Bằng cách sử dụng thuật toán này, màu xanh lá cây đậm có thể được phát hiện. Lưu ý rằng trong trường hợp này cũng có một số sắc thái củamàu xám thỏa mãn điều kiện được thỏa mãn bởi màu xanh lá cây đậm, đây là giá trị thành phần màu xanh lá cây nhỏ hơnthành phần màu xanh lam. Do đó, các vật thể như mây cũng có thể được phát hiện trong khi phát hiện bóng tốithảm thực vật xanh tốt như Hình 2.35.
2.3.2.3 Ngăn chặn việc phát hiện các sắc thái của màu xám
Mật độ của các thành phần R, G và B của màu xanh lục xấp xỉ dưới 100. Mặt khác, cường độ của các thành phần R, G và B của sắc thái xám cũng thỏa mãn các điều kiện ánh sángvà màu xanh lục đậm lớn hơn 150. Do đó, các pixel có thành phần R, G và B lớn hơn 150 làkhơng bận tâm. Hình 2.36 cho thấy thảm thực vật xanh đậm và nhạt khơng có mây. Thuật tốn “Ngăn chặn việc phát hiện các sắc thái của màu xám” là:
[hàng cột trang] = kích thước (Hình ảnh 2)
For i = hàng For j = cột
ifImage2 (i, j, 1)> 150 ifImage2 (i, j, 2)> 150 ifImage2 (i, j, 3)> 150 Image2 (i, j, 1) = 0.0; Image2 (i, j, 2) = 0.0; Image2 (i, j, 3) = 0.0; End;End;End;End;End; Hình 2.36: Thảm thực vật được phát hiện 2.3.2.4 So sánh hình ảnh thử nghiệm và hình ảnh kết quả
Trong Hình 2.37, chúng ta có thể quan sát thấy rằng sau khi áp dụng ba thuật toán (xanh lục nhạt, xanh lá cây đậm vàngăn cản màu xám) chỉ có thảm thực vật được phát hiện. Những vật thể không liên quan như mây và đất cằn cỗiđược làm màu đen trong hình ảnh kết quả.
RGB = imread ( 'ThamthucvatDaiLai.jpg' ); If=imfinfo('ThamthucvatDaiLai.jpg' ); figure imshow (RGB); M1 = rgb2gray(RGB); figure imshow(M1) a=If.Height; M2=imresize(M1,[a 1]); for i=1:a M2(i)= mean2(M1(:,i)); end figure %grid on imhist(M1); T=(mean(M2)+max(M2))/2; T=mean(M2);
%tao anh nhi phân
B1=M1; for i=1:a for j=1:If.Width if M1(i,j)< T%M2(i) B1(i,j)=0; else if M1(i,j)>190 B1(i,j)=0; else B1(i,j)=255; end end end end figure imshow(B1); blackpoint=0; whitepoint=0; for i=1:a for j=1:If.Width if B1(i,j)==0 blackpoint = blackpoint +1; else whitepoint = whitepoint+1; end end end
Hình 2.37: Hình ảnh thử nghiệm và Hình ảnh kết quả
2.3.3 Kết quả thử nghiệm trên một số ảnh mẫu
Kết quả của việc áp dụng các thuật toán để phát hiện thảm thực vật trên các hình ảnh thử nghiệm khác nhau làthảo luận trong phần này. Hình ảnh thử nghiệm và hình ảnh kết quả được trình bày để so sánh trực quan.
2.3.3.1 Hình ảnh: TajMahal, Ấn Độ
Hình 2.38. Hình ảnh thử nghiệm
Hình 2.38 là hình ảnh vệ tinh có độ phân giải một mét của TajMahal, Ấn Độ được thu thập bởiVệ tinh IKONOS của Space Imaging [6]. Trong trường hợp này, hình ảnh thử nghiệm có thảm thực vật màu xanh lá cây đậm và nhạt, tượng đài trắng và những con đường và những ngôi nhà. Bằng cách áp dụng thuật toán “Phát hiện Thảm thực vật Xanh nhạt”,chúng tơi có thể phát hiện tất cả các thảm thực vật màu
xanh lục nhạt từ hình ảnh thử nghiệm. Hình 2.39 cho thấy màu xanh lục nhạt là thảm thực vật trích xuất từ hình ảnh thử nghiệm.
