Ước lượng tham số rừng từ ảnh PolInSAR bằng phương pháp tối ưu kết hợp

Kỹ thuật điều khiển & Điện tử<br /> <br /> ƯỚC LƯỢNG THAM SỐ RỪNG TỪ ẢNH POLINSAR BẰNG<br /> PHƯƠNG PHÁP TỐI ƯU KẾT HỢP<br /> Nguyễn Ngọc Tân1*, Phạm Minh Nghĩa1, Hoàng Xuân Hội2,<br /> Nguyễn Phương Nam3<br /> Tóm tắt: Ước lượng các tham số rừng từ ảnh ra đa mặt mở tổng hợp giao thoa<br /> phân cực (PolInSAR) là một trong những ứng dụng đầy triển vọng trong lĩnh vực<br /> viễn thám. Gần đây, có rất nhiều các nghiên cứu nhằm mục đích thu được các<br /> tham số rừng từ hình ảnh PolInSAR đơn tần số như phương pháp ESPIRT,<br /> phương pháp nghịch chuyển ba trạng thái…Tuy nhiên các kỹ thuật này có xu<br /> hướng ước lượng thấp các tham số rừng do sự suy hao của các sóng điện từ trong<br /> môi trường mặt đất. Bài báo này đưa ra một phương pháp mới để nâng cao độ<br /> chính xác trong việc ước lượng các tham số rừng. Phương pháp này dựa trên kỹ<br /> thuật tối ưu kết hợp để rút ra các tham số thực vật với độ chính xác cao. Kết quả<br /> thực nghiệm cho thấy rằng độ chính xác của các tham số rừng được cải thiện<br /> đáng kể bởi thuật toán đề xuất.<br /> Từ khóa: PolInSAR, ESPRIT; Ước lượng tham số rừng; Tối ưu kết hợp; Tập kết hợp; Ra đa mặt mở tổng hợp<br /> giao thoa phân cực; Nghịch chuyển ba trạng thái.<br /> <br /> 1. MỞ ĐẦU<br /> Ra đa tổng hợp mặt mở giao thoa phân cực ( PolInSAR) là một kỹ thuật viễn thám ra<br /> đa, nó rất nhạy cảm với cấu trúc thẳng đứng và các đặc tính vật lý của môi trường tán xạ.<br /> Hệ thống này kết hợp được các ưu điểm của ra đa mặt mở tổng hợp phân cực và ra đa mặt<br /> mở tổng hợp giao thoa. Dữ liệu ảnh PolInSAR có độ phân giải cao và chứa đầy đủ các<br /> thông tin, tính chất tán xạ phân cực của đối tượng cần phản ánh. Thông tin phân cực có thể<br /> phản ánh cấu trúc hình học và các đặc tính vật lý của mục tiêu. Ảnh PolInSAR khác so với<br /> dữ liệu ảnh giao thoa thông thường, nó cho phép tạo ra sự giao thoa của các cặp phân cực<br /> truyền/ nhận tùy ý, trong khi ảnh giao thoa thông thường lại bị phụ thuộc rất nhiều vào sự<br /> ảnh hưởng của môi trường vật lý. Trong dữ liệu PolInSAR, pha giao thoa thay đổi với sự<br /> chọn của phân cực. Chúng ta có thể thu được các tham số địa vật lý quan trọng qua việc<br /> nghiên cứu sự thay đổi này. Do vậy, sử dụng dữ liệu ảnh PolInSAR để ước lượng các tham<br /> số của mục tiêu tự nhiên là một ứng dụng đầy triển vọng. Trong hai thập kỷ vừa qua, nhiều<br /> phương pháp và kỹ thuật phân tích đã được đề xuất như phương pháp ESPRIT [1], phương<br /> pháp nghịch chuyển ba trạng thái [2]. Với mỗi phương pháp đó đều có các hạn chế và<br /> nhược điểm nhất định. Phương pháp ESPRIT có xu hướng ước lượng thấp các tham số<br /> thực vật do sóng điện từ bị suy hao trong môi trường mặt đất. Với phương pháp nghịch<br /> chuyển ba trạng thái, chúng ta phải thực hiện ước lượng bình phương tối thiểu nhiều tham<br /> số. Việc ước lượng này rất phức tạp và đó là một điều kiện hạn chế khi thực hiện. Ngoài<br /> ra, nhiều kỹ thuật phân hoạch cũng được đưa ra để phân tích ảnh PolInSAR như phân<br /> hoạch Freeman-Durden [3-4], phân hoạch bốn thành phần Yamaguchi [5], phân hoạch<br /> Cloude-Pottier [6-7]. Các kỹ thuật phân hoạch này cũng có nhiều hạn chế do mô hình tán<br /> xạ khối được giả định có tính chất đối xứng tán xạ cho tất cả các điểm ảnh và số lượng các<br /> quan sát độc lập bị giới hạn. Các giả định này thường xuyên gây ra các công suất âm trong<br /> các cơ chế phân hoạch, đặc biệt là đối với các khu vực rừng có thành phần tán xạ khối<br /> chiếm ưu thế.<br /> Bài báo này đề xuất một phương pháp nâng cao độ chính xác cho ước lượng tham số<br /> rừng sử dụng dữ liệu PolInSAR. Trong phương pháp đề xuất, đầu tiên pha địa hình được<br /> ước lượng từ nguyên lý tập kết hợp [8] nhằm giảm độ phức tạp trong quá trình tính toán.