Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)

Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ dựa trên tính toán mềm (tt)

1

BỘ THÔNG TIN VÀ TRUYỀN THÔNG

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

2

Công trình hoàn thành tại:

Học viện Công nghệ Bưu chính Viễn thông

Người hướng dẫn khoa học:

1 TS Vũ Văn Thoả

2 PGS.TS Đặng Văn Đức

Phản biện 1: ……… Phản biện 2: ……… Phản biện 3: ………

Luận án sẽ được bảo vệ trước Hội đồng chấm luận án tại:

Học viện Công nghệ Bưu chính Viễn thông

Vào hồi: ……giờ, ngày…… tháng…….năm………

Có thể tìm hiểu luận án tại:

Thư viện Quốc gia Việt Nam

Thư viện Học viện Công nghệ Bưu chính Viễn thông

3

MỞ ĐẦU

1 Tính cấp thiết của luận án

Viễn thám được hiểu là một khoa học và nghệ thuật để thu nhận thông tin về một đối tượng, một khu vực hoặc một hiện tượng thông qua việc phân tích tài liệu thu nhận được bằng các phương tiện Viễn thám bao gồm các thiết bị cảm biến, ghi lại năng lượng phát ra từ đối tượng nghiên cứu,

và bao gồm tổ hợp phần cứng/phần mềm với khả năng xử lý, phân tích và ứng dụng các thông tin thu được từ ảnh Với cách hiểu này thì quá trình viễn thám bao gồm hai giai đoạn chính: (i) Thu thập thông tin viễn thám (dưới dạng ảnh viễn thám); (ii) Xử lý và phân tích thông tin (ảnh) viễn thám Đề tài được đặt ra nhằm nghiên cứu một số phương pháp xử lý ảnh viễn thám để hỗ trợ giải quyết các vấn đề liên quan đến giai đoạn (ii) của quá trình trên

Quá trình xử lý và phân tích thông tin viễn thám được thực hiện bằng phần mềm máy tính Ảnh viễn thám ngày càng có những ứng dụng quan trọng trong nhiều lĩnh vực, từ hỗ trợ quản lý đất đai phục vụ dân sinh, quản lý, giám sát chủ quyền quốc gia, cho đến hỗ trợ giám sát tài nguyên, môi trường Ứng dụng ngày càng phổ biến của ảnh viễn thám tất yếu dẫn đến nhu cầu ngày càng tăng của việc xây dựng và sử dụng phần mềm xử lý ảnh viễn thám

Ngày nay, có rất nhiều phần mềm cả thương mại lẫn mã nguồn mở phục vụ công tác xử lý dữ liệu viễn thám Theo nghiên cứu của hãng Global Marketing Insights, những phần mềm liên quan tới xử lý dữ liệu viễn thám được ứng dụng nhiều nhất tại các nhóm nghiên cứu châu Á là ESRI 30%; ERDAS 25%; RSI ENVI 17%; MapInfo 17%; ERMapper 11% Trong khi đó, ở phương Tây, những con số này là ESRI 39%, ERDAS 27%, MapInfo 9%, AutoDesk 7%, RSI ENVI 17%

Còn ở Việt Nam, công nghệ xử lý ảnh viễn thám đã xâm nhập khá sớm, từ năm 1983 (Viện Khoa học Việt Nam) Để nhanh chóng phát triển công nghệ vũ trụ phục vụ cho phát triển kinh tế của đất nước, Nhà nước đã xây dựng đề án: “Kế hoạch tổng thể về ứng dụng và phát triển công nghệ viễn thám ở Việt Nam” nhằm hướng đến sự phát triển bền vững trên cơ sở sử dụng hợp lý tài nguyên thiên nhiên và bảo vệ môi trường Năm 2006, Viện Công nghệ Vũ trụ, thuộc Viện Hàn Lâm Khoa học và Công nghệ Việt Nam được thành lập Năm 2013 Việt Nam đã phóng vệ tinh viễn thám đầu tiên mang tên VNRedsat-1 Vệ tinh viễn thám thứ 2 VNRedsat-2 dự kiến được phóngvào năm

4

Xuất phát từ những lý do trên, nghiên cứu sinh đã lựa chọn đề tài “Nghiên cứu phương pháp

nâng cao chất lượng và giải đoán ảnh đa phổ dựa trên tính toán mềm” để thực hiện luận án tiến

sĩ chuyên ngành Hệ thống thông tin Kết quả nghiên cứu được áp dụng trên ảnh viễn thám, đặc biệt

là ảnh viễn thám tại các khu vực trong nước để phân tích các đặc thù của các lớp phủ và đưa ra những kết quả hữu ích cho giai đoạn hậu phân loại như xây dựng bản đồ,

