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

Trong luận văn này, mục tiêu nghiên cứu chính được đề xuất là nghiên cứu phương pháp sử dụng các kỹ thuật học sâu trong việc trích xuất đặc trưng trên ảnh vệ tinh, cụ thể áp dụng nhằm tính toán lớp phủ thực vật Trong luận văn này, mục tiêu nghiên cứu chính được đề xuất là nghiên cứu phương pháp sử dụng các kỹ thuật học sâu trong việc trích xuất đặc trưng trên ảnh vệ tinh, cụ thể áp dụng nhằm tính toán lớp phủ thực vật

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ PHẠM QUANG HIỂN NGHIÊN CỨU PHƢƠNG PHÁP TRÍCH XUẤT ĐẶC TRƢNG TRÊN ẢNH VỆ TINH SỬ DỤNG CÁC KỸ THUẬT HỌC SÂU LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội, 10/2020 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ PHẠM QUANG HIỂN NGHIÊN CỨU PHƢƠNG PHÁP TRÍCH XUẤT ĐẶC TRƢNG 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 NGƢỜI HƢỚNG DẪN KHOA HỌC TS LÊ HỒNG ANH PSG.TS TRƢƠNG NINH THUẬN Hà Nội, 10/2020 LỜI CẢM ƠN Đầu ti n xin ày t l ng m n h n thành s u sắ nh t ến TS Lê Hồng Anh PGS.TS Tr ng Ninh Thuận v s h ng n h o tận t nh hai thầy suốt tr nh em theo họ ũng nh làm luận văn tốt nghiệp Nh ng nh h ng nh ng l i khuy n nh ng kiến thứ vô ng qu giá hai Thầy ã giúp em r t nhiều q tr nh hồn thành luận văn tốt nghiệp Tơi xin g i l i m n s u sắ nh t t i Thầy Cô khoa Công nghệ thông tin - tr ng Đ i họ Công Nghệ - Đ i họ Quố gia Hà N i n i ũng nh thầy ô môn Công nghệ Phần mềm n i ri ng ã tận t nh gi ng y trang ho nh ng kiến thứ qu áu suốt tr nh họ tập t i khoa Đ y ũng h nh tiền ề giúp tơi hồn thiện luận văn th sỹ Cuối ng ũng xin g i l i m n h n thành ến anh h em ồng nghiệp ũng nh gia nh n ng i th n ã giúp vật h t l n tinh thần tơi hồn thành luận văn M ã r t ố gắng nh ng luận văn hắ không tránh kh i nh ng thiếu s t r t mong nhận nh ng kiến nhận xét ánh giá từ ph a Thầy Cô luận văn hồn thiện h n Tơi xin chân thành cảm ơn! Hà Nội, tháng 10 năm 2020 Họ vi n Phạm Quang Hiển HV: Phạm Quang Hiển LỜI CAM ĐOAN Tôi xin am oan luận văn “Nghiên cứu phương pháp trích xuất đặc trưng ảnh vệ tinh sử dụng kỹ thuật học sâu” n TS L Hồng Anh PGS.TS Tr nghi n ứu li n quan ều liệu tham kh o Không ng tr h is h ng ng Ninh Thuận Tham kh o từ nh ng n m t h rõ ràng anh mụ tài việ hép tài liệu i mà không h rõ tài liệu tham kh o HV: Phạm Quang Hiển th ông tr nh nghi n ứu MỤC LỤC LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ ĐỒ THỊ CHƯƠNG GIỚI THIỆU 1.1 T nh p thiết l o họn ề tài 1.2 Mụ ti u ph m vi nghi n ứu 1.3 N i ung nghi n ứu 1.4 C u trú luận văn CHƯƠNG CÁC KIẾN THỨC VÀ CÔNG NGHỆ NỀN TẢNG 2.1 Ảnh vệ tinh Sentinel-2 2.2.1 Thiết kế kỹ thuật vệ tinh Sentinel-2 2.2.2 Thiết kế kỹ thuật m MSI tr n vệ tinh Sentinel-2 2.2.3 Thiết kế kh l y m u m quang phổ MSI 2.2.4 Kh ung p thông tin i phổ giám sát rừng 11 2.2 Th 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 20 3.1 Gi i thiệu họ s u 20 3.2 M ng n -ron