<br /> <br /> <br /> <br /> 62 N. N. Tân, …, N. P. Nam, “Ước lượng tham số rừng … phương pháp tối ưu kết hợp.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Tham số địa hình được ước lượng trực tiếp từ dữ liệu, điều này có thể khắc phục được các<br /> lỗi có thể sảy ra trong quá trình xử lý khi số lượng kết hợp bị hạn chế. Sau đó, nguyên lý<br /> tối ưu kết hợp và phương pháp phân hoạch hai thành phần thích nghi [9] sẽ được áp dụng<br /> để rút ra trạng thái phân cực tối ưu và các ma trận kết hợp tán xạ mặt đất, ma trận kết hợp<br /> tán xạ khối. Do đó, hàm kết hợp giao thoa phân cực của mô hình RVoG được xây dựng.<br /> Để xác định được tập tham số tối ưu, cũng như rút ra các tham số rừng với độ chính xác<br /> cao nhất, thuật toán đề xuất đã thực hiện so sánh hàm kết hợp của mô hình này với kết hợp<br /> của ba kênh phân cực khác nhau được thu từ dữ liệu quan sát. Các kết quả mô phỏng và<br /> phân tích đã cho thấy rằng phương pháp đề xuất mang lại hiệu quả tốt và ổn định hơn<br /> phương pháp nghịch chuyển ba trạng thái. Đồng thời phương pháp này cũng cho kết quả<br /> chính xác trên mọi loại địa hình rừng trong thực tế.<br /> 2. HỆ THỐNG POLINSAR VÀ MÔ HÌNH RVOG<br /> 2.1. Hệ thống PolInSAR<br /> Một hệ thống giao thoa, phân cực hoàn toàn quét mỗi phần tử phân giải trong một khu<br /> vực từ hai góc quét khác nhau sẽ cho hai ma trận tán xạ  S1  và  S 2  . Với trường hợp tán<br /> <br /> xạ ngược trong môi trường tương hỗ, các véc tơ tán xạ lexicographic ba chiều k L1 và<br /> <br /> k L2 được cho bởi công thức sau:<br />  <br /> k L1   S1HH , S1HV , S1VV  ; k L2   S2 HH , S2 HV , S2VV <br /> T T<br /> (1)<br /> Dữ liệu thu được từ hệ thống PolInSAR thường được biểu diễn bằng ma trận kết hợp<br /> phức 6×6, và được biểu diễn trong (2)[10]<br /> <br />   T1    kL1 <br /> T   kk *T   *T  với k     (2)<br />  T2  kL <br />  2<br /> Trong đó, toán tử  biểu thị mức lấy trung bình toàn bộ trong quá trình xử lý dữ liệu<br /> <br /> và    biểu thị toán tử liên hợp phức. T1  và T2  là các ma trận Hermitian, mô tả các<br /> thuộc tính phân cực của mục tiêu thu được từ mỗi hệ thống PolSAR riêng lẻ, trong khi đó<br />    là ma trận phức phi-Hermitian, nó bao hàm các thông tin giao thoa và phân cực của<br /> mục tiêu.<br /> Sự kết hợp giao thoa phân cực của hệ thống PolInSAR được mô tả bằng một hàm phân<br /> cực của hai ảnh được biểu diễn như sau [10,14]:<br />  <br />    1* T   2<br />   1 ,  2      (3)<br />  1* T T 1 1 2* T T 2  2<br />  <br /> Trong đó, 1 , 2 là các véc tơ phức đơn nhất, nó định nghĩa sự lựa chọn của mỗi trạng<br /> thái phân cực.<br /> 2.2. Mô hình RvoG<br /> Mô hình RVoG ( The Random Volume over Ground ) [2] là một mô hình hiệu quả khi<br /> mô tả sự tương tác của sóng điện từ trong môi trường tự nhiên bằng sự kết hợp giữa tán xạ<br /> khối và tán xạ mặt đất. Khi đó, tán xạ ngược là một tổng kết hợp của tán xạ ngược từ mặt<br /> đất và tán xạ ngược từ khối thực vật. Kết hợp giao thoa của mô hình này được mô tả theo<br /> công thức [2]:<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 60, 4 - 2019 63<br />  Kỹ thuật điều khiển & Điện tử<br />  <br />  <br /> j0  v      j0<br />     <br /> <br />  RVoG    e   e   v    1  v  <br /> 1      1      (4)<br />  <br />  e j0  v  L  1  v   0  L    1<br /> <br /> Trong đó, 0 là pha địa hình mặt đất,  ( ) là tỷ lệ biên độ hiệu dụng giữa tán xạ khối<br /> và tán xạ mặt đất và là một hàm của trạng thái phân cực. v biểu thị kết hợp phức cho tán xạ<br /> từ lớp tán cây, nó phụ thuộc vào độ suy hao sóng trung bình và chiều cao cây rừng.<br /> 3. ƯỚC LƯỢNG THAM SỐ RỪNG BẰNG PHƯƠNG PHÁP<br /> TỐI ƯU KẾT HỢP<br /> Trong phần này, bài báo đề xuất một phương pháp xác định tham số rừng mới dựa trên<br /> nguyên lý tối ưu kết hợp.