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

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ *** ĐỖ THỊ PHƯƠNG 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 THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội 2017 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ *** ĐỖ THỊ PHƯƠNG NGHIÊN CỨU VÀ ĐÁNH GIÁ CÁC PHƯƠNG PHÁP NỘI SUY ẢNH VIỄN THÁM CHO BÀI TỐN PHÂN LOẠI LỚP PHỦ ĐƠ THỊ TẠI VIỆT NAM Ngành: Công Nghệ Thông Tin Chuyên ngành: Quản lý Hệ thống Thông tin Mã số: 8480205 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: TS BÙI QUANG HƯNG Hà Nội 2017 LỜI CẢM ƠN Để hoàn thành luận văn này, xin trân trọng cảm ơn thầy giáo hướng dẫn TS Bùi Quang Hưng tận tình định hướng nghiên cứu, hướng dẫn tạo điều kiện cho tham gia buổi thảo luận liên quan đến nội dung nghiên cứu Trân trọng cảm ơn cô giáo Nguyễn Thị Nhật Thanh, anh Phạm Đức Dũng, bạn Mẫn Đức Chức thầy cô giáo bạn trung tâm FIMO – ĐH Công Nghệ - ĐH Quốc Gia Hà Nội tận tình giúp đỡ , đóng góp ý kiến cho q trình nghiên cứu làm luận văn Với điều kiện thời gian kiến thức học thuật hạn chế, luận văn tơi khơng thể tránh thiếu sót Tơi mong nhận bảo, đóng góp ý kiến thầy để tơi có điều kiện bổ sung, hồn thiện luận văn Cơng trình tài trợ phần từ nhiệm vụ quản lý Nhà nước bảo vệ môi trường ĐHQGHN năm 2017, nhiệm vụ: "Xây dựng hệ thống thu thập, xử lý, phân tích số liệu đa nguồn để đánh giá biến động lớp phủ mặt đất chất lượng không khí", mã số nhiệm vụ QMT.17.03 Hà Nội, ngày 12 tháng 12 năm 2017 Học viên Đỗ Thị Phương LỜI CAM ĐOAN Trong trình làm luận văn với nội dung “Nghiên cứu đánh giá phương pháp nội suy ảnh viễn thám cho toán phân loại lớp phủ thị Việt Nam”, cịn nhiều hạn chế khó khăn việc nghiên cứu, đến luận văn tơi hồn thành với giúp đỡ thầy giáo hướng dẫn TS Bùi Quang Hưng, thầy cô giáo bạn trung tâm FIMO, trường ĐH Công Nghệ - ĐH Quốc Gia Hà Nội Tơi xin cam đoan tồn nội dung luận văn tơi tự tìm hiểu, tra cứu thông tin từ số sách tài liệu tham khảo có nội dung liên quan đến đề tài cách độc lập Các thơng tin trích dẫn luận văn trích dẫn nguồn gốc rõ ràng phép công bố Cho đến nội dung, số liệu kết nghiên cứu luận văn chưa công bố hay xuất hình thức Hà Nội, ngày 10 tháng 10 năm 2017 Người cam đoan Đỗ Thị Phương MỤC LỤC LỜI CẢM ƠN LỜI CAM ĐOAN DANH MỤC KÝ HIỆU, CHỮ VIẾT TẮT TRONG LUẬN VĂN DANH MỤC BẢNG BIỂU .6 DANH MỤC HÌNH VẼ PHẦN MỞ ĐẦU .8 CHƯƠNG I TỔNG QUAN 10 1 Tổng quan liệu viễn thám .10 1.1.1 Nguyên lý thu nhận liệu viễn thám 10 1.1.2 Phân loại viễn thám .12 1.1.3 Các đặc trưng ảnh viễn thám .13 1.1.4 Một số loại liệu viễn thám nghiên cứu luận văn 15 1.1.5 Một số vấn đề tiền xử lý liệu ảnh vệ tinh 18 1.2 Bài toán phân loại lớp phủ đô thị Việt Nam vấn đề tiền xử lý liệu ảnh đầu vào 20 1.2.1 Dữ liệu đầu vào tốn phân loại lớp phủ thị Việt Nam 21 1.2.2 Các vấn đề tiền xử lý ảnh toán phân loại lớp phủ đô thị Việt Nam 22 1.3 Bài toán nghiên cứu đặt luận văn 23 1.3.1 Một số nghiên cứu phương pháp nội suy 23 1.3.2 Bài toán nghiên cứu .25 1.3.3 Ý nghĩa khoa học 26 1.3.4 Ý nghĩa thực tiễn 26 1.4 Kết luận .26 Chương CÁC PHƯƠNG PHÁP NỘI SUY ẢNH .28 2.1 Các khái niệm nội suy ảnh 28 2.1.1 Điểm ảnh 28 2.1.2 Mức xám ảnh 28 2.1.3 Độ phân giải điểm ảnh 28 2.1.4 Quan hệ điểm ảnh 29 2.1.5 Khoảng cách điểm ảnh 30 2.1.6 Khái niệm tái chia mẫu ảnh (Image Resampling) 30 2.1.7 Khái niệm nội suy ảnh 31 2.2 Một số vấn đề nội suy ảnh 32 2.3 Một số phương pháp nội suy ảnh 33 2.3.1 Nội suy láng giềng gần - Nearest Neighbor Interpolation .33 2.3.2 Nội suy song tuyến tính - Bilinear Interpolation 35 2.3.3 Nội suy xoắn bậc ba – Cubic Convolution (Bicubic) 36 2.4 Các số đánh giá, so sánh chất lượng ảnh 37 2.4.1 Sai số bình phương trung bình (MSE) 37 2.4.2 Tỷ số tín hiệu cực đại/ nhiễu (PSNR) 38 2.4.3 So sánh tương đồng cấu trúc (SSIM) 38 Chương MƠ HÌNH THỰC NGHIỆM ĐÁNH GIÁ TÁC ĐỘNG CỦA PHƯƠNG PHÁP NỘI SUY ẢNH VỆ TINH .40 3.1 Lựa chọn công cụ thực nghiệm 40 3.2 Thực nghiệm đánh giá tác động phương pháp nội suy với ảnh vệ tinh ánh sáng ban đêm DMSP–OLS 2013 ảnh vệ tinh bề mặt không thấm nước ISA 2010 41 3.2.1 Trích xuất liệu khu vực Việt Nam 42 3.2.2 Thực nghiệm đánh giá kết 42 3.3 Đánh giá tác động kỹ thuật nội suy tiền xử lý liệu ảnh viễn thám đến kết toán phân loại lớp phủ đô thị Việt Nam .49 3.3.1 Tính tốn ngưỡng phân lớp thực nghiệm 50 3.3.2 Kết 54 KẾT LUẬN 56 Hạn chế .56 Hướng phát triển 57 TÀI LIỆU THAM KHẢO .58 DANH MỤC KÝ HIỆU, CHỮ VIẾT TẮT TRONG LUẬN VĂN FOV IFOV TIRS DMSP – OLS NOAA NGDC VIIRS/DNB HGS MGS LGS GLCMNO NDVI EstISA MSE PSNR SNR SSIM Trường nhìn, góc nhìn (Field of View) Trường nhìn, góc nhìn tức thời (Instantaneous Field Of View) Cảm biến hồng ngoại nhiệt (Thermal Infrared Sensor) Chương trình phịng thủ Vệ tinh khí tượng (Defense Meteorological Satellite Program - Operational Linescan System) Cục Quản lý Đại dương Khí Quốc gia (National Oceanic and Atmospheric Adminis) Trung tâm Dữ liệu Địa Vật lý Quốc gia (National Geophysical Data Center) Ảnh vệ tinh VIIRS (Visible Infrared Imaging Radiometer Suite – Day/Night Band) Giai đoạn tăng cao (High Gain Stage) Giai đoạn tăng trung bình (Medium Gain Stage) Giai đoạn tăng thấp (Low Gain Stage) Global Land Coverby National Mapping Organizations Chỉ số thực vật (Normalized Difference Vegetation Index) Bề mặt không thấm nước (Impervious Surface Area) Sai số trung bình bình phương (Mean Squared Error) Tỷ số tín hiệu cực đại/nhiễu (Peak Signal to Noise Ratio) Tỉ số tín hiệu nhiễu (signal-to-noise ratio) Chỉ số tương đông cấu trúc (Structural Similarity Index) DANH MỤC BẢNG BIỂU Bảng 1.1Một số thông số vệ tinh DMSP-OLS [12] .16 Bảng 1.2 Dữ liệu sử dụng tốn phân loại lớp phủ thị Việt Nam theo phương pháp GLCMNO mở rộng 21 Bảng 3.1Một số hàm thư viện sử dụng .42 Bảng 3.2 Đánh giá trực quan ảnh sau nội suy 46 Bảng 3.3 Dữ liệu đầu vào tốn phân loại lớp phủ thị theo phương pháp GLCMNO mở rộng .49 Bảng 3.4: Bảng lược đồ Histogram tính ngưỡng cho phương pháp nội suy ảnh liệu ảnh vệ tinh ánh sáng ban đêm DMSP-OLS 2013 52 Bảng 3.5 Bảng lược đồ Histogram tính ngưỡng cho phương pháp nội suy ảnh liệu ảnh vệ tinh bề mặt không thấm nước EstISA 2010 53 Bảng 3.6: Kết đánh giá tác động phương pháp nội suy ảnh vệ tinh tiền xử lý liệu với kết tốn phân loại lớp phủ thị Việt Nam 54 Biểu đồ 3.1 So sánh tác động phương pháp nội suy với ảnh EstISA theo số SSIM 44 Biểu đồ 3.2: So sánh tác động phương pháp nội suy với ảnh EstISA theo số MSE – PSNR 44 Biểu đồ 3.3: So sánh tác động phương pháp nội suy với ảnh DMSP-OLS theo số SSIM 45 Biểu đồ 3.4: So sánh tác động phương pháp nội suy với ảnh DMSP-OLS theo số MSE, PSNR 45 DANH MỤC HÌNH VẼ Hình 1.1 Sơ đồ hệ thống viễn thám 11 Hình 1.2: Minh họa thông số FOV IFOV .14 Hình 1.3: Các bước xử lý ảnh vệ tinh thông thường 18 Hình 1.4: Quy trình tiền xử lý liệu tốn phân loại lớp phủ thị Việt Nam theo phương pháp GLCMNO mở rộng 22 Hình 2.1: Minh họa ảnh có độ phân giải tăng dần 28 Hình 2.2: Minh họa bốn điểm láng giềng theo chiều đứng ngang điểm P(i,j) 29 