Hình 2.39. Bóng xanh nhạt
Hình 2.40 cho thấy thảm thực vật xanh đậm được phát hiện bằng cách sử dụng thuật toán “Phát hiệncủa Thảm thực vật xanh đậm”. Lưu ý rằng thảm thực vật màu xanh lá cây nhạt cũng được hiển thị ở đây.
Hình 2.40. Bóng xanh đậm
Từ hình 2.39 và 2.40, chúng ta có thể quan sát thấy thảm thực vật xanh đậm và nhạt đã được phát hiệncùng với một số phần màu xám đã có trong hình ảnh thử nghiệm. Các phần màu xám được phát hiện vì màu xámvà màu xanh lục có một số đặc tính tương tự đã được sử dụng trong thuật toán “Phát hiện ánh sángThực vật xanh” và “Phát hiện thực vật xanh đậm”. Hình 2.41 cho thấy hình ảnh thu được sau
khi áp dụng thuật toán “Ngăn chặn việc phát hiện các sắc thái của màu xám”. Hình ảnh này chỉ chứathảm thực vật màu xanh lá cây nhạt và đậm.
Hình 2.41. Thảm thực vật được phát hiện
Hình 2.42 cho thấy hình ảnh thử nghiệm và hình ảnh kết quả để so sánh trực quan. Từ hình 2.42 chúng tacó thể nói rằng trong trường hợp này thu được kết quả chính xác 100%. Chỉ có thảm thực vật xanh được phát hiện.Những thứ khơng liên quan như đường xá, nhà cửa, đất đai,… đều khơng bị phát hiện.
5.3.2 Hình ảnh: Hồ Atsukeshi, Nhật Bản
Hình 2.43. Hình ảnh thử nghiệm
Hình 2.44 là hình ảnh vệ tinh có độ phân giải một mét của hồ Atsukeshi, Nhật Bản, cũng được thu thập bởi vệ tinh IKONOS của Space Imaging [6]. Trong trường hợp này, hình ảnh thử nghiệm có một cái hồ, vùng đất cằn cỗi,đá và thảm thực vật xanh nhạt. Hình 2.45 cho thấy thảm thực vật có màu xanh nhạt được chiết xuất từ thử nghiệmhình ảnh sau khi áp dụng thuật toán “Phát hiện thảm thực vật xanh nhạt”.
Hình 2.45: Bóng xanh nhạt
Hình 2.46 cho thấy hình ảnh thu được sau khi áp dụng thuật tốn “Phát hiện bóng tốiThảm thực vật xanh”. Hình 2.45 và 2.46 tương tự vì khơng có thảm thực vật xanh đậmtrong hình ảnh thử nghiệm.
Hình 2.46. Bóng xanh đậm
Hình 2.47 cho thấy hình ảnh thu được sau khi áp dụng thuật toán “Ngăn chặnDetection of Shades of Grey”. Hình ảnh này giống với hình ảnh trong hình 2.44 và 2.45 vì thử nghiệm nàyhình ảnh khơng có phần màu xám.
Hình 2.48: Hình ảnh thử nghiệm và Hình ảnh kết quả
Hình 2.48 cung cấp sự so sánh trực quan giữa hình ảnh thử nghiệm và hình ảnh kết quả. Từ hình2.48 chúng ta có thể nói rằng, trong trường hợp này, kết quả chính xác 100%. Chú ý rằng tất cả các thảm thực vậtđược phát hiện và không phát hiện những thứ khơng liên quan như hồ, đất, đá, ....
2.3.3 Hình ảnh: Kyoto, Nhật Bản
Hình 2.49: Hình ảnh thử nghiệm
Hình 2.49 cho thấy một hình ảnh vệ tinh có độ phân giải một mét của Kyoto, Nhật Bản, cũng làđược thu thập bởi vệ tinh IKONOS của Space Imaging [6]. Trong trường hợp này, hình ảnh thử nghiệm có đường xá, tịa nhà,xe cộ và thảm thực
vật. Hình 2.50 cho thấy thảm thực vật màu xanh lục nhạt được trích xuất từ hình ảnh thử nghiệm sau khi áp dụng thuật toán “Phát hiện Thảm thực vật Xanh nhạt”.
Hình 2.50: Bóng xanh nhạt
Trong Hình 2.50, chúng ta có thể quan sát thấy rằng tất cả các thảm thực vật có màu xanh nhạt đã được phát hiện. Ngoài ra, một số phần củađường được phát hiện vì chúng có màu xám. Hình 2.51 cho thấy màu xanh lá cây đậmthảm thực vật được phát hiện bằng thuật tốn “Phát hiện Thảm thực vật có màu xanh đậm”.