<br /> Với mỗi điểm ảnh Pha địa hình mặt đất<br /> được ước lượng từ<br /> phương pháp tập kết<br />  , hv ,   hợp<br /> <br /> <br /> Xác định trạng thái phân cực tối ưu opt<br /> 1  <br /> T   H    ( )<br /> <br />    0,   Tính hàm kết hợp giao thoa của mô hình RVoG<br />  0<br /> hv   0, 2 / k z   j0 v    <br /> RVoG    e <br />    0,1 1    <br /> <br /> <br /> So sánh kết hợp giao thoa phân cực của mô hình với kết hợp của các<br /> kênh phân cực đặc trưng để ước lượng chiều cao rừng<br /> d ,hv ,  RVoG  hv  RVoG  hh  RVoG  hv vv<br /> <br /> Xác định tập tham số tối ưu<br /> <br /> min<br />  , h ,<br /> v<br /> d ,hv , <br /> Hình 1. Lưu đồ thuật toán tối ưu kết hợp cho mỗi điểm ảnh.<br /> Ban đầu, các tham số của mô hình RVoG bao gồm độ suy hao   , chiều cao cây rừng<br />  hv  và  được lựa chọn như là các tham số lặp đầu vào. Theo nguyên lý của hệ thống<br /> PolInSAR, các tham số này sẽ được giới hạn trong các khoảng cố định  0,1 ;  0, 2 / k z  ;<br />  0,  <br /> tương ứng. Trong đó k z là số sóng theo trục đứng, nó được xác định từ dữ liệu quan<br /> sát đầu vào. Thuật toán đề xuất được trình bày theo bốn bước. Đầu tiên pha địa hình sẽ<br /> <br /> <br /> 64 N. N. Tân, …, N. P. Nam, “Ước lượng tham số rừng … phương pháp tối ưu kết hợp.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> được ước lượng bằng phương pháp tập kết hợp. Tiếp theo trạng thái phân cực tối ưu sẽ<br /> được xác định bằng cách tìm giá trị tối ưu của hàm kết hợp giao thoa phân cực. Trong<br /> bước ba, thuật toán sẽ xác định hàm kết hợp giao thoa phân cực của mô hình RVoG. Cuối<br /> cùng, chiều cao rừng sẽ được ước lượng. Các bước của thuật toán đề xuất được tóm tắt<br /> trong Hình 1.<br /> Bước 1: Ước lượng pha địa hình bằng phương pháp tập kết hợp<br /> Quá trình nghịch chuyển ba trạng thái [2] là một phương pháp phổ biến sử dụng ảnh<br /> PolInSAR để thu được các tham số rừng. Tuy nhiên, phương pháp này có một số nhược<br /> điểm, trong đó sự ước lượng pha địa hình mặt đất thường chiếm nhiều thời gian và cho kết<br /> quả với độ chính xác không cao. Phương pháp tập kết hợp [8] được đề xuất nhằm khắc<br /> phục các nhược điểm này. Pha địa hình mặt đất sẽ được ước lượng trực tiếp từ dữ liệu và<br /> các giá trị thích hợp được lựa chọn bằng cách sử dụng tất cả các thay đổi phân cực của kết<br /> hợp giao thoa mà không làm tăng thời gian tính toán. Do vậy, phương pháp tập kết hợp sẽ<br /> cho các kết quả chính xác hơn phương pháp nghịch chuyển ba trạng thái khi ước lượng<br /> pha địa hình.<br />   <br /> Với giả định các véc tơ chiếu bằng nhau ( 1  2   ) và T  T1  T2  2 , sự kết<br /> hợp PolInSAR trong (3) có thể được biểu diễn đơn giản hơn bằng cách sử dụng dạng rút<br /> gọn của ma trận kết hợp, như sau:<br /> <br /> <br />  app  w*T  w : w*T w  1, w  C 3  (5)<br /> <br /> 1 2 1 2  T<br /> Trong đó,   T T là ma trận kết hợp rút gọn, w   *T  là véc tơ đơn<br />  T<br /> nhất cải tiến.<br /> <br /> Thay w vào (3) ta có:<br />    <br />      e j  w*T  w , w 1 (6)<br /> Phương trình (6) có dạng tương tự dạng cự ly số của ma trận vuông [11]. Do<br /> vậy, cự ly số của ma trận  cũng có thể được xem như vùng của tập kết hợp. Ma trận<br />  có ba trị riêng lần lượt là 1 , 2 và 3   33 , giả sử rằng arg  1   arg  2  . Quỹ<br /> đạo cự ly số của ma trận  trên mặt phẳng kết hợp phức có dạng tương tự hình ellip và<br /> bao hàm cả ba trị riêng của ma trận  [12]. Theo Cloude [3], trị riêng 3 của ma trận <br /> có mối liên hệ mật thiết với kết hợp phức của kênh phân cực hv hv trong khi đó 1 và 2<br /> lại liên quan trực tiếp đến kết hợp phức của kênh phân cực hh hh và kênh phân cực vv<br /> vv tương ứng. Theo nguyên lý truyền sóng phân cực trong các hệ thống ra đa, kênh phân<br /> cực hv thường được sử dụng để xác định các tham số của thành phần tán xạ ngẫu nhiên từ<br /> tán cây, kênh phân cực hh và vv thường được sử dụng để xác định các tham số địa hình.