Thách thức đặt ra với đề tài là rất lớn vì ảnh viễn thám có nhiều loại với đặc thù riêng Mỗi

loại ảnh viễn thám có phương pháp xử lý, phân tích riêng Vì vậy, việc lựa chọn phương pháp, kĩ thuật phù hợp để từ đó đề xuất cải tiến là rất quan trọng

2 Mục tiêu, nội dung và đối tượng nghiên cứu của luận án

Mục tiêu của luận án là nghiên cứu kĩ thuật tăng cường và phân lớp để hỗ trợ cho việc giải

đoán ảnh viễn thám đa phổ

Từ mục tiêu, luận án tập trung vào bốn nội dung nghiên cứu chính bao gồm:

 Nội dung thứ nhất là đánh giá các phương pháp, kĩ thuật tiền xử lý, tăng cường ảnh viễn

thám

 Nội dung thứ hai là so sánh, đánh giá các phương pháp, kĩ thuật phân lớp ảnh viễn thám

 Nội dung thứ ba là đề xuất kĩ thuật mới tăng cường ảnh viễn thám đa phổ và chứng minh

phương pháp mới hiệu quả hơn các phương pháp đã có theo các tiêu chuẩn đánh giá được chọn

 Nội dung thứ tư là đề xuất kĩ thuật mới phân loại ảnh viễn thám đa phổ và chứng minh

phương pháp mới hiệu quả hơn các phương pháp đã có theo các tiêu chuẩn đánh giá được chọn

Đối tượng nghiên cứu của luận án bao gồm:

 Các kĩ thuật tiền xử lý, tăng cường ảnh viễn thám

 Các kĩ thuật phân lớp ảnh viễn thám

FCM

4 Bố cục của luận án

Luận án bao gồm ba chương như sau:

5

Chương 1: Tổng quan về viễn thám và giải đoán ảnh viễn thám đa phổ

Chương 2: Phát triển một số thuật toán tăng cường độ tương phản ảnh viễn thám đa phổ

Chương 3: Phát triển một số thuật toán phân lớp ảnh viễn thám đa phổ

CHƯƠNG I - TỔNG QUAN VỀ VIỄN THÁM VÀ GIẢI ĐOÁN ẢNH VIỄN THÁM ĐA PHỔ 1.1 Tổng quan về viễn thám

1.1.1 Tiến trình viễn thám

Tiến trình viễn thám bao gồm nhiều công đoạn, trong đó có tương tác giữa bức xạ và đối tượng nghiên cứu Khái niệm đối tượng nghiên cứu trong luận án này được hiểu là các đối tượng, khu vực hay hiện tượng nào đó trên bề mặt Trái đất mà con người muốn thu thập thông tin về nó Trên hình 1.1 là mô tả vắn tắt bảy thành phần của hệ thống thu ảnh viễn thám [CAN]

Hình 1.1 Tiến trình viễn thám

Đề tài “Nghiên cứu phương pháp nâng cao chất lượng và giải đoán ảnh viễn thám đa phổ

dựa trên tính toán mềm” tập trung nghiên cứu một số vấn đề liên quan đến thành phần F và G

được mô tả trong hình 1.1 Cụ thể là làm thế nào để phân tích, diễn giải dữ liệu viễn thám và ứng dụng chúng trong thực tế

1.2 Tổng quan về giải đoán, phân tích ảnh viễn thám đa phổ

1.2.1 Khái niệm và tiến trình giải đoán ảnh viễn thámđa phổ

Giải đoán ảnh viễn thám là quá trình tách thông tin định tính cũng như định lượng từ ảnh dựa trên các tri thức chuyên ngành hoặc kinh nghiệm của người đoán, đọc, điều, vẽ Phân lớp đa phổ là quá trình tách gộp thông tin dựa trên các tính chất phổ, không gian và thời gian của đối tượng Phát hiện biến động là phát hiện và phân tích các biến động dựa trên tư liệu ảnh đa thời gian Chiết tách các thông tin tự nhiên tương ứng với việc đo nhiệt độ trạng thái khí quyển, độ cao của vật thể dựa trên các đặc trưng phổ hoặc thị sai của cặp ảnh lập thể Xác định các chỉ số là việc tính toán các chỉ

số mới, ví dụ chỉ số thực vật

Dữ liệu ảnh viễn thám thu được từ các vệ tinh viễn thám có thể bị sai lệch về mặt hình học hay bức xạ, sẽ được chuyển vào bộ hiệu chỉnh để sửa lại Sau đó, dữ liệu được chuyển qua giai đoạn phân lớp để rút trích các thông tin cần thiết của đối tượng thu nhận Đề hỗ trợ cho việc giải đoán thủ công hay kiểm tra lại kết quả phân lớp, dữ liệu viễn thám có thể được chuyển qua bộ tăng cường

