(ảnh VNREDSat-1 chụp ngày 24/02/2019 khu vực huyện Giang Thành, tỉnh Kiên Giang)
Trong hình 2.14, minh họa dữ liệu ảnh mô phỏng của cùng một khu vực với các đường cong MTF khác nhau. Trong đó A: là hệ thống quang học có độ phân giải khơng gian và độ tương phản tốt; B là hệ thống có độ tương phản tốt nhưng độ phân giải không gian kém; C là hệ thống có độ phân giải khơng gian tốt nhưng độ tương phản kém.
Theo định nghĩa ở trên, để đánh giá thông số MTF của mỗi hệ thống thu nhận ảnh của vệ tinh viễn thám, đã có rất nhiều nghiên cứu được thực hiện để tái tạo lại giá trị PSF và tính ra giá trị MTF.
2.3 Phương pháp đánh giá tỉ lệ tín hiệu trên nhiễu (SNR)
Để đánh giá và hiệu chỉnh thơng số SNR có hai phương án thực hiện đó là trực tiếp và gián tiếp. Đối với phương án gián tiếp, trên vệ tinh có thiết bị hiệu chỉnh trên vệ tinh, ví dụ như đèn hiệu chỉnh, SNR được đánh giá bằng việc thu thập một chuỗi giá trị quan
sát của thiết bị hiệu chỉnh. Công tác này được thực hiện trong suốt quá trình hiệu chỉnh. Bức xạ của đèn được giả thiết là hằng số trong suốt quá trình thu thập. Từ chuỗi giá trị này, giá trị trung bình và độ lệch chuẩn được tính tốn và SNR hồn tồn có thể đánh giá được theo đúng định nghĩa đã nêu trên. Tuy nhiên chỉ có rất ít các hệ thống chụp ảnh trên vệ tinh có thiết bị hiệu chỉnh thích hợp để đánh giá SNR, nên hầu hết đều sử dụng các phương án gián tiếp để thực hiện. Các phương án này dựa trên cách tiếp cận quan sát trái đất, thu thập dữ liệu ảnh thích hợp để đánh giá SNR. Theo hướng này, ảnh thu được có thể là ảnh đơn hoặc kết hợp nhiều ảnh để tính tốn. Giá trị bức xạ của những khu vực trên Trái đất được sử dụng đều có thuộc tính nhất định cho phép tính tốn được SNR, ví dụ đồng nhất khơng gian…
Đánh giá SNR được dựa trên yếu tố: nguồn dữ liệu (lựa chọn khu vực mẫu), phương pháp tính tốn, và thời điểm áp dụng kết quả đánh giá liên quan đến quá trình vận hành và các hoạt động căn chỉnh khác [4,19]
Trong nghiên cứu, sẽ xem xét hai yếu tố đánh giá SNR đó là: nguồn dữ liệu với dữ
liệu là cảnh đơn và cảnh quan tổng hợp. Cảnh đơn tức là sẽ chụp một cảnh ảnh có bãi kiểm định cho trước, cịn cảnh tổng hợp là chụp vài cảnh và kết hợp chúng lại với nhau để tạo ra cảnh tổng hợp có các thuộc tính u cầu. Và phương pháp tính tốn giá trị trung bình và nhiễu. Trên cơ sở đó đề xuất phương pháp đánh giá SNR phù hợp với điều kiện của Việt Nam.
2.3.1 Nguồn dữ liệu
a. Sử dụng cảnh đơn
- Khu vực đồng nhất
Nguyên lý của phương pháp sử dụng cảnh đơn để đánh giá SNR là tìm ra một khu vực đồng nhất đại diện cho cả một cảnh quan đồng nhất, để tính tốn giá trị trung bình và độ lệch chuẩn trên khu vực đó, cuối cùng là tính tốn tỉ lệ giữa giá trị trung bình và độ lệch chuẩn.
Các khu vực đồng nhất trên thế giới được xác định và được sử dụng trong nhiều hoạt động hiệu chỉnh, đánh giá khác nhau. Tuy nhiên, theo các nghiên cứu đã công bố, việc lựa chọn các khu vực rộng lớn đồng nhất khá khó khăn. Chỉ có một vài vùng như thung lũng Railroad (bang Nevada, Hoa Kỳ) hay vùng White Sands (bang New Mexico, Hoa Kỳ) là có thể thích hợp, nhưng độ đồng nhất không gian của chúng lại không đủ lớn [47,17,68,100].