<br /> Như vậy, ta có thể thấy rằng trị riêng 2 của ma trận  bao hàm các thông tin liên quan<br /> đến địa hình. Khi đó, pha của mặt đất chính là giao điểm của đường thẳng đi qua hai điểm<br /> 2 và 3 với đường tròn đơn vị trong mặt phẳng kết hợp phức. Pha giao thoa của địa hình<br /> mặt đất được xác định như sau:<br /> 0  arg 2  3 1  L  (7)<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 60, 4 - 2019 65<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> Trong đó, L là nghiệm của phương trình bậc hai:<br /> <br /> 2  B  B 2  4 AC<br /> AL  BL  C  0  L  (8)<br /> 2A<br /> 2 2<br /> Với A  3  1; B  2 Re  2  3  3*  ; C  2  3 (9)<br /> Bước 2: Xác định trạng thái phân cực tối ưu<br /> <br /> Công thức (3) biểu diễn hàm kết hợp giao thoa phân cực khi phân cực 1 được sử dụng<br /> <br /> tại đầu mút thứ nhất và 2 được sử dụng tại đầu mút thứ hai của đường cơ sở. Do vậy, công<br /> thức (3) bao gồm cả thông tin giao thoa và thông tin phân cực. Để tìm được trạng thái phân<br /> cực tối ưu, bài báo thực hiện xác định các giá trị độ lớn giới hạn của hàm này.<br />  <br />   1*T 2<br />  1 , 2        max<br />  <br />  (10)<br /> 1*T T112*T T22  ,<br /> 1 2<br /> <br /> Tuy nhiên, do hàm kết hợp là một hàm phức nên cần thiết phải xác định giá trị cực đại<br /> về độ lớn, về pha, hay phần thực, phần ảo và tương ứng với cơ chế tán xạ nào. Để thực<br /> hiện điều này, chúng ta thiết lập một hàm phức Lagrange ( L) như được biểu diễn trong<br /> công thức (10):<br />      <br /> L  1*T 2  1 (1*T T11  1)  2 (2*T T22  1) (11)<br /> Hàm này bao gồm tử số của kết hợp giao thoa phân cực được giới hạn bởi hai tham số<br /> Lagrange 1 và 2 . Hai tham số này cho phép thay đổi tử số và giữ nguyên mẫu số của<br /> hàm kết hợp. Trong thực tế, khi đường cơ sở nhỏ, sự thay đổi về thời gian là không đáng<br />  <br /> kể, do vậy các cơ chế tán xạ tại hai đầu mút của đường cơ sở là như nhau (1  2 ) . Sau<br /> một số phép tính đạo hàm cục bộ, bài toán tối ưu dẫn tới một phương trình giá trị riêng<br /> như sau [12]:<br /> 1  <br />  T   H    1  2*   (12)<br /> <br /> 1 1<br /> Trong đó, T   T1  T2  và   H    ei  *T ei <br /> 2 2<br /> 1<br /> Ma trận T  H  trong công thức (11) có ba giá trị riêng thực, không âm và trạng thái<br /> <br /> phân cực tối ưu ( opt ) sẽ tương ứng với giá trị riêng lớn nhất [12].<br /> Bước 3. Xác định hàm kết hợp giao thoa phân cực của mô hình RVoG<br /> <br /> Trong công thức 4,  ( ) là tỷ lệ biên độ hiệu dụng giữa tán xạ khối và tán xạ mặt đất<br /> và được tính theo công thức sau [2].<br />  <br />  2 opt *T Tg M g opt<br />  ()  2 hv  *T  (13)<br />  cos   opt Tv M v  opt<br /> cos( )  e    1<br />  <br />  <br /> Để xác định được ma trận kết hợp tán xạ mặt đất Tg và ma trận kết hợp tán xạ khối Tv ,<br /> bài báo đã áp dụng kỹ thuật phân hoạch mục tiêu hai thành phần thích nghi của Li [9]. Kỹ<br /> thuật này là một dạng đơn giản của thuật toán phân hoạch mục tiêu tổng quát Lee với một<br /> <br /> <br /> 66 N. N. Tân, …, N. P. Nam, “Ước lượng tham số rừng … phương pháp tối ưu kết hợp.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> số giả định mới. Kỹ thuật này đã loại bỏ được vấn đề công suất âm mà không cần xác định<br /> các điều kiện về phản xạ đối xứng, không cần các tiêu chí cơ chế tán xạ chủ đạo. Thay các<br />  <br /> giá trị Tg , Tv và opt tìm được vào công thức (13), chúng ta tính được giá trị hàm  ( ) .<br /> Với các tham số giả định đầu vào, hàm kết hợp giao thoa của tán xạ khối được xác định<br /> như sau [2]:<br /> 2 z ,<br /> hv<br /> cos  <br /> e dz ,<br /> v  0<br /> 2 z ,<br /> (14)<br /> hv ,<br /> cos  <br /> e e  jk z z dz ,<br /> 0<br /> <br /> Thay công thức (13), (14) vào (4), chúng ta xác định được hàm kết hợp giao thoa của<br /> toàn bộ mô hình RVoG.