6

chất lượng ảnh trực quan để có thể quan sát và phân tách hiệu quả hơn Giai đoạn hậu phân lớp là từ các thông tin thu được sau phân lớp sẽ kết xuất các đầu ra cần thiết cho việc báo cáo, quản lý hiện trạng lớp phủ,

1.3 Tình hình nghiên cứu trong và ngoài nước

Do luận án tập trung nghiên cứu các giai đoạn: Tăng cường và giải đoán (phân lớp) ảnh viễn thám đa phổ nên phần này sẽ khảo sát, đánh giá tình hình nghiên cứu các giai đoạn này

1.3.1 Tăng cường hình ảnh trực quan

1.3.1.1 Lọc mây, sương mù của ảnh viễn thám

Một số kĩ thuật dò tìm và loại bỏ sương mù bao gồm:

 Trừ đối tượng tối đơn giản, tiếp cận mục tiêu tối dựa trên ảnh

 Mô hình truyền bức xạ không khí

 Hiệu chỉnh sử dụng ảnh đa kênh và đa thời gian

 Hiệu chỉnh sử dụng dữ liệu mặt đất

 Hiệu chỉnh sử dụng mục tiêu bất biến

Hiện nay, các nghiên cứu còn bổ sung kĩ thuật mới như phân tích wavelet để tăng cường hiệu quả lọc mây mù

1.3.1.2 Tăng cường ảnh

Các kĩ thuật tăng cường ảnh bao gồm:Tăng cường ảnh dựa trên histogram, Tăng cường ảnh

dựa trên logic mờ, Kĩ thuật tối ưu

1.3.2 Giải đoán ảnh viễn thám

Các nghiên cứu giải đoán ảnh viễn thám theo cáchướng tiếp cận: phân lớp không giám sát và

có giám sát, sử dụng các kỹ thuật học máy, tính toán mềm, …

1.4 Phân tích, đánh giá về thành công, ưu điểm, hạn chế

Các phương pháp tăng độ tương phản áp dụng tiếp cận toàn cục để tăng cường tất cả mức độ sáng của ảnh Sử dụng tiếp cận toàn cục thường khó để tăng cường tất cả các đối tượng xuất hiện trong, bởi vì thông tin tương phản cục bộ và chi tiết có thể bị mất trong các vùng sáng và tối Ngoài

ra, các phương pháp này vẫn chọn thủ công các giá trị cho các ngưỡng cận dưới và cận trên nên không phải lúc nào cũng chọn được giá trị tốt làm ảnh hưởng đến kết quả tăng cường ảnh

Về vấn đề phân lớp ảnh viễn thám, các kĩ thuật phân lớp thường áp dụng cho ảnh viễn thám

đa phổ là không mới như các kĩ thuật đã áp dụng cho ảnh màu Nếu như có thể cải tiến các kĩ thuật

đã có và các kĩ thuật mới đã áp dụng thành công cho ảnh màu có thể tăng cường chất lượng phân lớp ảnh viễn thám đa phỏ Hơn nữa, tốc độ thực thi của một số kĩ thuật phân lớp vẫn chậm khi áp dung cho ảnh kích thước lớn như ảnh viễn thám độ phân giải cao

1.5 Hướng nghiên cứu của luận án

 Đề xuất kĩ thuật tăng cường ảnh viễn thám đa phổ mới dựa trên tiếp cận cục bộ

CHƯƠNG II: PHÁT TRIỂN MỘT SỐ THUẬT TOÁN TĂNG CƯỜNG ĐỘ TƯƠNG PHẢN

ẢNH VIỄN THÁM DỰA ĐA PHỔ 2.1 Một số thuật toán tăng cường độ tương phản ảnh dựa trên logic mờ

