Phương pháp nhận dạng và phân loại vết dầu trên biển từ viễn thám siêu cao tần

Tính cấp thiết của luận án

Do đặc điểm thu nhận năng lượng tán xạ phản hồi của bộ cảm vệ tinh siêu cao tần và do sự suy giảm dao động của sóng biển tại vị trí vết dầu nên hình ảnh vết dầu trên tư liệu viễn thám siêu cao tần có sự khác biệt với vùng biển xung quanh, tạo điều kiện cho việc tự động hóa quá trình nhận dạng và phân loại vết dầu trên biển. Tuy nhiên, hiện nay các thông tin bổ trợ về các điều kiện khí tượng trên biển, hệ thống xử lý tư liệu viễn thám siêu cao tần tại Việt Nam còn hạn chế nên đòi hỏi cần có nghiên cứu đề xuất phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu viễn thám siêu cao tần phù hợp với điều kiện thực tế tại Việt Nam.

Mục tiêu nghiên cứu

Với điều kiện địa lý có đường bờ biển trải dài từ Bắc vào Nam, có nhiều khu vực khai thác dầu khí tại Biển Đông và nằm trên tuyến giao thông đường biển của thế giới nên Biển Đông Việt Nam là khu vực thường xuyên xảy ra các hiện tượng ô nhiễm dầu trên biển. RADAR là hệ thống viễn thám siêu cao tần dạng chủ động, cho phép quan sát ngày cũng như đêm, trong mọi điều kiện thời tiết, không chịu ảnh hưởng của mây, sương mù trên bề mặt biển và có đường thu nhận rộng.

Đối tƣợng nghiên cứu

- Nghiên cứu các phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu viễn thám siêu cao tần. - Đề xuất phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu viễn thám siêu cao tần phù hợp với điều kiện thực tế về tư liệu, về thông tin hỗ trợ trên biển của Việt Nam.

Khối lƣợng và kết cấu luận án

Đề xuất phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu viễn thám siêu cao tần.

CƠ SỞ KHOA HỌC CỦA QUÁ TRÌNH NHẬN DẠNG VÀ PHÂN LOẠI VẾT DẦU TRÊN BIỂN BẰNG TƢ LIỆU VIỄN THÁM

Đặc điểm hệ thống RADAR cửa mở tổng hợp (SAR) 1. Hệ thống RADAR tạo ảnh

Trong hệ thống radar tạo ảnh có 4 loại ảnh phân cực là ảnh phân cực HH (sóng truyền đi phân cực ngang, sóng thu nhận phân cực ngang), VV (sóng truyền đi phân cực dọc, sóng thu nhận phân cực dọc), HV (sóng truyền đi phân cực ngang, sóng thu nhận phân cực dọc), VH (sóng truyền đi phân cực dọc, sóng thu nhận phân cực ngang). Tuy nhiên, trong thực tế thường không tồn tại điều kiện lý tưởng một bề mặt hoàn toàn bằng phẳng nên sẽ xảy ra hiện tượng tán xạ ngược với thành phần sóng dọc theo hướng khúc xạ và phản xạ của định luật Snell-Descartes (Hình 2.5).

Đặc điểm tín hiệu siêu cao tần thu nhận trên biển 1. Cấu trúc bề mặt biển

Trên bề mặt biển có ba dạng sóng chính là sóng mao dẫn (capillary wave), sóng trọng lực (gravity waves) và sóng mao dẫn trọng lực (gravity-capillary wave). Sóng gợn nhỏ hay còn gọi là sóng mao dẫn có chiều dài bước sóng nhỏ hơn 5cm. Sóng trọng lực có bước sóng lớn hơn 10cm. Sóng mao dẫn trọng lực có bước sóng nằm trong khoảng từ 5cm đến 10cm. Theo kết quả nghiên cứu được công bố trong tài liệu [26] thì sóng mao dẫn trọng lực sẽ tác động với sóng tán xạ điện từ, đặc biệt là sóng siêu cao tần đang được sử dụng trong các vệ tinh quan sát đại dương. Sự thay đổi cường độ sóng mao dẫn trọng lực phụ thuộc vào vị trí của chúng trên mặt cắt của các sóng có quy mô lớn. Dựa trên các dữ liệu thử nghiệm thì những gợn sóng quy mô nhỏ nằm hầu hết tại các phần trên sườn phía trước của sóng quy mô lớn, ngay cạnh đỉnh của nó. Đây là một trong những lý do chính tại sao vệ tinh siêu cao tần cảm nhận sóng mao dẫn trọng lực. Tuy nhiên, để phân tích các thông tin trên biển từ hình ảnh radar là việc làm không đơn giản. Do đặc điểm thu nhận tín hiệu của vệ tinh siêu cao tần và sự dao động phức tạp của bề mặt biển nên hình ảnh bề mặt biển trên tư liệu radar thường xuất hiện các nhiễu và các biến dạng. Vì vậy, các dữ liệu radar cần phải được xử lý trước khi đưa vào quá trình phân tích. Đặc điểm tín hiệu tán xạ phản hồi sóng siêu cao tần trên biển. Ảnh SAR thu nhận bề mặt biển là hình ảnh hai chiều thể hiện mức độ tán xạ phản hồi của sóng siêu cao tần từ bề mặt đại dương, đặc trưng cho độ nhám của bề mặt đại dương. Với góc tới của tín hiệu trong khoảng từ 20° đến 60° thì hệ thống SAR thường nhạy cảm với những sóng biển có bước sóng gần với sóng siêu cao tần được chiếu tới bề mặt biển. Tuy nhiên, các dao động của sóng biển phụ thuộc rất lớn vào áp lực gió trên biển tại thời điểm quan sát. Ngoài ra, mức năng lượng tán xạ phản hồi phụ thuộc vào một số các yếu tố sau: 1) Hằng số điện môi; 2) Độ gồ ghề của bề mặt nước biển; 3) Tương tác của các sóng ở các quy mô khác nhau; 4) Tương tác của sóng và dòng chảy và 5) Sự xuất hiện các vết dầu trên bề mặt biển. Đối với góc tới của tín hiệu nhỏ hơn 15° thì tín hiệu phản hồi chủ yếu là tia phản xạ theo định luật Snell-Descater, trong khi đối với góc tới của tín hiệu lớn hơn 70° thì tín hiệu tán xạ từ các mặt của các sóng là phổ biến nhất.

