xử lý ảnh ndvi ứng dụng trong nông lâm nghiệp

LỜI CAM ĐOAN Đề tài “Xử lý ảnh NDVI ứng dụng trong Nông – Lâm nghiệp” sẽ đưa ra một công cụ hữu ích để xử lý hình ảnh, giúp người quản lý có được những thông tin sát thực nhất từ những

LUẬN VĂN TỐT NGHIỆP

XỬ LÝ ẢNH NDVI ỨNG DỤNG TRONG NÔNG - LÂM NGHIỆP

LUẬN VĂN TỐT NGHIỆP

XỬ LÝ ẢNH NDVI ỨNG DỤNG TRONG NÔNG - LÂM NGHIỆP

TRƯỜNG ĐẠI HỌC CẦN THƠ KHOA CÔNG NGHỆ

BỘ MÔN ĐIỆN – TỬ VIỄN THÔNG

Luận văn được thực hiện bởi:

1 Họ tên: Mai Nhật Tân, MSSV: 1118012, Lớp: Kỹ thuật máy tính K37

2 Họ tên: Trần Minh Châu, MSSV: 1117960, Lớp: Kỹ thuật máy tính K37

Tựa đề Luận văn (Hay tên đề tài): Xử lý ảnh NDVI phục vụ Nông – Lâm nghiệp

Luận văn đã nộp và báo cáo tại Hội đồng chấm bảo vệ Luận văn tốt nghiệp Đại học ngành Điện tử Truyền thông/Kỹ thuật Máy tính, Bộ môn Điện tử - Viễn thông vào ngày … tháng 05 năm 2015 (Quyết định thành lập Hội đồng số: …/QĐ-CN ngày … tháng 5 năm 2015 của Trưởng Khoa Công Nghệ)

Kết quả đánh giá: _

Chữ ký của các thành viên Hội đồng:

Thành viên 1: ThS Trương Phong Tuyên

Thành viên 2: ThS Trần Hữu Danh

Thành viên 3: ThS Võ Ngọc Lợi

LỜI CAM ĐOAN

Đề tài “Xử lý ảnh NDVI ứng dụng trong Nông – Lâm nghiệp” sẽ đưa ra một

công cụ hữu ích để xử lý hình ảnh, giúp người quản lý có được những thông tin sát thực nhất từ những hình ảnh chụp được Qua đó, có biện pháp xử lý kịp thời trên vùng đất của mình Chúng em chọn đề tài này để thực hiện Luận văn tốt nghiệp vì nhận thấy sự mới mẻ, tiến bộ, chính xác và và tiện lợi của phương pháp theo dõi, quản lý thông qua kết quả cụ thể xử lý được từ các bức ảnh thay vì sử dụng mắt thường và kinh nghiệm của con người từ trước đến nay

Trong quá trình thực hiện, đề tài không tránh khỏi những thiếu sót và do kiến thức còn hạn chế nhưng những nội dung trình bày trong quyển báo cáo này là những hiểu biết và thành quả của chúng em đạt được dưới sự giúp đỡ của cán bộ hướng dẫn là Thạc sĩ Trương Phong Tuyên

Chúng em xin cam đoan rằng những nội dung trình bày trong quyển báo cáo Luận văn tốt nghiệp này không phải là bản sao chép từ bất kỳ công trình đã có trước nào Nếu không đúng sự thật, em xin chịu mọi trách nhiệm trước nhà trường

Nhóm sinh viên thực hiện

Mai Nhật Tân Trần Minh Châu

LỜI CẢM ƠN

Để đạt được những kết quả của ngày hôm nay, chúng em không bao giờ quên gửi lời cảm ơn chân thành và sâu sắc nhất đến cha mẹ và gia đình chúng em, những người đã hỗ trợ chúng em về mặt kinh tế để chúng em có điều kiện tốt nhất thực hiện đề tài của mình Không chỉ vậy, gia đình còn luôn giúp đỡ và động viên, giúp chúng em có thêm nghị lực hoàn thành tốt nhiệm vụ học tập và rèn luyện của mình

Xin gửi lời cảm ơn đến đội ngũ cán bộ giảng dạy tại trường Đại học Cần Thơ nói chung và hai bộ môn Điện tử Viễn thông và Tự động hóa trực thuộc Khoa Công nghệ nói riêng đã tận tình giảng dạy, chỉ bảo cũng như tạo mọi điều kiện vật chất cho chúng em trong suốt thời gian chúng tôi tham gia học tập tại trường

Đặc biệt xin chân thành cảm ơn ThS Trương Phong Tuyên, người đã tận tình hướng dẫn chúng em thực hiện đề tài luận văn này Xin cảm ơn thầy vì những tài liệu thầy đã cung cấp, cùng với những chỉ dẫn, định hướng kịp thời giúp chúng

em thực hiện đúng hướng và đúng tiến độ đối với đề tài được giao

Trong suốt quá trình thực hiện đề tài chúng em cũng xin cám ơn sự giúp đỡ nhiệt tình của các anh, chị khóa trước, cũng như sự hợp tác của các nhóm làm luận văn dưới sự hướng dẫn của thầy Trương Phong Tuyên, cùng toàn thể bạn bè đã nhiệt tình động viên và ủng hộ, cổ vũ tinh thần cho chúng em

Xin chân thành cám ơn!

Nhóm sinh viên thực hiện

Mai Nhật Tân Trần Minh Châu

MỤC LỤC

KÝ HIỆU VÀ VIẾT TẮT 1

MỤC LỤC HÌNH 2

TÓM TẮT 4

ABSTRACT 4

CHƯƠNG 1 TỔNG QUAN 5

1.1 ĐẶT VẤN ĐỀ 5

1.2 LỊCH SỬ GIẢI QUYẾT VẤN ĐỀ 6

1.3 PHẠM VI ĐỀ TÀI 7

1.4 PHƯƠNG PHÁP NGHIÊN CỨU 7

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 8

2.1 TỔNG QUAN về phương pháp viễn thám [5] 8

2.1.1 Khái niệm viễn thám 8

2.1.2 Ứng dụng viễn thám [6] 8

2.1.3 Phân loại viễn thám 9

2.1.4 Những bộ cảm chính trong viễn thám 9

2.2 Tổng quan về ảnh – điểm ảnh [7] [8] 9

2.2.1 Định nghĩa 9

2.2.2 Độ phân giải của ảnh 9

2.2.3 Mức xám của ảnh 10

2.2.4 Không gian màu 10

2.2.5 Ảnh hồng ngoại và phương pháp thu ảnh hồng ngoại 13

2.2.6 Ảnh NDVI floating point, NDVI colormap và LUT 16

2.3 Modul chụp ảnh Raspberry Pi NoIR Camera 16

CHƯƠNG 3 XÂY DỰNG HỆ THỐNG 19

3.1 Tính toán NDVI 19

3.1.1 Cơ sở lý thuyết 19

3.1.2 Khái niệm 20

3.2 Fiji (Imagej) 21

3.2.1 Giới thiệu Imagej 21

3.2.2 Tính năng của Imagej 21

3.2.3 Fiji 22

CHƯƠNG 4 PHƯƠNG PHÁP THỰC HIỆN VÀ KẾT QUẢ 24

4.1 PHƯƠNG PHÁP THỰC HIỆN 24

4.1.1 Tổng quát 24

4.1.2 Xử lý lần lượt từng ảnh 24

4.1.3 Xử lý hàng loạt nhiều ảnh 27

4.2 Kết quả đạt được 29

KẾT LUẬN VÀ ĐỀ NGHỊ 34

TÀI LIỆU THAM KHẢO 35

Phụ lục 36

Cài đặt phần mềm và plugin 36

Sử dụng CTU NDVI 37

KÝ HIỆU VÀ VIẾT TẮT

NDVI Normalized Difference Vegetation Index

NGB Near-infrared – Green – Blue

NRG Near-infrared – Red – Green

PAR Photosynthetically active radiation

RGB Red - Green - Blue

MỤC LỤC HÌNH

Hình 1.1 Máy bay Quadrocopter thực hiện bay thử nghiệm Hình ảnh lấy từ bản tin

thời sự 60 phút của đài Phát thanh - Truyền hình Vĩnh Long ngày 19/01/2015 6

Hình 2.1 Ví dụ minh họa về các loại ảnh 10

Hình 2.2 Không gian màu RGB 11

Hình 2.3 Bước sóng quang phổ cận hồng ngoại và bước sóng ánh sáng nhìn thấy cùng với các bước sóng khác [4] 13

Hình 2.4 Độ nhạy quang phổ của một cảm biến silicon điển hình trên camera với bộ lọc IR đã được gỡ bỏ Ảnh khảo sát từ máy ảnh Canon 40D [9] 14

Hình 2.5 Độ nhạy quang phổ của một cảm biến silicon điển hình trên camera với bộ lọc IR đã được gỡ bỏ Ảnh khảo sát từ máy ảnh Nikon D200 [9] 14

Hình 2.6 Các vùng quang phổ camera thu được khi sử dụng bộ lọc infrablue Schott BG3 [10] 15

Hình 2.7 Quang phổ camera thu được khi sử dụng bộ lọc blue BG3 và red Wratten 25A [10] 15

Hình 2.8 Bộ lọc IR được thay thể cho bộ lọc chặn IR của máy ảnh Canon A495, được sửa đổi cho dự án PLOTS KickStarter năm 2012 [11] 16

Hình 2.9 Board Raspberry Pi B+ 17

Hình 2.10 Camera NoIR Pi 18

Hình 2.11 Module camera 5MP Wide Angle 160 degree kết hợp trên board Raspberry Pi B+ 18

Hình 3.1 Phản xạ ánh sáng khác nhau trong miền cận hồng ngoại và miền ánh sáng nhìn thấy đối với cây xanh còn tốt và cây đã mất sức sống 19

Hình 3.3 Các giá trị NDVI được tính toán trên các chi tiết khác nhau của bề mặt nơi khảo sát [15] 21

