Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ LỜI NĨI ĐẦU Với phát triển nhanh chóng ngành cơng nghệ vũ trụ năm gần đột phá lớn ngành viễn thám tạo cảm biến siêu phổ phần mềm tích hợp sử dụng để phân tích liệu ảnh siêu phổ Mười lăm năm trước có chuyên gia có quyền truy cập vào hình ảnh siêu phổ công cụ phần mềm xử lý ảnh Tuy nhiên vài năm trở lại đây, việc phân tích hình ảnh siêu phổ phát triển thành công nghệ mạnh mẽ phát triển nhanh lĩnh vực viễn thám Nhằm góp phần giới thiệu nguyên lý kỹ thuật liên quan đến công nghệ viễn thám nên em nhận làm đề tài: “Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ” làm đề tài tốt nghiệp cuối khóa Nội dung đồ án trình bày số khái niệm phổ có liên quan, thảo luận định nghĩa hình ảnh siêu phổ so sánh với hình ảnh đa phổ, xem xét số ứng dụng gần xử lý ảnh siêu phổ, tóm tắt kỹ thuật xử lý hình ảnh thường áp dụng cho xử lý hình ảnh siêu phổ Em xin chân thành cảm ơn PGS.TS Nguyễn Hữu Trung thời gian vừa qua hướng dẫn tạo điều kiện cho em hoàn thành đồ án Trần Minh Tiến - CB130627 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ ABSTRACT Imagery acquired by airborne or satellite sensors provides an important source of information for researching and analysising hyperspectral images Interpretation and analysis of hyperspectral imagery requires an understanding of the processes that determine the relationships between the property the sensor actually measures and the surface properties we are interested in identifying and studying Knowledge of these relationships is a prerequisite for appropriate processing and interpretation This project presents a brief overview of hyperspectral imagery and application in remote sensing Project contents include three chapters: Chapter I: Overview of Hyperspectral Images Chapter II: Application of Hyperspectral Images and Curvelet change Chapter III: Experimental of hyperspectral image processing Trần Minh Tiến - CB130627 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ TĨM TẮT ĐỒ ÁN Hình ảnh thu từ cảm biến vệ tinh cung cấp nguồn thông tin quan trọng việc nghiên cứu phân tích hình ảnh siêu phổ Việc giải thích phân tích hình ảnh siêu phổ phải đòi hỏi kiến thức chuyên sâu đặc tính phổ ánh sáng Kiến thức mối quan hệ điều kiện tiên cho việc xử lý phù hợp Đồ án trình bày cho khái niệm ảnh siêu phổ, cách phân tích hình ảnh siêu phổ ứng dụng quan trọng lĩnh vực viễn thám Nội dung đồ án gồm ba chương Chương I: Tổng quan hình ảnh siêu phổ Chương II: Ứng dụng ảnh siêu phổ biến đổi Curvelet Chương III: Thực nghiệm xử lý ảnh siêu phổ Trần Minh Tiến - CB130627 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ MỤC LỤC LỜI NÓI ĐẦU ABSTRACT .2 TÓM TẮT ĐỒ ÁN DANH MỤC HÌNH VẼ DANH MỤC BẢNG BIỂU .10 DANH SÁCH CÁC TỪ VIẾT TẮT 11 CHƢƠNG TỔNG QUAN VỀ ẢNH SIÊU PHỔ 12 1.1 Giới thiệu chung 12 1.2 Khái niệm chung ảnh siêu phổ 12 1.3 Bộ cảm phân loại cảm .13 1.3.1 Khái niệm chung cảm 13 1.3.2 Phân