t h hập (Convolutional neural network) 23 3.1.1 Kiến trú 23 3.1.2 Cá si u tham số lọ (hyper-parameter) 26 3.1.3 Điều h nh si u tham số 28 3.1.4 Nh ng kiến trú s ụng thủ thuật t nh toán 28 3.3 Unet 29 3.4 Tr h xu t l p phủ th vật s ụng EO-learn 31 3.3.1 Đ phủ th vật 31 3.3.2 Quy tr nh x l 33 Ch ng 4: THỰC NGHIỆM 38 4.1 V ng th nghiệm 38 4.2 Kết qu th nghiệm 40 4.2.1 Kết qu h y th nghiệm ề tài 40 4.2.2 So sánh kết qu th nghiệm v i phần mềm Envi 42 Ch ng KẾT LUẬN 44 TÀI LIỆU THAM KHẢO 46 PHỤ LỤC 48 HV: Phạm Quang Hiển DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Viết tắt Giải thích RGB Tổ h p màu Re Green Blue AOI Area-of-interest CNNs Convolutional neural network DL Deep Learning (Họ s u) PNR V 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 Hiển n t nhiên p vùng DANH MỤC CÁC BẢNG B B B B B B B B B ng 2.1: Đ t nh kỹ thuật hệ thống Sentinel-2 ng 2.2: B s ng k nh phổ ứng ụng liệu Sentinel-2 ng 2.3: EO tasks Core 48 ng 2.4: EO tasks Coregistration 48 ng 2.5: EO tasks Features 49 ng 2.6: EO tasks Geometry 51 ng 2.7: EO tasks Io 51 ng 2.8: EO tasks Mask 53 ng 2.9: EO tasks ml_tools 53 B ng 4.1: B ng so sánh kết qu x l nh vệ tinh gi a phần mềm envi hệ thống s ụng Unet Eo-Learn 42 HV: Phạm Quang Hiển DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 2.1: D i phổ ph n gi i không gian liệu Sentinel-2 10 H nh 2.2: V ụ quy tr nh x l nh th viện Eo-Learn 12 H nh 2.3: X l nh v i Mô- un Rigorous Orthore tifi ation 15 H nh 2.4: X l nh v i Mô- un Envi Feature Extraction 15 H nh 2.5: X l nh v i Mô- un Envi Dem 16 H nh 2.6: X l nh v i Mô- un Envi Atmospheri Corre tion mo ule 16 Hình 2.7: X l nh v i Mô- un Envi NITF [6] 17 H nh 2.8: X l nh v i s n phẩm huy n ụng Envi Li ar 17 H nh 2.9: X l nh v i s n phẩm huy n ụng Envi SARS ape 18 Hình 2.10: Quy tr nh x l nh v i phần mềm Envi 19 H nh 3.1: Mối quan hệ gi a AI Ma hine Learning Deep Learning 21 H nh 3.2: Cá thành phần kiến trú truyền thống CNN 23 Hình 3.3: Minh ho t h hập (Convolution) 24 Hình 3.4: Làm m nh ằng h l y giá tr trung nh i m nh l n ận 24 Hình 3.5: Phát i n nh ằng h t nh vi ph n 25 H nh 3.6: V ụ minh ho l y giá tr l n nh t (Max pooling) 25 H nh 3.7: V ụ minh ho l y giá tr trung nh (Average pooling) 26 Hình 3.8: Minh ho kết nối ầy ủ (Fully onne te ) CNNs 26 Hình 3.9: Minh ho hiều lọ 27 Hình 3.10: Minh ho tr t (Stri e) 27 Hình 11: Minh ho t nh t ng th h tham số t h hập 28 Hình 3.12: V ụ minh ho GAN 29 Hình 13: Minh ho ph ng thứ kết nối tắt (Skip onne tions) 29 H nh 3.14: Kiến trú m ng U-net 31 Hình 15: Chọn v ng t i nh vệ tinh 33 Hình 3.16: C u trú file Geojson v ng họn t i nh vệ tinh 34 H nh 3.17: ăng k tài kho n tr n Sentinel-hu t i nh vệ tinh 35 Hình 3.18: C u h nh thông số Sentinel-hub t i liệu nh vệ tinh 35 H nh 3.19: C u h nh t nh h số NDVI Json file 36 H nh 3.20: Json file u h nh t nh h số NDVI tr n Sentinel-hub 36 H nh 3.21: C u h nh thông số ph a