Luận văn Nghiên cứu giải pháp kỹ thuật nâng cao độ chính xác trong phân loại ảnh tại khu vực có độ phủ hỗn hợp

............................... 32 Hình 2.6. Ví dụ minh họa trƣờng hợp có 3 endmember a,b,c ................................. 39 Hình 2.7. Chiết tách các đối tƣợng thực vật ................................................................ 40 Hình 2.8. Chiết tách các đối tƣợng nƣớc ...................................................................... 40 Hình 2.9.Mối tƣơng quan kênh NIR và Red trên không gian 2 chiều với 3 endmember Đất- Nƣớc- Thực vật ..................................................................................... 41 Hình 2.10. Nguyên lý chỉ số đất, nƣớc, thực vật ......................................................... 43 Hình 2.11. Giao diện chƣơng trình phân loại ảnh đƣợc xây dựng bằng ngôn ngữ lập trình Matlab............................................................................................................ 45 Hình 2.12. Mở ảnh kênh R và NIR ................................................................................ 46 Hình 2.13.Sơ đồ khối mô tả tính toán giá trị phổ thực ba đối tƣợng Đất - Nƣớc- Thực vật ..................................................................................................................... 46 Hình 2.14. Xác định tam giác phổ .................................................................................. 47 Hình 2.15. Tính toán tạo ảnh chỉ số nƣớc .................................................................... 48 Hình 2.16. Tính toán tạo ảnh chỉ số thực vật .............................................................. 49 Hình 2.17. Tính toán tạo ảnh chỉ số đất ........................................................................ 50 Hình 2.18. Ảnh tổ hợp từ ba ảnh chỉ số đất, nƣớc, thực vật .................................... 52 Hình 3.1 Sơ đồ khu vực nghiên cứu .............................................................................. 54 Hình 3.2 Quy trình phân loại ảnh .................................................................................. 55 Hình 3.3. (a) Landsat 8 tổ hợp màu giả (b) Ảnh Sentinel -2 tổ hợp màu giả ........ 60 8 Hình 3.4. (a) Kết quả tính toán 3 giá trị phổ thực đất, nƣớc, thực vật ảnh Landsat 8 (b) Kết quả tính toán 3 giá trị phổ thực đất, nƣớc, thực vật ảnh ảnh Sentinel-2 ................................................................................................................................ 61 Hình 3.5.Minh họa tính toán tỷ lệ của ba đối tƣợng đất, nƣớc, thực vật trong một điểm ảnh ......................................................................................................................... 61 Hình 3.6. (a) Ảnh chỉ số nƣớc; (b) Ảnh chỉ số thực vât ; (c) ảnh chỉ số đất ảnh Landsat 8 ................................................................................................................................ 62 Hình 3.7. (a) Ảnh chỉ số nƣớc; (b) Ảnh chỉ số thực vât ; (c) ảnh chỉ số đất ảnh Sentinel 2 ................................................................................................................................ 