Luận văn Nghiên cứu đánh giá các phương pháp phân loại tàu thuyền tự động sử dụng ảnh viễn thám

Download

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƢỜNG ĐẠI HỌC CÔNG NGHỆ

NGUYỄN ĐẮC HUY

NGHIÊN CỨU ĐÁNH GIÁ CÁC PHƢƠNG PHÁP

PHÂN LOẠI TÀU THUYỀN TỰ ĐỘNG SỬ DỤNG ẢNH

VIỄN THÁM

Ngành: Hệ Thống Thông Tin

Chuyên ngành: Hệ Thống Thông Tin

Mã Số: 8480104.01

LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN

NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS. TS Nguyễn Thị Nhật Thanh

Hà nội – 09/2020

MỤC LỤC

L Ờ I C ẢM ƠN ......................................................................................................iii

L ỜI CAM ĐOAN .................................................................................................i v

DANH M Ụ C HÌNH V Ẽ ........................................................................................ v

DANH M Ụ C B Ả NG BI Ể U ................................................................................v ii

DANH M Ụ C T Ừ VI Ế T T Ắ T.............................................................................viii

M Ở ĐẦ U ............................................................................................................... 1

Chương 1: Giớ i thi ệ u chung.................................................................................. 5

1.1 Tình hình nghiên c ứ u trên th ế gi ớ i và Vi ệ t Nam.................................. 5

1.2 Gi ớ i thi ệ u v ề công ngh ệ vi ễ n thá m ....................................................... 6

1.2.1 Khái ni ệm, đặc điểm cơ bả n vi ễ n thá m ................................... 6

1.2.2 D ữ li ệ u ả nh vi ễ n thám quang h ọ c............................................ 8

1.3 Gi ớ i thi ệ u v ề m ộ t s ố lo ạ i tàu thuy ề n quan tâ m ................................... 10

1.3.1 Tàu v ậ n t ả i [12]...................................................................... 10

1.3.2 Tàu ch ở d ầ u [12].................................................................... 11

1.3.3 Tàu chuyên ch ở công te nơ [12 ]............................................ 11

1.3.4 Tàu sân bay [13] .................................................................... 12

1.3.5 Tàu ng ầ m [13] ....................................................................... 14

1.3.6 Khu tr ụ c h ạ m [13] ................................................................. 15

1.4 B ộ CSDL tàu thuy ề n m ẫ u ................................................................... 16

1.4.1 Ngu ồ n d ữ li ệ u ........................................................................ 16

1.4.2 Phương p háp thu th ậ p b ộ d ữ li ệ u tàu thuy ề n m ẫ u................. 17

1.4.3 Quy trình l ấ y m ẫ u d ữ li ệ u...................................................... 18

Chương 2: Nghiên cứ u m ộ t s ố thu ậ t toán nh ậ n d ạ ng tàu thuy ề n........................ 20

2.1 Nghiên c ứ u m ộ t s ố phương pháp, thuậ t toán trích ch ọn đặc trưng .... 20

2.1.1 Mô hình Bag of Features ....................................................... 20

2.1.2 Thu ậ t toán Local Binary Pattern s .......................................... 34

2.2 Nghiên c ứu phương pháp, thuậ t toán phân l ớ p tàu thuy ề n................. 36

Chương 3: Ứ ng d ụ ng phân l ớ p tàu thuy ề n ở c ả ng bi ể n Vi ệ t Nam trên ả nh vi ễ n

thá m ..................................................................................................................... 41

3.1 Phương pháp đề xu ấ t........................................................................... 41

3.1.1 B ộ cơ sở d ữ li ệu đầ u vào ....................................................... 42

3.1.2 Trích ch ọn đặc trưng .............................................................. 43

3.1.3 Ch ọ n thu ậ t toán hu ấ n luy ệ n và phân l ớ p d ữ li ệ u................... 44

3.2 K ế t qu ả và th ả o lu ậ n ........................................................................... 46

3.2.1 B ộ cơ sở d ữ li ệ u..................................................................... 46

3.2.2 K ế t qu ả phân l ớ p.................................................................... 48

3.2.3 Nh ận xét, đánh gi á ................................................................. 58

K Ế T LU Ậ N ......................................................................................................... 61

TÀI LI Ệ U THAM KH Ả O................................................................................... 62

iii

LỜI CẢM ƠN

Trước tiên tôi xin dành lời cảm ơn chân thành và sâu sắc đến cô giáo,

PGS. TS. Nguyễn Thị Nhật Thanh – người đã hướng dẫn, khuyến khích, chỉ bảo

và tạo cho tôi những điều kiện tốt nhất từ khi bắt đầu cho tới khi hoàn thành

công việc của mình.

Tôi xin dành lời cảm ơn chân thành tới các thầy cô giáo khoa Công nghệ

thông tin, trường Đại học Công nghệ, ĐHQGHN đã tận tình đào tạo, cung cấp

cho tôi những kiến thức vô cùng quý giá và đã tạo điều kiện tốt nhất cho tôi

trong suốt quá trình học tập, nghiên cứu tại trường.

Đồng thời tôi xin chân thành cảm ơn chủ nhiệm và nhóm nghiên cứu thực

hiện đề tài cấp nhà nước thuộc chương trình khoa học và công nghệ cấp quốc

gia về công nghệ vũ trụ giai đoạn 2016-2020, mã số đề tài VT-UD.06/16-20 đã

hỗ trợ tôi trong quá trình nghiên cứu thực nghiệm.