Để đảm bảo tính tin cậy của SNR thì giá trị trung bình của bức xạ phổ trong khu vực cần phải đủ lớn. Điều này có nghĩa, các khu vực có độ phản xạ thấp sẽ khơng được dùng [19], mà chỉ nên sử dụng một số vùng có độ phản xạ cao [88]. Ảnh hưởng của sự không đồng nhất trong đánh giá SNR sẽ phụ thuộc vào đặc điểm của hệ thống, và độ lớn của sự không đồng nhất này tương ứng với độ phân giải. Đối với một khu vực có cường độ khơng đồng nhất cho trước, độ phân giải khơng gian càng lớn thì ảnh hưởng càng nhỏ; việc đánh giá SNR đối với một điểm ảnh kích thước lớn yêu cầu thực địa nhiều hơn so với điểm ảnh kích thước nhỏ hơn. Do đó, khu vực bãi kiểm định có thể chỉ phù hợp với một số hệ thống mà không phải là tất cả.
- Khu vực gần đồng nhất.
Đối với trường hợp này, phương pháp phổ biến là biến đổi Fourier một phần của cảnh ảnh. Nhiễu sẽ xuất hiện ở các tần số cao, hoạt động của mật độ phổ đối với tần số cao, sự xuất hiện của các hướng có quy mơ lớn sẽ làm ảnh hưởng đến độ chính xác của giá trị nhiễu σ và giá trị trung bình m [19]
Một phương pháp được đưa ra gần đây là khai thác hàm varigram γ hay còn gọi là hàm cấu trúc trong giác loạn [86]. Một số nghiên cứu đã sử dụng cách này để đánh giá SNR cho dữ liệu AVIRIS và AVHRR [29,106]. Các cách tiếp cận khác, chẳng hạn như ngoại suy để sắp xếp bằng cách sử dụng các dạng phân tích của biểu đồ bán phương sai, có thể dẫn đến đánh giá thấp. Vì các lý do trên, việc sử dụng khu vực gần đồng nhất vẫn còn hạn chế trong khả năng mở rộng cho nhiều loại vệ tinh.
b. Sử dụng cảnh quan tổng hợp
Hạn chế về một khu vực có đồng nhất có thể được giảm bớt nếu xem xét một cảnh quan tổng hợp. Cảnh quan tổng hợp được xây dựng bằng sự kết hợp của các hình ảnh đơn lẻ thực tế [108]: các đặc tính của cảnh quan tổng hợp phù hợp với đánh giá SNR hơn là của từng ảnh đơn lẻ.
Giải pháp khả thi là sử dụng các khu vực sa mạc có hệ số phản xạ ổn định theo thời gian. Các khu vực như vậy đã được xác định ở Bắc Phi [26] hay được khai thác để hiệu chỉnh các vệ tinh Meteosat [43,44], Vegetation [47] và SPOT-5 [58]. Đã có nghiên cứu tương tự được sử dụng cho SPOT-5 [58] đối với nhiễu cột.
Một giải pháp khả thi khác là xây dựng cảnh quan này bằng cách tổng hợp các ảnh có mây. Sau một khoảng thời gian nhất định, tất cả các điểm ảnh đều có mây và trong một số điều kiện nhất định, cảnh quan tổng hợp này có thể được coi là đồng nhất.
Nguyên tắc này đã được các nhà nghiên cứu thảo luận để hiệu chỉnh tuyệt đối [102]. Trong những điều kiện nhất định, bức xạ do các đám mây dày phản xạ thể hiện phương sai không gian thấp [92,93]. Cách tiếp cận này chưa được thử nghiệm để đánh giá SNR. Theo kinh nghiệm các nghiên cứu trước đây [59,82,11,12], nên tập trung vào các đám mây trên các khu vực đại dương sâu (ví dụ: bán cầu nam) để ngăn chặn bất kỳ ảnh hưởng nào của mặt đất mà hệ số phản xạ của chúng thường biểu hiện các thay đổi quang phổ rõ rệt và để tránh phản xạ dạng hạt trên bề mặt đại dương [107]
Đối với dữ liệu viễn thám quang học, việc tập hợp được bộ dữ liệu để tạo ra cảnh quan đồng nhất là khơng đơn giản và địi hỏi nhiều thời gian; trong khi quá trình đánh giá cần thực hiện theo chu kỳ nhất định. Do đó, cách tiếp cận này chưa thích hợp, nhất là với điều kiện của Việt Nam hiện nay.
2.3.2 Phương pháp tính tốn
Nguyên lý của viễn thám quang học là sử dụng năng lượng thu được từ các đối tượng để tạo ra dữ liệu ảnh, tuy nhiên, theo thời gian hiệu năng của các cảm biến sẽ bị thay đổi, do vậy nếu so sánh các kết quả đánh giá SNR với các dữ liệu ảnh khác nhau tức là có giá trị bức xạ khác nhau và thời điểm chụp khác nhau là chưa hợp lý và chưa thể đảm bảo tính khách quan cũng như phản ánh chính xác tình trạng của thiết bị chụp ảnh.
