Phát triển kỹ thuật phát hiện dị thường trên ảnh viễn thám quang học phục vụ tìm kiếm cứu nạn - Luận án TS. Nguyễn Văn Phương

Điểm dị thường là các điểm ảnh có đặc trưng quang phổ khác biệt đáng kể so với nền. Tỷ lệ xuất hiện của các điểm dị thường rất thấp trong toàn bộ khung hình. Công tác tìm kiếm cứu nạn thường diễn ra trên các địa hình phức tạp như rừng rậm, biển khơi hoặc vùng núi cao. Nạn nhân, mảnh vỡ máy bay hoặc phao cứu sinh thường chìm lấp trong cảnh nền rộng lớn. Việc quan sát bằng mắt thường dễ gây bỏ sót. Thuật toán phát hiện dị thường ảnh viễn thám tự động khoanh vùng các vị trí khả nghi. Hệ thống xử lý dữ liệu số lượng lớn trong thời gian ngắn. Kết quả phân tích giúp lực lượng cứu hộ định vị tọa độ chính xác. Nhiệm vụ tìm kiếm cứu nạn đạt hiệu quả cao hơn và tiết kiệm nguồn lực cứu hộ.

Dữ liệu viễn thám quang học gồm hai nguồn chính là ảnh đa phổ (multispectral imaging) và ảnh siêu phổ (hyperspectral imaging). Ảnh đa phổ ghi nhận thông tin trên một số dải băng phổ rời rạc. Dữ liệu này phù hợp cho việc phân loại địa hình tổng quan. Trong khi đó, ảnh siêu phổ thu thập hàng trăm kênh phổ liên tục và hẹp. Từng đối tượng vật chất trên bề mặt đất đều có dấu vết phổ đặc trưng riêng biệt. Ảnh siêu phổ (hyperspectral imaging) cho phép phân biệt các vật thể nhân tạo với thảm thực vật tự nhiên ngay cả khi chúng có cùng màu sắc nhìn thấy. Độ phân giải phổ cao là chìa khóa để phát hiện các mục tiêu cứu nạn kích thước dưới điểm ảnh.

Công tác tìm kiếm cứu nạn qua ảnh viễn thám đối mặt với nhiều rào cản kỹ thuật. Môi trường nền biến đổi liên tục theo thời tiết, ánh sáng và mùa vụ. Thảm thực vật, mặt nước và bóng râm tạo ra nhiều vùng phổ hỗn tạp. Kích thước mục tiêu cứu hộ thường rất nhỏ, đôi khi chỉ chiếm một vài pixel. Tín hiệu quang phổ của mục tiêu dễ bị pha trộn với bức xạ nền. Hiện tượng này làm tăng nguy cơ nhận diện nhầm. Thách thức lớn nhất nằm ở việc cân bằng giữa độ nhạy phát hiện và kiểm soát cảnh báo nhầm. Hệ thống cần các thuật toán phân tích phổ đủ nhạy để phát hiện mục tiêu nhưng không bị nhiễu loạn bởi môi trường.

Thuật toán Reed-Xiaoli (RX) là chuẩn mực cổ điển trong phát hiện dị thường quang phổ viễn thám. Thuật toán RX giả định rằng dữ liệu phổ của nền tuân theo phân bố chuẩn đa biến (Gaussian). Phương pháp tính khoảng cách Mahalanobis từ từng điểm ảnh đến giá trị trung bình của nền. Tuy nhiên, dữ liệu ảnh viễn thám thực tế có tính chất phi Gaussian phức tạp. Cảnh nền tự nhiên chứa nhiều lớp vật phủ không đồng nhất. Giả định Gaussian khiến thuật toán Reed-Xiaoli (RX) ước lượng sai lệch ma trận hiệp phương sai. Kết quả dẫn đến việc bỏ sót mục tiêu hoặc tạo ra nhiều cảnh báo sai trong các khu vực địa hình ranh giới.

