Đang tạo bản xem trước...
BỘ CÔNG THƯƠNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI NGUYỄN TUẤN HUY NGHIÊN CỨU THUẬT TOÁN PHÂN CỤM MỜ ĐA KHUNG NHÌN VÀ ỨNG DỤNG TRONG PHÂN ĐOẠN ẢNH VỆ TINH Ngành: Hệ thống thông tin Mã số: 8480104 ĐỀ ÁN TỐT NGHIỆP THẠC SĨ HỆ THỐNG THÔNG TIN NGƯỜI HƯỚNG DẪN: TS. PHẠM HUY THÔNG Hà Nội – 2026
i LỜI CẢM ƠN Đề án này không thể hoàn thành nếu chỉ có một mình tôi. Trong suốt hành trình học tập và nghiên cứu, tôi may mắn được đồng hành bởi rất nhiều người những người đã góp phần định hình không chỉ nội dung của đề án, mà còn cả cách tôi nhìn nhận bài toán khoa học. Trước hết, tôi xin gửi lời cảm ơn chân thành tới Ban Giám hiệu, Phòng Đào tạo Sau đại học và các thầy cô thuộc Trường Công Nghệ Thông tin và Truyền thông, Đại học Công nghiệp Hà Nội. Suốt những năm học vừa qua, môi trường học thuật ở đây đã cho tôi không chỉ kiến thức chuyên ngành, mà còn cả tư duy đặt câu hỏi thứ mà tôi cho là quan trọng hơn nhiều. Đặc biệt, tôi muốn bày tỏ lòng biết ơn thật sự tới TS. Phạm Huy Thông người thầy đã trực tiếp hướng dẫn tôi xuyên suốt đề án này. Có những thời điểm tôi bế tắc hoàn toàn với bài toán, chính những cuộc trao đổi với thầy đã mở ra hướng nhìn mới. Thầy không chỉ chỉ ra vấn đề mà còn kiên nhẫn giúp tôi tự tìm ra con đường giải quyết đó là điều tôi trân trọng nhất. Với gia đình, bạn bè và đồng nghiệp tôi không biết nói gì hơn ngoài việc cảm ơn vì sự kiên nhẫn. Có những giai đoạn tôi gần như biến mất khỏi cuộc sống thường ngày vì chìm đắm vào nghiên cứu, và các bạn vẫn ở đó, không phàn nàn. Tất nhiên, dù đã cố gắng hết sức, đề án này chắc chắn vẫn còn những điểm chưa hoàn thiện. Tôi mong nhận được góp ý từ các thầy cô và hội đồng không phải vì lịch sự, mà vì tôi thực sự muốn hướng nghiên cứu này tiếp tục được phát triển tốt hơn. Hà Nội, ngày tháng 5 năm 2026 Học viên Nguyễn Tuấn Huy
ii MỤC LỤC LỜI CẢM ƠN................................................................................................................i MỤC LỤC ................................................................................................................... ii DANH MỤC HÌNH VẼ..............................................................................................iv DANH MỤC TỪ VIẾT TẮT .....................................................................................vi MỞ ĐẦU.......................................................................................................................1 4.1. Mục tiêu tổng quát:.................................................................................................3 4.2. Mục tiêu cụ thể: ......................................................................................................3 5. CẤU TRÚC CỦA ĐỀ ÁN.........................................................................................3 CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU ...............4 1.1. CƠ SỞ LÝ THUYẾT CỦA PHÂN CỤM MỜ ......................................................4 1.1.1. Lý thuyết tập mờ..................................................................................................4 1.1.2. Thuật toán phân cụm mờ cơ bản..........................................................................9 1.2. TỔNG QUAN VỀ PHÂN CỤM MỜ ĐA KHUNG NHÌN..................................13 1.2.1. Khái quát về đa khung nhìn ...............................................................................13 1.2.2. Nguyên lý hoạt động..........................................................................................15 1.2.3. Đánh giá hạn chế của các phương pháp hiện tại................................................17 1.2.4. Khoảng trống nghiên cứu và định hướng tích hợp PFS trong phân cụm mờ đa khung nhìn ...................................................................................................................19 1.2.5. Khả năng mở rộng của phân cụm đa khung nhìn trên dữ liệu viễn thám quy mô lớn ................................................................................................................................19 1.3. TỔNG QUAN VỀ BÀI TOÁN PHÂN ĐOẠN ẢNH VỆ TINH .........................21 1.3.1. Khái niệm phân đoạn ảnh ..................................................................................21 1.3.2. Khái niệm ảnh vệ tinh và các đặc trưng của ảnh vệ tinh ...................................22 1.3.3. Phân đoạn ảnh vệ tinh........................................................................................23 1.3.4. Thách thức của bài toán .....................................................................................24 1.3.5. Đặc điểm dữ liệu Landsat và Sentinel trong kiểm chứng phân đoạn đa khung nhìn ..............................................................................................................................26 1.4. KẾT LUẬN CHƯƠNG 1 .....................................................................................26 CHƯƠNG 2: ĐỀ XUẤT THUẬT TOÁN PHÂN CỤM ĐA KHUNG NHÌN TRÊN TẬP MỜ VIỄN CẢNH..................................................................................28 2.1. HẠN CHẾ CỦA CÁC PHƯƠNG PHÁP HIