Phát hiện sự thay đổi bề mặt địa hình trái đất sử dụng mạng nơ ron xung kép

Ảnh vệ tinh đa thời gian được được ứng dụng rộng rãi trong phát hiện biến động lớp phủ bề mặt trái đất. Cách tiếp cận có giám sát được áp dụng để đánh giá định lượng chính xác sự biến động của các lớp đối tượng cơ bản của lớp phủ như: Lớp đối tượng nhà đô thị, lớp đối tượng mặt nước, lớp đối tượng đất trống.
Nội dung trích xuất từ tài liệu:
Phát hiện sự thay đổi bề mặt địa hình trái đất sử dụng mạng nơ ron xung kép Kỹ thuật điều khiển & Điện tử PHÁT HIỆN SỰ THAY ĐỔI BỀ MẶT ĐỊA HÌNH TRÁI ĐẤT SỬ DỤNG MẠNG NƠ RON XUNG KÉP Đào Khánh Hoài1*, Đỗ Danh Điệp2 Tóm tắt: Ảnh vệ tinh đa thời gian được được ứng dụng rộng rãi trong phát hiện biến động lớp phủ bề mặt trái đất. Cách tiếp cận có giám sát được áp dụng để đánh giá định lượng chính xác sự biến động của các lớp đối tượng cơ bản của lớp phủ như: lớp đối tượng nhà đô thị, lớp đối tượng mặt nước, lớp đối tượng đất trống… Trong những năm gần đây, mạng nơ ron xung kép PCNN đã được ứng dụng trong xử lý ảnh đa thời gian để phát hiện sự thay đổi các đối tượng trên ảnh. Một đặc điểm ưu việt của kiểu mạng nơ ron nhân tạo này là tính bất biến với phép dịch, tỷ lệ và phép quay của ảnh. Tuy nhiên, với các loại ảnh vệ tinh có chất lượng tín hiệu thu nhận khác nhau cần có các khảo sát cụ thể. Trong nghiên cứu này, nhóm nghiên cứu khảo sát thực nghiệm phương pháp không giám sát sử dụng mạng nơ ron xung kép PCNN để phát hiện thay đổi bề mặt trái đất trên ảnh vệ tinh đa thời gian. Từ khóa: Thay đổi bề mặt lớp phủ, Mạng PCNN, Ảnh vệ tinh. 1. MỞ ĐẦU Trong viễn thám, việc phát hiện các vùng bị thay đổi trên các ảnh chụp cùng cảnh một khu vực ở các thời điểm khác nhau nhận được sự quan tâm đặc biệt do có liên quan đến số lượng lớn các ứng dụng khác nhau như phân tích sự thay đổi loại hình sử dụng đất, phân tích sự dịch chuyển của cơ cấu trồng trọt, quan trắc ô nhiễm, đánh giá các vùng cháy rừng, phân tích các khu vực phá rừng, phân tích sự thay đổi của thực vật,… Các phương pháp đánh giá sự biến động hiện tại trong lĩnh vực viễn thám có thể được phân ra làm hai nhóm giám sát và không giám sát. Các phương pháp đánh giá biến động này áp dụng trên ảnh vệ tinh đa thời gian đã được nghiên cứu và công bố trong nhiều tài liệu khác nhau [1-3]. Các phương pháp có giám sát đòi hỏi sự có mặt dữ liệu đầu vào là các dữ liệu xác thực mặt đất như điểm khống chế, các mẫu học và mẫu kiểm tra. Trong khi đó, cách tiếp cận không giám sát phân tích sự thay đổi lớp phủ không cần sử dụng đến sự bổ sung các dữ liệu xác thực mặt đất. Nếu so sánh về độ chính xác thì các phương pháp phát hiện biến động có giám sát cho kết quả tốt hơn so với các phương pháp không giám sát. Các phương pháp phát hiện biến động không giám sát ảnh viễn thám bao gồm ba bước chính là tiền xử lý, so sánh ảnh và phân tích ảnh. Bước tiền xử lý thực hiện các phép xử lý để đưa hai ảnh đa thời gian khớp về cùng một khung tọa độ để có thể so sánh được với nhau. Trong bước thứ hai sự khác biệt giữa hai ảnh đa thời gian được xác định bằng các toán tử khác nhau như phân tích véc tơ thay đổi (CVA – Change