Những ảnh hưởng trong quá trình nhận dạng và phân loại vết dầu trên biển từ tƣ liệu ảnh SAR

Xét trên một ảnh thì độ đen và độ tương phản của vết đen với các vùng xung quanh không những phụ thuộc vào đặc tính của bản thân vết đen mà còn phụ thuộc vào các yếu tố trong quá trình thu nhận tín hiệu của vệ tinh siêu cao tần như sự khác biệt về chiều dài bước sóng, đặc điểm phân cực và góc tới của tín hiệu sóng siêu cao tần. Các điều kiện khí tượng trên bề mặt biển bao gồm gió, dao động của sóng biển, nhiệt độ trên bề mặt biển, mưa, giông… có tác động lớn đến quá trình tồn tại của vết dầu và cùng với đặc tính vật lý và hóa học dầu sẽ ảnh hưởng đến quá trình nhận dạng và phân loại vết dầu trên biển bằng tư liệu ảnh SAR (Hình 2.19).

ĐỀ XUẤT PHƯƠNG PHÁP NHẬN DẠNG VÀ PHÂN LOẠI VẾT DẦU TRÊN BIỂN TỪ TƢ LIỆU VIỄN THÁM SIÊU CAO TẦN

Tiền xử lý tƣ liệu viễn thám siêu cao tần

Hiện nay, trong các phần mềm xử lý ảnh như ENVI, ERDAS có sử dụng nhiều định dạng dữ liệu để trao đổi dữ liệu giữa các phần mềm khác nhau như JPEG, GeoTIFF, PNG, ECW… Trong đó khuôn dạng dữ liệu chuẩn GeoTIFF là khuôn dạng dữ liệu ảnh có thể đọc được bằng các phần mềm xử lý ảnh thương mại và các phần mềm GIS hiện nay. Tư liệu được sử dụng trong giám sát và phát hiện sớm vết dầu tràn trên biển là tư liệu xử lý ở mức 4.2 (ERSDAC cung cấp) và mức 1.5 (JAXA cung cấp) với độ phân giải 50m, chế độ thu nhận ScanSAR (chế độ thu nhậndiện rộng) cho phép giám sát một vùng rộng.

Nhận dạng và phân loại vết dầu và vết nhiễu 1. Các chỉ số hình dạng của vết dầu và vết nhiễu

Trong nội dung luận án, nghiên cứu sinh thử nghiệm tính toán tự động một số chỉ số hình dạng của vết dầu bao gồm diện tích, chu vi, chỉ số độ phức tạp của vùng, chỉ số hình dạng, độ lệch chuẩn giá trị độ xám của vết dầu, giá trị độ xám trung bình bên trong vết dầu, giá trị độ xám lớn nhất, giá trị độ xám nhỏ nhất. Để khẳng định vai trò của các chỉ số hình dạng ảnh hưởng đến kết quả phân loại vết dầu và vết nhiễu bằng mạng nơ-ron, nghiên cứu sinh tiến hành thử nghiệm với mô hình cấu trúc mạng nơ-ron MLP 4:4:2 với 4 chỉ số đầu vào bao gồm chỉ số diện tích, chu vi, hình dạng và độ phức tạp; 4 lớp ẩn và 2 lớp đầu ra là vết dầu và vết nhiễu.

