CHƢƠNG 1 TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
2.3 Phƣơng pháp đánh giá tỉ lệ tín hiệu trên nhiễu (SNR)
Để đánh giá và hiệu chỉnh thơng số SNR có hai phƣơng án thực hiện đó là trực tiếp và gián tiếp. Đối với phƣơng án gián tiếp, trên vệ tinh có thiết bị hiệu chỉnh trên vệ tinh, ví dụ nhƣ đèn hiệu chỉnh, SNR đƣợc đánh giá bằng việc thu thập một chuỗi giá trị quan
sát của thiết bị hiệu chỉnh. Công tác này đƣợc thực hiện trong suốt quá trình hiệu chỉnh. Bức xạ của đèn đƣợc giả thiết là hằng số trong suốt quá trình thu thập. Từ chuỗi giá trị này, giá trị trung bình và độ lệch chuẩn đƣợc tính tốn và SNR hồn tồn có thể đánh giá đƣợc 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 phƣơng án gián tiếp để thực hiện. Các phƣơng án này dựa trên cách tiếp cận quan sát trái đất, thu thập dữ liệu ảnh thích hợp để đánh giá SNR. Theo hƣớng này, ảnh thu đƣợc có thể là ảnh đơn hoặc kết hợp nhiều ảnh để tính tốn. Giá trị bức xạ của những khu vực trên Trái đất đƣợc sử dụng đều có thuộc tính nhất định cho phép tính tốn đƣợc SNR, ví dụ đồng nhất khơng gian…
Đánh giá SNR đƣợc dựa trên yếu tố: nguồn dữ liệu (lựa chọn khu vực mẫu), phƣơng 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 trƣớc, còn 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 phƣơng 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 phƣơng 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 đƣợc xác định và đƣợc 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 nhƣ thung lũng Railroad (bang Nevada, Hoa Kỳ) hay vùng White Sands (bang New Mexico, Hoa Kỳ) là có thể thích hợp, nhƣng 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 đƣợc dùng [19], mà chỉ nên sử dụng một số vùng có độ phản xạ cao [88]. Ảnh hƣởng 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 tƣơng ứng với độ phân giải. Đối với một khu vực có cƣờng độ khơng đồng nhất cho trƣớc, độ phân giải khơng gian càng lớn thì ảnh hƣởng càng nhỏ; việc đánh giá SNR đối với một điểm ảnh kích thƣớc lớn yêu cầu thực địa nhiều hơn so với điểm ảnh kích thƣớc 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 trƣờng hợp này, phƣơng 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 hƣớng có quy mơ lớn sẽ làm ảnh hƣởng đến độ chính xác của giá trị nhiễu σ và giá trị trung bình m [19]
Một phƣơng pháp đƣợc đƣa 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 nhƣ ngoại suy để sắp xếp bằng cách sử dụng các dạng phân tích của biểu đồ bán phƣơng 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 đƣợc giảm bớt nếu xem xét một cảnh quan tổng hợp. Cảnh quan tổng hợp đƣợc 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 nhƣ vậy đã đƣợc xác định ở Bắc Phi [26] hay đƣợc khai thác để hiệu chỉnh các vệ tinh Meteosat [43,44], Vegetation [47] và SPOT-5 [58]. Đã có nghiên cứu tƣơng tự đƣợc 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 đƣợc coi là đồng nhất.
Nguyên tắc này đã đƣợc 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 phƣơng sai không gian thấp [92,93]. Cách tiếp cận này chƣa đƣợc thử nghiệm để đánh giá SNR. Theo kinh nghiệm các nghiên cứu trƣớc đây [59,82,11,12], nên tập trung vào các đám mây trên các khu vực đại dƣơng sâu (ví dụ: bán cầu nam) để ngăn chặn bất kỳ ảnh hƣởng nào của mặt đất mà hệ số phản xạ của chúng thƣờng biểu hiện các thay đổi quang phổ rõ rệt và để tránh phản xạ dạng hạt trên bề mặt đại dƣơng [107]
Đối với dữ liệu viễn thám quang học, việc tập hợp đƣợc 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 chƣa thích hợp, nhất là với điều kiện của Việt Nam hiện nay.
2.3.2 Phương pháp tính tốn
Ngun lý của viễn thám quang học là sử dụng năng lƣợng thu đƣợc từ các đối tƣợng 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 chƣa hợp lý và chƣa thể đảm bảo tính khách quan cũng nhƣ phản ánh chính xác tình trạng của thiết bị chụp ảnh.
