Giáo trình Lọc thích ứng ảnh SAR đa thời gian dựa trên việc xác định các vùng ổn định và thay đổi - Lê Thu Trang

Nội dung text: Giáo trình Lọc thích ứng ảnh SAR đa thời gian dựa trên việc xác định các vùng ổn định và thay đổi - Lê Thu Trang

1. T¹p chÝ KHKT Má - §Þa chÊt, sè 48,10/2014, (Chuyªn ®Ò §o ¶nh – ViÔn th¸m), tr.52-57 LỌC THÍCH ỨNG ẢNH SAR ĐA THỜI GIAN DỰA TRÊN VIỆC XÁC ĐỊNH CÁC VÙNG ỔN ĐỊNH VÀ THAY ĐỔI LÊ THU TRANG, Trường Đại học Mỏ - Địa chất Tóm tắt: Bài báo giới thiệu một phương pháp lọc thích ứng cho các chuỗi ảnh Radar khẩu độ tổng hợp (SAR) dựa trên việc phân tích sự thay đổi theo thời gian của các đối tượng trên ảnh. Trước tiên, tại mỗi vị trí pixel trên ảnh, hệ số biến thiên (CV) được kiểm tra chéo để tạo ra các ma trận phát hiện sự thay đổi (CDM), trong đó có chứa các thông tin (thay đổi hoặc không thay đổi) của các pixel theo thời gian. Sau đó các CDM này cung cấp cho bộ lọc các pixel thích hợp cho mỗi vị trí trên mỗi ảnh để tính toán các giá trị lọc. Phương pháp đề xuất được minh họa trên một chuỗi ảnh gồm 25 ảnh TerraSAR-X quĩ đạo đi lên, thu nhận từ 6/11/2009 đến 25/9/2011 trên vùng thử nghiệm Chamonix-Mont-Blanc, Pháp. 1. Đặt vấn đề vùng thay đổi và không thay đổi thông qua việc Trong thập kỉ gần đây, việc phóng các vệ kiểm tra hệ số biến thiên (CV). tinh thế hệ mới cho phép thu nhận các chuỗi 2. Quy trình lọc chuỗi ảnh SAR theo thời gian ảnh Radar khẩu độ tổng hợp (SAR) theo thời gian có chu kỳ lặp ngắn và độ phân giải cao, rất Gọi I = It 1 t N là một chuỗi ảnh theo hữu ích trong việc quan sát và theo dõi sự biến thời gian bao gồm N ảnh SAR đã được đăng ký đổi của trái đất. Một trong những vấn đề gây trong cùng một hệ thống tọa độ, trong đó I biểu khó khăn cho việc đoán đọc ảnh SAR bằng mắt t diễn tấm ảnh thu nhận tại thời điểm t. Gọi cũng như tự động đó là nhiễu đốm (speckle) - I i, j là pixel tại vị trí (i, j) trên ảnh I và tồn tại trong các hệ thống thu nhận tín hiệu nhất t t w quán. Có rất nhiều phương pháp lọc nhiễu đốm It i, j là cửa sổ phân tích chứa các pixel lân đã được đề xuất cho ảnh đơn SAR (các phương cận của I i, j . Gọi I i, j  là cột pixel, pháp chỉ sử dụng các thông tin không gian của t t 1 t N đây là một vector bao gồm tất cả các giá trị ảnh) [1, 2]. Với các dữ liệu ảnh đa thời gian, cả pixel trên các ảnh của chuỗi ảnh tại cùng một vị thông tin không gian và thời gian đều có thể trí không gian. Xét chuỗi ảnh I, phương pháp đề được khai thác để nâng cao kết quả cho việc lọc xuất bao gồm ba bước như sau: 1) Phân tích cặp ảnh SAR cũng như cho các ứng dụng khác. Hầu ảnh (hai ngày); 2) Phân tích đa ảnh (nhiều hết các bộ lọc đa thời gian đều được mở rộng từ ngày); 3) Lọc ảnh đa thời gian (xem hình 1). bộ lọc không gian [3, 4]. Các bộ lọc này đều giả 2.1. Phân tích cặp ảnh (hai ngày) thiết rằng tại cùng một vị trí không gian, các Để xác định các pixel thay đổi và không