BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT LÊ MINH HẰNG NGHIÊN CỨU ĐỀ XUẤT PHƢƠNG PHÁP
NHẬN DẠNG VÀ PHÂN LOẠI VẾT DẦU TRÊN BIỂN TỪ
TƢ LIỆU VIỄN THÁM SIÊU CAO TẦN

Ngành: Kỹ thuật Trắc địa – Bản đồ
Mã số : 62520503
TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT

Hà Nội – 2013

Công trình đƣợc hoàn thành tại: Bộ môn Đo ảnh và Viễn thám,
Khoa Trắc địa, Trƣờng Đại học Mỏ - Địa chất, Hà Nội,

Ngƣời hƣớng dẫn khoa học:
1. PGS.TS Nguyễn Đình Dƣơng
Viện Địa lý, Viện Khoa học và Công nghệ Việt Nam
2. PGS.TS Trần Đình Trí

biển, Tạp chí Khoa học kỹ thuật Mỏ - Địa chất, Số 30/4-2010, tr.63-69, Hà
Nội.
3. Le Minh Hang, Nguyen Dinh Duong (2010), Practical implementation of
vectorization of oil spills detected at sea on SAR image, The 31
th
Asian
Conference on Remote Sensing, Hanoi, Vietnam
4. Lê Minh Hằng, Nguyễn Đình Dương (2010), Xây dựng chương trình đọc
tư liệu viễn thám siêu cao tần phục vụ phân tích vết dầu trên biển, Tuyển tập
Báo cáo Hội nghị khoa học lần thứ 19 – Quyển 06 Trắc địa, tr.61- 66,
Trường Đại học Mỏ - Địa chất, Hà Nội.
5. Nguyễn Đình Dương, Nguyễn Mai Phương, Lê Minh Hằng (2010),
Chuẩn hóa tư liệu ảnh SAR trên biển trong mặt cắt ngang, Tuyển tập các
công trình khoa học, Hội nghị khoa học Địa lý – Địa chính, tr.5 – 14,
Trường Đại học Khoa học tự nhiên, Đại học quốc gia Hà Nội, Hà Nội
6. Lê Minh Hằng, Nguyễn Đình Dương (2011), Tổng quan về các phương
pháp nhận dạng và phân loại vết dầu trên biển bằng tư liệu viễn thám siêu
cao tần, Tạp chí Khoa học kỹ thuật Mỏ - Địa chất, Số 35/7-2011, tr.66-71,
Hà Nội.
7. Lê Minh Hằng, Nguyễn Đình Dương (2011), Xây dựng chương trình đọc
dữ liệu ảnh vệ tinh EnviSAT ASAR chế độ thu nhận WSM, Tạp chí Khoa
học kỹ thuật Mỏ - Địa chất, Số 36/10-2011,tr.68-73, Hà Nội.
8. Nguyen Dinh Duong, Nguyen Mai Phuong, Le Minh Hang (2012),
OilDetect 1.0 - A System for Analysis of Oil Spill in Sar Image, Vol 12, No
2, tr.12-18, Tạp chí AJG (Asian Journal of Geoinfomatics)
9. Lê Minh Hằng, Nguyễn Đình Dương (2012), Nghiên cứu tách vết dầu
trên dữ liệu ảnh SAR bằng thuật toán nở vùng, Tạp chí Khoa học kỹ thuật
Mỏ - Địa chất, Số 38/4-2012, tr. 68-72, Hà Nội.
1


- Nghiên cứu cơ sở khoa học và những yếu tố ảnh hưởng đến việc nhận
dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR.
2