Cuối cùng, tôi xin cảm ơn tất cả những người thân yêu trong gia đình tôi

cùng toàn thể bạn bè, đồng nghiệp, những người đã luôn giúp đỡ, động viên, cổ

vũ, khích lệ và giúp đỡ tôi trong suốt thời gian qua. Trong quá trình thực hiện đề

tài có thể còn có những mặt hạn chế, thiếu sót. Tôi rất mong nhận được ý kiến

đóng góp và sự chỉ dẫn của các thầy cô giáo và các bạn đồng nghiệp.

LỜI CAM ĐOAN

Tôi xin cam đoan rằng luận văn thạc sĩ công nghệ thông tin “Nghiên cứu

đánh giá các phương pháp phân loại tàu thuyền tự động sử dụng ảnh viễn

thám” là công trình nghiên cứu của riêng tôi, không sao chép lại của người

khác. Trong toàn bộ nội dung của luận văn, những điều đã được trình bày hoặc

là của chính cá nhân tôi hoặc là được tổng hợp từ nhiều nguồn tài liệu. Tất cả

các nguồn tài liệu tham khảo đều có xuất xứ rõ ràng và hợp pháp.

Tôi xin hoàn toàn chịu trách nhiệm và chịu mọi hình thức kỷ luật theo quy

định cho lời cam đoan này.

Hà Nội, ngày …. tháng … năm …..

DANH MỤC HÌNH VẼ

Hình 1. 1 D ải sóng điệ n t ừ .................................................................................... 7

Hình 1. 2 Độ phân gi ả i không gian c ủ a ả nh vi ễ n thám trên cùng khu v ự c........... 8

Hình 1. 3 Tàu v ậ n t ả i........................................................................................... 10

Hình 1. 4 Tàu ch ở d ầ u ......................................................................................... 11

Hình 1. 5 Tàu công ten nơ ................................................................................... 12

Hình 1. 6 Tàu sân bay.......................................................................................... 13

Hình 1. 7 Tàu ng ầ m............................................................................................. 14

Hình 1. 8 Tàu khu tr ụ c ........................................................................................ 15

Hình 1. 9 D ữ li ệ u ả nh vi ễ n thám Planet (trái), d ữ li ệ u ả nh vi ễ n thám Google

Earth (ph ả i).......................................................................................................... 16

Hình 1. 10 Sơ đồ cây phân l ớ p tàu thuy ề n .......................................................... 17

Hình 1. 11 Quy trình l ấ y m ẫ u tàu d ự a trên ki ế n th ứ c chuyên gia....................... 18

Hình 1. 12 M ở d ữ li ệ u ả nh và ch ọ n khu v ự c nghiên c ứu có đối tượ ng quan tâm

c ầ n gán nhãn........................................................................................................ 19

Hình 1. 13 Gán nhãn đối tượ ng quan tâm d ự a trên vi ệ c v ẽ đườ ng bao xung

quanh ................................................................................................................... 19

Hình 2. 1 Minh h ọ a mô hình BoF (ngu ồ n [9]).................................................... 20

Hình 2. 2 Minh h ọa các đặc trưng thu thập đượ c (ngu ồ n [9]). ........................... 21

Hình 2. 3 Minh h ọa các đặc trưng đượ c phân c ụ m (ngu ồ n [9]).......................... 21

Hình 2. 4 Bi ểu đồ đặc trưng (nguồ n [9])............................................................. 21

Hình 2. 5 Minh h ọ a các m ứ c làm m ờ khác nhau c ủ a hàm Gaussian .................. 23

Hình 2. 6 Mô hình kim t ự tháp ả nh trong SIFT (ngu ồ n [5])............................... 24

Hình 2. 7Minh h ọ a cách l ấy điểm để xét c ự c tr ị v ớ i v ị trí x là điểm đang xét

(ngu ồ n [5])........................................................................................................... 25

Hình 2.8 Minh h ọ a bi ểu đồ định hướ ng .............................................................. 27

Hình 2.9 Minh h ọa bướ c l ọ c và g ắn hướng cho điểm đặc trưng (nguồ n [5])..... 28

Hình 2.10 Mô t ả điểm đặc trưng (nguồ n [5])...................................................... 29

Hình 2.11 Minh h ọa phương pháp xấ p x ỉ c ủ a b ộ l ọ c h ộ p (ngu ồ n [8]). .............. 30

Hình 2.12 Ví d ụ v ề ph ả n ứ ng con sóng............................................................... 32

Hình 2.13 Ví d ụ v ề bi ểu đồ hướ ng trong SURF (ngu ồ n [10])............................ 32

Hình 2.14 Minh h ọa các vùng đặc trưng (nguồ n [8]). ........................................ 33

Hình 2.15 Ví d ụ giá tr ị c ủ a các thu ộ c tính trong SURF trong m ỗi trườ ng h ợ p ả nh

(ngu ồ n [8])........................................................................................................... 33

Hình 2.16 Minh h ọ a các ho ạt độ ng c ủ a thu ật toán LBP đầ u tiên (ngu ồ n [15]).. 34

Hình 2.17 Mô t ả cách l ấ y m ẫ u tron LBP c ả i thi ệ n (ngu ồ n [15]). ....................... 35

Hình 2. 18 Minh h ọ a k ế t qu ả thu đượ c qua thu ậ t toán LBP ............................... 36

Hình 2.19 Ví d ụ d ữ li ệ u trong SVM (ngu ồ n [11]).............................................. 37

Hình 2.20 So sánh các mô hình........................................................................... 39

Hình 2.21 Ví d ụ k ế t qu ả thu ậ t toán SVM (hình bên trái là l ề c ứ ng và hình bên

ph ả i là l ề m ề m).................................................................................................... 39