pixel trên các ảnh khác nhau của chuỗi ảnh thay đổi trong mỗi cột pixel, ma trận phát hiện không thay đổi theo thời gian và tất cả chúng thay đổi (CDM) được xây dựng. Ma trận này là đều có thể tham gia vào quá trình lọc ảnh. Trên kết quả của các phép kiểm tra chéo về hệ số thực tế thì giả thiết này không phù hợp vì các biến thiên giữa các cặp ảnh. đối tượng trên mặt đất không ổn định trong toàn bộ chuỗi ảnh. Để giải quyết vấn đề này, bài báo Sự kiểm tra hệ số biến thiên giữa các ảnh đề xuất một phương pháp lọc ảnh thích ứng nhằm xác định các pixel đồng nhất trong chuỗi theo thời gian cho các chuỗi ảnh SAR trên cơ sở ảnh theo thời gian. Thực vậy, hệ số biến thiên là tích hợp với kỹ thuật phát hiện thay đổi. tỷ số giữa độ lệch chuẩn với giá trị trung bình của ảnh bị nhiễu I , đó là, CV = σ / μ . Phương pháp này dựa trên sự phát hiện các t It It 52
2. Hình 1. Sơ đồ quy trình lọc chuỗi ảnh SAR theo thời gian Tại vị trí (i, j), xét hai pixel của hai ngày w w w 0, nÕu Ht,k i, j λΨ I k i, j I t i, j bất kỳ t, k trong cột pixel, ta có: w Dt,k i, j = (4) w w w 1, nÕu Hw i, j >λΨ I w i, j I w i, j Ht,k i, j = CV It i, j ;Ik i, j 1 t,k N , (1) t,k k t với H w i, j là độ biến thiên giữa pixel I i, j w t,k t trong đó, Ψ It i, j là tập hợp chứa các pixel và pixel I i, j . Ngưỡng λ sau đó được sử dụng k đồng nhất với pixel It i, j . Ma trận D được gọi w để xác định xem liệu Ht,k i, j chỉ biểu diễn là ma trận phát hiện thay đổi bước-1 (CDM1). nhiễu đốm hay chứa cả các thông tin về sự thay Đây là một ma trận đối xứng có kích thước đổi giữa các pixel. Ta biết rằng độ lệch chuẩn NxN, chứa các giá trị 0 và 1, trong đó 0 biểu thị của nhiễu đốm trong vùng hoàn toàn đồng nhất "không thay đổi" còn 1 biểu thị "thay đổi". đối với ảnh SAR biên độ L-looks là 2.2. Phân tích đa ảnh (nhiều ngày) σ s = 0.5227 / L [5]. Nếu mặt đất hoàn toàn Nhằm mục đích nâng cao kết quả của bước đồng nhất thì CV = σ ; ngược lại, nếu nó biến 1, việc kiểm tra hệ số biến thiên được tiếp tục s thực hiện với các pixel của nhiều ngày trong đổi thì CV > σ .Bài báo này sử dụng ngưỡng s chuỗi ảnh. Tất cả các pixel đồng nhất đã xác thích ứng sau: định trong CDM1 tương ứng với từng cặp pixel λ i,j =σs +δ i,j , (2) tham chiếu được sử dụng làm mẫu kiểm tra w trong đó, δ(i, j) là một giá trị nhỏ biểu thị trong bước này. Độ biến thiên giữa Ψ It i, j khoảng dao động nhỏ của ngưỡng λ, được trích và Ψ I w i, j là: từ [5]. Ngưỡng thích ứng lúc này sẽ là: k ˆ w w w 2 H i, j = CV Ψ I i, j ;Ψ I i, j , (5) 1+ 2σ t,k t k 1 t,k N λ i, j = η σ +σ s , (3) s s 2n i, j và đem so sánh với ngưỡng λ , ta có CDM như sau: với n(i, j) là số lượng mẫu tham gia trong phép ˆ w kiểm tra độ biến thiên, η là tham số hệ thống w 0, NÕu Ht,k i, j  Dˆ i, j = , (6) xác định độ mượt, giá trị η thường gần bằng 1.0 t,k w 1, NÕu Hˆ i, j >  [5]. t,k Khi đó, các thông tin về sự thay đổi được ma trận Dˆ được gọi là ma trận phát hiện thay xác định như sau: đổi bước-2 (CDM2). 53
