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 phủ thực vật và Tỷ lệ phủ phi thực vật theo thời gian và không gian, nhằm giải quyết bài tốn tính tốn sự thay đổi thảm thực vật tại một khu vực quan tâm như khu vực bìa rừng cây hoặc hoặc thảm thực vật trong thành phố. Với các thông số
trên sẽ giúp nhà quản lý trả lời được câu hỏi tỷ lệ cây xanh phủ trong khu vực hay có bao nhiêu mét vng cây xanh trong một khu vực.
Bảng 3.1. Đánh giá tỷ lệ phủ của thảm thực vật
Khu vực blackpoint whitepoint Tỷ lệ phủ thực vật Tỷ lệ phủ phi thực vật
Thảm thực vật Tam Đảo 10357309 3533891 74,60% 25,40% Thảm thực vật Sa Pa 8661696 5229504 62,40% 37,60% Thảm thực vật Ecopark 2 9193485 4697715 66,20% 33,80% Thảm thực vật Đại Lải 7706870 6184330 55,50% 44,50%
3.3. Kết luận chương
Các thuật toán phát hiện xe trong chương 2 đã được áp dụngtrên ảnh trích từ cơ sở dữ liệu bản đồ trái đất của Google, 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.
Phát hiện đường cao tốc từ hình ảnh vệ tinh độ phân giải caocho thấy đường cao tốc đã được phát hiện tốt với kết quả được trình bày trên các hình 3.2 và hình 3.3. Thuật tốn phát hiện đường cao tốc có phương tiện khơng phát hiện các phương tiện ở gần các 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 vì thuộc tính cường độ.
Phát hiện thực vật từ ảnh vệ tinh độ phân giải cao dựa trên thuộc tính màu sắc được sử dụng thành cơng để phát hiện thảm thực vật. Các đối tượng màu xanh lá cây nào trong hình ảnh được phát hiện bởi thuật tốn đề xuất. Kết quả tốt hơn nếu áp dụng thêm thuộc tính mơ hình của thảm thực vật.
KẾT LUẬN
Việc lựa chọn phương pháp trích xuất đối tượng dựa trên ngưỡng là một thử nghiệm thú vị và đạt được các kết quả khả quan. Về cơ bản nghiên cứu đã giải quyết được cơ bản bài tốn trích xuất đối tượng đường cao tốc, ô tô và thảm thực vật. Thông số ngưỡng là một đặc trưng mạnh trong trích xuất đơi tượng quan tâm nhưng chưa đủ vì lý do nhiễu trong anht nguồn trong các trường hợp mây che hay phản xạ ánh sáng của mặt nước. Do đó việc đánh giá kết quả chỉ dựa trên một thông số đặc trưng nên độ tin cậy chưa cao. Cơng việc nghiên cứu này mang tính khảo sát thơng số ngưỡng là một đặc trưng mạnh như thế nào. Rõ ràng, để kết quả có độ tin cậy cao hơn thì biện pháp áp dụng nhiều ngưỡng là chưa đủ. Các nghiên cứu bổ sung các thông số đặc trưng khác cần tiến hành để cải thiện hiệu quả trích xuất đối tượng.
Đề tài “NGHIÊN CỨU PHÁT HIỆNMỘT SỐ ĐỐI TƯỢNG TRONG ẢNH VIỄN THÁM” đã giúp học viên nắm bắt công nghệ và nghiên cứu áp dụng trong cuộc sống hiện tại cũng như tương lai sau này. Đề tài hoàn thành được các nội dung của đề tài theo đề cương đã được duyệt. Tuy nhiên, với năng lực và thời gian hạn chế nên bản luận văn tốt nghiệp của em không thể tránh khỏi những khiếm khuyết. Em mong muốn nhận được sự chỉ bảo, góp ý chân thành của các Thầy Cơ giáo cùng các bạn để hồn thiện.
Tài liệu tham khảo
[1] Holland, D., and Marshall, P., “Using High-Resolution Satellite Imagery In a Well Mapped Country”,Proceedings of ISPRS-EARSeL Joint Workshop on High
Resolution Mapping from Space, Hannover,October 2013.