62 Hình 3.8. (a) Ảnh chỉ số thực vật của phƣơng pháp đề xuất; (b) Ảnh chỉ số thực vât NDVI (ảnh Landsat 8) ......................................................................................... 63 Hình 3.9. (a) Kết quả chiết xuất đối tƣợng thực vật từ ảnh chỉ số thực vật của đề tài; (b) Kết quả chiết xuất đối tƣợng thực vật từ ảnh chỉ số thực vât NDVI (ảnh Landsat 8) ..................................................................................................................... 64 Hình 3.10. (a) Ảnh chỉ số nƣớc của phƣơng pháp đề xuất; (b) Ảnh chỉ số nƣớc NDWI (ảnh Landsat 8) ........................................................................................................ 65 Hình 3.11. (a) Kết quả chiết xuất đối tƣợng nƣớc từ ảnh chỉ số nƣớc của đề tài; (b) Kết quả chiết xuất đối tƣợng nƣớc từ ảnh chỉ số nƣớc NDWI (Landsat 8) ............................................................................................................................................... 66 Hình 3.12. (a) Ảnh tổ hợp ảnh Landsat 8; (b) Ảnh tổ hợp ảnh Sentinel 2 ........... 67 Hình 3.13. (a) Kết quả phân loại ảnh Landsat 8;(b) Kết quả phân loại ảnh Sentinel 2 ................................................................................................................................ 68 Hình 3.14. Sơ đồ các điểm lấy mẫu kiểm tra ngẫu nhiên ......................................... 69 Hình 3.15 Kết quả phân loại ảnh Landsat 8 bằng phƣơng pháp MLC ................ 70 Hình 3.16. Đồ thị thể hiện so sánh diện tích kết quả phân loại có kiểm định và kết quả phân loại sử dụng tỷ lệ thành phần đất, nƣớc, thực vật đối với ảnh Landsat 8 ................................................................................................................................ 71 Hình 3.17 Kết quả phân loại ảnh Sentinel 2 bằng phƣơng pháp xác suất cực đại ............................................................................................................................................. 76 Hình 3.18. Đồ thị thể hiện so sánh diện tích giữa kết quả phân loại MLC và kết quả phân loại sử dụng tỷ lệ thành phần đất, nƣớc, thực vật đối với ảnh Sentinel 2 ................................................................................................................................ 77 9 MỞ ĐẦU 1. Tính cấp thiết của đề tài: Ưu điểm của ảnh viễn thám là tính đa thời gian, phủ trùm trên diện tích rộng giúp con người cập nhật thông tin, tiến hành nghiên cứu một cách nhanh chóng hiệu quả, tiết kiệm thời gian, công sức. Nguyên lý cơ bản của viễn thám đó là đặc trưng phản xạ hay bức xạ của các đối tượng tự nhiên tương ứng với từng giải phổ khác nhau. Kết quả của việc giải đoán các lớp thông tin phụ thuộc rất nhiều vào sự hiểu biết về mối tương quan giữa đặc trưng phản xạ phổ với bản chất, trạng thái của các đối tượng tự nhiên. Những thông tin về đặc trưng phản xạ phổ của các đối tượng tự nhiên sẽ cho phép các nhà chuyên môn chọn các kênh ảnh tối ưu, chứa