 Tăng cường ảnh mờ với toán tử tăng cường

 Tăng cường ảnh mờ với toán tử Hyperbol

 Tăng cường ảnh mờ dựa trên phân bố xác suất

 Cải thiện độ tương phản dựa trên luật If-Then mờ

2.2 Hạn chế của các thuật toán tăng cường mờ

Qua phân tích về phương pháp tăng cường ảnh mờ đã có như được trình bày trong các mục 2.1 của luậnán, chúng tôi có một số nhận xét sau:

 Một là, các thuật toán tăng cường mờ trên vẫn sử dụng tiếp cận toàn cục như các phương pháp truyền thốngnên khó để tăng cường độ tương phản giữa các lớp phủ đất (các đối tượng che phủ mặt đất) xuất hiện trong ảnh vệ tinh, bởi vì thông tin tương phản cục bộ và chi tiết vẫn có thể bị mất trong các vùng sáng và tối

 Hai là, các ngưỡng cận trên max, dưới min vẫn phải chọn thủ công dựa trên lựa đồ xám với mỗi ảnh khác nhau nên thiếu hiệu quả và việc chọn ngưỡng có thể không tốt

 Ba là, giống như phương pháp truyền thống, phương pháp tăng cường ảnh mờ chỉ thực hiện trênmột kênh phổ (ảnh đa cấp xám hay từng kênh của ảnh đa kênh) Do đó, mầu của các đối tượng trong ảnh đầu ra có thể không được bảo tồn

2.3 Một số độ đo chất lượng tăng cường ảnh

Để đánh giá chất lượng ảnh, chúng ta có thể sử dụng phương pháp trực quan hay các chỉ số độ

đo chất lượng Để đo độ tương phản của ảnh, chúng ta có thể sử dụng một số độ đo như sau:

ShannonEntropy H, Entropy mờ FH, chỉ số tuyến tính mờ γ, độ đo chất lượng ảnh IQM…Trong các

8

công trình nghiên cứu và luận án, nghiên cứu sinh sử dụng độ đo Entropy và độ đo tính mờ để đánh giá chất lượng của ảnh trước và sau tăng cường

2.4 Đề xuất kĩ thuật tăng cường độ tương phản ảnh viễn thám dựa trên tiếp cận cục bộ

Các bước chính của kĩ thuật tăng cường ảnh viễn thám dựa trên tiếp cận cục bộ (Local based Remote Sensing Image Enhancement-LoRSIE) được liệt kê trong bảng 2.1

Bảng 2.1 Quy trình thuật toán tăng cường ảnh viễn thám dựa trên tiếp cận cục bộ

1 Cục bộ hóa ảnh viễn thám dựa trên thuật toán phân cụm

2 Xây dựng mô hình hiệu chỉnh mức xám theo cụm

3 Tính ngưỡng tự động theo cụm

4 Sinh ảnh tăng cường dựa trên việc tổng hợp các mức xám

hiệu chỉnh theo từng cụm Trong các phần 2.5 và 2.6, luận án trình bày hai thuật toán tăng cường ảnh viễn thám dựa trên tiếp cận cục bộ sử dụng các thuật toán phân cụm mờ CM và phân cụm rõ KMeans

2.5 Tăng cường ảnh viễn thámsử dụng phân cụm mờ

2.5.1 Thuật toán tăng cường ảnh viễn thám sử dụng phân cụm mờ

2.5.1.1 Cục bộ hóa ảnh viễn thám dựa trên thuật toán phân cụm mờ

Phân cụm c-Means mờ [FCM] là thuật toán được dùng rộng rãi của phân lớp mờ Trong khi xem xét logic tập mờ, thuật toán được phát triển dựa trên phân cụm KMeans Trong thuật toán này, mỗi điểm ảnh không về duy nhất cụm nào và được biểu diễn bởi nhiều thành viên của mỗi cụm

2.5.1.2 Xây dựng mô hình biến đổi mức xám theo cụm

Trong nghiên cứu này, nghiên cứu sinh xây dựng hàm biến đổi cho toán tử Giãn mức xám và Hyperbol, và được phát biểu theo từng cụm trong bảng 2.2

Bảng 2.2 Các hàm biến đổi mức xám theo từng cụm

Giãn mức

xám

(21)

Biến đổi Hyperbol ( ) [ ] (22)

Trong đó: {

(23)

9

Trong đó, g = giá trị xám gốc, = cận trên của việc giãn cụm i, = cận dưới của việc giãn cụm i, = tâm cụm i.Giá trị của các ngưỡng và được tính tự động theo từng cụm như trong mục 2.4.1.3