loại cảm .15 1.3.3 Thu ảnh từ quang phổ kế 15 1.4 Lý thuyết phản xạ phổ đối tượng tự nhiên 16 1.4.1 Quang phổ phản xạ 20 1.4.2 Phổ khoáng sản .21 1.4.3 Phổ thực vật 22 1.4.4 Đặc tính phản xạ phổ nước 23 1.4.5 Một số yếu tố ảnh hưởng đến phản xạ phổ đối tượng tự nhiên 26 1.4.6 Thư viện quang phổ 31 1.4.7 Biểu đồ quang phổ không gian phổ .32 1.4.8 Độ phân giải không gian hỗn hợp phổ .33 Trần Minh Tiến - CB130627 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ CHƢƠNG ỨNG DỤNG CỦA ẢNH SIÊU PHỎ VÀ BIẾN ĐỔI CURVELET 35 2.1 Khái niệm viễn thám 35 2.1.1 Định nghĩa .35 2.1.2 Nguyên lý viễn thám .36 2.2 Phân loại viễn thám .39 2.3 Viễn thám nghiên cứu địa chất 41 2.3.1 Mở đầu 41 2.3.1 Đoán đọc ảnh nghiên cứu kiến tạo 44 2.3.2 Giải đoán yếu tố cấu tạo cấu trúc địa chất 48 2.4 Viễn thám nghiên cứu sử dụng đất lớp phủ bề mặt 51 2.4.1 Mở đầu 51 2.4.2 Những công việc cần thực .52 2.4.3 Những điều cần ý giải đoán ảnh để thành lập đồ sử dụng đất lớp phủ mặt 58 2.5 Lý thuyết CURVELET .59 2.5.1 Giới thiệu 59 2.5.2 Các wavelet cổ điển curvelet .62 2.5.3 Mối quan hệ Curvelet với Wavelet có hướng khác 64 2.5.4 Biến đổi Curvelet liên tục ( CCT ) R2 66 2.5.5 Biến đổi Curvelet nhanh 74 2.5.6 Ứng dụng biến đổi Curvelet xử lý hình ảnh 78 CHƢƠNG 3: THỰC NGHIỆM XỬ LÝ ẢNH SIÊU PHỔ 81 3.1 Giới thiệu chung 81 3.2 Thực nghiệm xử lý ảnh 2D sử dụng Curvelet .82 Trần Minh Tiến - CB130627 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ 3.2.1 Khử nhiễu khôi phục ảnh 2D sử dụng Curvelet 82 3.2.2 Tách biên ảnh 2D sử dụng Curvelet 83 3.3 Thực nghiệm xử lý ảnh siêu phổ 85 3.3.1 Giới thiệu 85 3.3.2 Xử lý ảnh siêu phổ sử dụng lọc Wiener 86 3.3.3 Xử lý ảnh siêu phổ sử dụng biến đổi Wavelet 87 3.3.4 Xử lý ảnh siêu phổ sử dụng biến đổi Curvelet 88 3.3.5 Đánh giá kết thực nghiệm khôi phục ảnh siêu phổ 89 3.3.6 Tách biên ảnh siêu phổ sử dụng Curvelet .90 3.4 Trích xuất biểu diễn liệu ảnh siêu phổ 91 3.5 Kết luận hướng nghiên cứu 95 TÀI LIỆU THAM KHẢO 96 Trần Minh Tiến - CB130627 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ DANH MỤC HÌNH VẼ Hình 1.1 Hình ảnh siêu phổ .13 Hình 1.2 Thành phần quang phổ kế 16 Hình 1.3 Một số phản xạ 18 Hình 1.4 Đặc tính phản xạ phổ số đối tượng tự nhiên 19 Hình 1.5 Biểu đồ mối quan hệ giá trị phản xạ bước sóng 20 Hình 1.6 Biểu đồ đường cong quang phổ khoáng chất 22 Hình 1.7 Biểu đồ đường cong quang phổ thực vật 23 Hình 1.8 Khả phản xạ hấp thụ nước 24 Hình 1.9 Khả phản xạ phổ số loại nước 25 Hình 1.10 Cửa sổ khí 29 Hình 1.11 Biểu đồ đường cong quang phổ loại đá .31 Hình 1.12 Biểu đồ phổ phản xạ N chiều với giả thuyết N=2 33 Hình 1.13 Phổ C hỗn hợp tuyến tính phổ A B 34 Hình 1.14 Biểu đồ hỗn hợp phổ endmember kênh phổ 34 Hình 2.1 Hình Nguyên lý thu nhận ảnh siêu phổ 37 Hình 2.2 Viễn thám chủ động viễn thám bị động 39 Hình 2.3 Vệ tinh địa tĩnh (trái) vệ tinh quỹ đạo gần cực (phải) 40 Hình 2.4: Các phần tử wavelet( bên trái) curvelet với tỷ lệ khác nhau, hướng