Client t i nh vệ tinh 36 Hình 3.22: Quy tr nh x l nh vệ tinh v i mô h nh Unet th viện Eo-learn 37 Hình 4.1: Ma trận h nh xá mô h nh (Confusion matrix) 42 Hình 4.2: Ma trận h nh xá gi a hệ thống (trái, ~ 84,5%) phần mềm ENVI (ph i, ~ 87,1%) th nghiệm v i ng liệu 43 HV: Phạm Quang Hiển CHƢƠNG GIỚI THIỆU 1.1 Tính cấp thiết lý chọn đề tài Năm 1943 giai o n manh nha t ởng tr tuệ nh n t o tr i qua giai o n h nh thành phát tri n ến tr tuệ nh n t o việ trở thành lĩnh v nghi n ứu hủ hốt viện nghi n ứu tr ng i họ việ ứng ụng tr tuệ nh n t o vào lĩnh v khoa họ kỹ thuật s n xu t ã trở n n vô ng kh thi Từ ứng ụng họ tiếng anh ph n t h liệu vận hành hệ thống s n xu t xe t hành y tế nông l m nghiệp … ều ứng ụng tr tuệ nh n t o nhằm n ng ao hiệu su t ũng nh kết qu ho t ng nhằm phụ vụ nhu ầu on ng i ngày m t tốt h n Tr tuệ nh n t o ã g p phần gi i nh ng ài toán v i quy mô l n nh ng việ mà tr y v i sứ ng i không th ho r t kh khăn gi i Đi ng v i giai o n phát tri n tr tuệ nh n t o lĩnh v nghi n ứu khoa họ vũ trụ ũng phát tri n hết sứ m nh mẽ năm 1957 Li n Xô ã ph ng thành ông vệ tinh Sputnik l n không gian ho ến ã hàng trăm vệ tinh ho t ng tr n không gian v i nhiệm vụ thu thập liệu viễn thám phụ vụ nhu ầu nghi n ứu khoa họ Nguy n l ho t ng viễn thám nh vào s ph n x ề m t vật th ối t ng tr n ề m t Trái Đ t s ụng i phổ ho nguồn l ng Do m i lo i ề m t kết u tr ng ph n x tán x l i nh ng giá tr Đối v i m i nguồn l ng liệu viễn thám l i mang tr ng ri ng T n hiệu ph n x l i từ ề m t l p phủ tr n Trái Đ t sau thu thập x l t i tr m thu liệu nh vệ tinh s ụng nghi n ứu ho miền ứng ụng [1] V i s phát tri n m nh mẽ khoa họ lo i nh viễn thám thông ụng nh Mo is Lan sat Spot Venus Sentinel 2A… ã s ụng nhiều lĩnh v nh : - Kh t ng: ng áo th i tiết áo thi n tai li n quan ến iến ổi nhiệt ề m t t m y - B n ồ: ông ụ ắ l phụ vụ ho ngành n thành lập lo i n a h nh n huy n ề nhiều t khác - Nông-L m nghiệp: theo õi mứ iến ổi th m phủ th vật he phủ rừng - Đ a h t: Theo õi tố sa m hoá tố x m th i n ph n t h nh ng u trú a h t tr n m t ũng nh n l ng t (v trái t) HV: Phạm Quang Hiển - Môi tr ng: Giám sát iến ng ô nhiễm r r ầu tr n m t (thông qua h th th vật) nghi n ứu qu n l iến ng ô th h a nghi n ứu t ng o nhiệt ô th Th m th vật ng vai tr quan trọng việ uy tr t nh a ng sinh họ hệ sinh thái L p phủ rừng nh h ởng t i s sinh tồn loài sinh vật qu nh ng loài ng vai tr quan trọng hệ sinh thái theo th i gian i s tá ng t nhi n on ng i l p phủ th vật nh ng thay ổi nh t nh Ngày v i s phát tri n m nh mẽ ông nghệ Internet việ s ụng ông nghệ viễn thám ài toán giám sát quan trắ lo i ề m t l p phủ tr n trái t n i giám sát l p phủ th vật n i ri ng ã áp ụng r t phổ iến r ng rãi Công nghệ Viễn thám hệ thông tin a l (GIS – Geographi al Information System) ứng ụng nhiều nghi n ứu iều tra x y ng n l p phủ th vật Ứng ụng ông nghệ việ nghiên ứu ánh giá iến ng l p phủ th v t m o t nh h quan