Hình 2.3: Minh họa bốn điểm láng giềng theo đường chéo điểm P(i,j) 29 Hình 2.4:Minh họa tám điểm láng giềng P(i,j) 29 Hình 2.5: Minh họa trình nội suy 31 Hình 2.6: Minh họa việc sử dụng phương pháp nội suy nắn chỉnh ảnh .32 Hình 2.7: Minh họa nội suy láng giềng gần 34 Hình 2.8 Minh họa việc tính tốn điểm ảnh (u,v) phương pháp nội suy láng giềng gần 34 Hình 2.9: Minh họa nội suy song tuyến tính 35 Hình 2.10: Nội suy song tuyến tính cho điểm P(x,y) 35 Hình 2.11: Minh họa nội suy xoắn bậc ba 36 Hình 2.12: Mơ tả việc tính tốn nội suy xoắn bậc ba 37 Hình 3.1: Chu trình thực nghiệm phương pháp nội suy ảnh với ảnh DMSP ảnh ISA 41 Hình 3.2 Chu trình tốn phân loại lớp phủ đô thị Việt Nam theo phương pháp GLCMNO mở rộng Sử dụng phương pháp nội suy ảnh tiền xử lý liệu ảnh vệ tinh DMSP ISA .50 Hình 3.3 Bản đồ lớp phủ đô thị Việt Nam, sử dụng phương pháp nội suy Bilinear tiền xử lý liệu ảnh vệ tinh DMSP-OLS 2013 EstISA 2010 55 Hình 3.4 Trích xuất khu vực Hà Nội đồ lớp phủ đô thị Việt Nam, kết cho phương pháp nội suy ảnh vệ tinh đầu vào .55 PHẦN MỞ ĐẦU Khoa học viễn thám ngày phát triển với thành tựu khoa học kỹ thuật công nghệ vũ trụ, công nghệ điện tử, tin học Các đối tượng nghiên cứu khoa học viễn thám trở nên đa dạng vật, tượng xảy trái đất Việc trích trọn đặc điểm, phân tích giải đốn ảnh vệ tinh đem lại nhiều ứng dụng nhiều lĩnh vực khác nhau: Giám sát môi trường; giám sát biến đổi khí hậu; ứng dụng nơng nghiệp; quản lý tài nguyên thiên nhiên; khí tượng học; lập đồ chuyên đề,… Một ứng dụng ảnh vệ tinh quan tâm giúp xây dựng đồ phân loại lớp phủ đô thị Đem đến hướng theo dõi, giám sát quản lý, quy hoạch xây dựng chiến lược phát triển đô thị Tuy nhiên, ảnh hưởng nhiều yếu tố trình thu nhận ảnh, ảnh vệ tinh thường bị nhiễu, méo hình học hay liệu, Trong toán thực tế thường cần sử dụng nhiều liệu vệ tinh, đa nguồn, đa độ phân giải Yêu cầu tiền xử lý liệu đầu vào, đưa độ phân giải Do đó, phương pháp nội suy ảnh áp dụng nhiều toán giúp xử lý ảnh đầu vào, hiệu chỉnh ảnh vệ tinh, tăng độ phân giải ảnh giúp nâng cao chất lượng hình ảnh Việc áp dụng phương pháp nội suy ảnh vệ tinh mang nhiều ý nghĩa mặt kinh tế thực tiễn Bởi nguồn ảnh viễn thám có độ phân giải cao thường có giá thành cao nhiều so với ảnh viễn thám có độ phân giải thấp (thường có giá rẻ cung cấp miễn phí) Bài tốn phân loại lớp phủ thị Việt Nam theo phương pháp GLCMNO mở rộng, có liệu đầu vào đồ mật độ dân số Việt Nam, ảnh vệ tinh ánh sáng ban đêm DMSP-OLS, ảnh vệ tinh bề mặt không thấm nước EstISA, ảnh vệ tinh số thực vật ảnh vệ tinh bề mặt chứa nước Với kết đồ lớp phủ đô thị Việt Nam độ phân giải 500m Trong đó, hai liệu ảnh vệ tinh ánh sáng ban đêm DMSP-OLS ảnh vệ tinh bề mặt khơng thấm nước EstISA có độ phân giải 1km Cần áp dụng phương pháp nội suy ảnh tiền xử lý liệu, tăng độ phân giải ảnh lên 500m Xuất phát từ thực tế trên, luận văn lựa chọn đề tài “Nghiên cứu đánh giá phương pháp nội suy ảnh viễn thám cho toán phân loại lớp phủ đô thị Việt Nam” với nhiều ý nghĩa khoa học thực tiễn 47 Hiện tượng cưa cải thiện Ảnh mịn rõ ràng Ảnh trích xuất khu vực Hà Nội ảnh DMSP/OLS 2013 độ phân giải 500m – nội suy xoắn bậc ba Hình ảnh có tượng cưa, ảnh mờ, khơng sắc nét Ảnh trích xuất khu vực Hà Nội ảnh bề mặt không thấm nước ISA 2010 độ phân giải 500m – nội suy láng giềng gần 48 Hiện tượng cưa cải thiện tốt so với phương pháp nội suy láng giềng gần Ảnh rõ nét Ảnh trích xuất khu vực Hà Nội ảnh bề mặt không thấm nước ISA 2010 độ phân giải 500m – nội suy song