- Nghiên cứu các phương pháp nhận dạng và phân loại vết dầu trên
biển từ tư liệu viễn thám siêu cao tần
- Đề xuất phương pháp nhận dạng và phân loại vết dầu trên biển từ
tư liệu viễn thám siêu cao tần phù hợp với điều kiện thực tế về tư liệu, về
thông tin hỗ trợ trên biển của Việt Nam.
3. Đối tƣợng nghiên cứu
- Đặc điểm thu nhận tín hiệu của vệ tinh siêu cao tần
- Tác động của vết dầu đến sự suy giảm cường độ sóng biển và đặc
điểm tín hiệu tán xạ phản hồi nhận được tại bộ cảm của vệ tinh siêu cao tần.
- Các yếu tố nhiễu ảnh hưởng đến độ tin cậy của quá trình nhận
dạng và phân loại vết dầu trên biển từ tư liệu viễn thám siêu cao tần.
- Các phương pháp nhận dạng và phân loại vết dầu trên biển từ tư
liệu viễn thám siêu cao tần.
4. Phạm vi nghiên cứu
- Nội dung nghiên cứu của luận án là đề xuất phương pháp nhận
dạng và phân loại những vết dầu xuất hiện trên biển không rõ nguồn gốc,
chủ yếu do việc xả dầu trái phép của các tàu lưu thông trên biển từ tư liệu
viễn thám siêu cao tần.
- Khu vực nghiên cứu của luận án là khu vực biển Đông Việt Nam.
- Luận án nghiên cứu khả năng sử dụng của tư liệu RADAR tạo
ảnh cửa mở tổng hợp (SAR), với hai dạng dữ liệu chính là dữ liệu siêu cao
tần kênh L (tư liệu ALOS PALSAR), dữ liệu siêu cao tần kênh C (EnviSAT
ASAR).
5. Nội dung nghiên cứu
- Nghiên cứu nguyên lý và khả năng nhận dạng và phân loại vết
dầu trên biển từ tư liệu ảnh SAR.

- Nâng cao khả năng ứng dụng của tư liệu ảnh SAR trong việc
giám sát và phát hiện sớm ô nhiễm dầu ngoài khơi biển Đông Việt Nam
- Cung cấp những đánh giá đầy đủ về mặt lý thuyết cũng như kết
quả nghiên cứu thử nghiệm trên tư liệu kênh L (ALOS PALSAR) và tư liệu
kênh C (EnviSAT ASAR).
8. Những luận điểm bảo vệ của luận án
Luận điểm 1: Tư liệu ảnh SAR đã được chuẩn hóa trong mặt cắt ngang vẫn
tồn tại hiệu ứng xa – gần nguồn phát sóng trên tư liệu ảnh SAR. Hiệu ứng
xa – gần nguồn phát sóng ảnh hưởng đến khả năng tự động hóa tách vết đen
trên ảnh SAR bằng thuật toán phân ngưỡng tổng thể.
4

Luận điểm 2: Phương pháp tách vết đen bằng thuật toán nở vùng ứng dụng
hiệu quả trong trường hợp vết dầu tồn tại lâu trên biển và đã bị phong hóa
theo thời gian. Hình ảnh vết dầu trong trường hợp này có độ tương phản
không cao so với hình ảnh của bề mặt biển trên ảnh SAR và bản thân hình
ảnh vết dầu có nhiều ngưỡng độ xám khác nhau.
Luận điểm 3: Phương pháp nhận dạng và phân loại vết dầu trên biển từ tư
liệu viễn thám siêu cao tần được đề xuất trong luận án có thể thực hiện được
trong điều kiện về tư liệu, cơ sở hạ tầng thông tin hiện có tại Việt Nam.
9. Những điểm mới của luận án
9.1. Đề xuất phương pháp tự động hóa quá trình nhận dạng và phân loại vết
dầu trên biển từ tư liệu ảnh SAR.
9.2. Đề xuất phương pháp hạn chế ảnh hưởng của hiệu ứng xa gần nguồn
phát sóng của vệ tinh siêu cao tần trên tư liệu ảnh SAR trong việc nhận dạng
và phân loại vết dầu trên biển. Hiệu ứng xa - gần nguồn phát sóng này tồn
tại trên các dạng tư liệu viễn thám siêu cao tần, đặc biệt đối với các chế độ
đường chụp rộng.
9.3. Nghiên cứu ứng dụng của mạng nơ – ron nhiều lớp MLP trong nhận
dạng và phân loại vết dầu và vết nhiễu trên biển từ tư liệu ảnh SAR với các