[2] The MathWorks, Inc., Image Processing Toolbox, URL: http://www.mathworks.com/access/helpdesk/help/toolbox/images/
[3] Gonzalez, R., and Woods, R., Digital Image Processing, second edition,
Prentice Hall, 2018.
[4] Schlosser, C., Reitberger, J., and Hinz, S., "Automatic Car Detection in High Resolution Urban ScenesBased on an Adaptive 3D-Model", Proceedings of the
IEEE/ISPRS joint Workshop on Remote Sensingand Data Fusion over Urban Areas, Berlin, 2013, IEEE, Piscataway, pp. 167 - 171.
[5] Hickman, A., et al., “Methods of Analyzing Traffic Imagery Collected from Aerial Platforms”, IEEETransactions on Intelligent Transportation Systems, Vol. 4, No.2, June 2013, pp. 99-107
[6] Space Imaging Inc., Gallery [Online] http://www.spaceimaging.com/gallery/, accessed May 2013
[7] INTEC Americas Corp, Gallery [Online] http://www.intecamericas.com/english.htm, accessed May2003
[8] ORBIMAGE [Online] http://www.orbimage.com/prods/index.htm, accessed May 2013
[9] Hinz, S., "Detection and Counting of Cars in Aerial Images", Proceedings of the InternationalConference on Image Processing, Vol. 3, Barcelona, Sep. 2013, pp. III- 997-1000
[10] Zhao, T., and Nevatia, R., "Car Detection in Low Resolution Aerial Image", Proceeding of the 8thIEEE International Conference on Computer Vision, Vol.1, Vancoucer, Canada, July 2011, pp. 710-717
[11] Moon, H., Chellappa, R., Rosenfeld, A., " Performance Analysis or a Simple Vehicle DetectionAlgorithm", Proceedings of the 3th ARL Federal Laboratory Symposium, Feb. 1919
[12]Bộ Nông nghiệp và Phát triển nông thôn (2010), Dự án tổng điều tra, kiểm kê rừng toàn quốc giai đoạn 2010-2015.
[13]Nguyễn Văn Thị, Trần Quang Bảo (2014), “Ứng dụng kỹ thuật phân loại ảnh hướng đối tượng nhằm phân loại trạng thái rừng theo Thông tư số 34”, Tạp chí Khoa học lâm nghiệp, 2, tr.3343-3353.
[14]Đặng Ngọc Quốc Hưng, Hồ Đắc Thái Hoàng (2009), “Nghiên cứu sự thay đổi lớp phủ thảm thực vật rừng tại Vườn quốc gia Bạch Mã, tỉnh Thừa Thiên-Huế”, Tạp chí Kinh tế sinh thái, 14 (32), tr.6-15.
[15]Lê Xuân Cảnh, Đỗ Hữu Thư, Đặng Huy Phương, Hà Quý Quỳnh (2010), “Ứng dụng công nghệ viễn thám và GIS để đánh giá biến động lớp phủ thực vật 3 xã (TàBhinh, ChàVàl, LaDe, huyện Nam Giang, tỉnh Quảng Nam) bị ảnh hưởng chất độc hoá học phục vụ bảo tồn đa dạng sinh học”, Tạp chí Khoa học và cơng nghệ, 48(5), tr.71-79.
[16]Nguyễn Trường Sơn (2009), “Nghiên cứu sử dụng ảnh vệ tinh và công nghệ GIS trong việc giám sát hiện trạng tài nguyên rừng thử nghiệm tại một khu vực cụ thể”, Đặc san viễn thám và địa tin học, 6, tr.17-26.
[17]Nguyễn Thị Thu Hiền, Phạm Vọng Thành, Nguyễn Khắc Thời (2014), “Đánh giá biến động sử dụng đất/lớp phủ huyện Tiên Yên, tỉnh Quảng Ninh giai đoạn 2000-2010”, Tạp chí Khoa học và phát triển, 12(1), tr.43-51.