2.5.1.3 Tính ngưỡng tự động theo cụm

Giả sử, là hàm phân bố của mức xám theo một cụm cho trước và các tham số: , , được thể hiện trong hình 2.1.Các ngưỡng , được xác định bằng cách chọn sao cho vùng gạch chéo (hình 2.1) có diện tích bằng 95% tổng diện tích được bao bởi các đường y = 0 và y = Ý nghĩa của việc chọn ngưỡng như trên là để vùng được chọn không bị ảnh hưởng bởi nhiễu

Hình 2.1 Hàm phân bố và các ngưỡng theo từng cụm

2.5.1.4 Sinh ảnh tăng cường dựa trên việc tổng hợp mức xám hiệu chỉnh theo cụm

Dựa trên mô hình biến đổi mức xám theo mỗi cụm đã xây dựng trong phần 2.5.1.2, mỗi giá trị xám đầu vào sẽ được chuyển các thành giá trị mới tương ứng với các cụm Nhiệm vụ còn lại là tổng hợp các giá trị này để sinh ra giá trị xám duy nhất Hàm tổng hợp này có dạng tổng quát như sau: g

2.5.2 Phát triển thuật toánLoRSIE_FCM cho ảnh đa phổ

Thuật toán LoRSIE_ CM dựa trên tiếp cận phân cụm, thực hiện tính ngưỡng tự động, khắc phục được hạn chế 1 và 2 (nhận xét trong mục 2.2) Tuy nhiên, đối với ảnh đa kênh, vẫn chưa rõ làm thế nào để thuật toán này có thể khắc phục được hạn chế 3 Phát triển dưới đây sẽ cho phép giải quyết vấn đề này

Bản chất CM là thuật toán phân cụm các đối tượng là các vector có nhiều thành phần Và do vậy, CM đã thực hiện rất tốt cho ảnh đa kênh như ảnh màu RGB Như vậy, thuật toán trên áp dụng cho ảnh viễn thám đa phổ như sau:

 Bước 1:Cục bộ hóa ảnh đầu vào Sau khi thực hiện thủ tục phân cụm, mỗi điểm ảnh P( , , …) sẽ được đặc trưng thêm bởi một bộ các giá trị độ thuộc ứng với các cụm khác

10

nhau Như vậy, quan hệ cùng một điểm ảnh của một bộ ( , , …) được đặc trưng bởi

bộ các giá trị độ thuộc trên Do đó, giải quyết được hạn chế thứ 3 trong mục 2.2

 Bước 2: Xây dựng mô hình hiệu chỉnh mức xám Vẫn thực hiện việc này như được trình

giãn cụm i thuộc kênh thứ k, = cận dưới của việc giãn cụm i thuộc kênh thứ k, = tâm

cụm i thuộc kênh thứ k Mỗi tâm gồm môt bộ ( , , …), = giá trị độ thuộc của mức xám

g theo cụm i

2.5.3 Thuật toán tăng cường ảnh viễn thám kích thước lớn

2.5.3.1 Nhược điểm của FCM với ảnh viễn thám kích thước lớn

Thuật toán phân cụm mờ [FCM] nảy sinh vấn đề khi gặp ảnh có kích thước rất lớn mà cụ thể

ở đây là ảnh viễn thám độ phân giải cao Có hai cách để khắc phục vấn đề này Một là, có thể áp dụng kĩ thuật wavelet Hai là, cải tiến trực tiếp thuật toán phân cụm mờ để khắc phục hạn chế này Phương án sử dụng kĩ thuật wavelet được trình bày dưới đây Phương án cải tiến thuật toán phân cụm mờ được trình bày trong mục 3.2.3 trong chương III

2.5.3.2 Thuật toán tăng cường ảnh viễn thám kích thước lớn

Trong phần này, luận án đề xuất thuật toán tăng cường ảnh viễn thám kích thước lớn mà chúng tôi tạm gọi là Large Size Remote Sensing Image Enhancement Using FCM (LaSRSIE_FCM) Đầu tiên, ảnh đầu vào được giảm kích thước sử dụng biến đổi avelet thuận đến kích thước đủ nhỏ được ảnh xấp xỉ cực tiểu lựa chọn Thực hiện tăng cường ảnh xấp xỉ cực tiểu lựa chọn này sử dụng thuật toán LoRSIE Tiếp đó, thay ảnh xấp xỉ cực tiểu bằng ảnh xấp xỉ đã tăng cường và thực hiện biến đổi ngược sử dụng biến đổi avelet nghịch để thu được ảnh tăng cường ứng với ảnh gốc