nhiều thông tin nhất về đối tượng nghiên cứu, đồng thời đây cũng là cơ sở để phân tích nghiên cứu các tính chất của đối tượng, tiến tới phân loại chúng. Trong nhiều năm qua viễn thám vệ tinh và kỹ thuật phân loại ảnh bị giới hạn bởi độ phân giải không gian hoặc khoảng cách lấy mẫu thực địa ở phần tử ảnh là pixel. Đặc biệt đối với các hệ thống vệ tinh cho ảnh độ phân giải thấp và trung bình, điển hình như Landsat với kích thước pixel là 30m, thể hiện các hạn chế về đơn vị vẽ bản đồ nhỏ nhất, độ chính xác không gian, và chi tiết các thông tin được chiết xuất. Thực tế, trong một pixel luôn luôn tồn tại một hoặc vài đối tượng bên trong, nếu diện tích các đối tượng đó nhỏ hơn diện tích một pixel. Do vậy, khi sử dụng phương pháp phân loại có kiểm định, đặc biệt khu vực có bề mặt lớp phủ hỗn hợp, kết quả phân loại ảnh bị ảnh hưởng lớn bởi vấn đề nhiễu điểm ảnh. Nhiều giải pháp về giảm nhiễu điểm ảnh để nâng cao độ chính xác của kết quả phân loại đã được nghiên cứu và phát triển.Tuy nhiên cho tới nay, phần lớn các nghiên cứu chỉ chú trọng trực tiếp vào tính toán giảm nhiễu pixel mà chưa tập trung vào nghiên cứu tính toán các giá trị phổ (endmember) của các đối tượng cũng như tỉ lệ các thành phần Đất-Nước-Thực vật trong mỗi điểm ảnh. Vì trong quá trình giảm nhiễu điểm ảnh cần phải tính toán được giá trị phổ của đối tượng để làm cơ sở nội suy giá trị phổ cho các đối tượng xung quanh trong điểm ảnh [2]. Do vậy, xác định giá trị phổ thực của các đối tượng cũng như xác định tỉ lệ phần trăm phản xạ của từng endmember bên trong một điểm ảnh đóng vai trò quan trọng và là cơ sở để giảm nhiễu điểm ảnh góp phần nâng cao độ chính xác cho công tác phân loại ảnh. 10 Với mong muốn góp phần nâng cao độ chính xác của công tác phân loại ảnh, học viên lựa chọn nghiên cứu đề tài: Nghiên cứu giải pháp kỹ thuật nâng cao độ chính xác trong phân loại ảnh tại khu vực có độ phủ hỗn hợp. 2. Mục tiêu nghiên cứu Đưa ra giải pháp giảm nhiễu nâng cao độ chính xác công tác phân loại ảnh khu vực có độ phủ hỗn hợp dựa theo giá trị phổ và tỷ lệ các thành phần đất- nước- thực vật trong một điểm ảnh. Thực nghiệm phân loại ảnh Landsat 8 và Sentinel 2 khu vực Hà Nội dựa trên giải pháp đã nêu trên. 3. Nội dung nghiên cứu - Tổng quan về tình hình nghiên cứu giảm nhiễu điểm ảnh nâng cao độ chính xác kết quả phân loại ảnh ở trong và ngoài nước. - Đề xuất giải pháp xác định giá trị phổ của 3 đối tượng đất, nước, thực vật trên mỗi điểm ảnh. - Đề xuất giải pháp tính toán tỷ lệ các thành phần Nước-Đất-Thực vật trong mỗi điểm ảnh. - Lập trình chương trình tính toán xác định giá trị phổ thực của 3 đối tượng đất, nước, thực vật trên mỗi điểm ảnh. - Lập trình chương trình tính toán toán tỷ lệ các thành phần Nước -Đất- Thực vật trong mỗi điểm ảnh. - Thực nghiệm phân loại ảnh bằng phương pháp đề xuất. 4. Phạm vi nghiên cứu - Phạm vi khoa học: thực hiện thử nghiệm phân loại trên ảnh vệ tinh có độ phân giải thấp 30m và độ phân giải trung bình 10m - Phạm vi không gian: Ảnh Landsat 8 và Sentinel 2 khu vực Thành phố Hà Nội 5. Kết quả đạt đƣợc - Giải pháp xác định