<br /> Bước 4. Ước lượng tham số chiều cao rừng<br /> Theo nguyên lý truyền sóng phân cực trong các hệ thống ra đa, kênh phân cực hv<br /> thường phản ánh đặc điểm của thành phần tán xạ khối ngẫu nhiên từ tán cây, trong khi đó<br /> kênh phân cực hh và vv mang đặc điểm của thành phần tán xạ địa hình. Từ dữ liệu thực<br /> tế, chúng ta có thể xác định được các hàm kết hợp giao thoa của từng kênh phân cực này.<br /> Khi các tham số của mô hình càng gần với thực tế thì độ chính xác ước lượng càng cao.<br /> Do đó để ước lượng các tham số rừng, hàm kết hợp giao thoa phân cực của mô hình<br /> RVoG sẽ được so sánh với kết hợp giao thoa của một số kênh phân cực đặc trưng ( hh ,<br /> hv , hv  vv ).<br /> d ,hv ,  RVoG  hv  RVoG  hh  RVoG  hv  vv (15)<br /> <br /> Với mỗi một tập tham số đầu vào  , hv ,  chúng ta sẽ xây dựng được hàm kết hợp<br /> giao thoa của mô hình RVoG, từ đó có thể xác định khoảng cách giữa kết hợp giao thoa<br /> của mô hình và kết hợp giao thoa của các kênh phân cực. Tập tham số tối ưu sẽ tương ứng<br /> với điều kiện khoảng cách tổng là nhỏ nhất ( d min ). Cuối cùng, chúng ta thực hiện lặp lại<br /> các bước như trên cho mỗi điểm ảnh trong toàn bộ ảnh thu được. Chiều cao rừng thu được<br /> là giá trị trung bình của toàn bộ các chiều cao trong từng điểm ảnh.<br /> 4. KẾT QUẢ THỰC NGHIỆM<br /> Để đánh giá hiệu quả của phương pháp đề xuất, chúng tôi đã áp dụng phương pháp tối<br /> ưu kết hợp với tập dữ liệu thu được từ phần mềm PolSARProSim [13] và dữ liệu hình ảnh<br /> PolInSAR băng L chụp khu vực khảo sát thực tế Tien-Shan bởi hệ thống SIR-C/X-SAR.<br /> 4.1. Dữ liệu mô phỏng<br /> Trước khi áp dụng với dữ liệu thực tế, thuật toán đã kiểm chứng với dữ liệu mô phỏng<br /> được tạo ra bởi phần mềm PolSARProSim. Bằng cách lựa chọn các tham số đầu vào, phần<br /> mềm PolSARProSim cho phép tạo ra các môi trường rừng giả lập và các hệ thống ra đa<br /> tổng hợp mặt mở giao thoa phân cực. Hệ thống ra đa này có hoạt động tương tự như trong<br /> thực tế để tạo ra các ảnh PolInSAR. Cụ thể, phần mềm PolSARProSim đã tạo ra một khu<br /> vực rừng có diện tích 2.6 Ha, chiều cao trung bình cây là 18m với mật độ trung bình là<br /> 1000 cây/ Ha. Một hệ thống PolInSAR băng L tại tần số 1.3 GHz, góc tới 300 hoạt động<br /> với đường cơ sở theo trục ngang là 100 m và theo trục đứng là 10 m đã chụp khu vực rừng<br /> nói trên để tạo ra dữ liệu ảnh với kích thước 143x131 điểm ảnh. Dữ liệu mô phỏng này có<br /> cấu trúc và định dạng giống với dữ liệu thực tế. Tuy nhiên dữ liệu mô phỏng có kích thước<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 60, 4 - 2019 67<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> nhỏ hơn. Ngoài ra, với dữ liệu mô phỏng, chúng ta hoàn toàn biết trước các tham số như<br /> chiều cao rừng, mật độ, độ dốc địa hình, độ ẩm…Điều này sẽ giúp cho việc kiểm chứng độ<br /> chính xác của thuật toán đề xuất bằng cách so sánh tham số đầu ra của thuật toán với các<br /> tham số rừng<br /> Hình 2a thể hiện hình ảnh mã hóa Pauli của khu vực rừng quan sát với kích thước<br /> 143  131 điểm ảnh. Đường thẳng màu đỏ biểu thị vùng hình ảnh được phân tích kết quả<br /> trong bài báo này.<br /> <br /> <br /> <br /> <br /> (a) (b)<br /> Hình 2. Hình ảnh mã hóa Pauli (a) và biểu đồ so sánh chiều cao (b).<br /> Hình 2b là biểu đồ ước lượng chiều cao rừng của phương pháp đề xuất được so sánh<br /> với phương pháp nghịch chuyển ba trạng thái dọc theo đường thẳng màu đỏ trên Hình 2a.<br /> Bảng 1. Tham số rừng được ước lượng từ hai phương pháp.