vector analysis). Sau khi tính toán, tạo được ảnh khác biệt ảnh biến động cuối cùng nhận được thông qua phân tích ảnh bằng các phương pháp lấy ngưỡng có hoặc không ràng buộc quan hệ không gian. Ngưỡng có thể nhận được bằng phương pháp thử sai thủ công hoặc các kỹ thuật lấy ngưỡng tự động. Trong nghiên cứu này, nhóm tác giả tiếp cận bài toán phát hiện thay đổi trên ảnh vệ tinh dựa trên ứng dụng mạng nơ ron xung kép PCNN (Pulse-coupled neural network). PCNN là mạng nơ ron nhân tạo mô phỏng hoạt động của các nơ ron vỏ não trực quan của mèo [4]. Vỏ não trực quan là một phần bộ não mèo nơi nhận tín 86 Đ. K. Hoài, Đ. D. Điệp, “Phát hiện sự thay đổi bề mặt địa hình… mạng nơ ron xung kép.” Nghiên cứu khoa học công nghệ hiệu trực quan từ mắt và chuyển đổi tín hiệu ảnh về luồng các xung. Các xung sinh ra từ mỗi vòng lặp mạng PCNN mô phỏng lại các dấu hiệu đặc trưng trên cảnh. Các véc tơ chuỗi các xung hai cảnh ảnh khác nhau được đối sánh làm cơ sở kết luận có hay không sự thay đổi trên hai cảnh ảnh. Ưu điểm chính của mô hình PCNN là nó có cấu trúc đơn giản và hoạt động theo cơ chế không cần huấn luyện. Từ khi mạng PCNN được giới thiệu bởi Eckhon năm 1990 mô hình này đã chứng tỏ là một công cụ hiệu quả ứng dụng cho xử lý ảnh [5]. Với bài toán phát hiện thay đổi trên ảnh mạng PCNN có tính bất biến đổi với phép tỷ lệ, dịch, quay của các mẫu ảnh đầu vào. Thành thử việc ứng dụng mạng PCNN để phát hiện tự động thay đổi các đối tượng trên nền địa hình thu được trên ảnh vệ tinh đa thời gian với các góc chụp khác nhau, độ dịch khác nhau, ở các khu vực không tiếp cận, không thể lấy mẫu xác thực, kiểm chứng như hải đảo, biên giới là cách tiếp cận hợp lý và khoa học. 2. PHƯƠNG PHÁP PHÁT HIỆN THAY ĐỔI TRÊN ẢNH ĐA THỜI GIAN SỬ DỤNG MẠNG NƠ RON XUNG KÉP PCNN 2.1. Mạng nơ ron xung kép PCNN Vào cuối những năm 1980, Eckhorn trong khi nghiên cứu vỏ não trực quan của loài mèo [5], đã khám phá ra rằng, não giữa trong khi hoạt động, tạo ra các ảnh nhị phân có thể trích rút các đặc trưng khác nhau từ cảm nhận trực quan. Dựa trên các ảnh nhị phân này ảnh thực tế trong não mèo được tạo ra. Từ kết quả nghiên cứu, họ đã phát triển mô hình mạng nơ ron nhân tạo Eckhorn để mô phỏng hành vi. Trong đầu những năm 1990, Rybak cũng tìm ra hành vi thần kinh tương tự dựa trên nghiên cứu vỏ não thị giác của loài chuột bạch và cũng đã phát triển mạng nơ ron, gọi là mô hình Rybak [6]. Do các mô hình Rybak và Eckhorn đưa ra một cách đơn giản, hiệu quả cho việc nghiên cứu các giao động xung đồng bộ trong các mạng nên chúng được xem là rất tiềm năng trong xử lý ảnh. Các khám phá trên đã lát đường cho thế hệ mạng nơ ron xung kép. Sau đó Johnson và các cộng sự đã mang đến một số cải biên và biến thể để điều chỉnh hiệu suất của nó đáp ứng như các thuật toán xử lý ảnh [7]. Mô hình mạng nơ ron cải biên này được gọi là mạng nơ ron xung kép (PCNN). PCNN là mạng đơn lớp, hai chiều, kết nối ngang của các nơ ron xung kép kết nối với các điểm ảnh. Bởi vì mỗi điểm ảnh được liên kết với một nơ ron của mạng nên cấu trúc của mạng PCNN xuất phát từ cấu trúc ảnh đầu vào (ảnh sẽ được xử lý). Cấu trúc một n ...