giá trị phổ của 3 đối tượng đất, nước, thực vật trên mỗi điểm ảnh. - Giải pháp tính toán tỷ lệ các thành phần Nước-Đất-Thực vật trong mỗi điểm ảnh. - Chương trình phân loại ảnh dựa theo giải pháp đã nêu trên. 11 6. Ý nghĩa khoa học và thực tiễn - Ý nghĩa khoa học: Đề tài đưa ra được giải pháp để phân loại ảnh viễn thám có độ chính xác cao. -Ý nghĩa thực tiễn: Dựa trên giải pháp đề xuất đề tài đã đưa ra ứng dụng phân loại ảnh vệ tinh thành lập các bản đồ chuyên đề phục vụ công tác giám sát tài nguyên môi trường tự nhiên, phát triển kinh tế xã hội. 7. Phƣơng pháp nghiên cứu và kỹ thuật sử dụng Phương pháp nghiên cứu: - Phương pháp tổng hợp và kế thừa: Thu thập tài liệu đã có liên quan đến các phương pháp và nội dung của đề tài; Lựa chọn các phương pháp nghiên cứu phù hợp; Tổng hợp các kết quả nghiên cứu và tư liệu có liên quan đến đề tài; - Phương pháp thu thập, phân tích thông tin: Các lớp thông tin sẽ được thu thập, phân tích, đánh giá để làm cơ sở cho việc lập báo cáo; - Phương pháp điều tra khảo sát thực địa: Thu thập, giải đoán, mô tả và khoanh vùng diện tích các đối tượng đất, nước, thực vật nhằm đánh giá độ chính xác công tác phân loại dựa trên tỷ lệ các thành phần đất- nước- thực vật trong một điểm ảnh. Kỹ thuật sử dụng: - Kỹ thuật viễn thám: nắn chỉnh hình học, tăng cường chất lượng ảnh cho mục đích phân tích ảnh, chiết tách thông tin tốt nhất; - Kỹ thuật khai thác thông tin trên mạng Internet: Thu thập các dữ liệu, tài liệu trong và ngoài nước có liên quan đến đề tài nghiên cứu. - Kỹ thuật lập trình: lập trình chương trình phân loại ảnh bằng ngôn ngữ lập trình Matlab dựa trên thuật toán tỷ lệ các thành phần đất- nước- thực vật trong một điểm ảnh. 8. Cấu trúc luận văn Phần mở đầu Chương 1: Tổng quan tình hình nghiên cứu trong và ngoài nước Chương 2: Cơ sở lý luận phân loại ảnh viễn thám Chương 3: Thực nghiệm tính toán giá trị phổ endmember và tỷ lệ thành phần đất-nước-thực vật trên ảnh viễn thám. Kết luận và kiến nghị 12 CHƢƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU TRONG VÀ NGOÀI NƢỚC 1.1. Các khái niệm Viễn thám: là khoa học thu thập thông tin về các đối tượng, sự vật trên bề mặt đất mà không cần tiếp xúc trực tiếp với các đối tượng, sự vật đó. Dựa trên kiểu của nguồn sáng, viễn thám được chia ra thành viễn thám chủ động và viễn thám bị động. Khi các nguồn sáng tới bề mặt đất, năng lượng tới sẽ được tương tác theo 3 cơ chế: phản xạ, hấp thụ, tỏa ra (năng lượng nhiệt). Ảnh viễn thám được hình thành từ quá trình bộ cảm ghi lại mức độ phản hồi hay tỏa ra của các đối tượng, sự vật trên bề mặt trái đất. Phân loại ảnh viễn thám theo nguồn năng lượng và chiều dài bước sóng ta có thể chia ảnh vệ tinh thành 3 loại cơ bản: - Ảnh quang học là loại ảnh được tạo ra bởi việc thu nhận các bước sóng sánh sáng nhìn thấy. Nguồn năng lượng chính là bức xạ mặt trời. - Ảnh hồng ngoại: Là loại ảnh được tạo ra bởi việc thu nhận các bước sóng hồng ngoại phát ra từ vật thể. Nguồn năng lượng chính là vức xạ nhiệt của các vật thể. - Ảnh Radar: là loại ảnh được tạo ra bởi việc thu nhận các bước sóng