Bên cạnh đó, giá trị bức xạ thu là thơng số để đánh giá và so sánh tình trạng hoạt động của thiết bị chụp ảnh nên việc sử dụng nhiều mức độ phản xạ khác nhau trong cùng một điều kiện bức xạ để đánh giá SNR là cách trực tiếp nhất. Tức là dữ liệu ảnh sử dụng để đánh giá SNR cần phải có nhiều khu vực đồng nhất với các mức bức xạ khác nhau trong cùng một cảnh ảnh.
Trên cơ sở đó, hiện nay có khá nhiều phương pháp đánh giá SNR được thực hiện như độ lệch chuẩn cục bộ, tương quan không gian và phổ, địa thống kê, biểu đồ bán phương sai, và mạng nơ-ron nhân tạo; hay các phương pháp thực nghiệm và chỉnh sửa như độ lệch chuẩn cục bộ chiết tách cạnh, chiết tách dạng sóng Gauss, tương quan chiết tách cạnh và kích thước khơng gian; hay dựa vào thiết bị trên vệ tinh [41]. Trong nghiên cứu sẽ xét đến các phương pháp phổ biến nhất.
a. Độ lệch chuẩn cục bộ
Phương pháp độ lệch chuẩn cục bộ (LSD_Local Standard Deviation) chia một hình ảnh thành các ơ nhỏ có kích thước đủ nhỏ (ví dụ như 4x4 pixel) và giả thuyết rằng hầu hết các ơ là đồng nhất. Sau đó, giá trị trung bình và độ lệch chuẩn (SD_Standard
Deviation) của một ơ có thể được tính theo cơng thức (2.5) và (2.6). SD được xem như là giá trị nhiễu của một ô. Các giá trị nhiễu này được gửi vào 150 ô trong khoảng giữa SD tối thiểu và 1,2 lần giá trị trung bình của SD và trích xuất ơ chứa số SD tối đa. Cuối cùng, giá trị trung bình của SD trong ơ được coi là giá trị nhiễu của hình ảnh. Các phương trình được biểu diễn như sau [113,112]:
Trong đó DNi là giá trị độ xám tại điểm ảnh vị trí i trong khối, và σ lần lượt là giá trị trung bình của giá trị độ xám và SD của ô.
Thực tế hiện nay, đã có nhiều loại vệ tinh sử dụng phương pháp này. Tùy theo độ phân giải khác nhau mà các khu vực đồng nhất có thể được lựa chọn là các khu vực cánh đồng hay các bãi kiểm định được chuẩn bị trước [26,41,88,70]
b. Tương quan phổ và không gian
Đây là phương pháp đã được áp dụng cho dữ liệu ảnh AVIRIS [84]. Phương pháp này ước tính nhiễu kênh khai thác các mối tương quan phổ cao giữa dữ liệu trong một kênh và dữ liệu trong hai kênh lân cận của nó cũng như mối tương quan khơng gian trong kênh đó. Các mối tương quan này được loại bỏ bằng cách sử dụng nhiều hồi quy tuyến tính để lại các phần dư mà giá trị trung phương của chúng ước tính phương sai của nhiễu kênh. Phương pháp này kết hợp việc chặn dữ liệu [40] để tạo ra nhiều ước tính về nhiễu kênh. Một tập hợp con của các ước lượng này có thể được gộp lại để đưa ra kết quả ước tính tốt nhất của nhiễu kênh. Tính đồng nhất của tập hợp con các ước lượng có thể được thiết lập bằng cách sử dụng thử nghiệm của Levene về tính đồng nhất của các phương sai [84]. Phương pháp này gồm ba bước chính: Ước tính phương sai nhiễu, lựa chọn tập các phương sai nhiễu đồng nhất, ước tính phương sai nhiễu tốt nhất từ một tập các phương sai đồng nhất.
Trong thực tế, khi ước tính nhiễu cho một kênh, tập hợp các phương sai không phải lúc nào cũng đồng nhất. Sau đó, chúng khơng thích hợp để gộp tất cả lại và sử dụng giá trị trung bình của chúng. Vì vậy cần phải chọn một tập hợp con đồng nhất hợp lý và gộp
lại. Đối với đa số các kênh của hầu hết các ảnh, sự khác biệt giữa các ước lượng được tính tốn bằng cách sử dụng tất cả các phương sai và chỉ một tập con đồng nhất của chúng hiếm khi lớn hơn giá trị ngưỡng. Tuy nhiên, quy trình lựa chọn này là cần thiết đối với một số ít các kênh trong một số loại ảnh nhất định.
