cho công tác quản lý nông nghiệp lâm nghiệp Việt Nam 1.2 Mục tiêu phạm vi nghiên cứu Thảm thực vật có vai trị quan trọng sống người mơi trường như: cung cấp nguồn gỗ, điều hịa khơng khí, tạo oxy, nơi cư trú động thực vật, ngăn chặn gió bão, chống xói mịn đất, đảm bảo cho sống, hạn chế biến đổi khí hậu… Chính việc giám sát lớp phủ thực vật điều vơ quan trọng Có nhiều ngun nhân ảnh hưởng đến biến đổi lớp phủ thực vật như: khai thác trái phép, đốt nương làm rẫy, cháy rừng… làm cho việc giám sát lớp phủ thực vật trở nên khó khăn Với cơng nghệ phát triển, việc ứng dụng công nghệ thông tin vào việc giảm sát lớp phủ thực vật nhu cầu vô cấp thiết HV: Phạm Quang ... trên, hướng dẫn TS Lê Hồng Anh PSG.TS Trương Ninh Thuận lựa chọn đề tài ? ?Nghiên cứu phương pháp trích xuất đặc trưng ảnh vệ tinh sử dụng kỹ thuật học sâu? ??, áp dụng việc trích xuất đặc trưng ảnh. ..ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ PHẠM QUANG HIỂN NGHIÊN CỨU PHƯƠNG PHÁP TRÍCH XUẤT ĐẶC TRƯNG TRÊN ẢNH VỆ TINH SỬ DỤNG CÁC KỸ THUẬT HỌC SÂU Ngành: Công nghệ Thông... thám, ảnh vệ tinh sentinel-2, kỹ thuật học sâu kiến trúc mạng nơ-ron tích chập Trình bày việc tải liệu ảnh vệ tinh, xây dựng mơ hình U-net để thực ứng dụng kỹ thuật học sâu việc trích xuất đặc trưng