Đề xuất phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR

Quy trình được thể hiện trong Hình 3.28 áp dụng đối với những vết dầu đã tồn tại lâu trên biển. Trong trường hợp này việc nhận dạng và phân loại vết dầu và vết nhiễu được giải đoán trực tiếp trên ảnh bởi các chuyên gia phân tích.

THỬ NGHIỆM NHẬN DẠNG VÀ PHÂN LOẠI VẾT DẦU TRÊN BIỂN TỪ TƢ LIỆU VIỄN THÁM SIÊU CAO TẦN

PALSAR (ERSDAC). Dữ liệu thử nghiệm được lựa chọn ở cùng một vị trí và cùng một thời điểm trong năm. Việc lựa chọn cùng thời điểm năm sẽ cho điều kiện khí hậu và các hoạt động trên biển tương đối giống nhau. Đây là điều kiện lý tưởng để phát hiện vết dầu trên biển từ tư liệu ảnh SAR. Thông tin về tốc độ gió trên biển Đông. Chương trình sẽ tiến hành thử nghiệm theo các thông số đầu vào được khai báo như sau:. - Dữ liệu đường bờ biển: CSDL.dat. - Phương pháp lọc nhiễu: Phương pháp trung vị, kích thước cửa sổ 3x3 - Phương pháp tách vết đen: Phương pháp tự động phân ngưỡng Huang - Ghi dữ liệu dưới dạng *.shp. Dữ liệu ảnh gốc và vị trí phát hiện vết dầu. Kết quả sau quá trình tiền xử lý ảnh thử nghiệm PALSAR. Kết quả tách vết đen bằng thuật toán Huang. Kết quả vector hóa đường biên vết dầu trên ảnh PALSAR. Dữ liệu ảnh gốc và vị trí vết dầu. Kết quả sau quá trình tiền xử lý ảnh thử nghiệm ASAR. Kết quả tách vết đen bằng thuật toán Huang. Kết quả vector hóa đường biên vết dầu trên ảnh ASAR a) Vector đường biên vết dầu; b) Chồng phủ dữ liệu vector lên dữ liệu ảnh gốc 4.3. Chương trình thử nghiệm đã khảo sát dạng tư liệu viễn thám siêu cao tần đang được sử dụng trong giám sát và phát hiện sớm vết dầu trên biển và hiện đang có tại Việt Nam như dữ liệu ALOS PALSAR (kênh L) và EnviSAT ASAR (kênh C). Vị trí và thời điểm thử nghiệm là khu vực Biển Đông Việt Nam với điều kiện khí tượng trên biển bình thường, tốc độ gió từ 2.5m/s đến 7.5m/s, không có các hiện tượng thời tiết cực đoan như mưa, giông trên biển. Phương pháp tách vết đen trên ảnh SAR được sử dụng trong chương trình thử nghiệm là thuật toán phân ngưỡng Huang cho kết quả tốt đối với cả hai dạng tư liệu ảnh SAR kênh L và kênh C. Việc sử dụng thuật toán tự động phân ngưỡng Huang trong tách vết đen trên ảnh SAR đã nâng cao khả năng tự động hóa của phương pháp nhận dạng và phân loại vết dầu trên biển được đề xuất trong luận án. KẾT LUẬN VÀ KIẾN NGHỊ. Cơ sở khoa học của việc nhận dạng và phân loại vết dầu trên biển từ ảnh SAR là dựa trên sự khác biệt về năng lượng tán xạ phản hồi tại vị trí vết dầu và vùng biển xung quanh trên ảnh. Năng lượng tán xạ phản hồi thu được trên tư liệu vệ tinh siêu cao tần khi quan sát trên biển chủ yếu là năng lượng tán xạ Bragg được hình thành do sự tương tác của tín hiệu siêu cao tần và dao động của sóng biển. Tuy nhiên, độ tin cậy trong nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR chịu ảnh hưởng nhiều vào tốc độ gió trên bề mặt biển, góc tới của tín hiệu của vệ tinh siêu cao tần và đặc tính lý hóa của vết dầu. Phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR gồm phương pháp quan sát trực tiếp trên ảnh và phân tích nhờ kiến thức chuyên gia;. phương pháp phân tích bán tự động đang áp dụng rộng rãi nhờ khả năng tự động tách vết đen trên ảnh SAR, tự động tính toán các chỉ số hình dạng của vết dầu và vết nhiễu; phương pháp phân tích hoàn toàn tự động đang được nghiên cứu dựa trên khả năng phân loại vết dầu và vết nhiễu của mô hình mạng nơ-ron MLP. Phương pháp nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR được đề xuất trong luận án là một quy trình gồm nhiều công đoạn xử lý với 3 phần chính gồm: 1) Tiền xử lý ảnh; 2) Tách vết đen trên ảnh SAR; 3) Nhận dạng và phân loại vết dầu và vết nhiễu.