Vì vậy trong thực tế, chỉ một số dữ liệu nhất định có thể áp dụng phương pháp tính tốn này trong đánh giá chất lượng ảnh qua thơng số SNR.
c. Địa thống kê
Phương pháp địa thống kê được một số nhà nghiên cứu ưa thích vì khơng cần lựa chọn các khu vực đồng nhất cục bộ. Phương pháp này tập trung vào ước tính và mơ hình của biểu đồ bán phương sai, một hàm biểu thị sự phụ thuộc của không gian vào các giá trị đo được. Trong phương pháp địa thống kê, giá trị trung bình ước tính tín hiệu có xét đến căn bậc hai phương sai thành phần nugget của biểu đồ phương sai ước tính nhiễu. Ưu điểm của phương pháp này so với phương pháp vùng đồng nhất là sự hiện diện của sự biến đổi bên dưới có cấu trúc khơng gian khơng gây bất lợi cho việc ước tính nhiễu ảnh. Trên thực tế, sự hiện diện của cấu trúc khơng gian rất hữu ích trong việc tách sự biến đổi bên dưới khỏi nhiễu như một phần của q trình lập mơ hình biểu đồ phương sai [13]
Phương pháp địa thống kê là kỹ thuật dựa trên lý thuyết biến khu vực, coi các thuộc tính khơng gian như các hàm ngẫu nhiên thay vì xác định. Tuy nhiên, để làm được điều này cần có một bộ dữ liệu đủ lớn, được tích lũy lâu dài. Điều này trong thực tế vận hành, khai thác gặp vấn đề trong tận dụng tối đa tài nguyên vệ tinh, nên phương pháp này còn chưa được phổ biến [24,28].
2.4 Phương pháp đánh giá hàm truyền điều biến (MTF)
2.4.1 Phương pháp dựa trên bãi kiểm định
Hầu hết các phương pháp đo đạc MTF trên vệ tinh chính xác đối với các hệ thống thu nhận ảnh quang học đều dựa trên việc phân tích ảnh các mục tiêu đã biết nào đó. Những mục tiêu này có thể là các khu vực nhân tạo như các bề mặt được sơn có chủ đích [81,56,74,87], các tấm vải dầu đặc biệt [74,77], các đơn hay đa điểm sáng [61] hay thậm chí là các mảng gương lồi đều [74]. Đối với các ảnh có độ phân giải thấp và trung bình, các mục tiêu này cũng có thể là các đối tượng nhân tạo sẵn có như các cây cầu [46,98], các tòa nhà [56] các đường băng được sơn [74]. Một số đối tượng tự nhiên như các cánh đồng [74] các ngôi sao [46], đường bao quanh mặt trăng [46], các tảng băng [76] cũng được sử dụng như là các mục tiêu để chụp ảnh phục vụ cho việc tính tốn MTF.
Các mục tiêu này có thể được chia làm 4 kiểu bãi kiểm định sau:
Bãi kiểm định dạng cạnh
Bãi kiểm định dạng xung
Bãi kiểm định dạng xung lực
Bãi kiểm định dạng chu kỳ
a. Bãi kiểm định dạng cạnh
Một bãi kiểm định dạng cạnh thường là với một cạnh có độ tương phản trắng đen cao, hay còn gọi là cạnh Heaviside. Các ảnh chụp bãi kiểm định dạng này cho phép tính tốn và thu được giá trị ESF chính xác. Đạo hàm của tiết diện ESF 1D này cung cấp ước tính của tiết diện MTF mặt cắt ngang 1D trên hướng pháp tuyến đối với cạnh chuyển tiếp. Những bãi kiểm định đó có thể là nhân tạo với các bề mặt được sơn hoặc tấm bạt tối và sáng cụ thể hoặc tự nhiên như cánh đồng nông nghiệp, bãi đậu xe, chuyển tiếp mặt đất/tịa nhà, chuyển tiếp nước/băng hoặc thậm chí chuyển tiếp khơng gian tối/mặt trăng.
Một số quy tắc được đưa ra cho mục tiêu cạnh “thích hợp” (xem hình 2.15), dành riêng cho việc ước lượng MTF chính xác [50,19,74]. Mục tiêu phải đủ lớn để có thể chiết xuất mục tiêu cạnh mà không bị ảnh hưởng bởi nền xung quanh. Khoảng cách chuyển tiếp LT được trình bày trong hình 2.15 phải lớn hơn phạm vi bán kính của PSF. Và ước tính thơ của bán kính này là từ 3 đến 5 lần GSD của hệ thống.