tuyến tính Hiện tượng cưa giảm so với nội suy láng giềng gần Ảnh mịn rõ nét Ảnh trích xuất khu vực Hà Nội ảnh bề mặt không thấm nước ISA 2010 độ phân giải 500m – nội suy xoắn bậc ba 49 3.3 Đánh giá tác động kỹ thuật nội suy tiền xử lý liệu ảnh viễn thám đến kết tốn phân loại lớp phủ thị Việt Nam Để đánh giá hiệu trình nội suy kết toán phân loại lớp phủ đô thị Việt Nam theo phương pháp GLCMNO mở rộng, liệu đầu vào bao gồm: Bản đồ mật độ dân số năm 2015, liệu ảnh vệ tinh ánh sáng ban đêm DMSPOLS năm 2013 (là năm cuối liệu vệ tinh NOAA tổng hợp); ảnh vệ tinh bề mặt không thấm nước EstISA 2010 (dữ liệu NOAA tổng hợp vào năm 2010, liệu bề mặt khơng thấm nước tồn cầu nay); ảnh vệ tinh số thực vật MOD13Q1 năm 2015; ảnh vệ tinh bề mặt chứa nước Dữ liệu lựa chọn mô tả bảng 3.3 Bảng 3.3 Dữ liệu đầu vào toán phân loại lớp phủ đô thị theo phương pháp GLCMNO mở rộng Dữ liệu Tên viết tắt Bản đồ mật độ dân số Download: http://www.worldpop.org.uk Dữ liệu vệ tinh ánh sáng ban đêm Download: https://ngdc.noaa.gov/eog/dmsp/downlo adV4composites.html Dữ liệu vệ tinh bề mặt không thấm nước Download: https://ngdc.noaa.gov/eog/dmsp/downlo ad_global_isa.html Dữ liệu vệ tinh số thực vật NDVI Download:http://earthexplorer.usgs.gov/ Ảnh vệ tinh bề mặt chứa nước Download: https://lpdaac.usgs.gov/data_access/ Worldpop Độ phân giải Thời gian không gian 100m 2015 DMSP-OLS 1km 2013 EstISA 1km 2010 MOD13Q1 250m 2015 MOD44W 250m n/a Các ảnh vệ tinh cần qua trình tiền xử lý liệu, đưa độ phân giải 500m:  Ảnh vệ tinh ánh sáng ban đêm DMSP/OLS năm 2013 liệu vệ tinh bề mặt không thấm nước ISA năm 2010 (độ phân giải 1km) làm tăng độ phân giải phương pháp nội suy láng giềng gần nhất, nội suy song tuyến tính, nội suy xoắn bậc ba  Dữ liệu đồ mật độ dân số (độ phân giải 100m) giảm chất lượng ảnh phương pháp tính tổng SUM 50  Dữ liệu vệ tinh số thực vật (độ phân giải 250m) giảm chất lượng ảnh phương pháp tính trung bình MEAN  Dữ liệu ảnh bề mặt chứa nước (độ phân giải 250m) giảm chất lượng ảnh phương pháp tính phần đơng Majority Quy trình phân loại lớp phủ đô thị mô tả hình 3.4 Bản đồ sở xây dựng từ liểu đồ dân số Bản đồ lớp phủ thị tính tốn cách loại bỏ khu vực có số ánh sáng ban đêm, số bề mặt không thấm nước thấp ngưỡng phân lớp Loại bỏ khu vực có số thực vật cao ngưỡng khu vực chứa bề mặt nước Hình 3.2 Chu trình tốn phân loại lớp phủ đô thị Việt Nam theo phương pháp GLCMNO mở rộng Sử dụng phương pháp nội suy ảnh tiền xử lý liệu ảnh vệ tinh DMSP ISA 3.3.1 Tính tốn ngưỡng phân lớp thực nghiệm Ngưỡng phân lớp giá trị mà người ta dựa vào để phân tách liệu thành lớp khác Trong toán phân loại lớp phủ đô thị theo phương pháp GLCMNO mở rộng, ngưỡng phân lớp giá trị điểm ảnh giúp phân tách liệu thành lớp: đô thị không đô thị 51 Để tìm ngưỡng phân lớp, 02 tập liệu xây dựng bao gồm tập liệu học tập liệu kiểm tra Trên lưới có độ phân giải 500 mét, để khơng bỏ sót điểm thị, q trình thực nghiệm tiến hành khoanh vùng 100 đa giác ngẫu nhiên khu vực chứa đô thị Việt Nam, chọn điểm thuộc lớp đô thị Các điểm thuộc lớp khác (khu vực đất trống, rừng, nước, đất canh tác ) chọn cách ngẫu nhiên toàn lãnh thổ Việt Nam Các điểm kiểm tra lại cách đối chiếu với liệu ảnh có độ phân giải cao từ Google Earth Landsat ETM+ Tập liệu học xây dựng bao gồm 425 điểm thuộc lớp đô thị 839 điểm thuộc lớp khác (rừng, đất trống, khu vực chứa nước,…) Tập liệu kiểm tra bao gồm 193 điểm thuộc lớp đô thị 200 điểm thuộc lớp khác Từ tập liệu học, ta tính ngưỡng cho liệu ảnh ánh