Trong hình 2.51, chúng ta có thể thấy rằng tất cả các thảm thực vật có màu xanh đậm đã được phát hiện. Một số đoạn đườngcũng được phát hiện vì chúng có màu xám. Một điều quan trọng cần lưu ý là một số tịa nhà có màu xanh lục cũng được phát hiện. Các tòa nhà xanh được phát hiện vì chúng đáp ứngđặc tính màu sắc được thỏa mãn bởi thảm thực vật xanh đậm và nhạt. Bằng cách sử dụng các thuật toán đề xuất củaphát hiện thực vật, chúng ta không thể tránh khỏi việc phát hiện các đối tượng màu xanh lá cây mà khơng phải là thảm thực vật. Hình 2.52 cho thấy hình ảnh thu được sau khi áp dụng thuật tốn “Ngăn chặn việc phát hiện các sắc tháicủa Grey”. Hình ảnh này chỉ có thảm thực vật màu xanh lá cây đậm và nhạt và các tịa nhà có màu xanh lá cây.
Hình 2.52. Thảm thực vật được phát hiện
Hình 2.53 cho thấy hình ảnh thử nghiệm và hình ảnh kết quả. Từ hình ảnh này, chúng ta có thể nói rằng chúng takhơng thể thu được kết quả chính xác. Mặc dù có thể phát hiện tất cả các thảm thực vật, chúng tôi cũng phát hiện một sốtịa nhà có màu xanh lá cây.
Hình 2.53. Thảm thực vật được phát hiện
2.3.4 Kết luận
Từ các ví dụ được trình bày trong Phần 2.3.3, chúng ta có thể nói rằng tồn bộ thảm thực vật với cácsắc thái của màu xanh lá cây được phát hiện. Chỉ phát hiện các trường màu xanh lá cây ngay cả khi hình ảnh có các trường ở cácmàu sắc. Kết quả tốt hơn sẽ thu được nếu hình ảnh khơng có màu xanh lá cây nào khác ngoài thảm thực vật.
Bất kỳ đối tượng nào có màu xanh lục, sẽ được phát hiện bởi các thuật toán được đề xuất bởi vì chúng tơi đang sử dụngtính chất màu của thảm thực vật. Vì vậy, nếu hình ảnh chứa những thứ như tịa nhà xanh, sân tennis, ... chúngcũng sẽ được phát hiện như trong ví dụ 2.3.3. Vấn đề này có thể đã được loại bỏ nếu mơ hìnhtài sản của thảm thực vật đã được sử dụng. Tuy nhiên, kết quả tổng thể của phương pháp đề xuất chophát hiện thảm thực vật rất khả quan.
2.3. Kết luận chương
Như vậy, với bài toán phát hiện đường cao tốc từ hình ảnh viễn thám, chương này đã hoàn thành mục tiêu nghiên cứu này làTriển khai một thuật toán để phát hiện Đường cao tốc khơng có Xe cộ và trong Đường cao tốc có Xe cộ. Kỹ thuật ngưỡng được sử dụng cho cả hai mục tiêu dựa trên một số ảnh mẫu.
Với bài toán phát hiện xe từ hình ảnh viễn thám, nghiên cứu đã phát triển các thuật toán hiệu quả để phát hiện tự động, phân loại và đếm số lượng xe từ ảnh vệ tinh độ phân giải cao sử dụng kỹ thuật lập ngưỡng, nhiều ngưỡng. Kỹ thuật ngưỡng
được áp dụng trong hai trường hợp: Phát hiện các phương tiện sáng dùng hai phương pháp khác nhau là nhiều ngưỡng và phân cụm theo phương pháp Otsu. Phương pháp nhiều ngưỡng xác định các phương tiện và tránh phát hiện các đối tượng không liên quan như làn đường đánh dấu, ba ngưỡng khác nhau T1, T2, và T3 được sử dụng. Trường hớp phát hiện xe tối, ngưỡng Otsu được sử dụng. Trước khi áp dụng OtsuThreshold, phép toán vùng lân cận trượt được áp dụng cho hình ảnh thử nghiệm. Mỗi pixel được chỉ định với cường độ tối thiểu của pixel lân cận trong một hình chữ nhật vùng lân cận của ma trận 3 x 3.