Để khắc phục nhược điểm của phân bố Gaussian, các giải pháp mô hình hóa nền (background modeling) phi tham số được phát triển. Ước lượng mật độ hàm nhân (KDE) là công cụ thống kê mạnh mẽ. KDE không áp đặt giả định tiên nghiệm về dạng phân bố của dữ liệu. Phương pháp ước lượng trực tiếp hàm mật độ xác suất từ tập mẫu lân cận. Kỹ thuật triệt tiêu nhiễu nền kết hợp làm sạch phổ giúp loại bỏ các điểm ảnh dị thường cục bộ khỏi mô hình nền. Nhờ đó, mô hình nền phản ánh chân thực môi trường tự nhiên. Sự phân tách giữa điểm ảnh mục tiêu và điểm ảnh nền trở nên rõ rệt hơn.

Các kỹ thuật học sâu phát hiện dị thường đang mở ra bước đột phá mới. Mô hình mạng nơ-ron tự mã hóa (Autoencoder) và mạng sinh đối kháng (GAN) học biểu diễn đặc trưng nền ở mức trừu tượng cao. Mạng được huấn luyện để tái tạo lại ảnh nền không chứa dị thường. Khi đưa ảnh chứa mục tiêu vào mô hình, sai số tái tạo tại các vị trí dị thường sẽ tăng vọt. Kỹ thuật học sâu phát hiện dị thường có khả năng mô hình hóa quan hệ phi tuyến phức tạp trong không gian đa phổ và siêu phổ. Tuy nhiên, phương pháp học sâu đòi hỏi tài nguyên tính toán lớn và dữ liệu huấn luyện phong phú.

Thuật toán IKDE sử dụng cơ chế hai giai đoạn để lọc mẫu nền. Ban đầu, thuật toán tính toán sơ bộ hàm mật độ xác suất cho toàn bộ cửa sổ lân cận. Các điểm ảnh có xác suất xuất hiện cực thấp bị nhận diện là dị thường tiềm năng và bị loại bỏ khỏi tập mẫu nền. Sau đó, thuật toán tái ước lượng hàm mật độ xác suất với tập mẫu đã làm sạch. Việc triệt tiêu nhiễu nền ở cấp độ tập mẫu ngăn chặn hiện tượng làm mờ ranh giới quang phổ. IKDE mang lại khả năng phân biệt vượt trội giữa vật thể nhân tạo của nạn nhân và môi trường tự nhiên xung quanh.

Tính đúng đắn của thuật toán IKDE được chứng minh qua lý thuyết xác suất thống kê. Việc loại bỏ các điểm ảnh ngoại lai làm giảm phương sai ước lượng của hàm mật độ. Khoảng cách quang phổ giữa điểm dị thường và tâm phân bố nền tăng lên rõ rệt. Về mặt toán học, giá trị hàm mật độ xác suất (PDF) của điểm dị thường giảm tiệm cận về không. Ngược lại, các điểm ảnh nền thực sự có giá trị PDF cao và ổn định. Sự chênh lệch xác suất rõ ràng giúp ngưỡng phân loại hoạt động tin cậy. Kết quả phát hiện đạt độ nhạy cao đối với các mục tiêu có kích thước nhỏ.

Độ phức tạp tính toán của thuật toán KDE và IKDE phụ thuộc vào kích thước cửa sổ trượt và số lượng kênh phổ. Do phải tính toán hàm nhân qua nhiều điểm lân cận, chi phí tính toán ban đầu tương đối lớn. Thuật toán IKDE bổ sung bước lọc mẫu nhưng không làm tăng bậc phức tạp tiệm cận của mô hình. Hiệu năng phân loại của IKDE vượt trội so với KDE truyền thống và RX trên các tập dữ liệu ảnh viễn thám quang học chuẩn. Thuật toán giữ vững độ chính xác cao trong nhiều cấu hình môi trường khác nhau.

Các điểm ảnh lân cận trong ảnh viễn thám thường có giá trị quang phổ tương đồng nhau. Kỹ thuật nhóm các điểm ảnh (CreateGroupPixels) gom các điểm có cùng đặc trưng phổ vào các nhóm đại diện. Thuật toán chỉ cần tính toán hàm mật độ xác suất một lần cho cả nhóm thay vì tính riêng lẻ cho từng điểm. Cấu trúc sắp xếp dữ liệu (SearchGroupPixels) cho phép truy xuất kết quả tức thì với độ phức tạp tối thiểu. Kỹ thuật này giảm hàng triệu phép tính hàm nhân dư thừa. Tốc độ xử lý tổng thể của hệ thống tăng lên nhiều lần mà vẫn đảm bảo độ chính xác nguyên vẹn.