dạng và phân loại vết dầu trên tư liệu ảnh SAR bằng kinh nghiệm giải đoán
trực tiếp trên ảnh của chuyên gia [8]. Bên cạnh đó là phương pháp nhận
dạng và phân loại vết dầu bán tự động [8]. Một số tác giả đã công bố những
nghiên cứu cho phép tự động nhận dạng và phân loại vết dầu và vết nhiễu
bằng mô hình mạng nơ-ron (Neural Network) [19], [24] hoặc lý thuyết logic
mờ (Fuzzy Logic) [23].
Một số tổ chức nghiên cứu cũng đã xây dựng modul phát hiện vết
dầu như modul Oil spill detection trong phần mềm NEST (Next ESA SAR
toolbox) (phụ lục 12). Phần mềm NEST sử dụng phương pháp bán tự động.
1.3.Tổng quan về những kết quả nghiên cứu trong nƣớc
Đáng chú ý là những kết quả đạt được của đề tài nghiên cứu cấp
Nhà nước về “Ô nhiễm dầu trên vùng biển Đông Việt Nam” với mã số
KC09.22/06-10 của PGS.TS Nguyễn Đình Dương và các cộng sự - Viện
Địa lý – Viện Khoa học và Công nghệ Việt Nam. Bản thân nghiên cứu sinh
cũng tham gia nghiên cứu nhiệm vụ xây dựng hệ thống công nghệ giám sát
và phát hiện sớm ô nhiễm dầu trên biển từ tư liệu viễn thám siêu cao tần của
đề tài KC09.22/06-10.
1.4. Đánh giá kết quả nghiên cứu đã đạt đƣợc trong nƣớc và trên thế
6

giới
Dữ liệu được nghiên cứu trong các bài báo khoa học đã công bố
chủ yếu là tư liệu ERS – 1,2, Envisat ASAR và Radarsat (kênh C). Vẫn
chưa có nhiều kết quả nghiên cứu thử nghiệm trên tư liệu kênh L. Kết quả
nhận dạng và phân loại vết dầu chủ yếu dựa trên kiến thức chuyên gia.
Phương pháp phân loại vết dầu và vết nhiễu hoàn toàn tự động vẫn đang
được nghiên cứu thử nghiệm với nhiều phương pháp và mô hình tính toán
khác nhau. Với điều kiện cơ sở hạ tầng thông tin trong việc giám sát và phát
hiện sớm vết dầu tràn trên biển tại Việt Nam chưa được đầu tư nên đòi hỏi
cần nghiên cứu phương pháp phù hợp với điều kiện thực tế của Việt Nam.

Theo nguyên lý hoạt động của hệ thống SAR thì ăng-ten sẽ thu
nhận một phần tín tán xạ phản hồi từ đối tượng. Năng lượng tán xạ phản hồi
nhận được tại vệ tinh siêu cao tần phụ thuộc vào mức độ gồ ghề của bề mặt
vật thể.
2.2. Đặc điểm tín hiệu siêu cao tần thu nhận trên biển
2.2.1. Cấu trúc bề mặt biển
Trên bề mặt biển có ba dạng sóng chính là sóng mao dẫn, sóng
trọng lực và sóng mao dẫn trọng lực. Theo tài liệu [26] thì sóng mao dẫn
trọng lực sẽ tác động đến sóng siêu cao tần đang được sử dụng trong các vệ
tinh quan sát đại dương.
2.2.2. Đặc điểm tín hiệu siêu cao tần tán xạ phản hồi trên biển
2.2.2.1. Ảnh hưởng của hằng số điện môi của nước biển
Hằng số điện môi của môi trường biển sẽ ảnh hưởng đến khả năng
thẩm thấu của sóng siêu cao tần.
2.2.2.2. Ảnh hưởng của dao động sóng trên mặt biển
Sự tác động giữa sóng siêu cao tần và sóng mao dẫn trọng lực trên
bề mặt biển tuân theo định luật tán xạ Bragg và tạo ra sóng tán xạ Bragg.
2.2.2.3. Tương tác giữa sóng ngắn và sóng dài
Khi các sóng dài phát triển dốc hơn sẽ gây ra sai số liên quan tới
ước lượng pha tín hiệu, dẫn đến sai số nhòe phương vị trên ảnh SAR [36].
2.2.2.4. Tương tác của sóng ngắn và dòng chảy
Sự tương tác của sóng bề mặt và dòng chảy sẽ làm thay đổi đáng
kể bước sóng của các sóng trên bề mặt biển, làm tăng hoặc giảm sóng tán xạ
phản hồi từ bề mặt biển và phân bố lại sóng tán xạ Bragg trên ảnh SAR.
2.3. Cơ sở khoa học của quá trình nhận dạng và phân loại vết dầu trên
biển bằng tƣ liệu viễn thám siêu cao tần
8

2.3.1. Đặc điểm hình ảnh vết dầu trên tư liệu ảnh SAR
Do đặc tính độ nhớt của dầu sẽ làm giảm dao động của các sóng
Bề mặt biển
Vết dầu
Vết dầu
(b)