Hình 2.22 M ộ t s ố ví d ụ v ề lõi c ủ a SVM. ............................................................ 40

Hình 3. 1 Sơ đồ quá trình phân l ớ p tàu thuy ề n ................................................... 41

Hình 3. 2 D ữ li ệ u ả nh vi ễ n thám khu v ự c t ậ p trung nhi ề u tàu thuy ề n................ 42

Hình 3. 3 Đặc trưng trên ả nh b ằ ng thu ậ t toán SIFT và SURF. T ừ trái sang l ầ n

lượ t là ả nh g ốc, đặc trưng tìm đượ c t ừ SIFT và đặc trưng tìm đượ c t ừ SURF... 44

Hình 3. 4 Đặc trưng trên ả nh b ằ ng thu ậ t toán LBP. T ừ trái sang l ần lượ t là ả nh

g ố c và ả nh qua x ử lý b ằ ng thu ật toán LBP trướ c khi tính histogram. ................ 44

Hình 3. 5 Hình ảnh đánh dấ u vùng bi ể n trên b ản đồ .......................................... 46

Hình 3. 6 M ộ t s ố tàu mã tau dau ......................................................................... 47

Hình 3. 7 M ộ t s ố tàu mã tau cong ten no. ........................................................... 47

Hình 3. 8 M ộ t s ố tàu mã tau van tai .................................................................... 47

Hình 3. 9 Bi ểu đồ mô t ả vecto đặc trưng tàu thuyề n s ử d ụng phương pháp SIFT

............................................................................................................................. 49

Hình 3. 10 Bi ểu đồ mô t ả vecto đặc trưng tàu thuy ề n s ử d ụng phương pháp

SUR F ................................................................................................................... 50

Hình 3. 11 Hình ả nh các l ớ p tàu thuy ền đượ c nh ậ n d ạ ng chính xác .................. 51

Hình 3. 12 Hình ả nh các l ớ p tàu thuy ề n nh ậ n d ạng chưa chính xác ................... 51

Hình 3. 13 Bi ểu đồ mô t ả vecto đặc trưng tàu thuyề n s ử d ụ ng thu ậ t toán LBP . 53

Hình 3. 14 Hình ả nh các l ớ p tàu thuy ền đượ c nh ậ n d ạ ng chính xác .................. 53

Hình 3. 15 Hình ả nh các l ớ p tàu thuy ền đượ c nh ậ n d ạng chưa chính xác .......... 54

Hình 3. 16 Bi ểu đồ mô t ả vecto đặc trưng tàu thuyề n s ử d ụng phương pháp SIFT

k ế t h ợ p LBP......................................................................................................... 55

Hình 3. 17 Bi ểu đồ mô t ả vecto đặc trưng tàu thuyề n s ử d ụng phương pháp BOF

- SURF k ế t h ợ p LBP. .......................................................................................... 56

Hình 3. 18 Hình ả nh các l ớ p tàu thuy ền đượ c nh ậ n d ạ ng chính xác .................. 56

Hình 3. 19 Hình ả nh các l ớ p tàu thuy ền đượ c nh ậ n d ạ ng không chính xác ....... 57

vii

DANH MỤC BẢNG BIỂU

B ả ng 1. 1 Thông s ố k ỹ thu ậ t kênh ph ổ ả nh VNREDSAT-1 ................................. 9

B ả ng 1. 2 Thông tin thu ộ c tính c ủ a ả nh Plane t ................................................... 10

B ả ng 3. 1 B ả ng th ố ng kê chi ti ết cơ sở d ữ li ệ u tàu thuy ề n ................................. 48

B ả ng 3. 2 B ả ng k ế t qu ả ki ể m ch ứ ng b ộ phân l ớ p b ằ ng máy h ọ c SVM s ử d ụ ng

thu ậ t toán SIFT.................................................................................................... 51

B ả ng 3. 3 B ả ng k ế t qu ả ki ể m ch ứ ng b ộ phân l ớ p b ằ ng máy h ọ c SVM s ử d ụ ng

thu ậ t toán SUR F .................................................................................................. 51

B ả ng 3. 4 B ả ng k ế t qu ả ki ể m ch ứ ng b ộ phân l ớ p b ằ ng máy h ọ c SVM s ử d ụ ng

thu ậ t toán LPB..................................................................................................... 54

B ả ng 3. 5 B ả ng k ế t qu ả ki ể m ch ứ ng b ộ phân l ớ p b ằ ng máy h ọ c SVM s ử d ụ ng

thu ậ t toán SIFT k ế t h ợ p LBP .............................................................................. 57

B ả ng 3. 6 B ả ng k ế t qu ả ki ể m ch ứ ng b ộ phân l ớ p b ằ ng máy h ọ c SVM s ử d ụ ng

thu ậ t toán SURF k ế t h ợ p LBP............................................................................. 57

B ả ng 3. 7 B ả ng t ổ ng h ợ p k ế t qu ả ki ể m ch ứ ng b ằ ng máy h ọ c SVM................... 58