trong dải sóng cao tần. Nguồn năng lượng chính là sóng radar phản xạ từ các vật thể do vệ tinh tự phát xuống theo những bước sóng đã được xác định. Trong phạm vi nghiên cứu đề tài học viên chỉ đề cập đến ảnh quang học. Các thông số quan trọng nhất đặc trưng cho thông tin của một ảnh vệ tinh cần được lựa chọn cho đối tượng nghiên cứu, đó là độ phân giải không gian, độ phân giải phổ và độ phân giải thời gian. * Độ phân giải không gian: Ý nghĩa quan trọng nhất của độ phân giải không gian là nó cho biết đối tượng nhỏ nhất mà có thể phân biệt trên ảnh.Ví dụ, ảnh có độ phân giải không gian là 30 x 30m sẽ cho phép phân biệt được các đối tượng có kích thước lớn hơn 30 x 30m. 13 Hình 1.1. Minh họa độ phân giải không gian ảnh viễn thám Khả năng nhận biết đối tượng trên ảnh vệ tinh phụ thuộc vào độ phân giải. Căn cứ vào đó ta có thể chia ra thành 4 mức dữ liệu: - Dữ liệu có độ phân giải thấp như ảnh NOAA (120m) - Dữ liệu có độ phân giải trung bình như ảnh Landsat MSS (80m) - Dữ liệu có độ phân giải cao như Landsat TM(30m, 15m), Spot (20m, 10m) Aster (15m). - Ảnh có độ phân giải siêu cao như IKONOS (1 – 5m), ảnh Quickbird (1m). * Độ phân giải phổ: vệ tinh thu nhận sóng phản xạ trên một khoảng bước sóng nhất định. Độ rộng hẹp của khoảng bước sóng là độ phân giải phổ của ảnh. Khoảng bước sóng càng hẹp thì tính phản xạ phổ của đối tượng càng đồng nhất. * Độ phân giải thời gian: vệ tinh viễn thám chuyển động trên quỹ đạo và chụp ảnh Trái Đất. Sau một khoảng thời gian nhất định, nó quay lại và chụp lại vùng đã chụp. Khoảng thời gian này gọi là độ phân giải thời gian của vệ tinh. Với khoảng thời gian lặp lại càng nhỏ thì thông tin thu thập càng nhiều. Ngoài ra, số lượng kênh ảnh cũng là một yếu tố quan trọng ảnh hưởng đến thông tin thu nhận trên ảnh viễn thám. Ảnh được thu càng nhiều kênh thì càng có 14 nhiều thông tin về đối tượng thu được. Các ảnh đa phổ thông thường thu được từ 3- 10 kênh. Trên ảnh viễn thám, điểm ảnh là đơn vị nhỏ nhất, mang giá trị cường độ dưới dạng số và địa chỉ dưới dạng thông tin về tọa độ hàng và tọa độ cột.Từng điểm ảnh sẽ bao gồm nhiều thông tin về các đối tượng ở trong khu vực nghiên cứu. Hình 1.2: Minh họa về điểm ảnh Độ phủ hỗn hợp: Một điểm ảnh có độ phủ hỗn hợp là một yếu tố hình ảnh đại diện cho một khu bao gồm nhiều hơn một loại che phủ mặt đất. Về cơ bản, có hai tình huống mà các điểm ảnh hỗn hợp xảy ra. Trường hợp đầu tiên liên quan đến các điểm ảnh nhỏ được đặt tại các cạnh của đối tượng lớn như trong các lĩnh vực nông nghiệp. Trường hợp thứ hai xảy ra khi đối tượng được thu nhận ảnh là tương đối nhỏ so với độ phân giải không gian của máy quét. Điều này có thể xảy ra đối với các đối tượng dạng tuyến như sông hay đường giao thông hoặc các đối tượng nhỏ hơn kích thước điểm ảnh như ao hoặc bụi cây thưa thớt. Đối với mỗi loại ảnh viễn thám số lượng điểm ảnh hỗn hợp phụ thuộc rất nhiều vào khu vực chụp ảnh. Irons và các cộng sự [16] đã báo cáo tỷ lệ điểm ảnh hỗn hợp có thể xảy ra trong ảnh TM là khác nhau khác nhau, từ 29,6% đến 68,3% đối với các cảnh quan khác nhau, trong khi