sáng ban đêm DMSPOLS ảnh bề mặt không thấm nước EstISA phương pháp nội suy ảnh  Đối với liệu ảnh ánh sáng ban đêm DMSP-OLS 2013: liệu vệ tinh lượng tử hóa bit Hay nói cách khác, điểm ảnh biểu diễn 26= 64 (từ 0, ,63) giá trị Để tính tốn ngưỡng phân lớp cho phương pháp nội suy ảnh, 03 ảnh vệ tinh DMSP–OLS đầu vào có độ phân giải 500m (là kết trình tiền xử lý liệu nội suy ảnh theo phương pháp nội suy láng giềng gần nhất, nội suy song tuyến tính, nội suy xoắn bậc ba) với tập liệu học đưa vào Thuật toán chạy giá trị điểm ảnh từ đến 63, giá trị điểm ảnh giúp phân tập liệu học thành 02 lớp đô thị đô thị cách tốt giá trị ngưỡng phân lớp Kết cho thấy liệu ảnh vệ tinh DMSP-OLS, ngưỡng phân lớp 22 phương pháp nội suy ảnh Chỉ khác tổng số điểm phân lớp xác (đối với phương pháp nội suy láng giềng gần 1239/ 1264 điểm học, phương pháp nội song tuyến tính 1240/1264 điểm học, phương pháp nội suy xoắn bậc ba 1239/ 1264 điểm học)  Đối với liệu ảnh vệ tinh bề mặt không thấm nước EstISA 2010: liệu phần trăm bề mặt không thấm nước tổng diện tích (0% đến 100%) Do giá trị điểm ảnh biểu diễn – 100 giá trị Tương tự, kết cho thấy liệu ảnh EstISA, ngưỡng phân lớp phương pháp nội suy ảnh Chỉ khác tổng số điểm phân lớp xác (đối với phương pháp nội suy láng giềng gần 1233/ 1264 điểm học, phương pháp nội song tuyến tính 1234/1264 điểm học, phương pháp nội suy xoắn bậc ba 1234/ 1264 điểm học) Biểu đồ Histogram biểu thị ngưỡng phân lớp 02 liệu ảnh vệ tinh ánh sáng ban đêm DMSP-OLS ảnh vệ tinh bề mặt không thấm nước ISA mô tả bảng 52 3.4 bảng 3.5 Trong đó, biểu đồ Histogram biểu đồ biểu diễn số điểm ảnh giá trị điểm ảnh Biểu đồ khung chữ nhật, với chiều Chiều ngang giá trị điểm ảnh biểu diễn, chiều dọc số lượng điểm ảnh có giá trị tương ứng với giá trị chiều ngang biểu đồ Bảng 3.4: Bảng lược đồ Histogram tính ngưỡng cho phương pháp nội suy ảnh liệu ảnh vệ tinh ánh sáng ban đêm DMSP -OLS 2013 Phương pháp nội suy ảnh Lược đồ Histogram Ngưỡng Nội suy láng giềng gần 22 Tổng số điểm phân lớp xác 1239 Nội suy song tuyến tính 22 1240 Nội suy xoắn bậc ba 22 1240 53 Bảng 3.5 Bảng lược đồ Histogram tính ngưỡng cho phương pháp nội suy ảnh liệu ảnh vệ tinh bề mặt không thấm nước EstISA 2010 Phương pháp nội suy ảnh Lược đồ Histogram Ngưỡng Nội suy láng giềng gần Tổng số điểm phân lớp xác 1233 Nội suy song tuyến tính 1234 Nội suy xoắn bậc ba 1234 54 Ngưỡng phân lớp liệu đồ mật độ dân số 500; với liệu số thực vật NDVI 0.62; với bề mặt chứa nước 3.3.2 Kết Q trình phân lớp phủ thị Việt Nam loại bỏ khu vực có mật độ dân số nhỏ 500, khu vực có số ánh sáng ban đêm nhỏ 22, khu vực có số bề mặt khơng thấm nước nhỏ ba Khu vực có số thực vật lớn 0.62 chứa bề mặt nước loại bỏ khỏi khu vực thị Sau q trình phân lớp, ta thu 09 đồ phân loại lớp phủ đô thị (ứng với tổ hợp phương pháp nội suy ảnh tiền xử lý liệu ảnh vệ tinh DMSP-OLS ảnh vệ tinh ISA) Các đồ so sánh đối chiếu với tập liệu kiểm tra (bao gồm 193 điểm thuộc lớp đô thị 200 điểm thuộc lớp khác) Để đánh giá tác động trình nội suy ảnh vệ tinh toán phân loại lớp phủ đô thị theo phương pháp GLCMNO mở rộng, ta đánh giá độ xác thuật tốn qua số đánh giá: F1 Score – số thường sử dụng để đánh giá mơ hình phân lớp nhị phân F1 độ đo hài hịa độ xác độ hồi tưởng Nó có giá trị khoảng [0,1] Khi F1=1 tức mơ hình phân lớp tốt Cơng thức F1 = × 𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 ×𝑅𝑒𝑐𝑎𝑙𝑙 𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 +𝑅𝑒𝑐𝑎𝑙𝑙 (3.1) Trong đó: Độ xác (Precision): số phân lớp đồ kết đối chiếu với tập liệu kiểm tra Độ hồi tưởng (Recall): số phân lớp tập liệu kiểm tra đối chiếu với đồ kết Bảng 3.6 Kết đánh giá tác động phương pháp nội suy ảnh vệ tinh tiền xử lý liệu với kết toán phân loại lớp phủ đô thị Việt Nam Worldpop Sum Sum Sum Sum Sum Sum Sum Sum Sum ISA Nearest Nearest Nearest Bilinear Bilinear Bilinear Bicubic Bicubic Bicubic DMSP-OLS Nearest Bilinear Bicubic Nearest Bilinear Bicubic Nearest Bilinear Bicubic MOD13Q1 Mean Mean Mean Mean Mean Mean Mean Mean Mean MOD44W Majority Majority Majority Majority Majority Majority Majority Majority Majority F1 0.9788 0.9842 0.9842 0.9788 0.9842 0.9842 0.9788 0.9842 0.9842 55 Hình 3.3 Bản đồ lớp phủ đô thị Việt Nam, sử dụng phương pháp nội suy Bilinear tiền xử lý liệu ảnh vệ tinh DMSP-OLS 2013 EstISA 2010 a,Trích xuất khu vực Hà Nội đồ lớp phủ đô thị Việt Nam Sử dụng phương pháp nội suy láng giềng gần tiền xử lý liệu b,Trích xuất khu vực Hà Nội đồ lớp phủ đô thị Việt Nam Sử dụng phương pháp song tuyến tính tiền xử lý liệu c,Trích xuất khu vực Hà Nội đồ lớp phủ đô thị Việt Nam Sử dụng phương pháp nội suy xoắn bậc ba tiền xử lý liệu Hình 3.4 Trích xuất khu vực Hà Nội đồ lớp phủ đô thị Việt Nam, kết cho phương pháp nội suy ảnh vệ tinh đầu vào 56 Kết cho thấy, phương pháp phương pháp nội suy ảnh vệ tinh bề mặt khơng thấm nước ISA có tác động đến kết phân lớp Nội suy ảnh ánh sáng ban đêm DMPS-OLS phương pháp nội suy láng giềng gần cho kế độ xác thấp với số F1 0,9788 Nội suy ảnh ánh sáng ban đêm DMPS-OLS phương pháp nội suy song tuyến tính xoắn bậc ba cho kết tốt với sô F1 0,9842 Kết tác động phương pháp nội suy ảnh đầu vào Phương pháp nội suy song tuyến tính xoắn bậc ba cho ảnh hiển thị tốt (ảnh mịn, rõ ràng) cho kết phân lớp tốt Từ cho thấy, để có kết phân lớp tốt, ta nên sử dụng phương pháp nội suy Bilinear phương pháp nội suy Bicubic tiền xử lý liệu ảnh vệ tinh toán phân loại lớp phủ đô thị KẾT LUẬN Hiện nay, nguồn ảnh vệ tinh có độ phân giải cao thường khơng sẵn có có giá thành cao Do đó, việc áp dụng kỹ thuật nội suy ảnh vệ tinh tăng độ phân giải, nâng cao chất lượng hình ảnh cức liệu vệ tinh có độ phân giải thấp (được cung cấp miễn phí có giá thành thấp) làm đầu vào toán, nghiên cứu mang nhiều ý nghĩa mặt kinh tế Ngoài ra, để giải vấn đề thực tế, xây dựng đồ chuyên đề xác, thường cần đầu vào ảnh vệ tinh đa nguồn, đa độ phân giải Việc sử dụng kỹ thuật nội suy ảnh vệ tinh đưa ảnh độ phân giải điều cần thiết Trước nhu cầu đó, luận văn tiến hành tìm hiểu, nghiên cứu phương pháp nội suy phổ biến như: Nội suy láng giềng gần nhất, nội suy song tuyến tính, nội suy xoắn bậc ba Đánh giá tác động phương pháp nội suy ảnh vệ tinh toán phân loại lớp phủ đô thị Việt Nam theo phương pháp GLCMNO mở rộng – toán mang lại nhiều ý nghĩa khoa học thực tiễn Hạn chế Do hạn chế kiến thức cá nhân, nên luận văn nhiều hạn chế như: số lượng phương pháp nội suy ảnh vệ tinh tìm hiểu cịn Việc tìm hiểu, tham khảo, biên dịch tài liệu tham khảo cịn chưa sát nghĩa Q trình đánh giá hiệu phương pháp nội suy dừng lại bước thực nghiệm Luận văn chưa đánh giá tác động loại liệu đầu vào tốn phân loại lớp phủ thị (dữ liệu có tính chất định cao hay liệu bổ sung hỗ trợ nào) Chưa so sánh đồ kết với đồ lớp phủ đô thị khác 57 Hướng phát triển Để phát triển chuyên sâu, em tìm hiểu thêm nhiều phương pháp nội suy ảnh vệ tinh hơn: phương pháp nội suy chiều, phương pháp nội suy không gian cho liệu địa lý (bao gồm liệu tọa độ liệu thuộc tính) Đánh giá hiệu q trình nội suy