viii

DANH MỤC TỪ VIẾT TẮT

AIS

Automatic Identification Systems

ANQP

BoF

An ninh quốc phòng

Bag of Features

Cơ sở dữ liệu

CSDL

the difference-of-Gaussian function

convolved

DoG

FOV

ICST

Field of view

International Standard Classification

of Ships by Type

IFOV

LBP

instantaneous field of view

Local Binary Patterns

SIFT

SURF

SVM

VHF

VTS

Scale-Invariant Feature Transform

Speeded-Up Robust Features

Support Vector Machine

Very high frequency

Vessel Traffic Services

MỞ ĐẦU

Tính cấp thiết

Vệ tinh viễn thám có lợi thế đặc biệt quan trọng so với viễn thám hàng

không do có khả năng chụp ảnh ở bất kỳ điểm nào trên bề mặt trái đất mà không

phải xin phép nước sở hữu, quản lý vùng địa lý đó. Đây là lợi thế mà bất kỳ

quốc gia nào cũng muốn khai thác phục vụ cho công tác ANQP, vì vậy các quốc

gia phát triển như Mỹ, Nga, TQ, Pháp... đã triển khai mạng lưới vệ tinh viễn

thám để do thám các mục tiêu quan tâm. Công nghệ vệ tinh, công nghệ viễn

thám là những lĩnh vực công nghệ cao mà các nước phát triển hạn chế xuất khẩu

và chuyển giao công nghệ. Do đó, để nắm bắt được những công nghệ này đòi

hỏi phải được đào tạo bài bản và có quá trình tiếp cận công nghệ trong thời gian

dài từ khâu thiết kế chế tạo, quản lý vận hành khai thác và ứng dụng. Hướng ứng

dụng là một trong những hướng đặc biệt được quan tâm nghiên cứu tại các nước,

nhất là những nước đi sau về công nghệ vũ trụ. Đây là giải pháp để các nước có

thể tiếp cận nhanh nhất và được thừa hưởng nhiều nhất, tận dụng tốt nhất những

thành tựu mới nhất của khoa học công nghệ thế giới cho nghiên cứu phát triển

khoa học, công nghệ.

Kỹ thuật xử lý ảnh viễn thám với nền tảng là xử lý ảnh số đã giải quyết

được một số vấn đề cơ bản trong khai thác, trích xuất thông tin từ ảnh viễn thám

bằng một số phần mềm khá thông dụng như ENVI, ERDAS,... song mức độ

chuyên sâu và tự động hóa chưa cao và chỉ sử dụng trong lĩnh vực dân sự. Các

phần mềm chuyên dụng trong lĩnh vực ANQP thường bị hạn chế điều kiện

thương mại hoặc có giá thành rất cao, ngoài khả năng tài chính của người sử

dụng và gần như không tiếp cận được yếu tố khoa học công nghệ. Việc chuyển

giao công nghệ chỉ giới hạn ở hướng dẫn sử dụng, khai thác phần mềm.

Đến nay, Việt Nam đã có hệ thống vệ tinh viễn thám (VNREDSat-1) hoàn

chỉnh từ trạm mặt đất đến vệ tinh và các cơ quan ứng dụng, song việc khai thác,

sử dụng hiệu quả các sảm phẩm của hệ thống này cho mục đích ANQP là một

bài toán khó, còn nhiều hạn chế từ độ phân giải ảnh VNREDSat-1 đến trình độ

xử lý, phân tích, giải đoán ảnh viễn thám, tích hợp các thông tin khai được từ

các nguồn ảnh của cán bộ trong ngành.

Với chiều dài bờ biển hơn 3000km và diện tích biển hơn một triệu ki-lô-

mét vuông, cùng hàng trăm hòn đảo lớn nhỏ, Việt Nam có nhiều tiềm năng phát

triển kinh tế biển như: cảng biển và công nghiệp tàu thủy, đánh bắt thủy hải sản,

khai thác dầu khí,... song cũng đặt ra hàng loạt thách thức về công tác thực thi

pháp luật, quản lý nhà nước, an ninh an toàn hàng hải, an ninh chủ quyền quốc

gia,... trên những vùng biển rộng lớn tại Biển Đông.

Quản lý, giám sát đối tượng tàu biển sẽ góp phần quan trọng trong việc

giải quyết các thách thức về công tác quản lý nhà nước, bảo đảm an ninh quốc

gia của Việt Nam trên Biển Đông. Một trong những vấn đề cấp thiết và khó

khăn nhất trong môi trường an ninh hàng hải ngày nay (với sự đa dạng, phức tạp

của các chủng loại tàu, thuyền cũng như các hoạt động của chúng) là làm thế

nào để có sự phân biệt rõ ràng giữa các loại tàu quân sự và các loại tàu thương

mại thông thường hay phân loại gữa các loại tàu quân sự, dân sự với nhau, từ đó

phát hiện và xử lý kịp thời những hoạt động của chúng trong khu vực.

Ngày nay, sự phát triển vượt bậc của các vệ tinh quan sát trái đất, cung

cấp ảnh vệ tinh độ phân giải cao phục vụ cho nhiều lĩnh vực khác nhau. Một

trong số đó là sử dụng ảnh vệ tinh độ phân giải trung bình, cao để phát hiện và

phân loại tàu thuyền trên biển với nhiều mục đích khác nhau như giám sát hoạt

động đánh bắt cá, giám sát hàng hải, giám sát lịch trình trong khi các công nghệ

truyền thống quản lý tàu thuyền có thể kể đến như Automatic Identification

Systems (AIS) và Vessel Traffic Services (VTS)…chỉ thực hiện được khi ở gần

bờ và tương tác với tàu khác hoạt động gần đó.

Mặc dù có rất nhiều nghiên cứu về việc phát hiện tàu thuyền nhưng hầu

hết các nghiên cứu liên quan đến việc phát hiện tàu (hoặc sóng tàu) sử dụng

thông tin radar. Điều này là do điều kiện ánh sáng và thời tiết không ảnh hưởng

đến ảnh SAR khi nó cung cấp thông tin trên các khu vực rộng lớn. Tuy nhiên,

nguồn thông tin này cản trở việc xác định và phân loại tàu. Đặc biệt, nó trở

thành một nhược điểm quan trọng đối với một số ứng dụng cụ thể. Việc sử dụng

hình ảnh quang học để nhận dạng tàu nhận được ít sự quan tâm hơn, chủ yếu là

do những hạn chế thuộc về bản chất của nó, tức là cần điều kiện ánh sáng và

thời tiết thích hợp. Tuy nhiên, ở những nơi có những mặt hạn chế không xuất

hiện thường xuyên, ảnh quang học sẽ cung cấp nhiều thông tin hơn cho phép

phân loại tàu được cụ thể hơn [14].