<br /> Tham số Giá trị thực Mô hình chuyển ba trạng thái Phương pháp đề xuất<br /> hv  m 18 16.3120 17.7542<br /> 0  rad  0.0148 0.0332 0.0153<br />   dB / m  0.2 0.3166 0.1683<br /> RMSE 0 3.4001 2.3173<br /> Bảng I biểu thị các kết quả chiều cao rừng được ước lượng từ phương pháp đề xuất và<br /> quá trình nghịch chuyển ba trạng thái. So sánh với chiều cao thực của cây rừng là 18m,<br /> Hình 2b và Bảng I đã chứng tỏ phương pháp đề xuất cho kết quả chính xác và ít lỗi hơn so<br /> với phương pháp nghịch chuyển ba trạng thái. Trong phương pháp nghịch chuyển ba trạng<br /> thái, pha mặt đất được ước lượng trong hai giai đoạn đầu tiên . Chiều cao rừng được ước<br /> lượng trong giai đoạn cuối cùng của mô hình chuyển đổi. Trong các giai đoạn này, tác giả<br /> đã giả định rằng không có bất kỳ thành phần tán xạ trực tiếp từ mặt đất nào trong kênh<br /> phân cực hv , khi đó est ,v  hv exp   j0  . Sau đó, tác giả đã xây dựng một bảng tra cứu<br /> cho kết hợp giao thoa kênh phân cực hv như một hàm của chiều cao rừng ( hv ) và độ suy<br /> hao sóng tán xạ trong môi trường truyền (  ). Bằng cách so sánh est ,v với bảng tra cứu có<br /> thể thu được độ cao rừng. Do vậy, ta thấy trong hình 2b, các giá trị chiều cao rừng xấp xỉ<br /> nhau đều được gán với một giá trị cố định cho trước và đó chính là nguyên nhân tạo nên<br /> mức giá trị ngưỡng phía trên trong biểu đồ chiều cao màu xanh. Với phương pháp nghịch<br /> chuyển ba trạng thái, độ chính xác ước lượng phụ thuộc vào mô hình dự đoán trước. Do<br /> đó, các kết quả ước lượng đôi khi không chính xác. Dựa trên cơ sở toán học và nguyên lý<br /> tối ưu kết hợp, thuật toán đề xuất đã xác định trực tiếp được hàm kết hợp giao thoa phân<br /> <br /> <br /> 68 N. N. Tân, …, N. P. Nam, “Ước lượng tham số rừng … phương pháp tối ưu kết hợp.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> cực của toàn bộ mô hình hai lớp RVoG. Tập tham số tối ưu được ước lượng với độ chính<br /> xác được cải thiện đáng kể.<br /> <br /> <br /> <br /> <br /> Hình 3. Chiều cao cây rừng được ước lượng bằng phương pháp đề xuất.<br /> Hình 3 biểu diễn chiều cao cây trên toàn bộ khu vực rừng khảo sát được ước lượng từ<br /> phương pháp đề xuất. Trong đó ta thấy hầu hết độ cao đều đạt xấp xỉ 18m. Chiều cao cây<br /> rừng thực tế đã được ước lượng tương đối chính xác loại trừ tại một số điểm ảnh, chiều<br /> cao cây vượt trên 18m nhưng đều nhỏ hơn 22m trên tất cả các điểm ảnh. Trong thực tế, do<br /> cấu trúc của rừng thì độ cao rừng có thể cao hơn các giá trị này, do vậy ta có thể khẳng<br /> định rằng kết quả này có thể chấp nhận được. Như vậy, phương pháp đề xuất cho chúng ta<br /> một kết quả tương đối chính xác với độ sai số nhỏ.<br /> 4.2. Dữ liệu thực nghiệm<br /> Sau khi kiểm chứng hiệu quả với dữ liệu mô phỏng, thuật toán đề xuất sẽ được áp dụng<br /> đối với dữ liệu thực nghiệm. Dữ liệu thực nghiệm được sử dụng trong bài báo là một hình<br /> ảnh chụp khu vực Tien-Shan vào ngày 7 và 9 tháng 10 năm 1994. Trên bản đồ, khu vực<br /> này có tên là KUDARA, LAKE BAIKAL, RUSSIA có tọa độ 52°12′11.14″N tới<br /> 52°16′34.95″N và 106°45′35.68″E tới 106°51′37.11″E. Đây là khu vực hỗn hợp bao gồm<br /> rừng, các diện tích nông nghiệp, các dòng sông và các con đường. Dữ liệu được chụp bởi<br /> hệ thống SIR-C/X-SAR với đường cơ sở là 13m và góc tới là 24.5690. Đặc điểm của dữ<br /> liệu thực nghiệm là có kích thước lớn, được tạo ra bởi hệ thống ra đa SIR-C trong thực tế.<br /> Tuy nhiên, với dữ liệu thực nghiệm, chúng ta hoàn toàn không biết các tham số cấu trúc<br /> rừng như độ cao, mật độ…Mục đích của thuật toán là đi xác định các tham số này. Dữ liệu<br /> thực nghiệm có cấu trúc 500 x 500 điểm ảnh. Về định dạng, dữ liệu thực nghiệm và dữ<br /> liệu mô phỏng hoàn toàn giống nhau.<br /> <br /> <br /> <br /> <br /> (a) (b)<br /> Hình 4. Khu vực khảo sát: (a) Hình ảnh quang học, (b) Hình ảnh mã hóa Pauli.