với nhiều liệu khác nhau, lý giải dựa sở khoa học cho kết 58 TÀI LIỆU THAM KHẢO Tiếng Việt Trường ĐH Hàng Hải Việt Nam (2011), Bài giảng xử lý ảnh, Tr 13 – 16 Nguyễn Văn Hạt (2012), Luận văn thạc sĩ “Nghiên cứu số kỹ thuật nội suy ảnh”, Học Viện Bưu Chính Viễn Thơng Phan Thị San Hà, Lê Minh Sơn (2007), Ứng dụng phương pháp nội suy Kriging khảo sát phân bố tầng đất yếu tuổi Holocene khu vực nội thành Thành phố Hồ Chí Minh, Tạp chí phát triển Khoa học Công Nghệ Lương Bá Mạnh, Nguyễn Thanh Thủy (2003), Nhập môn xử lý ảnh số, Nhà xuất Khoa học Kỹ thuật Hà Nội, Tr – 11 GS TS Võ Chí Mỹ (2009), Trắc địa đại cương, Nhà Xuất Bản Giao Thông Vận Tải, Tr 6 Nguyễn Thị Nguyệt (2009), Luận văn thạc sĩ “Nội suy ảnh số ứng dụng”, ĐH Thái Nguyên PGS TS Nguyễn Khắc Thời, Giáo trình Viễn Thám, Trường ĐH Nông Nghiệp, Tr – 14 TS Đỗ Năng Tồn, TS Phạm Việt Bình (2007), Giáo trình mơn học xử lý ảnh, ĐH Thái Ngun, Tr -8 Tiếng Anh A Canada Centre for Remote Sensing Remote Sensing Tutorial, Fundamentals of Remote Sensing , Tr – 19 10 Alimujiang Kasimu, Ryutaro Tateishi (2010), Quantifying urban land cover and impact on land cover in China using GLCNMO urban and DCW, Second lIT A International Conference on Geoscience and Remote Sensing 11 Alimujiang Kasimu, Ryutaro Tateishi (2008), GLCNMO Global Urban Mapping, Validation and Comparison with Existing Global Urban MapsGLCNMO Global Urban Mapping, Validation and Comparison with Existing Global Urban Maps, Journal of The Remote Sensing Society of Japan, Vol 28, No 12 Christopher D Elvidge, Kimberly Baugh, Mikhail Zhizhin, Feng Chi Hsu (2013), Why VIIRS data are superior to DMSP for mapping nighttime lights, Proceedings of the Asia-Pacific Advanced Network 2013v 35, p 62-69 13 Christopher D Elvidge , Benjamin T Tuttle , Paul C Sutton , Kimberly E Baugh, Ara T Howard, Cristina Milesi, Budhendra L Bhaduri and Ramakrishna Nemani 59 (2007), Global Distribution and Density of Constructed Impervious Surfaces, Sensors 2007 14 Dengsheng Lu, Qihao Weng (2006), Use of impervious surface in urban land-use classification, Remote Sensing of Environment 102 15 Dianyuan Han (2013), Comparison of Commonly Used Image Interpolation Methods, Proceedings of the 2nd International Conference on Computer Science and Electronics Engineering (ICCSEE) 16 Firas Ajil Jassim , Fawzi Hasan Altaany (2013), Image Interpolation Using Kriging Technique for Spatial Data,Canadian Journal on Image Processing and Computer Vision Vol No 17 Jency Titus, Sebastian Geroge (2013), A Comparison Study On Different Interpolation Methods Based On Satellite, International Journal of Engineering Research & Technology (IJERT), Vol Issue 6., 18 M Kudˇelka Jr (2012), Image Quality Assessment, WDS'12 Proceedings of Contributed Papers, Part I, 94–99, 2012 19 Nisha, Sunil Kumar (2013), Image Quality Assessment Techniques, International Journal of Advanced Research in Computer Science and Software Engineering, Volume 3, Issue 20 Pham Tuan Dung, Man Duc Chuc, Nguyen Thi Nhat Thanh, Bui Quang Hung, Doan Minh Chung (2016), Optimizing GLCNMO version method to detect Vietnam’s urban expansion, The Eighth International Conference on Knowledge and Systems Engineering (KSE) 21 Qihao Weng (2012), Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends, Remote Sensing of Environment 22 Ranjeet Roy, Maninder Pal, Tarun Gulati (2013), Zooming Digital Images using Interpolation Techniques, International Journal of Application or Innovation in