Như vậy, bài toán nhận dạng tàu thuyền có ý nghĩa rất to lớn trong hoạt

động quản lý, giám sát đối tượng tàu biển phục vụ mục đích dân sự, an ninh

quốc phòng. Với nhu cầu cấp thiết đó và mong muốn đóng góp phần nhỏ kiến

thức bản thân cho sự phát triển của công nghệ viễn thám. Do đó, chúng tôi quyết

định chọn đề tài “Nghiên cứu đánh giá các phương pháp phân loại tàu thuyền tự

động sử dụng ảnh viễn thám” cho nghiên cứu của mình.

Mục tiêu nghiên cứu của đề tài

Thông qua tình hình chung và các vấn đề được đặt ra ở trên, mục tiêu

chính của bài luận văn này tập trung giải quyết các vấn đề sau:

 Cung cấp thông tin nghiệp vụ về tàu thuyền trên biển và hải đảo

phục vụ công tác đảm bảo an ninh quốc gia.

 Nghiên cứu và đánh giá thuật toán nhận dạng hay phân loại tự động

tàu thuyền sử dụng ảnh vệ tinh quang học phục vụ mục đích giám

sát hoạt động đánh bắt cá trên biển, giao thông biển, kiểm soát hàng

hải…

Mô tả bài toán

Để giải quyết các vấn đề được đặt ra trong mục tiêu luận văn, hướng tiếp

cận của chúng tôi là giải quyết bài toán nhận dạng tàu thuyền trên ảnh giống với

bài toán nhận dạng mặt người. Bằng cách sử dụng phương pháp học máy truyền

thống kết hợp với một số thuật toán trích chọn đặc trưng trên ảnh. Cụ thể như

sau, đầu tiên chúng tôi tiến hành thu thập, xây dựng bộ CSDL mẫu ảnh tàu

thuyền phục vụ mục đích xây dựng mô hình phân loại đối tượng tàu thuyền. Dữ

liệu được sử dụng là tập dữ liệu ảnh viễn thám về các mẫu tàu thuyền trên vùng

biển Việt Nam. Chúng tôi tiến hành lấy mẫu và đánh nhãn dữ liệu tàu thuyền

bằng công cụ miễn phí trên phần mềm ENVI 5.2.

Sau đó, chúng tôi tiên hành trích chọn đặc trưng trên bộ dữ liệu này bằng

cách sử dụng các thuật toán Bag of Feature (BoF), Local Binary Patterns (LBP),

BoF kết hợp LBP và đưa vào máy huấn luyện phân lớp. Căn cứ vào chất lượng,

số lượng nguồn dữ liều, yêu cầu, mục tiêu của luận văn, chúng tôi quyết định lựa

chọn thuật toán phân lớp máy hỗ trợ véc tơ SVM. Sau khi kết thúc quá trình

huấn luyện, hệ thống sẽ lưu lại giá trị các tham số này (các tham số quyết định

phân lớp - mô hình sau khi huấn luyện) để phục vụ cho quá trình nhận dạng sau

này. Quá trình huấn luyện dữ liệu nhanh hay chậm phụ thuộc vào số lượng mẫu

dữ liệu tham gia huấn luyện, thuật toán chọn để huấn luyện dữ liệu. Kết quả thu

được là việc phân loại từng mẫu tàu thuyền vào các lớp tương ứng. Qua đó,

chúng tôi tiến hành so sánh về độ chính xác của bài toán phân lớp sử dụng

phương pháp máy hỗ trợ véc tơ kết hợp với các thuật toán trích chọn đặc trưng

khác nhau.

Bố cục của luận văn

Chương 1 trình bày các khái niệm cơ bản phục vụ cho nghiên cứu của đề

tài, trình bày về nội dung xây dựng CSDL ảnh mẫu tàu thuyền từ ảnh vệ tinh độ

phân giải cao phục vụ xây dựng và kiểm tra mô hình phân lớp tàu thuyền. Nội

dung chính của Chương 2 trình bày về một số thuật toán nhận dạng tàu thuyền

trên ảnh viễn thám. Dựa trên bộ CSDL ảnh mẫu được xây dựng ở Chương 1, nội

dung chính của Chương 3 trình bày về kết quả, đánh giá ứng dụng phân lớp tàu

thuyền ở cảng biển Việt Nam sử dụng ảnh Planet. Cuối cùng nội kết luận và

kiến nghị cùng với các tài liệu tham khảo sẽ được trình bày.

Chƣơng 1: Giới thiệu chung

Trong nghiên cứu này, đối tượng nghiên cứu tập trung chủ yếu là tàu

thuyền. Do đó, chương 1 sẽ trình bày tổng quan về một số tàu thuyền trên thế

giới. Ngoài ra, giới thiệu một số khái niệm, đặc điểm về dữ liệu ảnh viễn thám

(vệ tinh) và cách tiến hành xây dựng bộ cơ sở dữ liệu tàu thuyền. CSDL giám

sát tàu thuyền là bộ cơ sở dữ liệu ảnh mẫu tàu thuyền được thu thập và gán nhãn

từ ảnh vệ tinh quang học Planet, bộ CSDL này được xây dựng với mục đích

huấn luyện các mô hình nhận dạng đối tượng tàu thuyền.