Schoenmakers [16] cho rằng trong một số quốc gia Địa Trung Hải của EU, mà kích thước trường trung bình là nhỏ, tỷ lệ điểm ảnh hỗn hợp có thể lên đến 30%. Những con số này cho thấy điểm ảnh hỗn hợp có một ảnh hưởng đáng kể trong việc sử dụng thông tin từ ảnh. Phân loại các điểm ảnh hỗn hợp dẫn đến lỗi làm cho việc ước tính khu vực tiếp theo không chính xác. Những lỗi này được gây ra bởi 15 tiền đề của phân loại là tất cả pixel ảnh là tinh khiết, tức là bao gồm một loại lớp phủ duy nhất, trong khi trên thực tế là không phải. Các vấn đề về kết quả này là vì: - Các điểm ảnh hỗn hợp được phân loại về một lớp, trong khi trên thực tế nó thuộc về hai hay nhiều lớp. Kết quả là, các ước tính khu từ thống kê điểm ảnh sẽ không chính xác. - Các điểm ảnh hỗn hợp có thể không còn phù hợp với các dấu hiệu phổ của các loại lớp phủ hiện nay. Thậm chí hỗn hợp của lớp A và B có thể giống với dấu hiệu phổ của một loại C hoàn toàn khác nhau mà thậm chí không có mặt trong vòng pixel thấy hình 1.3. Số lượng điểm ảnh có độ phủ hỗn hợp càng lớn thì sai số trong phân loại ảnh càng lớn. Hơn nữa, lưu ý rằng cả hai nguồn lỗi là có hệ thống thay vì ngẫu nhiên. Hình 1.3. Nhầm lẫn phổ gây ra tại khu vực có độ phủ hỗn hợp Các vấn đề hỗn hợp điểm ảnh không được giải quyết triệt để bằng cách tăng độ phân giải không gian. Tuy nhiên, tỷ lệ điểm ảnh hỗn hợp giảm khi độ phân giải không gian trở nên tốt hơn, kích thước pixel nhỏ hơn cho phép pixel tinh khiết hơn để được phù hợp trong ranh giới đối tượng. 16 Trong một số trường hợp, độ phân giải không gian tốt hơn nhưng kết quả phân loại có thể xấu đi. Vì ở độ phân giải tốt hơn các biến thể trong lớp phủ tăng như sự khác biệt độ ẩm, độ cao, chiếu sáng trở nên rõ ràng hơn Ví dụ môt khu rừng thống nhất ở độ phân giải thấp nhưng có thể hiện thị các loại cây riêng lẻ của các loài khác nhau xen kẽ với độ phân giải tốt hơn. Một bất lợi nữa của độ phân giải không gian tốt là số lượng điểm ảnh có thể trở nên rất lớn gây khó khăn trong xử lý dữ liệu, mà thêm vào các chi phí sử dụng tư liệu lớn. Cùng với thực tế là ngày nay xu thế sử dụng dữ liệu phủ sóng toàn cầu ngày càng lớn. Các dữ liệu viễn thám như Landsat 8 hay Sentinel 2 ngày càng được quan tâm sử dụng vì các ưu điểm về chi phí cũng như độ phủ trùm. Nhiễu điểm ảnh được định nghĩa là kết quả của sự hỗn hợp các đối tượng, thành phần trong một điểm ảnh, và độc lập với độ phân giải [5]. Nhiễu điểm ảnh thường xảy ra do kích thước các đối tượng và sự vật cần phân loại thường nhỏ hơn kích thước 1 điểm ảnh. Theo Fisher(1997) có 3 trường hợp phổ biến về hiện tượng nhiễu điểm ảnh. Đó là: - Nhiễu giữa các đối tượng trên 1 điểm ảnh như cửa, cây cối, ao, hồ - Nhiễu giữa đối tượng nằm trên vùng chuyển tiếp của các đối tượng trên một điểm ảnh như khu vực có nhiều cây cối - Nhiễu giữa các đối tượng có cấu trúc hình tuyến như cầu cống, đường xá Ngay cả với bộ cảm biến có độ phân giải tương đối cao, các điểm ảnh bị nhiễu được dự đoán xuất hiện có trong hầu hết các cảnh ảnh. Điểm ảnh bị nhiễu có thể là hệ quả của sự kết hợp của các sự vật, độc lập với độ phân