Hình 3.4 Giao diện ImageJ 21

Hình 3.5 Các Plugin mở rộng được phát triển bởi người dùng trên Imagej 22

Hình 3.6 Giao diện Fiji 22

Hình 3.7 Giao diện trình soạn thảo và biên dịch script editor trên Fiji 23

Hình 4.1 Menu chính của plugin 24

Hình 4.2 Sơ đồ các bước thực hiện xử lý NDVI 24

Hình 4.3 Giao diện xử lý từng ảnh 25

Hình 4.4 Sơ đồ giải thuật xử lý từng ảnh 26

Hình 4.5 Giao diện xử lý ảnh hàng loạt 27

Hình 4.6 Sơ đồ giải thuật xử lý ảnh hàng loạt 28

Hình 4.7 Ảnh cánh đồng lúa chụp từ module camera noir gắn trên máy bay Quadrocopter 29

Hình 4.8 Ảnh NDVI floating point tạo ra Xử lý từ ảnh (4.7) bằng CTU NDVI 29

Hình 4.9 Kết quả thống kê với ngưỡng 0.1 cho vùng (B) trên hình (4.8) 30

Hình 4.10 Ảnh chụp bởi diều không ảnh SWA và JSA Theo dõi bãi bồi tại bờ hồ ở Kansas (A) chụp vào 8/2008 (B) chụp vào 10/2006 [3] 30

Hình 4.11 Ảnh NDVI floating point đã xử lý từ ảnh (4.10) bằng CTU NDVI 31

Hình 4.12: Ảnh chụp than đá đang cháy nóng trong lò từ camera 5MP Wide Angle 160 degree kết hợp với board raspberry pi b+, ảnh chụp trong phòng kính, không có gió và không có ánh sáng 32

Hình 4.13: Ảnh NDVI floating point của than đá đang cháy Được xử lý từ ảnh

(4.12) bằng CTU NDVI 32

Hình 4.14: Ảnh NDVI colormap của than đá đang cháy Được xử lý từ ảnh (4.12) bằng CTU NDVI 33

Hình 5.1 Menu của CTU NDVI sau khi đã cài đặt xong 36

Hình 5.2 Giao diện xử lý từng ảnh 37

Hình 5.3 Ảnh đã xử lý NDVI floating point được tạo ra 38

Hình 5.4 Biểu đồ thống kê điểm ảnh trên ảnh NDVI floating point 38

Hình 5.5 Ngưỡng cần tính phần trăm điểm ảnh 39

Hình 5.6 Chọn vùng để tính phần trăm 39

Hình 5.7 Biểu đồ thống kê giá trị điểm ảnh của ảnh NDVI floating point 39

Hình 5.8 Số điểm ảnh và phần trăm số điểm ảnh trên và dưới ngưỡng đã được thống kê 40

Hình 5.9 Ảnh NDVI color được xử lý xong 40

Hình 5.10 Giao diện xử lý ảnh hàng loạt 41

Hình 5.11 Thông báo đã xử lý xong các ảnh 41

Hình 5.12 Các ảnh đã xử lý xong được lưu lại trong thư mục đã chỉ định 42

TÓM TẮT

Trong Nông – Lâm nghiệp hiện nay, mô hình cánh đồng mẫu lớn ngày càng phổ biến trong khu vực Đồng bằng sông Cửu Long với diện tích lên đến hàng chục hécta đã làm phát sinh các khó khăn trong việc theo dõi tình trạng cây lúa Với việc ứng dụng máy bay không người lái kết hợp với phương pháp chụp ảnh trên không vào nông nghiệp giúp con người nâng cao việc quản lý cánh đồng của mình Vì thế,

nhóm chúng em chọn đề tài “Xử lý ảnh NDVI ứng dụng trong Nông – Lâm nghiệp”

với mong muốn xây một công cụ trên nền tảng ImageJ có khả năng xử lý hình ảnh chụp những cánh đồng cần quản lý và theo dõi Đề tài sử dụng ngôn ngữ Java biên dịch trên scpits trong phần mềm ImageJ để tạo ra một plugin có thể hoạt động trên phần mềm này Hy vọng những kết quả đạt được sau khi xử lý hình ảnh có thể giúp con người biết được những thông tin hữu ích về mặt sinh học và mức độ phản xạ quang phổ của các đối tượng trong ảnh, qua đó có thể theo dõi tình trạng phát triển của cánh đồng lúa

Từ khóa: Fiji, RGB, NDVI, Raspberry pi, near infrared

It can process photos that were taken the field to manage and tracking The thesis uses the Java language compiler on scpits in ImageJ software to create a plugin may work on this software We hope the results obtained after image processing can help people know useful information about the biology and extent of spectral reflectance

of the object in the image, which can monitor development status of rice fields

Keywords: Fiji, RGB, NDVI, Raspberry pi, near infrared.