chuyển dời miền không gian ( bên phải ) .62 Hình 2.5 Đồ thị cửa sổ V(t) (Trái) W(r) (Phải) .68 Hình 2.6 Cửa sổ U1(  ) (bên trái) hình chiếu đứng (bên phải) 69 Hình 2.7 Các hỗ trợ cửa sổ U1/2 ( ) (xám) U1/8 ( ) (xám nhẹ) .71 Hình 2.8 Lưới với  4,0  Trần Minh Tiến - CB130627  4,1   / 76 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ  Hình 2.9 Vùng hỗ trợ tối đa   3,k ,6  2,k ,0    3,k ,13  2,k ,5  (vùng xám tối màu);  (vùng xám nhạt);  4,k ,0  3,k ,3 ,   4,k ,11 (vùng xám) .77 Hình 2.10 Lát curvelet rời rạc với khung giả cực vùng tần số 77 Hình 2.11 Ảnh khử nhiễu.(a) Ảnh nhiễu, (b) Khử nhiễu wavelet, (c) Khử nhiễu TVKhuyếch tán, (d) Khử nhiễu contourlet, (e)Khử nhiễu curvelet, (f)Khử nhiễu TVkết hợp curvelet 79 Hình 3.1 Ảnh siêu phổ lập phương 81 Hình 3.2 Kết khơi phục ảnh 2D sử dụng Curvelet .83 Hình 3.3 Tính tốn RMSE PSNR ảnh 2D khơi phục 83 Hình 3.4 Kết tách biên ảnh lý tưởng sử dụng Curvelet 84 Hình 3.5 Kết tách biên ảnh khơi phục sử dụng Curvelet 84 Hình 3.6 Ảnh màu RGB biến đổi từ ảnh siêu phổ 86 Hình 3.7 Biểu diễn phổ lượng ảnh .86 Hình 3.8 Ảnh khơi phục sử dụng lọc Wiener 87 Hình 3.9 Đánh giá hiệu xử lý lọc Wiener 87 Hình 3.10 Ảnh khôi phục sử dụng Wavelet .88 Hình 3.11 Đánh giá hiệu xử lý Wavelet 88 Hình 3.12 Ảnh khơi phục sử dụng Curvelet 89 Hình 3.13 Đánh giá hiệu xử lý Curvelet 89 Hình 3.14 Tách biên ảnh khơng nhiễu với Curvelet 90 Hình 3.15 Tách biên ảnh nhiễu khơi phục với Curvelet 91 Hình 3.16 Biểu diễn đặc trưng phổ vật liệu 92 Hình 3.17 Biểu diễn lát ảnh siêu phổ bước sóng trung 93 Hình 3.18 Ảnh điều chỉnh sáng 93 Trần Minh Tiến - CB130627 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Hình 3.19 Biểu diễn phản xạ quang phổ điểm ảnh 94 Hình 3.20 Biểu diễn phổ chói phản xạ pixel (141, 75) 95 Trần Minh Tiến - CB130627 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ DANH MỤC BẢNG BIỂU Bảng 1 Cửa sổ xạ mặt trời 30 Bảng 1.2 Đặc điểm dải phổ điện tử sử dụng kỹ thuật viễn thám 38 Trần Minh Tiến - CB130627 10 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Curvelet Hay nói cách khác, thực mô khử nhiễu khôi phục ảnh siêu phổ biến đổi Curvelet, đồng thời so sánh hiệu xử lý với số phương pháp khác ( Wavelet, lọc Wiener, thuật tốn Lucy,…) Tiếp sau phần thực nghiệm trích xuất biểu diễn liệu ảnh siêu phổ, phục vụ cho việc khai thác thông tin ảnh siêu phổ để ứng dụng cho mục đích khác Các chương trình mô thực MATLAB R2012b (8.0) Nội dung mô cụ thể: Nội dung thực nghiệm:  Khử nhiễu khôi phục ảnh 2D  Khử nhiễu ảnh siêu phổ  Khôi phục ảnh siêu phổ  Dò biên, tách biên đối tượng ảnh siêu phổ  Trích xuất biểu diễn liệu ảnh siêu phổ 3.2 Thực nghiệm xử lý ảnh 2D sử dụng Curvelet Phần làm thực nghiệm khử nhiễu khôi phục ảnh 2D sử dụng Curvelet tính tốn thơng số RMSE PSNR Đồng thời thực tách biên ảnh với hai trường hợp ảnh không nhiễu ảnh khôi phục nhiễu 3.2.1 Khử nhiễu khôi phục ảnh 2D sử dụng Curvelet Chúng ta quan sát kết khôi phục đối tượng ảnh 