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 60, 4 - 2019 69<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> Hình 4(a) là hình ảnh quang học của khu vực khảo sát. Hình 4(b) là hình ảnh kết hợp<br /> của khu vực khảo sát trong cơ sở Pauli với kích thước 500 x 500 điểm ảnh.<br /> Dọc theo mặt cắt phương vị của ảnh trong hình 4a, chúng ta có thể nhận thấy ba loại<br /> địa hình: các khu vực có màu đỏ biểu thị các diện tích đất trống hoặc khu nông nghiệp, các<br /> khu vực màu xanh biểu thị diện tích rừng.<br /> <br /> <br /> <br /> <br /> (a) (b)<br /> Hình 5. Chiều cao rừng được ước lượng bởi phương pháp đề xuất (a)<br /> và Hình ảnh 3-D của chiều cao rừng (b).<br /> Kết quả của phương pháp đề xuất được biểu diễn trong Hình 5. So sánh Hình 5a với<br /> Hình 4a, chúng ta thấy rằng tại các khu vực đất trống, khu nông nghiệp, chiều cao cây<br /> được ước lượng rất thấp. Điều này hoàn toàn phù hợp với địa hình thực tế. Hình 5b biểu<br /> diễn hình ảnh ba chiều của chiều cao rừng được ước lượng theo phương pháp đề xuất.<br /> Trong đó, chiều cao được ước lượng trong khoảng từ 12m tới 30m. Chiều cao trung bình<br /> là 18.1762m.<br /> Thuật toán được xây dựng dựa trên cơ sở toán học cơ bản, do vậy các kết quả đạt được<br /> với độ chính xác cao. Tuy nhiên, nhược điểm lớn nhất của thuật toán là các bước thực hiện<br /> với số lượng phép toán tương đối lớn, do vậy cần nhiều tài nguyên và thời gian xử lý. Đối<br /> với dữ liệu mô phỏng, kích thước của ảnh không quá lớn ( 143 x 131 điểm ảnh) và bộ mô<br /> phỏng cũng bỏ qua một số vấn đề về chuyển động dư, các lỗi đồng đăng ký, các vấn đề về<br /> không tương quan thời gian. Do vậy, việc xử lý dữ liệu cũng đơn giản và cho độ chính xác<br /> cao hơn. Đối với dữ liệu thực nghiệm được chụp từ hệ thống SIR-C/X-SAR thực tế, do<br /> vậy bị ảnh hưởng bởi các yếu tố về tương quan thời gian và các nguồn không tương quan<br /> SNR. Kích thước ảnh thực nghiệm là rất lớn ( 500 x 500 điểm ảnh ) nên khi áp dụng thuật<br /> toán sẽ tốn nhiều tài nguyên và thời gian xử lý hơn. Tuy nhiên, các kết quả sau khi áp<br /> dụng thuật toán đề xuất đã chứng minh sự phù hợp với địa hình thực tế.<br /> 5. KẾT LUẬN<br /> Bài báo đã đề xuất một phương pháp mới nhằm nâng cao độ chính xác trong ước lượng<br /> các tham số rừng từ ảnh PolInSAR. Trong đó, các tham số rừng được xác định dựa trên<br /> thuật toán tối ưu kết hợp. Ngoài ra, để cho kết quả chính xác hơn, nguyên lý tập kết hợp đã<br /> được sử dụng để xác định pha địa hình mặt đất. Các ưu điểm của phương pháp đề xuất<br /> được phân tích kỹ lưỡng khi so sánh với phương pháp nghịch chuyển ba trạng thái. Các<br /> kết quả mô phỏng và so sánh đã chỉ ra rằng, phương pháp đề xuất đã cải thiện đáng kể độ<br /> chính xác cho ước lượng độ cao rừng, pha địa hình và hệ số suy hao sóng trong môi<br /> trường truyền. Trong tương lai gần, những thử nghiệm mới trên các dữ liệu và các khu vực<br /> <br /> <br /> 70 N. N. Tân, …, N. P. Nam, “Ước lượng tham số rừng … phương pháp tối ưu kết hợp.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> khảo sát khác nhau sẽ được thực hiện nhằm nâng cao hơn nữa hiệu quả cho phương pháp<br /> đề xuất.<br /> TÀI LIỆU THAM KHẢO<br /> [1]. H. Yamada, M. Yamazaki and Y. Yamaguchi, “ On scattering model decomposition<br /> of PolSAR and its application to ESPRIT-base Pol-InSAR ”, Proceeding of 6th<br /> European Conference on Synthetic Aperture Radar, Dresden, Germany, (2006) May<br /> 16-18.<br /> [2]. S. R. Cloude and K. P. Papathanassiou, “ Three-stage inversion process for<br /> polarimetric SAR interferometric ”, IEE Proceedings Radar, Sonar and Navigation,<br /> vol. 150, issue 3, (2003), pp. 125-134.<br /> [3]. A. Freeman and S. L. Durden, “ A three-component scattering model for<br /> polarimetric SAR data ”, IEEE Transaction on Geoscience and Remote Sensing,<br /> 1998, 36(3): 963 – 973.