Vết dầu trên biển
Sóng phản xạ
Sóng tán xạ

9 Hình 2.12.
Tốc độ gió
ảnh hưởng
đến phân tích
vết dầu trên
ảnh SAR [38] 2.4.2. Ảnh hưởng của nhiễu hạt tiêu trên ảnh SAR
Phương pháp lọc nhiễu cần đảm bảo giữ nguyên đường biên của
vết dầu trong quá trình xử lý.
2.4.3. Ảnh hưởng của đặc điểm thu tín hiệu vệ tinh siêu cao tần
Trên thực tế vẫn tồn tại ảnh hưởng góc tới của tín hiệu vệ tinh trên
ảnh SAR đã được chuẩn hóa trong mặt cắt ngang và đưa về giá trị
0


3.1.1. Chuyển đổi khuôn dạng gốc về khuôn dạng thống nhất
3.1.1.1. Khuôn dạng dữ liệu thống nhất GeoTIFF
3.1.1.2. Chuyển đổi khuôn dạng tư liệu ALOS PALSAR
Quy trình đọc dữ liệu ALOS PALSAR được mô tả trong hình 3.1.

Hình 3.1.
Sơ đồ thuật
toán
chuyển đổi
khuôn dạng
tư liệu
ALOS
PALSAR 11

3.1.1.3. Chuyển đổi khuôn dạng EnviSAT ASAR
Trong Hình 3.6 là sơ đồ chuyển đổi khuôn dạng gốc của tư liệu
EnviSAT ASAR về khuôn dạng GeoTIFF.
(a) (b)
Hình 3.10. Đồ thị mặt cắt ngang tán xạ vuông góc với tuyến bay
(a) Trước khi hiệu chỉnh; (b) Sau khi hiệu chỉnh
Quá trình cân bằng biểu đồ được thực hiện trên từng cửa sổ của
ảnh. Trong luận án sử dụng cân bằng biểu đồ thích ứng với kích thước cửa
sổ 8x8 và mức giới hạn độ tương phản là 0.03. Sau khi hiệu chỉnh ảnh
hưởng xa-gần nguồn phát sóng, độ xám của vùng gần và xa nguồn phát
sóng cân bằng nhau (hình 3.10). Đồng thời, các vết đen trên ảnh sau hiệu
chỉnh có thể được tách bằng thuật toán phân ngưỡng tổng thể (hình 3.13). (a)
13

(b)
Hình 3.13. Kết quả tách vết đen trước và sau hiệu chỉnh hiệu ứng xa-gần
nguồn phát sóng
a. Trên ảnh trước hiệu chỉnh; b. Trên ảnh sau hiệu chỉnh
3.1.4. Lọc nhiễu hạt tiêu trên ảnh SAR
Trong luận án nghiên cứu sinh đề xuất sử dụng phương pháp lọc
trung vị (Median) để loại bỏ nhiễu trên tư liệu ảnh SAR.
3.2. Tách vết đen trên ảnh SAR
3.2.1. Thuật toán tự động phân ngưỡng
3.2.1.1. Khái niệm về phân ngưỡng ảnh
3.2.1.2. Thuật toán tự động phân ngưỡng Huang
Thuật toán tự động phân ngưỡng Huang xác định ngưỡng dựa trên

 
:if
i gm
P R True z z T  

(3.18)
So sánh kết quả tách vết dầu bằng phương pháp phân ngưỡng
Huang và phương pháp nở vùng trên hình 3.17 và hình 3.20 thì phương
pháp nở vùng được đề xuất sẽ thích hợp với hình ảnh vết dầu có độ tương
phản thấp so với mặt biển trên ảnh do ảnh hưởng bởi các điều kiện tự nhiên
trên biển.

Hình 3.17d Hình 3.20a Hình 3.20b
Trong đó: Hình 3.17d – Vết dầu được tách bằng thuật toán Huang
Hình 3.20a – Hình ảnh vết dầu trên ảnh gốc
Hình 3.20b – Vết dầu được tách bằng thuật toán nở vùng
3.3. Nhận dạng và phân loại vết dầu và vết nhiễu
3.3.1. Các chỉ số hình dạng của vết dầu và vết nhiễu
- Chỉ số chu vi (P):
15