2D sử dụng biến đổi Curvelet Hình 3.2 Có thể dễ dàng thấy rằng, ảnh khơi phục tốt, trơn mềm mại Trần Minh Tiến - CB130627 82 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Hình 3.2 Kết khôi phục ảnh 2D sử dụng Curvelet Thông số RMSE PSNR: Hình 3.3 Tính tốn RMSE PSNR ảnh 2D khôi phục 3.2.2 Tách biên ảnh 2D sử dụng Curvelet Như đề cập nội dụng đầu phần 3.2, phần làm thực nghiệm tách biên với hai trường hợp đối tượng ảnh 2D lý tưởng, khôi phục Tách biên ảnh lý tưởng sử dụng Curvelet Chúng ta xem kết Hình 3.4, Trần Minh Tiến - CB130627 83 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Hình 3.4 Kết tách biên ảnh lý tưởng sử dụng Curvelet Tách biên ảnh khơi phục sử dụng Curvelet Hình 3.5 Kết tách biên ảnh khôi phục sử dụng Curvelet Nhận xét: từ hai kết tách biên Hình 3.4 Hình 3.5, dễ dàng thấy khơng có khác biệt q lớn hai trường hợp tách biên sử dụng Curvelet Trần Minh Tiến - CB130627 84 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ 3.3 Thực nghiệm xử lý ảnh siêu phổ 3.3.1 Giới thiệu Phần thực nghiệm tiến hành bước giả lập nhiễu, khử nhiễu, khôi phục với đối tượng ảnh siêu phổ, dò biên, tách biên ảnh siêu phổ Tiến trình thực nghiệm thực với ba phương pháp biến đổi Curvelet, Wavelet, lọc Wiener để đánh giá hiệu xử lý đối tượng ảnh siêu phổ Đối tượng đầu vào ảnh siêu phổ có dung lượng lớn cỡ vài chục đến hàng trăm Mb File liệu thực nghiệm ref4_scene4.mat hình ảnh thử nghiệm siêu phổ bao gồm mảng phản xạ quang phổ kích thước 255 x 355 x 33 Hai tọa độ đại diện cho chiều không gian (pixel), định dạng hàng cột, thứ ba phối hợp đại diện cho bước sóng (400, 410 , , 720 nm) Các file liệu thực nghiệm illum_25000.mat, illum_6500.mat, illum_4000.mat ba phổ ánh sáng, vectơ có độ dài 33 (tức 400, 410, , 720 nm), đại diện cho quang phổ ánh sáng xanh da trời với nhiệt độ màu tương quan (CCT) 25000 K, ánh sáng ban ngày với CCT 6500 K, ánh sáng mặt trời chiều tối với CCT 4000 K Đối với tiến trình thực nghiệm, trải qua bước sau: Bƣớc 1: Đọc liệu ảnh siêu phổ đầu vào Bƣớc 2: Biến đổi liệu ảnh siêu phổ thành biểu diễn ảnh màu RGB Bƣớc 3:Biểu diễn ảnh màu RGB biến đổi, có điều chỉnh gamma thơ để có hình rõ ràng Bƣớc 4: Tiếp tục biến đổi ảnh màu RGB ảnh số cần thiết cho mơ hình thực nghiệm tương ứng Bƣớc 5: Giả lập nhiễu ảnh, khử nhiễu khôi phục ảnh phương pháp đề Bƣớc 6: Tách biên ảnhsử dụng Curvelet Trần Minh Tiến - CB130627 85 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ 3.3.2 Xử lý ảnh siêu phổ sử dụng lọc Wiener Phần khảo sát theo dõi kết tiến trình thực nghiệm với lọc Wiener: Kết ảnh màu RGB biến đổi từ ảnh siêu phổ phục vụ cho tiến trình thực nghiệm: Hình 3.6 Ảnh màu RGB biến đổi từ ảnh siêu phổ Phổ lượng ảnh Hình 3.7 Biểu diễn phổ lượng ảnh Trần Minh Tiến - CB130627 86 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Kết khơi phục ảnh lọc Wiener Hình 3.8 Ảnh khơi phục sử dụng lọc Wiener Đánh giá hiệu xử lý qua RMSE PSNR lọc Wiener Hình 3.9 Đánh giá