h nh xá ao tiết kiệm th i gian Tuy nhi n vài năm gần y v i s ng nổ tr tuệ nh n t o (AI Artificial Intelligence) ã a việ áp ụng ông nghệ vào m t i sống xã h i l n m t tầm ao m i V i việ áp ụng kỹ thuật họ s u (DL – Deep Learning) vào ông nghệ viễn thám ã giúp ho húng ta gi i r t nhiều ài toán kh khăn mà ối v i ông nghệ tr y ph i m t r t nhiều th i gian m i th x l Ch nh v l o tr n i s h ng n TS L Hồng Anh PSG.TS Tr ng Ninh Thuận ã l a họn ề tài “Nghiên cứu phương pháp trích xuất đặc trưng ảnh vệ tinh sử dụng kỹ thuật học sâu” áp ụng việ tr h xu t tr ng nh vệ tinh nhằm giám sát l p phủ th vật, h tr ho ông tác qu n l nông nghiệp l m nghiệp Việt Nam 1.2 Mục tiêu phạm vi nghiên cứu Th m th vật vai tr r t quan trọng ối v i u sống on ng i ũng nh môi tr ng nh : ung p nguồn g iều h a không kh t o oxy n i trú ng th vật ngăn h n gi ão hống x i m n t m o ho s sống h n hế iến ổi kh hậu… Chính v việ giám sát l p phủ th vật iều vô ng quan trọng C r t nhiều nguy n nh n nh h ởng ến s iến ổi l p phủ th vật nh : khai thá trái phép ốt n ng làm r y háy rừng… làm ho việ giám sát l p phủ th vật trở n n hết sứ kh khăn V i ông nghệ phát tri n việ ứng ụng ông nghệ thông tin vào việ gi m sát l p phủ th vật nhu ầu vô ng p thiết HV: Phạm Quang Hiển 40 s n xu t vật liệu x y ng Số liệu iều tra a h t ã ho phép Cao Bằng ho h nh quy ho h phát tri n khai thá hế iến ối v i khoáng s n n u tr n Đồng th i ần tiếp tụ iều tra thăm hi tiết h n ối v i khoáng s n n tiềm nh vàng ôlôm t th h anh antimon vofram… 4.2 Kết thực nghiệm 4.2.1 Kết chạy thực nghiệm đề tài D i y m t số kết qu th nghiệm ề tài ao gồm “Ảnh vệ tinh” “Kết qu oán mô h nh” ( Th vật N Đ t) ũng nh ma trận h nh xá mô h nh ã huẩn hoá v i h nh xá ~ 84.5% Satellite Image Prediction Satellite Image Prediction HV: Phạm Quang Hiển 41 Satellite Image HV: Phạm Quang Hiển Prediction Satellite Image Prediction 42 Hình 4.1: Ma trận độ xác mơ hình (Confusion matrix) 4.2.2 So sánh kết qu th nghiệm v i phần mềm Envi Bảng 4.1: Bảng so sánh bước kết xử lý ảnh vệ tinh phần mềm envi hệ thống sử dụng Unet Eo-Learn STT Nội dung Phần mềm Envi Unet + Eo-Learn Đ h nh xác (so Phụ thu vào kinh nghiệm Không phụ thu vào sánh với ng i x l h nh kinh nghiệm liệu đầu vào) xá ao h n ~ 87,1% ng i x l h nh xá th p h n ~ 84,5% T ng x l Bán t ng T ng tr h xu t tr ng nh vệ tinh Cho phép u Có Có h nh ownloa t ng nh vệ tinh Đ phứ t p x l (Đ n gi n 13 x l (Phứ quy tr nh x l h n) t p h n) Tr ng h p s Ch x l nh nh t i X l nhiều ụng th i i m n n ph h p v i nh nh ng lú l ng liệu ầu vào nên ph h p v i l ng liệu l n B n quyền M t ph Miễn ph HV: Phạm Quang Hiển 43 Hình 4.2: Ma trận độ xác hệ thống (trái, ~ 84,5%) phần mềm ENVI (phải, ~ 87,1%) thử nghiệm với liệu HV: Phạm Quang Hiển 44 Chƣơng KẾT LUẬN Th vật ng vai tr vô ng quan trọng ối v i u sống on ng i việ ung p oxi n ằng môi tr ng th th vật n nguồn ung p th phẩm ho on ng i gia sú Ch nh