- Chỉ số diện tích (A):
- Chỉ số hình dạng vùng (Sf):
- Chỉ số độ phức tạp của vùng (PT):
- Chỉ số độ lệch chuẩn giá trị độ xám bên trong vết dầu (Osd):
- Chỉ số giá trị trung bình độ xám bên trong vết dầu (Osm)
- Chỉ số giá trị độ xám lớn nhất bên trong vết dầu (Max)
- Chỉ số giá trị độ xám nhỏ nhất bên trong vết dầu (Min)
3.3.2. Tự động xác định đường biên và các chỉ số hình dạng vết dầu
Hình 3.22. Sơ đồ tự động hóa xác định đường biên vết dầu

phức tạp, độ lệch chuẩn giá trị độ xám (Osd), giá trị độ xám trung bình
(Osm), giá trị độ xám lớn nhất, giá trị độ xám nhỏ nhất. Kết quả phân loại
thể hiện trong Bảng 3.3 cho độ tin cậy đạt 93%. Để khẳng định vai trò của
các chỉ số hình dạng ảnh hưởng đến kết quả phân loại vết dầu và vết nhiễu
bằng mạng nơ-ron, nghiên cứu sinh tiến hành thử nghiệm với mô hình cấu
trúc mạng nơ-ron MLP 4:4:2 với 4 chỉ số đầu vào bao gồm chỉ số diện tích,
chu vi, hình dạng và độ phức tạp; 4 lớp ẩn và 2 lớp đầu ra là vết dầu và vết
nhiễu. Kết quả phân tích được thể hiện trong Bảng 3.4 đạt độ tin cậy là 96%.
So sánh kết quả phân loại vết dầu và vết nhiễu bằng mô hình mạng
nơ-ron MLP với cấu trúc mô hình 8:8:2 và mô hình 4:4:2:
- Xét vết dầu ID 95, 96 trên cả hai mô hình cho thấy mô hình 4:4:2
cho độ chính xác cao hơn với độ tin cậy là vết dầu 0.94 và độ tin cậy là vết
nhiễu 0.04. Mô hình 8:8:2 cho kết quả phân tích chưa rõ ràng đối vết dầu ID
96 là vết dầu hay vết nhiễu.
- Mô hình mạng nơ-ron nhận dạng và phân loại tốt các vết dầu có
hình dạng đặc trưng là dạng hình tuyến kéo dài với chỉ số hình dạng lớn (chỉ
số hình dạng lớn hơn 4.0) với độ tin cậy là 0.9.
- Một số vết dầu xuất hiện trên ảnh có chỉ số hình dạng không đặc
trưng, độ phức tạp lớn do vết dầu bị ảnh hưởng bởi các điều kiện khí tượng
trên biển như vết dầu ID 74 thì độ tin cậy khi phân loại thấp. Đối với mô
hình 4:4:2 độ tin cậy 0.4 là vết dầu và 0.2 là vết nhiễu. Đối với mô hình
8:8:2 thì độ tin cậy đều ở mức 0.8 với cả vết dầu và vết nhiễu, không có sự
phân biệt của kết quả đầu ra.
Ngoài ra, do hiệu ứng xa – gần nguồn phát sóng và nhiễu tín hiệu
trên ảnh SAR nên các chỉ số về độ xám của các vết đen trên ảnh chưa thực
17

sự thể hiện rõ sự khác biệt giữa vết dầu và vết nhiễu.
3.4. Đề xuất phƣơng pháp nhận dạng và phân loại vết dầu trên biển từ
tƣ liệu ảnh SAR

Tách
vết
đen
Chuyển đổi khuôn dạng dữ liệu sang
GeoTIFF
Loại bỏ đất liền, hải đảo
Hiệu chỉnh ảnh hưởng xa-gần nguồn
phát sóng
Lọc nhiễu ảnh SAR
Tự động phân ngưỡng Huang
Ảnh tách vết đen
(dạng nhị phân)
Vector đường biên các vết đen
Tính chỉ số hình dạng các vết đen
ArcGIS hoặc mô hình mạng nơ-ron
MLP
Nhận dạng và phân loại vết dầu và vết
nhiễu
Bắt đầu

Tiền
xử
lý
ảnh Nhận
Hình 3.28. Phương pháp
bán tự động nhận dạng và
phân loại vết dầu