CHƯƠNG 1 TỔNG QUAN

Nội dung:

- Giới thiệu đề tài, yêu cầu và mục đích lựa chọn đề tài

- Quá trình hình thành và lịch sử giải quyết đề tài

- Phạm vi về không gian, thời gian và các gói công cụ hỗ trợ thực hiện đề tài

- Cách thức và phương thức tiến hành thực hiện đề tài

1.1 ĐẶT VẤN ĐỀ

Việc bảo tồn và phát triển các khu rừng, khu bảo tồn sinh học để góp phần bảo

vệ môi trường, chống biến đổi khí hậu hiện nay đang là vấn đề được quan tâm hàng đầu Các khu vực như thế thường có diện tích rất lớn lên đến hàng trăm hàng nghìn héc ta [1], cùng với địa hình hiểm trở, cây cối vật cản chằng chịt gây khó khăn lớn cho việc quản lý, theo dõi sự thay đổi sinh thái của vùng Còn phải kể đến nhiều loại động vật ăn thịt có thể gây nguy hiểm đến người quản lý nếu đi sâu vào khảo sát trong các khu rừng rộng lớn Trong lĩnh vực nông nghiệp, cánh đồng mẫu lớn hiện đang là hướng phát triển mới với qui mô lớn Với diện tích đến vài chục héc ta [2], việc thăm đồng truyền thống trên những mảnh đất vừa và nhỏ của nông dân ta

đó là đi vòng quanh bờ hoặc lội bùn để khảo sát tình trạng cây trồng (đối với ruộng lúa) đã không còn phù hợp Giải pháp được sử dụng đó là phương pháp viễn thám mặt đất

Con người đã có thể chụp được những hình ảnh trên không kể từ khi các phương tiện hiện có được nâng cấp thành những máy chụp hình, máy ảnh hiện đại trên bề mặt Trái đất, bắt đầu từ giữa thế kỷ thứ 19 Con người mong muốn nhìn thấy Trái đất ''như các loài chim đã làm'' Phương pháp này sử dụng khá hạn chế trong thế kỷ 19, thế nhưng phạm vi và phương tiện kỹ thuật của chụp ảnh trên không phổ biến hơn trong thế kỷ 20 Kỹ thuật bây giờ được sử dụng cho tất cả các hình dạng của tài nguyên trên trái đất, từ nhỏ và đơn giản đến lớn và tinh vi [3] Một vật thể bay được sử dụng, có thể là một máy bay điều khiển từ xa có gắn sẵn trên đó camera chụp ảnh gọn nhẹ, máy bay sẽ thay thế con người, tiếp cận các khu vực đất cần khảo sát, chụp và lưu lại các bức ảnh ở khu vực đó Dựa trên các bức ảnh đó, chúng ta có thể lấy được những thông tin cần thiết về mặt đất, về cây trồng để có hướng xử lý kịp thời

Tuy nhiên, trong nhiều trường hợp, chúng ta không thể thu được đầy đủ thông tin từ một bức ảnh thuần túy như vậy Các đối tượng, chi tiết của ảnh chụp trên không đôi khi được công nhận và phát hiện ra mà không cần bất kỳ nỗ lực nào của người phiên dịch hoặc sự hỗ trợ của một công cụ phân tích nào Tuy nhiên, trong nhiều trường hợp vẫn phải cần đến một số tính năng hỗ trợ trong việc kiểm tra và giải thích các không ảnh [3] Điển hình như theo dõi sự thay đổi thảm thực vật ở một vùng đồi trọc, đang bị hoang hóa, quá trình diễn ra không quá nhanh, các bức ảnh thu được trong thời gian ngắn, rất khó để nhận ra sự thay đổi kịp thời Bên cạnh

đó khi theo dõi một cánh đồng lúa, màu sắc của lá lúa phản ánh tình trạng sức khỏe của cây lúa, màu sắc ấy thay đổi từng ngày, với hình ảnh thô thu được từ camera, mắt thường chỉ nhận thấy được những thay đổi lớn, nhưng với những thay đổi nhỏ

đã cho thấy cây lúa đã có những biểu hiện xấu về sức khỏe mà chúng ta không nhận thấy được Như vậy, một vấn đề đặt ra là bên cạnh thu thập các bức ảnh, cần có một

công cụ để hỗ trợ xử lý, phân tích dữ liệu hình ảnh để có thêm những thông tin cần thiết mà từ ảnh thô chúng ta không nhận thấy được Công cụ đó sẽ là phần mềm hỗ trợ việc phân tích hình ảnh với các ứng dụng bao gồm: hỗ trợ hoạt động nông nghiệp, quản lý môi trường, cảnh báo cháy rừng, giám sát thiên tai và tìm kiếm cứu nạn, đo đạc lập bản đồ địa hình, địa chính, giám sát an ninh và chụp không ảnh phục

vụ quy hoạch đô thị

dụ như ảnh viễn thám từ vệ tinh MODIS [4] Đã có những đề tài sử dụng phần mềm

và nguồn ảnh trên để khảo sát mặt đất: ứng dụng GIS và viễn thám thành lập bản đồ đất ngập nước tỉnh Kon Tum (Nguyễn Thùy Linh, 6/2014); ứng dụng ảnh viễn thám MODIS phân vùng ảnh hưởng xâm nhập mặn tỉnh Bến Tre năm 2012 (Trần Thị Phương Dung, 6/2013)

Học hỏi phương pháp nghiên cứu từ các đề tài trên, đề tài của chúng tôi xây dụng một công cụ để phân tích không ảnh chụp từ một mô hình bay tự chế (đã được chế tạo bởi các sinh viên khóa 36, khoa Công Nghệ, trường Đại học Cần Thơ: Trần Thanh Tú, Lê Tiến Dũng, Nguyễn Hữu Tuấn), qua đó có được những thông tin cần biết về mặt đất nơi khảo sát