v l p phủ th m th vật nh h ởng r t l n ến môi tr ng u sống on ng i ng vật từ s iến ổi kh hậu ến sụt lở x i m n t ến s n ằng hệ sinh thái Ngoài việ tr nh th hố ngày àng gia tăng việ khai thá rừng không h p l trái phép ho háy rừng ũng nh ng yếu tố g y n n s thay ổi l p phủ th vật ang iễn hàng ngày Ch nh v việ giám sát s thay ổi l p phủ th vật nhiệm vụ vô ng p thiết nhằm nh ng ph ng án x l khắ phụ ối v i t nh x u nh t V i s phát tri n khoa họ kỹ thuật việ s ụng nh vệ tinh ông tá giám sát l p phủ th vật ã giúp h r t nhiều ông tá qu n l giúp n ng ao hiệu qu m m t nh h nh xá tiết kiệm th i gian Trong tr nh nghi n ứu nhận th y việ x l tr h xu t tr ng nh tr n phần mềm huy n ụng nh Envi m ang mang l i kết qu t h nh ng v n n nhiều nh i m nh : h x l m t nh nh t i m t th i i m h nh xá kết qu phụ thu nhiều vào kinh nghiệm ng i s ụng phần mềm Việ x l nhiều liệu nh vệ tinh v n ph i th án thủ ông h a t ng hoàn toàn n t i m t r t nhiều th i gian x l số l ng liệu l n Chính v l o tr n tá gi ã ề xu t gi i pháp ứng ụng tr tuệ nh n t o việ tr h xu t tr ng nh vệ tinh ằng h s ụng kỹ thuật họ s u Trong tr nh th luận văn ã t m hi u trau ồi kiến thứ x l nh viễn thám kiến thứ họ máy kiến trú họ s u Vận ụng nh ng kiến thứ tr nh họ tập nghi n ứu t i tr ng Đ i họ Công nghệ - Đ i họ quố gia Hà N i ũng nh nh ng kiến thứ t m hi u ã th luận văn v i mụ h trích xu t tr ng nh vệ tinh s ụng kỹ thuật họ s u Áp ụng v i nh vệ tinh sentinel-2 nhằm giám sát l p th vật ho t nh Cao Bằng V i nhiều t nh v t tr i h n nh không nh h ởng ởi iều kiện th i tiết iều kiện ngày m ph n gi i không gian th i gian Ảnh vệ tinh Sentinel-2 ã em l i kết qu ph n l p ao h n so v i nh Lan Sat Do liệu Sentinel-2 họn s ụng ho ài toán giám sát l p phủ th vật V i ông nghệ ngày àng phát tri n tá gi ã tiến hành kết h p kỹ thuật họ s u th viện Eo-Learn tiến hành x y ng mơ hình m ng n ron tích hập theo kiến trú U-net th việ t ng tr h xu t tr ng tr n nh vệ tinh V i quy tr nh x l t ng hệ thống h tr x l l ng l n liệu nh vệ tinh HV: Phạm Quang Hiển 45 ầu vào gi m thiếu s tá x l ng từ yếu tố on ng i làm tăng hiệu qu tr nh Tuy nhi n luận văn v n n m t số v n ề n tồn t i nh : hệ thống x y ng m i h x l nh vệ tinh Sentinel-2 h nh xá h a thật s ao h n so v i phần mềm huy n ụng x l nh vệ tinh th i gian hu n luyện mô h nh x l liệu n m t nhiều th i gian h a x y ng giao iện h ng t i ng i ng Tá gi ố gắng khắ phụ nh ng nh i m hệ thống t i Phát tri n hệ thống x l v i nhiều nguồn nh vệ tinh nh Lan sat Spot Mo is… Khi kỹ thuật tr tuệ nh n t o v n ang phát tri n m nh mẽ hệ thống hứa hẹn i thiện nhiều h n tin ậy thuật toán Kết h p v i s phát tri n sứ m nh phần ứng tố x l ài toán ẩy nhanh h n giúp ho su t làm việ ngày m t n ng ao Trong t ng lai s thay ổi môi tr ng ũng nh h ởng nhiều ến u trú l p phủ ề m t trái t ũng m t thá h thứ l n ối v i việ giám sát l p phủ m t t Việ i tiến n ng ao thuật toán x y ng mô h