3. 2.3. Lọc ảnh đa thời gian 3. Kết quả thực nghiệm Sau bước 2, các ma trận CDM cung cấp 3.1. Dữ liệu vùng nghiên cứu những thông tin tin cậy về các pixel thay đổi và Phương pháp đề xuất được minh họa trên không thay đổi trong từng cột pixel. Bộ lọc dựa một chuỗi ảnh gồm 25 ảnh TerraSAR-X quĩ đạo trên CDM được đề xuất sau đây sẽ tập hợp các đi lên, độ phân giải 2m, thu nhận từ 6/11/2009 pixel không thay đổi và lấy trị trung bình của đến 25/9/2011 trên vùng thử nghiệm Chamonix- chúng làm giá trị ảnh lọc. Mont-Blanc, Pháp. Hai khu vực đặc trưng được N nghiên cứu đó là: khu vực bãi đậu xe Grands Ψ i, j 1 t Montets và khu vực băng dịch chuyển Iˆ i, j = 1 Dˆ w i, j I i, j , (7) t  t,k t Argentière, bao gồm nhiều dạng thay đổi khác N k=1 Ψt i, j nhau như việc xuất hiện và rời đi của các xe với N là số lượng các phần tử trong tập trong bãi đậu xe, sự biến đổi của bề mặt băng, Ψ i, j t v.v. (xem hình 2). w hợp Ψ It i, j . (a) (b) (c) (d) Hình 2. Khu vực thực nghiệm. (a), (b): Bãi đậu xe Grands Montets. (c), (d): Vùng băng Argentière. (a), (c): Ảnh kết hợp màu (Đỏ: 07/06/2011; Lục: 18/06/2011; Lam: 29/06/2011). (b), (d): Ảnh quang học. 54
4. 3.2. Kết quả lọc thích ứng theo thời gian cũng giảm đi đáng kể. Bài báo này áp dụng cửa sổ phân tích tối Trong trường hợp đối tượng xuất hiện tách thiểu (bao gồm pixel trung tâm và bốn pixel lân biệt, ví dụ như một chiếc ô tô trong bãi đậu xe, cận nó) khi sử dụng các thông tin không gian. khi đó chỉ có một ngày (trên một tấm ảnh duy Với những vùng đồng nhất, ví dụ như bãi cỏ, nhất) đối tượng đó xuất hiện tại một vị trí nhất hình 3 (a) và (b) cho thấy rằng bộ lọc đề xuất có định. Pixel tại vị trí đối tượng xuất hiện trong thể phát hiện các pixel không thay đổi trong ngày đó hoàn toàn khác biệt so với các pixel từng cột pixel một cách hiệu quả. CDM2 phát còn lại trong cột pixel. Sau quá trình lọc, giá trị hiện nhiều pixel không thay đổi và chính xác pixel của đối tượng đó sẽ được bảo tồn, xem hơn CDM1. Biểu đồ các giá trị pixel của chuỗi minh họa trên hình 4. Trong hình 5, việc giảm ảnh lọc khi sử dụng CDM1 và CDM2 trong nhiễu đốm ở ảnh lọc giúp chúng ta nhìn thấy rõ hình 3 (c) khá tương quan với biểu đồ của chuỗi ràng các chi tiết trong bãi đậu xe với những ô tô ảnh gốc, nhưng phạm vi dao động của các giá nhỏ, mà trước đó chúng ta không thể nhận biết trị pixel biên độ trong chuỗi ảnh lọc được giảm được trên ảnh gốc. xuống nhiều và qua đó cho thấy nhiễu đốm (a) (b) (c) Hình 3. Ma trận phát hiện thay đổi (a) CDM1, (b) CDM2 và (c) biểu đồ giá trị pixel trong chuỗi ảnh theo thời gian tại pixel trong vùng đồng nhất (a) (b) (c) Hình 4. Ma trận phát hiện thay đổi (a) CDM1, (b) CDM2 và (c) biểu đồ giá trị pixel trong chuỗi ảnh theo thời gian tại pixel của đối tượng xuất hiện tách biệt (a) (b) (c) Hình 5. Kết quả lọc ảnh tại vùng thực nghiệm bãi đậu xe. (a) ảnh gốc (27/08/2009), (b) ảnh lọc sử dụng CDM1, (c) ảnh lọc sử dụng CDM2 55