Bên cạnh đó, giá trị bức xạ thu là thông 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 phƣơng pháp đánh giá SNR đƣợc thực hiện nhƣ độ lệch chuẩn cục bộ, tƣơng quan không gian và phổ, địa thống kê, biểu đồ bán phƣơng sai, và mạng nơ-ron nhân tạo; hay các phƣơng pháp thực nghiệm và chỉnh sửa nhƣ độ lệch chuẩn cục bộ chiết tách cạnh, chiết tách dạng sóng Gauss, tƣơng quan chiết tách cạnh và kích thƣớc khơng gian; hay dựa vào thiết bị trên vệ tinh [41]. Trong nghiên cứu sẽ xét đến các phƣơng pháp phổ biến nhất.
a. Độ lệch chuẩn cục bộ
Phƣơng pháp độ lệch chuẩn cục bộ (LSD_Local Standard Deviation) chia một hình ảnh thành các ơ nhỏ có kích thƣớc đủ nhỏ (ví dụ nhƣ 4x4 pixel) và giả thuyết rằng hầu hết các ô là đồng nhất. Sau đó, giá trị trung bình và độ lệch chuẩn (SD_Standard
Deviation) của một ơ có thể đƣợc tính theo cơng thức (2.5) và (2.6). SD đƣợc xem nhƣ là giá trị nhiễu của một ô. Các giá trị nhiễu này đƣợc 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 đƣợc coi là giá trị nhiễu của hình ảnh. Các phƣơng trình đƣợc biểu diễn nhƣ sau [113,112]:
Trong đó DNi là giá trị độ xám tại điểm ảnh vị trí i trong khối, và σ lần lƣợt là giá trị trung bình của giá trị độ xám và SD của ơ.
Thực tế hiện nay, đã có nhiều loại vệ tinh sử dụng phƣơng pháp này. Tùy theo độ phân giải khác nhau mà các khu vực đồng nhất có thể đƣợc lựa chọn là các khu vực cánh đồng hay các bãi kiểm định đƣợc chuẩn bị trƣớc [26,41,88,70]
b. Tương quan phổ và không gian
Đây là phƣơng pháp đã đƣợc áp dụng cho dữ liệu ảnh AVIRIS [84]. Phƣơng pháp này ƣớc tính nhiễu kênh khai thác các mối tƣơng quan phổ cao giữa dữ liệu trong một kênh và dữ liệu trong hai kênh lân cận của nó cũng nhƣ mối tƣơng quan khơng gian trong kênh đó. Các mối tƣơng quan này đƣợc loại bỏ bằng cách sử dụng nhiều hồi quy tuyến tính để lại các phần dƣ mà giá trị trung phƣơng của chúng ƣớc tính phƣơng sai của nhiễu kênh. Phƣơng pháp này kết hợp việc chặn dữ liệu [40] để tạo ra nhiều ƣớc tính về nhiễu kênh. Một tập hợp con của các ƣớc lƣợng này có thể đƣợc gộp lại để đƣa ra kết quả ƣớc tính tốt nhất của nhiễu kênh. Tính đồng nhất của tập hợp con các ƣớc lƣợng có thể đƣợc thiết lập bằng cách sử dụng thử nghiệm của Levene về tính đồng nhất của các phƣơng sai [84]. Phƣơng pháp này gồm ba bƣớc chính: Ƣớc tính phƣơng sai nhiễu, lựa chọn tập các phƣơng sai nhiễu đồng nhất, ƣớc tính phƣơng sai nhiễu tốt nhất từ một tập các phƣơng sai đồng nhất.
Trong thực tế, khi ƣớc tính nhiễu cho một kênh, tập hợp các phƣơng 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 ƣớc lƣợng đƣợc tính tốn bằng cách sử dụng tất cả các phƣơng sai và chỉ một tập con đồng nhất của chúng hiếm khi lớn hơn giá trị ngƣỡng. 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 phƣơng pháp tính tốn này trong đánh giá chất lƣợng ảnh qua thông số SNR.
c. Địa thống kê
Phƣơng pháp địa thống kê đƣợc một số nhà nghiên cứu ƣa thích vì khơng cần lựa chọn các khu vực đồng nhất cục bộ. Phƣơng pháp này tập trung vào ƣớc tính và mơ hình của biểu đồ bán phƣơng sai, một hàm biểu thị sự phụ thuộc của không gian vào các giá trị đo đƣợc. Trong phƣơng pháp địa thống kê, giá trị trung bình ƣớc tính tín hiệu có xét đến căn bậc hai phƣơng sai thành phần nugget của biểu đồ phƣơng sai ƣớc tính nhiễu. Ƣu điểm của phƣơng pháp này so với phƣơng pháp vùng đồng nhất là sự hiện diện của sự biến đổi bên dƣới có cấu trúc khơng gian khơng gây bất lợi cho việc ƣớc tính nhiễu ảnh. Trên thực tế, sự hiện diện của cấu trúc không gian rất hữu ích trong việc tách sự biến đổi bên dƣới khỏi nhiễu nhƣ một phần của q trình lập mơ hình biểu đồ phƣơng sai [13]
Phƣơng pháp địa thống kê là kỹ thuật dựa trên lý thuyết biến khu vực, coi các thuộc tính khơng gian nhƣ các hàm ngẫu nhiên thay vì xác định. Tuy nhiên, để làm đƣợc điều này cần có một bộ dữ liệu đủ lớn, đƣợc 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 phƣơng pháp này còn chƣa đƣợc phổ biến [24,28].