nh nhằm em l i su t tin ậy ao nhu ầu t t yếu Tá gi ũng mong muốn i tiến phát tri n phổ ập hệ thống h ng t i ng i ng Đi k m áp ụng vào gi i ài toán t ng t ũng th tế m t v n ề quan t m HV: Phạm Quang Hiển 46 TÀI LIỆU THAM KHẢO Tài liệu tiếng việt: Quyết nh 18 QD-TTg, 15.2.2007 Quyết nh ph uyệt hiến l phát tri n l m nghiệp Việt Nam giai o n 2006-2020 Thủ t ng Ch nh phủ Luận văn th sỹ: “Nghi n ứu m ng Neural t h hập ứng ụng ho ài toán nhận ng i n số xe” L Th Thu Hằng Đ i họ Công nghệ - Đ i họ Quố gia Hà N i 2016 Luận văn th sỹ: “Nghi n ứu ứng ụng ph ng pháp họ máy ph n l p lúa s ụng nh viễn thám” Phan Anh Đ i họ Công nghệ - Đ i họ Quố gia Hà N i 2019 Bài gi ng “X l nh số th giá máy t nh” TS L Thành Sá h Đ i họ Bá h khoa Hà n i Tài liệu tiếng anh: “Feature Extra tion from Satellite Images Using Deep Learning”, Keerthika T - Assistant Professo, Department of CSE, Sri Krishna College of Engineering and Technology,Coimbatore; Ashwini A, Amirta varsni R, Angela princy A, Dinesh kumar S - Department of CSE, Sri Krishna College of Engineering and Technology, Coimbatore “Automati Feature extra tion from satellite images using LVQ Neural network” Deepakrishna S - Institute of Surveying and Mapping, Diyatalawa, Sri Lanka; Ediriweera S - Faculty of Science and Technology, Uva Wellassa University, Badulla, Sri Lanka; Gunatilake A A J K Department of Geology, Faculty of Science, University of Peradeniya, Peradeniya, Sri Lanka U-Net: Convolutional Networks for BiomedicalImage Segmentation, Olaf Ronneberger, Philipp Fischer, and Thomas Brox, Computer Science Department and BIOSS Centre for Biological Signalling Studies,University of Freiburg, Germany Tree Detection in Remote Sensing Imagery Baumerkennung in Fernerkundungs – Bildmateria, Master Thesis of Maximilian Ulrich Freudenberg prepared by Maximilian Ulrich Freudenberg born in Heidelberg, Germanyat the Third Institute of Physicsin the Department of Computational Neurosciencein cooperation with the Chair of Forest Inventory and Remote Sensingfrom the Burckhardt Institute, Faculty of Forest Sciences and Forest Ecology SUHET, 2015, Sentinel-2_User_Handbook, ESA Standard Document, European Space Agency HV: Phạm Quang Hiển 47 10 Y.-L Desnos, P Potin, M Foumelis, N Miranda, B Rosich-Tell M Engdahl, 2015, Copernicus – Sentinel-1 11 “A Convolutional Neural Network for Modelling Sentences” Nal Kalchbrenner, Edward Grefenstette, Phil Blunsom - Department of Computer Science University of Oxford 12 Alexey Novikov et al “Fully Convolutional Ar hite tures for Multi-Class Segmentation in Chest Ra iographs” In: IEEE Transa tions on Me i al Imaging 37 (Mar 2018) DOI: 10.1109/TMI.2018.2806086 (cited on page 219) 13 Nitish Srivastava et al “Dropout: A Simple Way to Prevent Neural Networks from Overfit-ting” In: Journal of Ma hine Learning Resear h 15 (June 2014), pages 1929–1958 (cited on page 