Cây k chiều (kd-tree) là cấu trúc dữ liệu phân chia không gian hiệu quả cho việc tìm kiếm láng giềng gần nhất. Trong thuật toán phát hiện dị thường, việc tính toán hàm mật độ xác suất (PDF) trên ảnh viễn thám RGB và đa phổ đòi hỏi quét qua nhiều điểm dữ liệu. Cấu trúc kd-tree tổ chức không gian phổ thành cây nhị phân phân cấp. Thời gian tìm kiếm láng giềng giảm từ tuyến tính xuống mức logarit. Việc kết hợp cây kd-tree với kỹ thuật nhóm điểm ảnh giúp thuật toán xử lý nhanh chóng các khung ảnh độ phân giải cao mà không bị nghẽn bộ nhớ.

Phát hiện dị thường trên từng khối điểm ảnh có tính độc lập dữ liệu rất cao. Tính chất này hoàn toàn tương thích với mô hình xử lý song song. Thuật toán được lập trình phân tán trên nhiều luồng CPU. Đồng thời, cấu trúc xử lý song song trên chip đồ họa GPU được triển khai cho các tập dữ liệu ảnh siêu phổ lớn. Hàng nghìn nhân GPU tính toán đồng thời các hàm nhân khoảng cách. Thời gian xử lý ảnh được rút ngắn từ hàng chục phút xuống còn vài giây. Hệ thống đáp ứng hoàn hảo yêu cầu khẩn cấp của các nhiệm vụ cứu hộ.

Tối ưu hóa tỷ lệ báo động giả (False Alarm Rate) đạt được thông qua việc kết hợp lọc thích nghi và thiết lập ngưỡng động. Thay vì sử dụng một ngưỡng cố định cho toàn bộ bức ảnh, thuật toán tự động điều chỉnh ngưỡng phân loại theo từng vùng địa hình cục bộ. Các vùng nền đồng nhất áp dụng ngưỡng chặt chẽ để triệt tiêu hoàn toàn báo động giả. Các vùng địa hình phức tạp sử dụng ngưỡng mềm kết hợp thông tin không gian để không bỏ sót tín hiệu yếu. Sự kết hợp này mang lại khả năng tách biệt vượt trội giữa mục tiêu và nhiễu quang phổ môi trường.

Thuật toán được kiểm nghiệm trên các bộ dữ liệu ảnh viễn thám quang học thực tế mô phỏng hoạt động cứu nạn. Dữ liệu bao gồm ảnh chụp từ thiết bị bay không người lái và vệ tinh quan sát trên các vùng địa hình biển, đồi núi và đầm lầy. Kết quả định lượng qua diện tích dưới đường cong ROC (AUC) cho thấy thuật toán IKDE kết hợp xử lý song song luôn đạt AUC trên 0.98. Tỷ lệ phát hiện mục tiêu cứu hộ đạt mức tối đa ngay cả khi tỷ lệ báo động giả (False Alarm Rate) được siết chặt dưới mức tối thiểu. Thuật toán chứng minh tính ổn định cao trước nhiều điều kiện chiếu sáng.

Các kỹ thuật cải tiến mở ra triển vọng tích hợp hệ thống phát hiện dị thường trực tiếp lên máy bay không người lái cứu hộ (UAV). Thiết bị bay có thể xử lý ảnh viễn thám quang học theo thời gian thực ngay trong quá trình bay quét hiện trường. Tọa độ chính xác của nạn nhân hoặc vật thể trôi dạt được truyền ngay về trung tâm chỉ huy cứu nạn. Sự phối hợp giữa thuật toán tối ưu và phần cứng GPU nhúng giúp thiết lập mạng lưới tìm kiếm cứu nạn tự động, phản ứng nhanh và cứu sống nhiều sinh mạng trong các tình huống khẩn cấp thiên tai.