hiệu xử lý lọc Wiener 3.3.3 Xử lý ảnh siêu phổ sử dụng biến đổi Wavelet Kết ảnh màu RGB biến đổi từ ảnh siêu phổ phục vụ cho tiến trình thực nghiệm tương tự phần 3.3.2 Sau xem kết khôi phục Wavelet: Trần Minh Tiến - CB130627 87 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Hình 3.10 Ảnh khôi phục sử dụng Wavelet Đánh giá hiệu xử lý qua RMSE PSNR Wavelet Hình 3.11 Đánh giá hiệu xử lý Wavelet 3.3.4 Xử lý ảnh siêu phổ sử dụng biến đổi Curvelet Kết ảnh màu RGB biến đổi từ ảnh siêu phổ phục vụ cho tiến trình thực nghiệm tương tự phần 3.3.2 Sau xem kết khôi phục Curvelet: Trần Minh Tiến - CB130627 88 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Hình 3.12 Ảnh khôi phục sử dụng Curvelet Đánh giá hiệu xử lý qua RMSE PSNR Wavelet Hình 3.13 Đánh giá hiệu xử lý Curvelet 3.3.5 Đánh giá kết thực nghiệm khôi phục ảnh siêu phổ Về mặt thị giác trực quan với kết Hình 3.8, Hình 3.10, Hình 3.12, dễ dàng thấy biến đổi Curvelet cho hình ảnh khơi phục tốt hẳn lọc Wiener biến đổi Wavelet Trần Minh Tiến - CB130627 89 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Đánh giá mặt hiệu xử lý qua thông số RMSE PSNR, thấy rõ vượt trội biến đổi Curvelet Chúng ta có bảng tổng kết thơng số đánh sau: Phƣơng pháp xử lý RMSE PSNR 183.02 25.54 Biến đổi Wavelet 125.56 27.18 Biến đổi Curvelet 35.94 32.61 Bộ lọc Wiener Chú thích: RMSE nhỏ tốt PSNR lớn tốt 3.3.6 Tách biên ảnh siêu phổ sử dụng Curvelet Phần tiến hành tách biên ảnh với hai trường hợp, ảnh lý tưởng (ảnh ban đầu không nhiễu) ảnh nhiễu khôi phục từ phần 3.3.5 Trường hợp tách biên ảnh lý tưởng Hình 3.14 Tách biên ảnh không nhiễu với Curvelet Trần Minh Tiến - CB130627 90 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Trường hợp tách biên ảnh nhiễu khơi phục Hình 3.15 Tách biên ảnh nhiễu khôi phục với Curvelet Nhận xét: Từ hai kết Hình 3.14 Hình 3.15, dễ dàng nhận khơng có khác biệt lớn biên ảnh tách hai ảnh không nhiễu ảnh nhiễu khơi phục Curvelet 3.4 Trích xuất biểu diễn liệu ảnh siêu phổ Hình ảnh siêu phổ, giống hình ảnh quang phổ khác, thu thập xử lý thông tin từ quang phổ điện từ Mục đích ảnh siêu phổ để có quang phổ cho điểm ảnh hình ảnh cảnh, với mục đích việc tìm kiếm đối tượng, xác định vật liệu, phát quy trình [1] [2] Cũng giống mắt người nhìn thấy ánh sáng nhìn thấy ba dải (đỏ, xanh cây, màu xanh), hình ảnh quang phổ phân chia phổ tần thành nhiều dải Kỹ thuật phân chia hình ảnh thành dải mở rộng vượt ngồi dải nhìn thấy Trong ảnh siêu phổ, phổ ghi có độ phân giải bước sóng tốt bao gồm dải rộng bước sóng Người ta xây dựng hệ thống cảm biến siêu phổ xử lý cho ứng dụng thiên văn học, nơng nghiệp, hình ảnh y sinh học, khoa học địa chất, vật lý, giám sát Cảm biến siêu phổ nhìn vào đối tượng sử dụng dải rộng Trần Minh Tiến - CB130627 91 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ quang phổ điện từ Một số đối tượng đặc biệt "dấu vân tay" quang phổ điện từ Được biết đến phổ đặc trưng, "dấu vân tay" cho phép