183) Trang web: 14 http://tailieu.ttbd.gov.vn:8080/index.php/tai-lieu/chuyen-de-chuyensau/item/921-tong-quan-ve-quan-ly-va-bao-ve-tai-nguyen-rung 15 https://eo-learn.readthedocs.io/en/latest/eotasks.html 16 https://nhdp.net/blog/2018/11/tong-quan-don-gian-ve-mang-no-ron-tichchap-convolutional-neural-networks/ 17 http://tnmtcaobang.gov.vn/index.php/vi/about/Gioi-thieu-khai-quat-ve-tainguyen-va-moi-truong-Cao-Bang/ 18 http://www.geoviet.vn/goc-ky-thuat/vn/400/473/301/0/gioi-thieu-chung-vephan-mem-envi.aspx 19 https://cs231n.github.io/convolutional-networks/ 20 https://stanford.edu/~shervine/l/vi/teaching/cs-230/cheatsheetconvolutional-neural-networks - hyperparameters HV: Phạm Quang Hiển 48 PHỤ LỤC AddFeature Các tác vụ thư viện Eo-Learn Bảng 2.3: EO tasks Core Th m m t t nh vào EOPat h nh t nh CopyTask T om t CreateEOPatchTask T o m i m t EOPat h DeepCopyTask T o DuplicateReature InitializeFeature Nh n ôi m t ho nhiều t nh m t EOPatch Di huy n m t tập h p on k nh từ t nh sang t nh m i M t tá vụ ầu vào ầu trừu t ng th x l m t ng n m t ối t ng hệ thống tệp Khởi t o giá tr m t ối t ng a l LoadFromDisk T i LoadTask T i EOPat h từ hệ thống tệp MapFeatureTask RenameFeature Áp ụng m t hàm ho t nh tr ng ầu vào m t EOPat h l u tr kết qu m t tập thu t nh ầu H p nh t nhiều ối t ng a l v i ằng h nối liệu húng Tá vụ hép hép s u từ m t eopat h sang eopatch khác X a m t ho nhiều t nh kh i EOPat h nh t nh Đổi t n m t ho nhiều t nh từ EOPat h ã ho SaveTask L u EOPat h ã ho vào hệ thống tệp SaveToDisk L u ZipFeatureTask Truyền m t tập h p tr ng ầu vào ho m t hàm kết qu hàm tr m t t nh n lẻ l u tr n eopat h T o m t tá vụ ao gồm tá vụ kép ExtractBandsTask IOTask MergeFeatureTask MoveFeature RemoveFeature CompositeTask n EOPat h ã ho n s u EOPat h ã ho liệu từ ổ ứng liệu vào ổ ứng Bảng 2.4: EO tasks Coregistration ECCRegistration Nhiệm vụ ăng k tri n khai ph ng từ OpenCV PointBasedRegistration L p ăng k tri n khai ăng k g i ng g p OpenCV HV: Phạm Quang Hiển ng pháp a tr n a tr n i m từ 49 RegistrationTask ThunderRegistration L p trừu t ng ho ồng ăng k h nh nh a th i gian Tá vụ ăng k th ăng k h ằng g i thunder-registration Bảng 2.5: EO tasks Features EuclideanNormTask Nhiệm vụ t nh toán Đ nh mứ Euclide Nhiệm vụ t nh toán Ch số Ch nh lệ h Chuẩn NormalizedDifferenceIndexTask h a (NDI) gi a hai i A B BlobTask Nhiệm vụ t nh toán ốm màu Nhiệm vụ t nh toán ốm màu v i ph ng DoGBlobTask pháp Difference of Gaussian (DoG) Nhiệm vụ t nh toán ốm màu v i ph ng LoGBlobTask pháp Laplacian of Gaussian (LoG) Task t nh toán ụm tr n t nh ã ClusteringTask họn ằng h s ụng sklearn.cluster.AgglomerativeClustering Tá vụ áp ụng m t i u thứ i số tr n m i FeatureExtractionTask giá tr ối t ng a l Lo i t t khung hu i th i gian FilterTimeSeries ngày nằm kho ng th i gian o ng i ng h nh Biến ổi m t eopatch of hình [n, w, h, d] SimpleFilterTask thành [m, w, h, d] cho m