5. (a) - (Vùng núi đá) (Vùng băng) (b) - (Vùng núi đá) (Vùng băng) Hình 6. Kết quả lọc ảnh tại vùng thực nghiệm băng Argentière (03/09/2011). (a) ảnh gốc, (b) ảnh lọc Hình 6 chỉ ra một đặc tính thú vị khác của chuyển nhiều hơn một pixel giữa các ngày thu bộ lọc này, đó là nó loại bỏ nhiễu đốm tại những nhận ảnh khác nhau (cách nhau 11 ngày). Do vùng không thay đổi nhưng hầu như không lọc vậy, bộ lọc phát hiện rất ít những pixel không tại những vùng dịch chuyển nhằm bảo tồn thay đổi để sử dụng trong quá trình lọc ảnh. những thông tin thay đổi của chuỗi ảnh. Trên 3.3. Đánh giá hoạt động của bộ lọc vùng núi đá ít thay đổi, nhiễu đốm giảm đi rõ Sự hoạt động của một bộ lọc đa thời gian rệt, trong khi đó tại vùng băng dịch chuyển, ảnh được đánh giá thông qua việc làm giảm nhiễu, gốc và ảnh lọc trông tương tự nhau. Tại vùng việc bảo tồn các thông tin không gian (cấu trúc, này, các giá trị pixel của băng trong chuỗi ảnh cạnh (biên), kích thước, v.v ) và các thông tin theo thời gian thay đổi từ ngày này qua ngày thời gian (sự thay đổi của các đối tượng) của khác và từng điểm trên bề mặt băng dịch ảnh gốc. Bảng 1. Chỉ số chất lượng ảnh No ENL BRISQUE Ảnh gốc Ảnh QF Ảnh CDMF Ảnh QF Ảnh CDMF 1 0.93 2.71 12.43 34.32 29.76 2 0.89 2.80 12.28 33.51 29.63 3 0.87 2.78 13.55 36.12 28.58 4 0.88 2.64 13.64 34.21 28.98 11 0.94 3.00 10.79 35.27 28.77 12 0.87 2.56 13.84 33.31 27.15 13 0.92 2.78 13.42 34.23 26.75 14 0.93 2.71 12.38 35.28 27.95 22 0.91 2.86 13.53 35.16 27.41 23 0.94 2.87 13.40 34.37 27.79 24 1.02 3.27 12.93 35.59 28.30 25 0.88 2.68 13.28 33.65 27.09 Trung bình 0.92 2.28 12.76 34.49 28.37 56
6. Việc bảo tồn các thông tin thay đổi theo thời nhiễu đốm tại những vùng khác trên ảnh. gian trong chuỗi ảnh sau khi lọc đã được chứng Kết quả của nghiên cứu này mở ra nhiều minh qua các kết quả thực nghiệm nêu trên. Để ứng dụng khác trong việc phân tích sự thay đổi đánh giá khả năng giảm nhiễu đốm và bảo tồn đa thời gian dựa trên các CDM. Theo đó, thông các thông tin không gian, bộ lọc đề xuất được so tin từ các CDM có thể giúp thành lập bản đồ sánh với một bộ lọc đa thời gian khác do Quegan biến động đa thời gian, cũng như phân loại ảnh et al đề xuất [3] thông qua chỉ số ENL (số lượng theo không gian và thời gian. look tương đương) và chỉ số BRISQUE (thẩm TÀI LIỆU THAM KHẢO định chất lượng không gian của ảnh không cần [1]. G. Vasile, E. Trouve, J. -S. Lee, and V. tham chiếu) [6]. Chỉ số BRISQUE có giá trị từ 0 Buzuloiu, 2006. Intensity-driven adaptive- đến 100 và 0 thể hiện chất lượng tốt nhất. Bảng 1 neighborhood technique for polarimetric and biểu diễn các chỉ số ENL và BRISQUE của interferometric SAR parameters estimation. IEEE chuỗi ảnh theo thời gian được lọc bởi bộ lọc của Trans. Geosci. Remote Sens., vol. 