1.1 Tình hình nghiên cứu trên thế giới và Việt Nam

Qua tìm hiểu, khảo sát, có một số phương pháp sử dụng ảnh viễn thám

quang học để phân loại tàu thuyền trên thế giới ứng dụng thực tế trong việc nhận

dạng tàu thuyền phục vụ mục đích an ninh quốc gia đạt được một số kết quả

nhất định như sau.

Theo [14] nhóm tác giả đã sử dụng phần mềm Vyamsat cho phép xử lý

ảnh màu QuickBird để giám sát sự xuất hiện của tàu trên những vùng biển quan

tâm (interest regions). Vyamsat tích hợp việc quản lý, nhận dạng các vùng quan

tâm dựa trên công cụ ArcGis/ArcObject và các thuật toán phát hiện và nhận

dạng tàu dựa trên bộ nhận dạng Bayessian trích rút các đặc trưng từ ảnh đầu vào.

Trong bước phân biệt tàu thuyền, mỗi tàu được mô tả bởi một vetor đặc trưng

kích thước 7x3 (7 Hu moments được tính dựa trên 3 kênh ảnh đỏ, xanh lục, xanh

lam của ảnh). Việc phân loại được dựa trên bộ phân loại Bayessian.

Nhóm nghiên cứu khác là Katie Rainey và John Stastny cho rằng vấn đề

nhận dạng và phân loại tàu thuyền trên ảnh vệ tinh quang học là tương tự với

nhận dạng mặt người. Sự xuất hiện của tàu có thể rất khác nhau giữa các ảnh,

phụ thuộc vào nhiều yếu tố như điều kiện ánh sáng, góc của cảm biến, trạng thái

của biển. Ngoài ra cũng có sự khác nhau rất lớn giữa các tàu trong cùng một

loại. Việc thu thập và gán nhãn với tập dữ liệu huấn luyện đủ lớn cũng là một

thách thức không nhỏ. Để giải quyết vấn đề này, Katie Rainey và John Stastny

đề xuất giải thuật phân loại tàu là sự kết hợp của mô hình Bag-of-Words (BoW)

trong kết hợp phương pháp phân loại hỗ trợ máy véc tơ. Trong mô hình BoW tác

giả dùng cấu trúc đặc trưng vectơ sử dụng keypoint và bộ mô tả bất biến như

SIFT. Bộ mô tả của Scale-Invariant Feature Transform (SIFT) là bất biến đối

với những thay đổi về kích thước của ảnh và sự chiếu sáng, do đó các đặc trưng

tương tự từ các hình ảnh khác nhau của cùng một lớp nên sẽ được nhóm lại với

nhau. Nhóm nghiên cứu đã sử dụng bộ dữ liệu gồm bốn loại tàu dân sự như tàu

dầu, tàu vận tải, tàu công ten nơ và xà lan. Phương pháp này đã được áp dụng

thành công trong việc phân lớp tàu thuyền sử dựng ảnh viễn thám quang học độ

phân giải cao (dữ liệu thu từ hệ thống RAPIER) có độ chính xác trung bình đạt

xấp xỉ 80% [16].

Tại Việt Nam việc quản lý, phát hiện, theo dõi, giám sát tàu thuyền được

đầu tư phát triển theo một số chương trình và dự án cấp địa phương và nhà nước.

Tuy nhiên, số lượng các nghiên cứu và ứng dụng còn khác hạn chế. Tiêu biểu về

nghiên cứu nhận dạng, phân lớp tàu thuyền trên ảnh viễn thám là công trình sử

dụng mô hình trích xuất đặc trưng Spatial Pyramid Bag of Word và phương

pháp phân lớp SVM để phân loại tàu thuyền trên ảnh vệ tinh độ phân giải siêu

cao (Quick Bird) của nhóm nghiên cứu Lưu Việt Hưng, Đinh Văn Kiệt, Lương

Nguyễn Hoàng Hoa, Bùi Quang Hưng và Nguyễn Thị Nhật Thanh [18]. Kết quả

đạt được có độ chính xác cao (94%) đã đăng trên tạp chí Remote Sensing

Letters.

1.2 Giới thiệu về công nghệ viễn thám

1.2.1 Khái niệm, đặc điểm cơ bản viễn thám

Viễn thám (Remote sensing - tiếng Anh) 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.

Những phương tiện này không có sự tiếp xúc trực tiếp với đối tượng, khu vực

hoặc với hiện tượng được nghiên cứu [2].

Thực hiện được những công việc đó chính là thực hiện viễn thám - hay

hiểu đơn giản: Viễn thám là thăm dò từ xa về một đối tượng hoặc một hiện

tượng mà không có sự tiếp xúc trực tiếp với đối tượng hoặc hiện tượng đó. Mặc

dù có rất nhiều định nghĩa khác nhau về viễn thám, nhưng mọi định nghĩa đều

có nét chung, nhấn mạnh "viễn thám là khoa học thu nhận từ xa các thông tin về

các đối tượng, hiện tượng trên trái đất".

Viễn thám điện từ là khoa học và công nghệ sử dụng sóng điện từ để

chuyển tải thông tin từ vật cần nghiên cứu tới thiết bị thu nhận thông tin cũng

như công nghệ xử lý để các thông tin thu nhận có ý nghĩa. Viễn thám điện từ

bao gồm viễn thám quang học và viễn thám radar.

