Tìm điểm đặc trƣng bằng wavelet

Một phần của tài liệu Nghiên cứu giải pháp nâng cao độ chính xác của mô hình số bề mặt được thành lập từ ảnh radar (Trang 94 - 97)

a- Truyền một xung Radar chỉ trường sóng tại khoảng thời gian từ 1-17, b Kết quả tia phản hồ

3.1.5. Tìm điểm đặc trƣng bằng wavelet

Điểm đặc trưng trên ảnh là những điểm đặc biệt như ngã ba đường, góc ruộng … đối với ảnh quang học (như Landsat, Spot hay hàng khơng) thì việc tìm kiếm những ảnh này rất dễ dàng do ảnh quang học thu nhận trong dải sóng nhìn thấy. Cịn đối với ảnh SAR, thu nhận ở dải sóng siêu cao tần nên tín hiệu thường bị ảnh hưởng bởi nhiễu và do nguyên lý thu nhận của bộ cảm, ảnh SAR thường bị lật ngược theo chiều từ trên xuống dưới hoặc từ trái sang phải nên các đối tượng trên ảnh rất khác so với cảm nhận thông thường của mắt người hay bộ cảm quang học;

độ xám của ảnh thì phụ thuộc vào năng lượng tán xạ ngược của sóng siêu cao tần của các vật thể. Sự khác biệt này thường gây khó khăn cho người giải đốn ảnh radar. Vì vậy, việc tìm kiếm những điểm đặc trưng trên ảnh SAR là rất khó khăn. Do đó trong các phần mềm thương mại hiện nay chủ yếu lựa chọn các điểm khớp theo lưới ô vuông (grid) và khoảng cách giữa các điểm khớp tùy chọn. Như vậy, với cách này sẽ có những điểm có giá trị tương quan cao nếu điểm đó chính là điểm đặc trưng của ảnh, nhưng cũng tồn tại những điểm không rơi vào điểm đặc trưng và có tương quan khơng cao từ đó ảnh hưởng đến độ chính xác của q trình đồng đăng ký ảnh SAR đồng nghĩa sẽ ảnh hưởng đến độ chính xác của DSM.

Hiện nay, có một số phương pháp được sử dụng để chiết xuất các điểm đặc trưng từ ảnh SAR. Một trong những phương pháp đó là phương pháp Interest Operators (IO) [124]. Phương pháp này sử dụng giá trị gradient cực đại để chiết xuất các điểm đặc trưng. Tuy nhiên việc tính giá trị gradient cho mỗi điểm ảnh từ ảnh gốc tạo nên khối lượng tính tốn vơ cùng lớn. Phương pháp wavelet cũng được sử dụng để chiết xuất các điểm đặc trưng từ ảnh [89]. Phương pháp này dựa trên giá trị của các hệ số wavelet. So sánh Interest Operators (IO) với wavelet, thì giá trị gradient khơng tính cho ảnh gốc như IO mà chỉ được tính cho các ảnh ở các tầng phân tích wavelet, do đó giảm được khối lượng tính tốn. Đặc biệt wavelet cịn hỗ trợ cho phân tích đa phân giải ảnh. Phân tích wavelet cung cấp tất cả các đặc trưng của ảnh mà không làm mất đi thông tin quan trọng của dữ liệu ban đầu ngay cả ở độ phân giải thấp. Ngồi ra, các tính chất của hệ số wavelet sử dụng khi lọc tần số thấp và cao còn được sử dụng trong việc chiết xuất đặc trưng của ảnh [110].

Tóm lại, việc sử dụng wavelet cho phân tích đa phân giải để tìm điểm đặc trưng phục vụ cho quá trình đồng đăng ký là rất hợp lý vì:

a. Các điểm đặc trưng phải là các điểm như ngã ba đường, góc nhà, các giao lộ, các địa vật độc lập …Tuy nhiên những điểm đặc trưng này không phải lúc nào cũng tìm thấy trên ảnh SAR. Vì vậy, ý nghĩa của tìm kiếm điểm đặc trưng rất quan trọng. Trong nghiên cứu này việc tìm kiếm điểm đặc trưng được định nghĩa trong miền wavelet.

b. Trong phương pháp phân tích đa phân giải bằng wavelet các thông tin quan trọng trên dữ liệu gốc được bảo tồn ngay cả ở độ phân giải thấp.

c. Phương pháp wavelet đa phân giải có khả năng loại bỏ các điểm khơng quan trọng qua các tầng phân tích.

d. So với các phương pháp khác, thuật tốn này đạt độ chính xác cao hơn với tốc độ tính tốn nhanh và ở tất cả các độ phân giải.

Phân tích ảnh SAR bằng wavelet

Phân tích đa phân giải (Multi Resolution Analysis - MRA) sử dụng các bộ lọc thông thấp và bộ lọc thông cao liên tiếp để phân tích tín hiệu thành các phần ở các dải tần số khác nhau. MRA có khả năng như hai bộ lọc để tạo ra hai thành phần chi tiết và xấp xỉ. Thành phần chi tiết có hệ số tỷ lệ thấp tương ứng với thành phần tần số cao được thực hiện thông qua bộ lọc thông cao, thành phần xấp xỉ có hệ số tỷ lệ cao tương ứng với thành phần tần số thấp được thực hiện thông qua bộ lọc thông thấp.

Biến đổi wavelet cung cấp một phép phân tích đa phân giải của một hàm. Bản dịch và tỉ lệ của hàm cơ sở cho phép định vị tần số, thời gian của số liệu được phân tích. DWT tạo ra sự phân giải tần số tốt hơn cho các tần số cao và phân giải thời gian tốt hơn cho các tần số thấp.

Mỗi thành phần của ảnh được phân tích ở mỗi tầng phân tích nêu trên được xem như là một kênh ảnh. Như vậy, ở mỗi tầng phân tích, ảnh được phân tích thành 4 ảnh nhỏ hơn, chúng ta gọi là LL, LH, HL, HH. Hình 3.10 mơ tả cấu trúc phân tích hình kim tự tháp của phương pháp wavelet. Ảnh SAR được phân tích bằng wavelet để chuẩn bị cho bước chiết tách điểm ảnh đặc trưng tiếp theo.

Hình 3.10. Cấu trúc hình kim tự tháp của phƣơng pháp phân tích ảnh bằng wavelet

Hình 3.11. Phân tích ảnh SAR bằng wavelet

Chiết xuất điểm đặc trƣng bằng wavelet

Khi ảnh SAR đã được phân tích thành các mức khác nhau, thì bước tiếp theo là xác định các điểm đặc trưng trên hai ảnh ở mỗi tầng phân tích khác nhau. Trong phần nghiên cứu này tác giả sử dụng giá trị wavelet cực đại của hệ số wavelet để phát hiện các điểm sắc nét trên ảnh. Các hệ số wavelet LH và HL (thành phần tần số cao) được sử dụng để ước lượng giá trị wavelet cực đại.

Ở mức phân tích cuối cùng, tham số λ2j là ngưỡng để phát hiện ra điểm đặc trưng. Tại mỗi điểm chuyển đổi wavelet được xác định theo công thức (3.20). Những điểm nằm trong ngưỡng λ2j thì được chọn là điểm đặc trưng.

Sau đó, giá trị ngưỡng được chọn để chiết xuất điểm đặc trưng, trong phần thực nghiệm giá trị ngưỡng được xác định là 2. Điểm đặc trưng được chiết xuất theo lưu đồ và thể hiện trong hình (3.12).

Một phần của tài liệu Nghiên cứu giải pháp nâng cao độ chính xác của mô hình số bề mặt được thành lập từ ảnh radar (Trang 94 - 97)

Tải bản đầy đủ (PDF)

(170 trang)