44, no. 6, pp. Quegan (QF) và bởi bộ lọc đề xuất dựa trên 1609-1621. CDM (CDMF). Các chỉ số ENL của chuỗi ảnh [2]. C. -A. Deledalle, L. Denis, and F. Tupin, CDMF tăng đáng kể so với chỉ số của chuỗi ảnh 2009. Iterative weighted maximum likelihood gốc và cao hơn của chuỗi ảnh QF. Các chỉ số denoising with probabilistic patch-based weights. BRISQUE của chuỗi ảnh CDMF đạt mức độ tốt IEEE Trans. Geosci. Remote Sens., vol. 18, no. và tốt hơn so với kết quả của chuỗi QF. 12, pp. 2661-2672. 4. Kết luận [3]. S. Quegan, T. L. Toan, J. J. Y. Jiong, F. Trong bài báo này, một phương pháp mới Ribbes, and N. Floury, 2000. Multitemporal ERS về lọc thích ứng theo thời gian cho chuỗi ảnh SAR analysis applied to forest mapping. IEEE SAR được đề xuất dựa vào việc xác định các Trans. Geosci. Remote Sens., vol. 38, no. 2, pp. 741-753. pixel thay đổi và không thay đổi trong chuỗi [4]. M. Ciuc, P. Bolon, E. Trouve, V. Buzuloiu, ảnh theo thời gian. Kết quả thực nghiệm đã cho and J.-P. Rudant, 2001.Adaptive neighborhood thấy rằng phương pháp đề xuất làm giảm nhiễu đốm removal in multitemporal SAR images. đốm một cách đáng kể, đồng thời cũng bảo tồn Appl. Opt., vol. 40, no. 32, pp. 5954-5966. được các đặc điểm chi tiết (như biên, các yếu tố [5]. J. -M. Park, W. J. Song, and W. A. Pearlman, thay đổi) của chuỗi ảnh gốc. Bộ lọc có rất ít tác 1999. Filtering of SAR images based on adaptive động lên các vùng dịch chuyển. Ưu điểm này windowing”, IEE Proc Vis. Image Sign. Process, cho phép lọc các ảnh trên các khu vực bao gồm vol. 146, no. 4, pp. 191-197. cả vùng ổn định và vùng dịch chuyển mà không [6]. A. Mittal, A. K. Moorthy, and A. C. Bovik, bị mất đi các đặc tính của vùng dịch chuyển 2012. No-reference image quality assessment in (điều này rất quan trọng trong việc theo dõi sự the spatial domain. IEEE Trans. Image Process, biến đổi của chúng) và đồng thời làm giảm vol.21, no.12, pp. 4695-4708. SUMMARY Adaptive Multitemporal SAR Image Filtering Based on the Detection of Changed and Unchanged Areas Le Thu Trang, Hanoi University of Mining and Geology This paper presents an adaptive filtering approach of Synthetic Aperture Radar (SAR) image times series based on the analysis of the temporal evolution. First of all, change detection matrices (CDM) containing information on changed and unchanged pixels are constructed for each spatial position over the time series by implementing coefficient of variation (CV) cross tests. Afterwards, the CDM provides for each pixel in each image, an adaptive spatio-temporal neighborhood which is used to derive the filtered value. The proposed approach is illustrated on a time series of 25 ascending TerraSAR-X images acquired from November 06, 2009 to September 25, 2011 over Chamonix-Mont- Blanc test-site which includes different kinds of change: parking occupation, glacier surface evolution, etc. 57