Ảnh viễn thám (ảnh vệ tinh): là ảnh số thể hiện các vật thể trên bề mặt trái

đất được thu nhận bởi các bộ cảm biến đặt trên vệ tinh. Ảnh quang học dựa trên

cơ sở đo sóng phản xả từ bề mặt trái đất ở giải sóng nhìn thấy và một phần của

sóng hồng ngoại trong khoảng từ 300-1500 nm. Giải phổ từ 300-700 nm là vùng

dải phổ của màu xanh lam (Blue) - xanh lá cây (Green) - màu đỏ (Red), khu vực

700-1500 nm thuộc về dải phổ hồng ngoại của vùng hồng ngoại gần. Khu vực

hồng ngoại trung và hồng ngoại xa thường gọi là hồng ngoại nhiệt. Cảm biến

toàn sắc bao trùm giải bước sóng rộng từ 400-900 nm kết quả của nó cho ta một

tấm ảnh gần giống như ảnh đen trắng [1].

Hình 1. 1 Dải sóng điện từ

Năng lượng sóng phản xạ từ đối tượng bao gồm hai phần:

- Năng lượng phản xạ trực tiếp từ bề mặt đối tượng;

- Năng lượng tán xạ bởi cấu trúc bề mặt đối tượng.



Độ phân giải không gian.

Độ phân giải không gian của một ảnh vệ tinh, do đặc tính của đầu thu, phụ

thuộc vào hai thông số FOV (Field of view-trường/góc nhìn) và IFOV

(instantaneous field of view - trường/góc nhìn tức thì) được thiết kế sẵn. Thông

số FOV cho ta thấy được phạm vi không gian mà đầu thu có thể thu nhận được

sóng điện từ từ đối tượng. Rõ ràng là với góc nhìn càng lớn (FOV càng lớn) thì

ảnh thu được càng rộng, và với cùng một góc nhìn, vệ tinh nào có độ cao lớn

hơn sẽ có khoảng thu ảnh lớn hơn [1].

Ngược với FOV, IFOV của đầu thu đặc trưng cho phạm vi không gian mà

đầu thu có thể nhận được sóng điện từ trong một thời điểm. Tức là đầu thu sẽ

không thể “nhìn” được các đối tượng nhỏ hơn trong góc nhìn IFOV. Tổng hợp

giá trị bức xạ của các đối tượng trong một góc IFOV được thu nhận cùng một

lúc và mang một giá trị, được ghi nhận như một điểm ảnh. Trong ảnh số, một

điểm ảnh được gọi là một pixel và giá trị kích thước pixel đặc trưng cho khả

năng phân giải không gian của ảnh. Góc IFOV càng nhỏ thì khả năng phân biệt

các đối tượng trong không gian càng lớn, nghĩa là giá trị pixel càng nhỏ và phạm

vi “chụp” ảnh càng hẹp (hình 1.2).

Ý nghĩa quan trọng nhất của độ phân giải không gian là cho ta biết các đối

tượng nhỏ nhất mà có thể phân biệt được trên ảnh. Ví dụ, ảnh có độ phân giải

không gian là 30 x 30^msẽ cho phép phân biệt được các đối tượng có kích thước

lớn hơn 30 x 30^m. Tuy hiện nay đã có những nghiên cứu về phương pháp phân

loại dưới pixel, nhưng để áp dụng rộng rãi cần được nghiên cứu thêm.

10m

0.4m

Hình 1. 2 Độ phân giải không gian của ảnh viễn thám trên cùng khu vực

Dữ liệu viễn thám cung cấp nhiều thông tin quan trọng trong nhiều ứng

dụng giám sát như gom ảnh, phát hiện biến đổi và phân loại lớp phủ. Kỹ thuật

viễn thám là một trong những kỹ thuật quan trọng được áp dụng để thu thập

thông tin liên quan đến tài nguyên môi trường của Trái Đất. Các dữ liệu ảnh vệ

tinh phổ biến dễ dàng tiếp cận và truy cập qua các ứng dụng bản đồ nổi tiếng

như Google Earth, Bing Maps, …

1.2.2 Dữ liệu ảnh viễn thám quang học

a) Ảnh vệ tinh QuickBird

Được cung cấp bởi Công ty Digital Globe, ảnh QuickBird hiện nay là một

trong những loại ảnh vệ tinh thương mại có độ phân giải cao nhất, được thu thập

miễn phí từ nền tảng Google Earth. Hệ thống thu ảnh QuickBird có thể thu được

đồng thời các tấm ảnh toàn sắc lập thể có độ phân giải từ 67cm đến 72cm và các

tấm ảnh đa phổ có độ phân giải từ 2,44m đến 2,88m. Với cùng một cảnh, Công

ty Digital Globe có thể cung cấp cho khách hàng 3 loại sản phẩm, ảnh

QuickBird được sử dụng các cấp độ xử lý khác nhau là Basic, Standard và

Orthorectified. Một ảnh QuickBird chuẩn có kích thước 16,5km x 16,5km. Với

ảnh viễn thám QuickBird, có thể làm được nhiều việc mà trước đây chỉ có thể

thực hiện với ảnh chụp từ máy bay. Các ứng dụng ảnh QuickBird tập trung chủ

yếu vào nhiệm vụ quan sát theo dõi chi tiết các đảo hoặc các khu vực dải ven

biển, bến cảng, lập bản đồ vùng bờ,… Tuy nhiên, số lượng dữ liệu ảnh vệ tinh

QuickBird thu thập từ nền tảng Google Earth còn hạn chế, không đủ đáp ứng

yêu cầu để thực hiện bài toán của luận văn này.

b) Dữ liệu ảnh vệ tinh VNREDSat-1

VNREDSat-1 (Vietnam Natural Resources, Environment

and Disaster-

monitoring Satellite-1) là vệ tinh quang học quan sát Trái Đất đầu tiên của Việt

Nam, do Công ty EADS Astrium (Pháp) thiết kế, chế tạo.