xác định vật liệu tạo nên đối tượng quét Ví dụ, đặc trưng quang phổ cho dầu giúp nhà địa chất tìm thấy mỏ dầu [3] Hình 3.16 Biểu diễn đặc trưng phổ vật liệu Sau quan sát biểu diễn đặc trưng phổ với file liệu ảnh siêu phổ ref4_scene4.mat Biểu diễn liệu phản xạ (reflectance data) Đối tượng ảnh có kích thước 255 x 335 x 33 Để kiểm tra reflectances, thử dùng lát bước sóng trung, 560 nm (thứ 17 dãy 400, 410,, 720 nm), hiển thị Hình ảnh trơng giống Hình 3.17 Trần Minh Tiến - CB130627 92 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Hình 3.17 Biểu diễn lát ảnh siêu phổ bước sóng trung Điều chỉnh gamma thô để thu ảnh rõ ràng hơn, Hình 3.18 Ảnh điều chỉnh sáng Và chọn điểm ảnh trường có tọa độ (141, 75), biểu diễn phản xạ quang phổ nó, xem kết quả: Trần Minh Tiến - CB130627 93 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Hình 3.19 Biểu diễn phản xạ quang phổ điểm ảnh Chúng ta thấy rằng, hệ số phản xạ vượt đơn bị số bước sóng, phản xạ chuẩn hóa số khu vực mặt cầu màu xám hình ảnh, cường độ ánh sáng phản xạ từ số bề mặt khác, góc độ khác lớn Biểu diễn liệu ánh sáng chói (radiance data) Tải phổ ánh sángillum_25000.mat Nhân phản xạ trường với phổ ánh sáng để có phản xạ radiances radiances_25000 Sử dụng điểm ảnh tương tự Hình 3.19, biểu diễn radiance_25000 phổ chói phản xạ Phổ trơng giống đường congCCTs(1) 25000K Hình 3.20 Trần Minh Tiến - CB130627 94 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ Hình 3.20 Biểu diễn phổ chói phản xạ pixel (141, 75) 3.5 Kết luận hƣớng nghiên cứu Như vậy, qua nghiên cứu vừa ta thấy hình ảnh siêu phổ cung cấp cho nhiều thơng tin hữu ích thơng tin cung cấp liệu hình ảnh đa phổ truyền thống trước Luận văn tập trung nghiên cứu vấn đè đề khai thác thông tin ảnh siêu phổ, nghiên cứu biến đổi Curvelet, chứng minh ưu điểm biến đổi Curvelet so với phương pháp xử lý ảnh khác hiệu xử lý ảnh Dựa lý thuyết tìm hiểu được, đặc biệt sở tốn học biến đổi Curvelet khơi phục làm trơn ảnh, nhận dạng tách biên ảnh tiến hành mô cho thấy kết phù hợp với lý thuyết Đồng thời đưa mơ hình thực nghiệm trích xuất, biểu diễu liệu ảnh siêu phổ Kết thực nghiệm mơ hình mở hướng nghiên cứu mới, ứng dụng triển vọng tương lai Trần Minh Tiến - CB130627 95 Nghiên cứu phân tích đối tượng dựa xử lý hình ảnh siêu phổ TÀI LIỆU THAM KHẢO [1] Introduction to Hyperspectral Imaging, Randall B Smith, Ph.D., January 2012 [2] Introduction to Remote Sensing of Environment, Randall B Smith, Ph.D., January 2012 [3] Introduction to Hyperspectral Image Analysis, Peg Shippert, Ph.D Earth Science Applications Specialist, Research Systems, Inc [4] Hyperspectral Image Processing and Analysis System and Its Applications, Blng Zhang, Xlanglun Wang, Jlangul Uu, Lanfen Zheng, and Qlngxl Tong [5] Chein-I Chang (31 July 2003) Hyperspectral Imaging: Techniques for Spectral Detection and Classification Springer Science & Business Media ISBN 978-0-30647483-5 Trần Minh Tiến - CB130627 96