Hình 1.1 Máy bay Quadrocopter thực hiện bay thử nghiệm Hình ảnh lấy từ bản tin thời sự 60 phút của đài Phát thanh - Truyền hình Vĩnh Long ngày 19/01/2015

Ảnh được sử dụng ở đây là những bức ảnh gọn nhẹ, có độ phân giải không quá cao Công cụ để tính toán chỉ số NDVI, xử lý và phân tích ảnh được xây dựng trên nền tảng hoàn toàn miễn phí Các vấn đề nghiên cứu của đề tài bao gồm:

● Tính toán NDVI từ không ảnh

● Xử lý ảnh gốc tạo ra ảnh NDVI foating point dựa trên kết quả tính toán NDVI, dựa vào đó có thể phân biệt các chi tiết có NDVI khác nhau

● Xử lý tạo ảnh NDVI colormap, bản đồ màu NDVI được tạo ra, ảnh màu sẽ giúp phân biệt rõ hơn các chi tiết trong ảnh, đặc biệt là các chi tiết có NDVI gần nhau

● Cung cấp thêm chức năng tính toán tỷ lệ phần trăm số điểm ảnh có NDVI trên và dưới ngưỡng (ngưỡng do người dùng chọn), tỷ lệ này có thể tính trên

cả bức ảnh hoặc trên một khu vực của bức ảnh (do người dùng chọn)

● Có thể xử lý từng ảnh hoặc một thư mục chứa nhiều ảnh

● Xây dựng một giao diện trực quan dễ sử dụng cho người dùng

1.3 PHẠM VI ĐỀ TÀI

Đề tài được nghiên cứu dựa trên nền tảng những kiến thức về lập trình hướng đối tượng, về ngôn ngữ lập trình Java, kiến thức về chỉ số NDVI, phương pháp viễn thám và kỹ thuật chụp và xử lý ảnh Hệ thống phần mềm được thực hiện dựa trên việc sử dụng script trên Fiji như là một môi trường lập trình ứng dụng để hình thành nên công cụ xử lý ảnh NDVI

Do giới hạn về kiến thức của từng thành viên và khuôn khổ thời gian thực hiện

4 tháng nên mục tiêu hướng đến của đề tài là xây dựng nên một plugin trên Fiji với các chức năng đáp ứng được yêu cầu của đề tài

1.4 PHƯƠNG PHÁP NGHIÊN CỨU

Quá trình thực hiện đề tài được tiến hành tuần tự theo các bước sau:

● Tìm hiểu cơ bản về phương pháp viễn thám sử dụng trong để tài

● Tìm hiểu các thành phần trên board Raspberry Pi B+ và module Raspberry

Pi NoIR Camera

● Tìm hiểu về các lý thuyết xử lý ảnh, chỉ số NDVI

● Thiết kế và xây dựng plugin trên Fiji

● Thiết kế và xây dựng giải thuật trên script với ngôn ngữ Java

● Khảo sát kết quả thực tế và cải tiến phần mềm

● Kết quả và đánh giá

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT

Nội dung:

- Tổng quan về viễn thám

- Kiến thức về ảnh

- Giới thiệu module Raspberry Pi Noir Camera

2.1 TỔNG QUAN VỀ PHƯƠNG PHÁP VIỄN THÁM [5]

2.1.1 Khái niệm viễn thám

Viễn thám được định nghĩa như một ngành khoa học và là một nghệ thuật nghiên cứu các thông tin thu nhận được bằng các công cụ kỹ thuật mà nhờ nó các tính chất của vật thể quan sát được xác định, đo đạc hoặc phân tích mà không cần tiếp xúc trực tiếp với chúng

Nguồn tài nguyên chủ yếu trong viễn thám là sóng điện từ hoặc được phản xạ hoặc được bức xạ từ vật thể thường Tuy nhiên những năng lượng như từ trường, trọng trường cũng được sử dụng

Thiết bị dùng để cảm nhận sóng điện từ phản xạ hay bức xạ từ vật thể được gọi là bộ cảm Phương tiện dùng để mang các bộ cảm được gọi là vật mang Vật mang có thể là khí cầu, máy bay, vệ tinh, tàu vũ trụ

● Viễn thám trong quản lý sử dụng đất bao gồm: thống kê và thành lập bản

đồ sử dụng đất, điều tra giám sát trạng thái mùa màng và thảm thực vật

● Viễn thám trong địa chất bao gồm: thành lập bản đồ địa chất, lập bản đồ phân bố khoáng sản, lập bản đồ phân bố nước ngầm, lập bản đồ địa mạo

● Viễn thám trong nghiên cứu tài nguyên nước: lập bản đồ phân bố tài nguyên nước, bản đồ phân bố tuyết, bản đồ phân bố mạng lưới thuỷ văn, bản

● Viễn thám trong khí tượng thuỷ văn: đánh giá định lượng lượng mưa, bão

và lũ lụt, hạn hán, đánh giá, dự báo dòng chảy, đánh giá tài nguyên khí hậu, phân vùng khí hậu