Vệ tinh VNREDSAT-1 mang 02 bộ cảm đa phổ và toàn sắc với độ phân

giải là 2.5m và 10m cho kênh đa phổ. Thông tin các kênh phổ của ảnh vệ tinh

VNREDSAT-1 như sau

Bảng 1. 1 Thông số kỹ thuật kênh phổ ảnh VNREDSAT-1

Bƣớc sóng

(micrometers)

Độ phân giải

Kênh

(meters)

Blue

Green

Red

0.45 - 0.52

0.53 - 0.60

0.62 - 0.69

0.76 - 0.89

2.5

PAN

c) Dữ liệu ảnh vệ tinh Planet

Dữ liệu ảnh vệ tinh được cung cấp bởi Công ty Planet Labs Inc, ảnh

Planet hiện nay là một trong những loại ảnh vệ tinh thương mại có độ phân giải

trung bình, cao. Các sản phẩm ảnh Planet cung cấp tới người sử dụng là dữ liệu

ảnh viễn thám đã qua quy trình hiệu chỉnh về tọa độ, nắn chỉnh hình học, hiệu

chỉnh bức xạ cảm biến, bức xạ bề mặt, sản phẩm ở mức độ phù hợp với từng bài

toán ứng dụng khác nhau.

Một cảnh ảnh Planet chuẩn có kích thước 24km x 8km. Các ứng dụng ảnh

Planet tập trung chủ yếu vào nhiệm vụ quan sát theo dõi chi tiết các đảo hoặc

các khu vực dải ven biển, bến cảng, lập bản đồ vùng bờ…

Bảng 1. 2 Thông tin thuộc tính của ảnh Planet

Thuộc tính

Mô tả

Định dạng ảnh

Kích thước điểm ảnh

Kích thước cảnh ảnh

Hệ tọa độ

GeoTiff, xml

24kmx8km

WGS-84

Kênh phổ

3 kênh (Red, Green Blue

1.3 Giới thiệu về một số loại tàu thuyền quan tâm

1.3.1 Tàu vận tải [12]

Các tàu vận tải thường được đặc trưng bởi các hầm chứa hàng trong bụng

tàu, phía trên có thể được đậy bởi các tấm chắn lớn; mũi tàu có dạng cánh cung

buồng điều khiển thường được đặt ở phía đuôi tàu, trên boong tàu thường có các

cần cẩu hỗ trợ việc nâng, dỡ hàng. Các tàu vận tải hiện nay đều được được thiết

kế bằng thép, trung bình độ dài của một tàu vận tải hiện nay khoảng 80 m (độ

dài tính từ mũi tàu tới đuôi tàu).

Có thể căn cứ vào dạng cánh cung của mũi tàu, vị trí đặt buồng điều

khiển, các cần cẩu trên tàu và quan trọng nhất là các hầm chứa hàng hoặc các

tấm chắn hầm chứa hàng để nhận dạng tàu vận tải.

Hình 1. 3 Tàu vận tải

1.3.2 Tàu chở dầu [12]

Tàu chở dầu là loại tàu được thiết kế để chuyên vận chuyển chất lỏng

hoặc chất khí với số lượng lớn. Dựa vào chất được vận chuyển có thể phân tàu

chở dầu thành 3 loại chính là tàu chở dầu, tàu chở khí ga và tàu chở hóa chất.

Tàu chở dầu có thiết kế khá giống với các tàu vận tải thông thường tuy nhiên

phần boong tàu được thiết kế khép kín; giữa boong tàu là hệ thống đường ống

chạy dọc theo chiều dài thân tàu, có từ 2-3 cột được lắp nối tiếp trên boong tạo

thành đường thẳng từ buồng điều khiển ra phía mũi tàu (đây là phần khung

xương chịu lực của tàu). Trên boong tàu được trang bị nhiều cần cầu, buồng

điều khiển của tàu chở dầu nằm ở phía đuôi tàu, các tàu trở dầu lớn thường có

sân đáp trực thăng trên boong.

Đối với các tàu chở khí thì phần boong tàu được đặc trưng bởi các bồn

chứa khí dạng vòm, bán cầu. Các tàu chở khí lớn thường có 4-6 bồn chứa khí có

thể quan sát trên boong tàu. Tàu chở dầu lớn nhất thế giới hiện nay là tàu Knock

Nevis của Nauy với chiều dài 458m, trọng tải lên tới 564.763 tấn.

Có thể căn cứ vào hình dạng, phần boong tàu được thiết kế khép kín, vị trí

buồng điều khiển, phần khung chịu lực của tàu và đặc biệt là các bồn chứa khí

dạng vòm, bán cầu để nhận dạng tàu chở dầu, tàu chở khí.

Hình 1. 4 Tàu chở dầu

1.3.3 Tàu chuyên chở công te nơ [12]

Tàu công te nơ là một dạng tàu vận tải, được thiết kế chỉ để chuyên chở

các thùng công te nơ. Các tàu công te nơ được thiết kế để có thể di chuyển với

tốc độ cao trong điều kiện đầy tải (khoảng 26 hải lý/ giờ)

Tải về để xem bản đầy đủ

72 trang yennguyen 14360 Free

Download

Bạn đang xem 20 trang mẫu của tài liệu "Luận văn Nghiên cứu đánh giá các phương pháp phân loại tàu thuyền tự động sử dụng ảnh viễn thám", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

File đính kèm:

luan_van_nghien_cuu_danh_gia_cac_phuong_phap_phan_loai_tau_t.pdf