<br /> [4]. A. Free-man, “ Fitting a two-component scattering model to polarimetric SAR data<br /> ”, Proceedings of IGARSS'99, Hamburg, Germany, 28 June- 2 July 1999, 5(2): 649<br /> – 2651.<br /> [5]. Y. Yamaguchi, Y. Yajima and H. Yamada, “ A four- component decomposition of<br /> POLSAR images based on the coherency matrix ”, IEEE Geoscience and Remote<br /> Sensing Letters, 2006, 3(3): 292-296.<br /> [6]. S. R. Cloude. Polarisations, “ Applications in remote sensing ”, Oxford University,<br /> 2010.<br /> [7]. J. Lee and E. Pottier, “ Polarimetric Radar Imaging: from basic to applications”,<br /> Taylor and Francis Group. 2009.<br /> [8]. Bin Zou, Da Lu, Hongjun Cai and Ye Zhang, “ Ground topography estimation over<br /> forests using PolInSar image by means of coherence set”, Image Processing (ICIP),<br /> 2011 18th IEEE International Conference on.<br /> [9]. Hongzhong Li, Qingquan Li, Guofeng Wu, Jinsong Chen, and Shouzhen Liang, “<br /> Adaptive Two-Component Model-Based Decomposition for Polarimetric SAR Data<br /> Without Assumption of Reflection Symmetry ” IEEE Transaction on Geoscience and<br /> Remote Sensing, 2016.<br /> [10]. S. R. Cloude and K. P. Papathanassiou, “ Polarimetric SAR interferometry”, IEEE<br /> Transactions on Geoscience and Remote sensing, vol. 36, no. 5, pp. 1551–1565,<br /> 1998.<br /> [11]. M. Neuman, A. Reigber, and L. Ferro-Famil, “PolInSAR coherence set theory and<br /> application”, Proceeding of EUSAR, 2006.<br /> [12]. S.R. Cloude, “Polarization application in remote sensing”, Oxford University Press,<br /> New York , 2009.<br /> [13]. M. Williams, “ Polsarprosim: a coherent, polarimetric sar simulation of forest for<br /> polsarpro ” http//earth. eo. esa.int/polsarpro/SimulatedDataSources. html, 2006.<br /> [14]. Nghia Pham Minh, Bin Zou, Yan Zhang and Vannhu Le, “ General three- layer<br /> scattering model for forest parameter estimation using single-baseline polarimetric<br /> interferometry synthetic aperture radar data”, Journal of Applied Remote Sensing,<br /> Vol.9, pp.1-18, 2015<br /> <br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 60, 4 - 2019 71<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> ABSTRACT<br /> FOREST PARAMETERS ESTIMATION FROM POLINSAR IMAGE<br /> USING COHERENCE OPTIMIZATION METHOD<br /> Forest parameters estimation using polarimetric synthetic aperture radar<br /> interferometry (PolInSAR) images is one of the greatest interests in remote sensing<br /> applications. Recently, there have been plenty of researches on the retrieval of<br /> vegetation parameters by single frequency single baseline PolInSAR, such as the<br /> ESPRIT method and three-stage inversion method. However, these methods have<br /> several shortcomings which tend to underestimate the forest height due to<br /> attenuations of the electromagnetic waves in the ground medium. This paper<br /> proposes a new method to improve the accuracy of forest height estimation. This<br /> method is based on a coherence optimization technique extracting forest<br /> parameters. Experimental results show that accuracy of the forest parameters can<br /> be improved by this method.<br /> Keywords: PolInSAR; ESPRIT; Ước lượng tham số rừng; Tối ưu kết hợp; Tập kết hợp; Ra đa mặt mở tổng<br /> hợp giao thoa phân cực; Nghịch chuyển ba trạng thái.<br /> <br /> Nhận bài ngày 04 tháng 12 năm 2018<br /> Hoàn thiện ngày 27 tháng 3 năm 2019<br /> Chấp nhận đăng ngày 16 tháng 4 năm 2019<br /> 1<br /> Địa chỉ: Khoa Vô tuyến điện tử, Học viện Kỹ thuật quân sự;<br /> 2<br /> Phòng vật tư- Thiết bị y thế, Bệnh viện Mắt trung ương;<br /> 3<br /> Viện Điện tử - Viện Khoa học và Công nghệ quân sự.<br /> *<br /> Email: ngoctanbk46@gmail.com.<br /> <br /> <br /> <br /> <br /> 72 N. N. Tân, …, N. P. Nam, “Ước lượng tham số rừng … phương pháp tối ưu kết hợp.”<br />