2.1.3 Phân loại viễn thám

Viễn thám có thể được chia thành 3 loại cơ bản theo bước sóng sử dụng:

● Viễn thám trong dải sóng nhìn thấy và hồng ngoại

● Viễn thám hồng ngoại nhiệt

● Viễn thám siêu cao tần

Ở đây chúng ta quan tâm đến viễn thám trong dải sóng nhìn thấy và hồng ngoại Nguồn năng lượng chính sử dụng trong nhóm viễn thám này là bức xạ mặt trời Tư liệu thu được trong dải sóng nhìn thấy phụ thuộc chủ yếu vào sự phản xạ từ

bề mặt vật thể và bề mặt trái đất Vì vậy các thông tin về vật thể có thể được xác định từ các phổ phản xạ

2.1.4 Những bộ cảm chính trong viễn thám

Bộ cảm là bộ phận thu nhận sóng điện từ được bức xạ, phản xạ từ vật thể Việc phân loại các bộ cảm có thể thực hiện theo dãy sóng thu nhận, cũng có thể phân loại theo kết cấu

Các loại bộ cảm thường được sử dụng trong viễn thám là: máy chụp ảnh (camera, máy chụp ảnh hàng không, máy chụp đa phổ, máy chụp toàn cảnh…), máy quét (máy quét đa phổ quang cơ, máy quét đa phổ điện tử)

2.2 TỔNG QUAN VỀ ẢNH – ĐIỂM ẢNH [7] [8]

2.2.1 Định nghĩa

Ảnh trong thực tế (ảnh tự nhiên) là ảnh liên tục về không gian và về giá trị độ sáng Để có thể xử lý ảnh bằng máy tính, phải tiến hành số hoá ảnh nhằm biến đổi gần đúng một ảnh liên tục thành một tập điểm, phù hợp với ảnh thật về vị trí (không gian) và độ sáng (mức xám) Trong quá trình số hoá, người ta biến đổi tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình lấy mẫu (rời rạc hoá về không gian) và lượng hoá thành phần giá trị mà về nguyên tắc bằng mắt thường không phân biệt được 2 điểm kề nhau Trong quá trình này người ta sử dụng khái niệm điểm ảnh (PEL: Picture Element) hay còn gọi là pixel Như vậy một ảnh là một tập hợp các điểm ảnh

Ảnh số là tập hợp hữu hạn các điểm ảnh với giá trị phù hợp dùng để mô tả ảnh gần với ảnh thật Số điểm ảnh xác định độ phân giải của ảnh Ảnh có độ phân giải càng cao thì càng thể hiện rõ nét các đặc điểm và càng làm cho tấm ảnh trở nên thực và sắc nét hơn

Điểm ảnh (pixel) là một phần tử của ảnh số tại toạ độ (x, y) với giá trị hoặc màu nhất định Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và màu của ảnh số gần như ảnh thật

2.2.2 Độ phân giải của ảnh

Độ phân giải (resolution) của một ảnh là mật độ điểm ảnh được ấn định trên một ảnh số

Khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bố chính là độ phân giải và được phân bố theo trục x, y trong không gian hai chiều

Ví dụ: với màn CGA (320x200) là một lưới điểm theo chiều ngang màn hình

320 điểm ảnh x chiều dọc 200 điểm ảnh So sánh màn hình CGA 12 (Color Graphic Adaptor) thì thấy ảnh mịn hơn màn hình CGA 17 Như vậy diện tích càng rộng thì

độ mịn (sự liên tục của các điểm) của ảnh càng kém đi, cũng như khi phóng to một ảnh cũng vậy, ảnh càng to thì càng bị vỡ hạt, độ mịn càng kém

2.2.3 Mức xám của ảnh

Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm ảnh đó Trong biểu diễn số của các ảnh đa mức xám, một ảnh được biểu diễn dưới dạng một ma trận hai chiều Mỗi phần tử của ma trận biểu diễn cho mức xám hay cường độ của ảnh tại vị trí đó Mỗi phần tử trong ma trận được gọi là một phần

tử ảnh hoặc điểm ảnh (pixel) Một điểm ảnh có hai đặc trưng cơ bản là vị trí (x,y) của điểm ảnh và độ xám

● Các thang giá trị mức xám thông thường: Thông thường có các thang mức

xám như : 16, 32, 64, 128, 256 (mức 256 là mức phổ dụng, lý do: từ kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám, tức là từ 0 đến 255)

● Mức xám ở ảnh đen trắng: Ảnh đen trắng là ảnh chỉ có hai màu đen trắng,

mức xám ở các điểm ảnh có thể khác nhau Mỗi mức xám được biểu diễn dưới dạng là một số nguyên nằm trong khoảng từ 0 đến 255, với mức 0 biểu diễn cho mức cường độ đen nhất và 255 biểu diễn cho mức cường độ sáng nhất