Engineering & Management (IJAIEM),Volume 2, Issue 23 Robert A Schowengerdt, Remote Sensing: Models and Methods for Image Processing, Third Edition, Tr 2, 77 - 82, 300 24 S Santhosh Baboo , M.Renuka Devi (2010), An Analysis of Different Resampling Methods in Coimbatore, District, Global Journal of Computer Science and Technology, Vol 10 Issue 15 (Ver 1.0) 25 Shunji Murai, Remote Sensing Note, Japan Association on Remote Sensing, Chaper 60 26 Thi Dong-Binh Tran, Anne Puissant, Dominique Badariotti and Christiane Weber (2011), Optimizing spatial resolution of imagery for urban form detection-the cases of France and Vietnam, Remote Sensing 27 Tran Thi An and Vu Anh Tuan (2008), Application of Remote Sensing in Land Use Change Pattern in Da Nang City ,Vietnam, Remote Sensing 28 Tran Thi Van (2005), Relationship Between Surface Temperature and Land Cover Types Using Thermal Infrared Remote Sensing, in Case of HoChiMinh City, The Sixteenth Workshop of OMISAR 29 Vaishali Patel, Prof Kinjal Mistree (2013), A Review on Different Image Interpolation Techniques for Image Enhancement, International Journal of Emerging Technology and Advanced Engineering,Volume 3, Issue 12 30 Xi Shao, Changyong Cao, Bin Zhang, Shi Qiu, Christopher Elvidge and Michael Von Hendy (2014), Radiometric calibration of DMSP-OLS Sensor using VIIRS Day/Night Band, Proceedings of SPIE - The International Society for Optical Engineering 31 Yanhua Xie and Qihao Weng (2014), A Comparative Study of NPP-VIIRS and DMSP-OLS Nighttime Light Imagery for Derivation of Urban Demographic Metrics, Third International Workshop on Earth Observation and Remote Sensing Applications 32 Yang Ning, Yunfeng Zhang, Yifang Liu, Jun He, Caiming Zhang (2015), Remote Sensing Image Enhancement Algorithm for Water Pollution Monitoring Based on Rational Interpolation, 2nd International Conference on Electrical, Computer Engineering and Electronics (ICECEE) 33 Yusra A Y Al-Najjar, Dr Der Chen Soong (2012), Comparison of Image Quality Assessment: PSNR, HVS, SSIM, UIQI, International Journal of Scientific & Engineering Research, Volume 3, Issue 34 Zhou Wang and Alan C Bovik (2009), Mean Squared Error: Love It or Leave It? IEEE Signal Processing Magazine 35 Xi Yang, Qingxu Huang, Bin Gao, Yang Yang, Yuanyuan Zhao (2014), Application of DMSP/OLS Nighttime Light Images: A Meta-Analysis and a Systematic Literature Review, Remote Sensing (ISSN 2072-4292) 36 S Amaral, A M V Monteiro, G Camara, J.A.Quintanilha (2006), DMSP/OLS night-time light imagery for urban population estimates in the Brazilian Amazon, International Journal of Remote Sensing Vol 27, No 5, 10 March 2006 61 37 X Zhang, T Zhong , K Wang (2009), Scaling of impervious surface area and vegetation as indicators to urban land surface temperature using satellite data, International Journal of Remote Sensing, Vol 30, No 4, 20 February 2009 ... HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ *** ĐỖ THỊ PHƯƠNG NGHIÊN CỨU VÀ ĐÁNH GIÁ CÁC PHƯƠNG PHÁP NỘI SUY ẢNH VIỄN THÁM CHO BÀI TOÁN PHÂN LOẠI LỚP PHỦ ĐƠ THỊ TẠI VIỆT NAM Ngành: Cơng... 1.2.1 Dữ liệu đầu vào toán phân loại lớp phủ đô thị Việt Nam 21 1.2.2 Các vấn đề tiền xử lý ảnh toán phân loại lớp phủ đô thị Việt Nam 22 1.3 Bài toán nghiên cứu đặt luận văn ... nội dung ? ?Nghiên cứu đánh giá phương pháp nội suy ảnh viễn thám cho tốn phân loại lớp phủ thị Việt Nam? ??, cịn nhiều hạn chế khó khăn việc nghiên cứu, đến luận văn hoàn thành với giúp đỡ thầy giáo