2.5.5 Thử nghiệm và đánh giá

Tập dữ liệu phục vụ cho thử nghiệm gồm ba loại: LANDSAT ETM, SPOT 5, Quickbird.Môi trường thực nghiệm: Bộ xử lý Core 2 Duo tốc độ 1.8Gh , RAM 2G, hệ điều hành indows 7.Để đánh giá, luận án sử dụng phương pháp trực quan và đánh giá thông qua chỉ sốtuyến tính mờ γ [HAS][SUD] như đã mô tả trong mục 2.4.4 Các kết quả thực nghiệm, đánh giá cả về mặt trực quan cũng như chi số chất lượng đều cho thấy kĩ thuật cải tiến tốt hơn so với kĩ thuật mờ

11

Thử nghiệm đại diện

Trong thử nghiệm 1, ảnh gốc là ảnh vệ tinh LANDSAT khu vực huyện Kim Bôi có kích thước 1581 x 1527 (điểm ảnh)

Bảng 2.3 Tăng cường ảnh với phương pháp mờ và cải tiến

Đầu vào Hyperbol mờ Tăng cường mờ Giãn FCM Hyperbol FCM

Bảng 2.4 So sánh chỉ số mờ của ảnh tăng cường theo phương pháp mờ và cải tiến

Kênh Hyperbol mờ Tăng cường mờ Giãn FCM Hyperbol FCM

Bảng 2.5: Thời gian thực thi

LaSRSIE -2 Level 57764 Hyperbol

FCM

LaSRSIE -2 Level 57724

2.6 Tăng cường ảnh viễn thám sử dụng phân cụm KMeans

2.6.1 Thuật toán tăng cường ảnh viễn thám sử dụng thuật toán phân cụm KMeans

2.6.1.1 Cục bộ hóa ảnh viễn thám dựa trên thuật toán phân cụm KMeans

2.6.1.2 Xây dựng mô hình biến đổi mức xám theo cụm

Trong nghiên cứu này, nghiên cứu sinh xây dựng hàm biến đổi cho toán tử Giãn mức xám và Hyperbol, và được phát biểu theo từng cụm trong bảng 2.16

Bảng 2.6 Các hàm biến đổi mức xám theo từng cụm

12

{

(34)

Trong đó:g = giá trị xám gốc, = cận trên của việc giãn cụm , = cận dưới của việc giãn cụm , = tâm cụm Giá trị của các ngưỡng và được tính tự động theo từng cụm như trong mục c dưới đây

2.6.1.3 Tính ngưỡng tự động theo cụm

Giả sử, là hàm phân bố của mức xám theo một cụm cho trước và các tham số: , , .Các ngưỡng , tương tự như cách tính trong thuật toán tăng cường

sử dụng CM

2.6.1.4 Sinh ảnh tăng cường dựa trên việc tổng hợp mức xám hiệu chỉnh theo cụm

Dựa trên mô hình biến đổi mức xám theo mỗi cụm đã xây dựng trong mụcb, mỗi giá trị xám

đầu vào sẽ được chuyển các thành giá trị mới tương ứng với các cụm Nhiệm vụ còn lại là tổng hợp các giá trị này để sinh ra giá trị xám duy nhất Hàm tổng hợp này có dạng tổng quát như sau: g |

g’ = T(g) Trong đó,

Trong đó, g = giá trị xám gốc, = cận trên của việc giãn cụm V, = g cận dưới của việc giãn cụm , = tâm cụm

2.6.2 Phát triển thuật toán cho ảnh đa phổ

Bản chất KMeans là thuật toán phân cụm các đối tượng là các vector có nhiều thành phần Và

do vậy, KMeansđã thực hiện rất tốt cho ảnh đa kênh như ảnh màu RGB Như vậy, thuật toán trên áp dụng cho ảnh viễn thám đa phổ như sau:

 Bước 1: Cục bộ hóa ảnh đầu vào Sau khi thực hiện thủ tục phân cụm, mỗi điểm ảnh P( , , …) sẽ được đặc trưng thêm bởi một bộ các giá trị độ thuộc ứng với các cụm khác nhau Như vậy, quan hệ cùng một điểm ảnh của một bộ ( , , …) được đặc trưng bởi

bộ các giá trị độ thuộc trên Do đó, giải quyết được hạn chế thứ 3 trong mục 2.2

 Bước 2: Xây dựng mô hình hiệu chỉnh mức xám Vẫn thực hiện việc này như được trình