● Mức xám ở ảnh nhị phân: Ảnh chỉ có hai mức đen, trắng phân biệt, nói

cách khác mỗi điểm ảnh của ảnh nhị phân chỉ có thể là 0 hoặc 1

● Mức xám ở ảnh màu: Ảnh màu được tạo nên từ ba màu cơ bản (red, blue,

green), người ta dùng 3 byte để mô tả mức màu Với ảnh màu: Cách biểu diễn cũng tương tự như với ảnh đen trắng, chỉ khác là các số tại mỗi phần tử của ma trận biểu diễn cho ba màu riêng rẽ gồm: đỏ (red), lục (green) và lam (blue) Để biểu diễn cho một điểm ảnh màu cần 24 bit, 24 bit này được chia thành ba khoảng 8 bit Mỗi khoảng này biểu diễn cho cường độ sáng của một trong các màu chính

Hình 2.1 Ví dụ minh họa về các loại ảnh

2.2.4 Không gian màu

Không gian màu (color space) đựợc đưa ra để định các màu hiển thị trên máy tính, bởi vì chúng làm đơn giản hóa các thao tác tính toán cần thiết cho việc chuyển

đổi màu sắc (color transformation) Không gian màu có thể được thiết kế hoặc là dựa trên cơ sở của bộ phát sinh màu của phần cứng (ví dụ như không gian RGB) hoặc là dựa trên sự cảm nhận màu sắc của mắt (như không gian HSL) Với một ứng dụng, việc chọn không gian màu nào để sử dụng tùy thuộc vào một số nhân

tố sau: độ chính xác mà các nhà thiết kế cần kiểm soát màu sắc (color control), yêu cầu về sự tương tác giữa các màu sắc và tốc độ các tính toán cho ứng dụng đó

Có nhiều loại không gian màu như: RGB, CMY, CMYK, HSV, HSL, YcrCb Trong đó, không gian màu RGB là chuẩn công nghiệp cho các thao tác đồ họa máy tính Các thao tác màu sắc có thể được tính toán trên các không gian màu khác nhưng cuối cùng cần phải chuyển về không gian RGB để có thể hiển thị trên màn hình (do thiết kế của phần cứng dựa trên mô hình RGB)

Không gian màu RGB: mô tả màu sắc hình ảnh bằng 3 màu chính là Red,

Green và Blue Không gian này được xem như một khối lập phương 3 chiều với màu Red là trục x, màu Green là trục y và màu Blue là trục z như hình 2.2

Hình 2.2 Không gian màu RGB

Cơ chế phối màu của không gian màu RGB là cộng màu, mỗi màu sắc trong không gian này sẽ được diễn tả bằng một tổ hợp tương ứng từ 3 màu chính R,G,B Riêng các màu ở các góc chéo đối diện nhau cộng lại sẽ cho ra màu trắng (bù nhau),

ví dụ: Red và Cyan, Green và Magena, Blue và Yellow Đường chéo nối 2 đỉnh Black (0,0,0) và White (1,1,1) diễn tả mức độ xám (Grayscale) của màu sắc

Không gian màu Red-Green-Blue (RGB) chứa các giá trị cường độ độc lập cho mỗi màu cơ bản bao gồm màu đỏ, màu lục và màu lam Phạm vi của các cường

độ cho mỗi màu phụ thuộc vào số lượng các bit liên quan

● 8-bit RGB: kiểu định dạng này xác định 8 bit cho cường độ từng màu Sử

dụng 3 bit mức cao nhất cho màu đỏ (R), 3 bit kế cho màu lục (G) và 2 bit

thấp nhất cho màu lam (B) như hình bên dưới

● 9-bit RGB: định dạng này sử dụng 3 bit cho mỗi màu

● 16-bit RGB: định dạng này sử dụng 5 bit cho màu đỏ, 6 bit cho màu lục và

5 bit còn lại cho màu lam

● 24-bit RGB: định dạng này sử dụng 8 bit cho mỗi màu

 30-bit RGB: định dạng này sử dụng 10 bit cho mỗi màu

● 16-bit RGBA: kiểu định dạng này sử dụng 4 bit cho mỗi màu, có bổ sung thêm alpha (xác định độ trong suốt)

● 32-bit RGBA: dạng này sử dụng 8 bit cho mỗi màu

● 40-bit RGBA: sử dụng 10 bit cho mỗi màu

● 8-bit Grayscale: Là một dạng đặc biệt của không gian màu RGB Trạng thái xám được tạo ra khi ba màu (R,G,B) có cường độ như nhau

● Bayer Pattern: Đây cũng là một trường hợp đặc biệt khác của không gian

màu RGB, tương tự như RGB 24-bit Nhưng ba màu (R,G,B) được xếp theo một mô hình 2x2, trong đó màu lục chiếm 50%, màu đỏ chiếm 25% và màu lam chiếm 25% Mỗi điểm ảnh chỉ cho giá trị một trong 3 màu sắc (R,G,B),

sử dụng 8 bit cho mỗi màu sắc

2.2.5 Ảnh hồng ngoại và phương pháp thu ảnh hồng ngoại

2.2.5.1 Quang phổ cận hồng ngoại

Quang phổ cận hồng ngoại là một quang phổ điện từ có bước sóng từ khoảng

800 nm đến 1500 nm Quang phổ cận hồng ngoại có trong bức xạ của ánh sáng mặt trời và các bức xạ nhiệt khác Nó được ứng dụng rộng rãi trong nhiều lĩnh vực, đặc biệt là ứng dụng viễn thám mặt đất, quan sát sức khỏe của thảm thực vật và thành phần của đất