giải cảm biến. Hình 1.3 cho thấy các tình huống khác nhau tạo ra điểm ảnh bị nhiễu: 17 Hình 1.4:Các tình huống tạo ra nhiễm điểm ảnh - Điểm ảnh phụ: các đối tượng nhỏ như ngôi nhà hay cây cối, được bao gồm trong một điểm ảnh; - Quá độ: là vùng chuyển tiếp giữa hai hay nhiều đối tượng khác nhau, ví dụ như chuyển đổi giữa các loại thực vật; - Điểm ảnh phụ hình tuyến: có cấu trúc dài và mỏng, ví dụ như con đường, bao gồm một vài điểm ảnh; - Điểm ảnh ranh giới: ranh giới giữa hai hay nhiều đối tượng, ví dụ các ranh giới giữa nhiều thảm thực vật khác nhau, đi qua một điểm ảnh. Với ảnh vệ tinh độ phân giải trung bình và nhỏ, hiện tượng nhiễu điểm ảnh thường xảy ra do kích thước các đối tượng và sự vật cần phân loại thường nhỏ hơn kích thước một điểm ảnh. Phân loại ảnh: Nhìn tổng quan, phân loại ảnh trong xử lý số là quá trình phân định các pixel trong hình ảnh thành các lớp hoặc các nhóm đơn vị lớp phủ mặt đất (Landcover). Có thể nói phân loại ảnh là một quá trình phức tạp và có thể bị ảnh hưởng bởi nhiều yếu tố. Viễn thám nghiên cứu tập trung vào việc phân loại ảnh từ lâu đã thu hút sự chú ý của cộng đồng viễn thám vì kết quả phân loại là cơ sở cho nhiều ứng dụng môi trường và kinh tế xã hội. Các nhà khoa học đã có nhiều nỗ lực trong việc phát triển phân loại ảnh cả về phương pháp và kĩ thuật để cải thiện độ chính 18 xác phân loại.Tuy nhiên phân loại dữ liệu viễn thám vào một bản đồ chuyên đề vẫn còn là một thách thức vì nhiều yếu tố chẳng hạn như sự phức tạp trong một cảnh quan trong khu vực nghiên cứu gây ra nhiễu điểm ảnh. Lựa chọn tư liệu viễn thám, xử lý ảnh và phương pháp phân loại có thể ảnh hưởng đến sự thành công của quá trình phân loại. 1.2. Tổng quan tình hình nghiên cứu trong và ngoài nƣớc 1.2.1. Trên thế giới Cho tới nay, trên thế giới đã có nhiều nghiên cứu về vấn đề giảm nhiễu điểm ảnh nâng cao độ chính xác các sản phẩm phân loại ảnh. Shimabukuro (1991) đã nêu ra 2 phương pháp chính trong giảm nhiễu điểm ảnh là phương pháp phân loại ảnh và phương pháp mô hình hóa sử dụng quan hệ giữa các thành phần trong một điểm ảnh.[7] Với phương pháp phân loại ảnh, độ chính xác của sản phẩm phân loại phụ thuộc chính vào điều kiện lấy mẫu phân loại. Độ chính xác của sản phẩm được nâng cao sau nhiều lần thực nghiệm. Đây là phương pháp truyền thống được sử dụng nhiều nhất trong phân loại ảnh.Tuy nhiên để đạt được kết quả có độ chính xác cao, quá trình xử lý ảnh lặp đi lặp lại đòi hỏi thời gian. Hơn nữa, độ chính xác cũng phụ thuộc nhiều vào ý thức chủ quan của người thực hiện. Phương pháp mô hình hóa sử dụng quan hệ giữa các thành phần đối tượng trong một điểm ảnh và bao gồm các phương pháp thành phần như phương pháp tuyến tính, phương pháp hình học. Đối với phương pháp tuyến tính, giá trị phổ trên một điểm ảnh thể hiện qua sự kết hợp tuyến tính của giá trị phổ đo đạc được từ các thành phần riêng biệt trong điểm ảnh đó. Giá trị băng phổ i (yi) được đo đạc sẽ được tính dựa trên mối quan hệ giữa giá trị phổ tham khảo của băng phổ i cho toàn bộ điểm ảnh j và tỷ lệ thành phần phổ của j (xj) trên điểm ảnh đó: Y= Ax (1.1) Trong phương pháp này, tỷ lệ thành phần phổ của các yếu tố trong một điểm ảnh sẽ được ước lượng. Phương pháp hình học là phương pháp chiết tách thông tin các đối tượng trên ảnh, như nhà cửa, cây cối dựa trên hình dạng hay sự phân bố có quy luật trong không gian của chúng. Trong nghiên cứu của Foschi(1994)[9], phương pháp hình học được áp dụng để chiết tách thông tin về cây trồng trên ảnh viễn thám. Trên ảnh vệ tinh, thông tin về các đối tượng cây thân gỗ trên thảm thực vật rất khó nhận biết 19 được do cây bị trộn lẫn với cây bụi và kích thước của cây nhỏ hơn nhiều so với kích thước của từng điểm ảnh. Trong nghiên cứu này, tác giả đã đề xuất một phương pháp mới dùng để phân tích mức độ hỗn hợp của các đối tượng trong một điểm ảnh. Một cửa sổ di chuyển được sử dụng để thu thập mẫu phân loại về sự phân bố đối tượng cây thân gỗ và vùng đệm xung quanh. Việc lặp lại theo quy luật phân bố của đối tượng được thu thập đem đến kết quả hình học của mẫu được thu thập. Tác giả đã chứng minh được phương pháp luận trong nghiên cứu của mình có thể chiết tách được các thông tin về cây thân gỗ đáng kể hơn so với các phương pháp phân loại thông thường. Ngoài phương pháp tuyến tính, các nhà nguyên cứu trên thế giới còn sử dụng các phương pháp khác như phương pháp bình phương nhỏ nhất (Keshaba và Mustard,2012) và phương pháp lựa chọn thống kê (Gebbinck,1998), phương pháp Neutral Network( Zhenghai và ctv,2007) để loại nhiễu điểm ảnh. Trong một nghiên cứu khác của Pei Liang (2009) [15]. Tác giả đã tiến hành phân loại các điểm ảnh hỗn hợp bằng lý thuyết phân loại mờ . Lý thuyết mờ là phương pháp hiệu quả của việc phân loại đối với điểm ảnh hỗn hợp. Lý thuyết mờ được áp dụng trong việc phân loại các hình ảnh viễn thám, trong đó mỗi điểm ảnh không chỉ được phân loại vào một lớp duy nhất. Từ một điểm ảnh có tương quan với nhiều loại tính năng, mức độ tương quan với từng loại được thể hiện như [0,1], và sau đó mức độ thành viên của các điểm ảnh cho mỗi tính năng được tính để phân loại. Tác giả đã tiến hành phân tích lý thuyết hệ thống và thử nghiệm để phân loại ảnh TM với mô hình phân loại của các lý thuyết mờ khu vực thành phố Fuxin (2006). Tiền xử lý ảnh viễn thám được sử dụng trước tiên để giảm thiểu tối đa nhiễu, sau đó tạo ảnh chỉ số tinh khiết các điểm ảnh (PPI). Cuối cùng tiến hành phân loại ảnh dựa trên chỉ số tinh khiết. Sự phân loại các điểm ảnh hỗn hợp tương tự cách sử dụng mô hình phân loại mờ do đó kết quả phân loại được nâng cao độ chính xác . Các phương pháp được giới thiệu ở trên được phát triển nhằm mục đích giảm nhiễu điểm ảnh và nâng cao độ chính xác của các kết quả phân loại. Trong đó, phương pháp tuyến tính được sử dụng thông dụng nhất. Tuy nhiên, độ chính xác của kết quả phân loại phụ thuộc sự lựa chọn phương pháp phù hợp với mục đích và đối tượng thực hiện. 1.2.2. Ở Việt Nam Một số thuật toán đã được nghiên cứu sử dụng như: trong nghiên cứu của Hoàng Minh Hải (2013), nhóm tác giả đã sử dụng Nguyên lý bầu chọn (Voting 20 principle) và hàm tin cậy Bayesian (Bayesian Belief Function)[2] nhằm