Tách
vết
đen
Chuyển đổi khuôn dạng dữ liệu sang GeoTIFF
Loại bỏ đất liền, hải đảo
Hiệu chỉnh ảnh hưởng xa-gần nguồn phát sóng
Lọc nhiễu ảnh SAR
Chọn điểm gieo mầm bên trong vết dầu
Ảnh tách vết đen
(dạng nhị phân)
Vector đường biên và tính chỉ số vết dầu
Phân tích, khoanh vùng vị trí vết dầu

hiệu chỉnh ảnh hưởng xa - gần nguồn phát sóng. Hiệu ứng xa – gần nguồn
phát sóng sẽ tạo ra sự khác biệt về giá trị độ xám của vết dầu ở gần nguồn
phát sóng và giá trị độ xám của vết dầu ở xa nguồn phát sóng trên cùng một
ảnh, gây khó khăn trong quá trình tự động phân ngưỡng tách các vết đen
trên ảnh. Trong trường hợp các vết dầu đã bị phong hóa theo thời gian, có
nhiều ngưỡng độ xám trên cùng một vết dầu thì cần sử dụng thuật toán nở
vùng để tách các vết đen.
Qua kết quả thử nghiệm về nhận dạng và phân loại vết dầu và vết
nhiễu được trình bày trong chương 3 đã khẳng định khả năng sử dụng các
chỉ số hình dạng trong nhận dạng và phân loại vết dầu và vết nhiễu trên biển
từ tư liệu ảnh SAR. Đồng thời, kết quả thử nghiệm cũng khẳng định khả
năng ứng dụng mạng nơ-ron nhiều lớp MLP để nhận dạng và phân loại vết
dầu và vết nhiễu, nâng cao khả năng hoàn toàn tự động của phương pháp
nhận dạng và phân loại vết dầu trên biển từ tư liệu ảnh SAR.
CHƢƠNG 4. THỬ NGHIỆM NHẬN DẠNG VÀ PHÂN LOẠI VẾT DẦU
TRÊN BIỂN TỪ TƢ LIỆU VIỄN THÁM SIÊU CAO TẦN
4.1. Thiết kế hệ thống nhận dạng và phân loại vết dầu trên biển từ ảnh
SAR
4.1.1. Thiết kế chức năng các modul thành phần
4.1.2. Sơ đồ thuật toán của chương trình thử nghiệm
20

Hình 4.1. Sơ đồ thuật toán của chương trình thử nghiệm
4.1.3. Tích hợp các modul và thiết kế hệ thống chương trình
4.1.4. Phân tích các modul chính của chương trình
4.1.4.1. Modul phân tích vết dầu trên biển từ tư liệu ảnh SAR
4.1.4.2. Modul hiển thị kết quả phân tích
4.1.4.3. Kết thúc chương trình
4.1.5. Một số giải pháp thực tế được thực hiện trong chương trình thử
nghiệm

Phân tích bằng ArcGIS hoặc mạng nơ-ron MLP

21

nhiễu trên ảnh SAR được thực hiện trên từng khối, có tính đến sự khác biệt
vùng biên giữa các khối ảnh.
4.1.5.2. Giải pháp hạn chế vùng tìm kiếm đường biên của vùng
Giải pháp hạn chế vùng tìm kiếm trên ảnh như sau: Tìm kiếm và
xóa đường biên của rìa ảnh (tham khảo phụ lục 6); Tìm kiếm và tự động cắt
ảnh theo hình chữ nhật nhỏ nhất bao quanh toàn bộ các vết dầu (tham khảo
phụ lục 7). Quá trình tìm kiếm đường biên của vết dầu sẽ được tiến hành
trên ảnh sau khi cắt.
4.2. Kết quả thử nghiệm nhận dạng và phân loại vết dầu trên biển từ tƣ
liệu ảnh SAR
4.2.1. Cơ sở dữ liệu ảnh thử nghiệm
4.2.2. Kết quả thử nghiệm nhận dạng và phân loại vết dầu trên biển bằng
ảnh SAR
Kết quả thử nghiệm đối với tư liệu ảnh ALOS PALSAR
PASL4200706130316260911040000 do hãng ERSDAC cung cấp, mức xử
lý 4.2, thu nhận ngày 13/06/2007 được thể hiện hình 4.6 và hình 4.7.

Hình 4.6: KQ tách vết đen Hình 4.7. KQ vector đường biên vết dầu
Thử nghiệm trên ảnh EnviSAT ASAR
ASA_WSM_1PNxxx20080614_024255_00000057V035_00031_32880_0
064.N1 chế độ thu nhận WSM, mức xử lý 1B thể hiện trên hình 4.11 và
hình 4.12.
22

Hình 4.11. KQ tách vết đen Hình 4.12. KQ vector đường biên vết dầu
4.3. Kết luận chƣơng 4