Hình 2.3 Bước sóng quang phổ cận hồng ngoại và bước sóng ánh sáng nhìn thấy

cùng với các bước sóng khác [4]

2.2.5.2 Phương pháp thu ảnh hồng ngoại

Cảm biến của camera thu được đầy đủ quang phổ của ánh sáng nhìn thấy và cận hồng ngoại

Hình 2.4 Độ nhạy quang phổ của một cảm biến silicon điển hình trên camera với bộ

lọc IR đã được gỡ bỏ Ảnh khảo sát từ máy ảnh Canon 40D [9]

Hình 2.5 Độ nhạy quang phổ của một cảm biến silicon điển hình trên camera với bộ

lọc IR đã được gỡ bỏ Ảnh khảo sát từ máy ảnh Nikon D200 [9]

Quá nhiều kênh ánh sáng như thế sẽ gây ảnh hưởng đến việc phân tích và tính NDVI Vì thế, một bộ lọc sẽ được sử dụng để giúp thu ảnh hồng ngoại tốt hơn

- Bộ lọc infra-blue

Các kênh blue sẽ được cảm biến ghi nhận bình thường, kênh red và green sẽ

bị chặn lại, cảm biến sẽ không thu được hai kênh truyền thống này Thay vào đó, tia cận hồng ngoại sẽ được camera thu vào, thể hiện qua kênh hai kênh red và green này

Hình 2.6 Các vùng quang phổ camera thu được khi sử dụng bộ lọc infrablue Schott BG3 [10]

- Bộ lọc IR

Các kênh ánh sáng nhìn thấy đều bị chặn, chỉ cho qua quang phổ cận hồng ngoại

Hình 2.8 Bộ lọc IR được thay thể cho bộ lọc chặn IR của máy ảnh Canon A495,

được sửa đổi cho dự án PLOTS KickStarter năm 2012 [11]

2.2.6 Ảnh NDVI floating point, NDVI colormap và LUT

● Ảnh NDVI foating point là ảnh dùng 32 bit để thể hiện mức độ xám với các giá trị NDVI trong khoảng -1 đến 1 được biểu diễn bởi số dấu chấm động

32 bit, ảnh có thể hiển thị 4 294 967 296 ( 232 ) mức độ xám ở giá trị số thực cho ảnh hiển thị mượt mà [12] [13]

● File LUT được tạo bởi bốn cột giá trị Cột đầu tiên là các giá trị mức xám

từ 0 đến 255 Ba cột tiếp theo là các giá trị trong khoảng 0 dến 255 của màu

đỏ, màu xanh lá và màu xanh dương Với từng mức xám ở cột một, chúng ta

có thể tùy chọn các giá trị của ba màu RGB ở ba cột tiếp theo, giá trị của ba màu RGB này sẽ là màu đại diện cho mức xám đó trên ảnh NDVI color

● Ảnh NDVI colormap là ảnh để xác định màu sắc đồ họa cho các đối tượng trong ảnh NDVI floating point Mỗi điểm ảnh là một bộ ba giá trị cường độ của ba màu red, green, blue Các giá trị này được đặt bởi file LUT tương ứng với các giá trị mức xám của ảnh NDVI floating point

2.3 MODUL CHỤP ẢNH RASPBERRY PI NOIR CAMERA

Raspberry Pi là một máy tính thu nhỏ, một board tích hợp thích hợp cho việc nghiên cứu và học tập cũng như phát triển các dự án công nghệ Raspberry Pi Model B+ là bản nâng cấp đáng kể của Raspberry Pi Model B với phần GPIO 40 chân, cổng USB 4 cổng và có thể cung cấp dòng cổng USB chuẩn 500mAh Ở phiên bản này Raspberry Pi B+ phần nguồn với thiết kế nguồn tốt và ổn định Một

số thông số kỹ thuật đáng chú ý:

● Nhân ARM 32 bits ARM1176JZF-S tốc độ xử lý 700MHz từ Broadcom

● Ram: 512Mhz

● Khe thẻ nhớ boot hệ điều hành: Micro SD

● 40 chân GPIO khoảng cách 2.54mm

● Kích thước nhỏ gọn trong lòng bàn tay, về diện tích bằng với phiên bản

áp dụng Camera được hỗ trợ trong phiên bản mới nhất của Raspbian, hệ điều hành

Hình 2.10 Camera NoIR Pi

Một module khác cũng được sử dụng cho ảnh cận hồng ngoại đó là Raspberry

Pi Camera 5MP Wide Angle 160 degree Cảm biến vẫn là 5MP, có khả năng quay video 1080p, kết nối trực tiếp với Raspberry Pi qua CSI (Camera Serial Interface) Đặc biệt, nó có một ống kính góc rộng 160 độ, f3.6mm, 1/2.7” thích hợp cho thu ảnh cận hồng ngoại

Hình 2.11 Module camera 5MP Wide Angle 160 degree kết hợp trên board

Raspberry Pi B+