Để tính tốn số lượng xe cuối cùng trong hình ảnh thử nghiệm (số ơ tơ và số ô tô tải), hàm MATLAB: BWLABEL được sử dụng. Hàm này trả về số lượng các đối tượng được kết nối trong một hình ảnh nhị phân.Các trường hợp đặc biệt sẽ ảnh hưởng đến kết quả.
Với vấn đề phát hiện thảm thực vật từ ảnh vệ tinh độ phân giải cao, chúng ta có thể nói rằng tồn bộ thảm thực vật với cácsắc thái của màu xanh lá cây được phát hiện. Bao gồm hai trường hợp thảm thực vật xanh nhạt và thảm thực vật xanh đậm. Kết quả thử nghiệm thể hiện trên một số ảnh mẫuTajMahal, Ấn Độ, ảnh Hồ Atsukeshi, Nhật Bản và ảnh Kyoto, Nhật Bản.
CHƯƠNG 3.TRIỂN KHAI PHÁT HIỆN ĐỐI TƯỢNG TRONG ẢNH VIỄN THÁM TẠI MỘT SỐ ĐỊA ĐIỂM VIỆT
NAM 3.1 Phát hiện xe từ hình ảnh vệ tinh
Áp dụng các thuật toán phát hiện xe trong chương 2, thực hiện trên ảnh trích từ cơ sở dữ liệu bản đồ trái đất của Google, được xây dựng từ các hình ảnh được chụp bởi bằng rất nhiều vệ tinh với độ phân giải khác nhau. Đây là cơ sở dữ liệu thực tế rất hữu ích, cho phép khai thác nhiều thông tin từ dữ liệu ảnh thị giác chụp toàn bộ bề mặt trái đất.
Ảnh
(a)
(b)
(d)
(e)
Hình 3.1. Phát hiện xe từ hình ảnh vệ tinh tại Cao tốc Pháp Vân
Chú thích: (a): Ảnh màu; (b): Ảnh xám; (c): Ảnh kết quả phát hiện xe màu sáng; (d): Ảnh kết quả phát hiện xe màu tối; (e): Ảnh histogram
Hình 3.1 minh họa cho quá trình phát hiện xe từ hình ảnh vệ tinh. Ban đầu, ảnh màu được vệ tinh cung cấp (hình 3.1a) sẽ chuyển sang ảnh xám 256 mức (hình 3.1 b). Từ ảnh xám này, chương trình trích xuất ra các khu vực có xe ơ tơ được thể hiện bằng ảnh nhị phân (hình 3.1 c và hình 3.1 d). Các vùng có màu trắng là vùng ứng cử xuất hiện xe ơ tơ. Hình 3.1 e cho thấy đặc trưng histogram của ảnh xám.
Bằng cách sử dụng các thuật toán được đề xuất, kết quả tốt hơn chỉ thu được cho một chiều. Vùng miền, quốc giađang được nghiên cứu chỉ nên bao gồm các đoạn đường cao tốc một chiều và phảitránh đượcvai đường và đường dốc. Sự hiện diện của bụi cây và cây cối làm giảm độ chính xác của kết quả vì những đối tượng đócó thể được phát hiện là phương tiện. Đối với những trường hợp có lưu lượng
truy cập đơng đúc, các thuật toán sẽ phân cụmcác phương tiện đi rất gần nhau gây ra lỗi đếm xe cuối cùng.
Vì đặc tính cường độ của các phương tiện đang được sử dụng để phát hiện các phương tiện tối, bóng củaphương tiện cũng bị phát hiện là phương tiện.
Trong tương lai, công việc là cố gắng cải thiện kết quả, một số phương pháp thống kê, chẳng hạn như bộ phân loại Bayes[16], có thể được sử dụng để đánh giá các giá trị ngưỡng và xem liệu có thể thu được kết quả mạnh mẽ hơn hay khơng. Cũng thế,hình ảnh đa phổ có thể được kết hợp với thơng tin tồn sắc và áp dụng cơ sở kỹ thuậtvề đặc tính màu sắc để phát hiện các phương tiện và cố gắng tránh các đối tượng khơng liên quan. Để phát hiện vàphân loại hồn tồn tự động, không yêu cầu người dùng xoay hình ảnh trước, sau đó chọnkhu vực nghiên cứu (chỉ một đoạn đường cao tốc), các kỹ thuật dựa trên nhận dạng mẫu phải đã đượcđiều tra.
3.2. Phát hiện đường cao tốc từ hình ảnh vệ tinh độ phân giải cao
Thuật toán phát hiện đường cao tốc có phương tiện khơng phát hiện các phương tiện ở gầncác cạnh của đường cao tốc. Vấn đề này có thể được loại bỏ nếu đặc tính mơ hình của phương tiện được sử dụng thay vìthuộc tính cường độ. Vì đất cằn cỗi và cây cối mọc san sát có cường độ tương tự như đường cao tốc,chúng bị phát hiện sai là đường cao tốc. Xung quanh đường cao tốc thường có bụi rậm, cây cối và những vùng đất cằn cỗi. Do đó, với thuật tốn được đề xuất, khơng thể tránh được việc phát hiện nhữngđối tượng trên, nếu chúng có trong ảnh. Đối với những trường hợp đó, các kỹ thuật khác nhau dựa trên mẫucơng nhận nên được điều tra.
Thực hiện áp dụng thuật toán nghiên cứu tại chương 2 trên bộ ảnh vệ tinh trích xuất từ Google Earth. Chúng gồm các ảnh chụp cao tốc tại Nút giao Cao tốc 5 -Gia Lộc Hải Dương, Nút giao Cao tốc 5 -Võ Nguyên Giáp Hà Nội, Nút giao Cao tốc 1-Cầu Giẽ và Nút giao Cao tốc 1-Pháp Vân. Kết quả được trình bày lần lượt trên hình 3.2 và hình 3.3 cho thấy đường cao tốc đã được phát hiện tốt trên kết quả trực quan này. Tromg hình 3.2 và hình 3.3 trình bày hàng ảnh thứ nhất là ảnh màu được kiểm tra, hàng thứ hai là ảnh xám của ảnh kiểm tra, hàng thứ ba là ảnh nhị phân, hàng thứ tư là ảnh kết quả phát hiện đường cao tốc và hàng cuối cùng là ảnh histogram. Một số yếu tố gây nhiễu như ơ tơ có màu trắng, hoặc bụi cây ven đường hoặc hiệu ứng bóng dâm cao tốc hoặc dải đất ven cao tốc bị đào xới, khơng có thực vật phủ xanh.
NútGiaoCT5 – GiaLộcHảiDương1 NútGiaoCT5 – VõNguyênGiáp1 (4)
(a) (b)
Hình 3.2 . Kết quả khảo sát phát hiện đường cao tốc
(a) (b) Hình 3.3 . Kết quả khảo sát phát hiện đường cao tốc
3.3. Phát hiện thực vật từ ảnh vệ tinh độ phân giải cao
Vì thuộc tính màu sắc đang được sử dụng để phát hiện thảm thực vật, bất kỳ đối tượng màu xanh lá cây nào trong hình ảnh sẽđược phát hiện bởi thuật toán đề xuất. Kết quả tốt hơn sẽ thu được nếu hình ảnh khơng có màu xanh lụcmàu khác với thảm thực vật. Bằng cách sử dụng thuộc tính mơ hình của thảm thực vật, vấn đề này có thể được loại bỏ.
Tiếp theo, tác giả tiến hành nghiên cứu trên ảnh vệ tinh tại bốn khu vực gồm Thảm thực vật Tam Đảo, Thảm thực vật Sa Pa, Thảm thực vật Ecopark 2 và Thảm thực vật Đại Lải (hình 3.4 và hình 3.5). Trong hình 3.4 và hình 3.5 trình bày hàng ảnh thứ nhất là ảnh màu được kiểm tra, hàng thứ hai là ảnh xám của ảnh kiểm tra, hàng thứ ba là ảnh nhị phân thể hiện kết quả nhận diện mảng thực vật (phần màu đen) và hàng cuối cùng là ảnh histogram.
(a) (b) Hình 3.4 . Kết quả khảo sát thảm thực vật
(a) Thảm thực vật Đại Lải và (b) Thảm thực vật Tam Đảo
(a) (b) Hình 3.5. Kết quả khảo sát thảm thực vật
(a) Thảm thực vật Sa Pa và (b) Thảm thực vật Ecopark 2
Ứng dụng đánh giá độ phủ thực vật
Việc áp dụng phát hiện thảm thực vật cho phép đánh giá các thông số Tỷ lệ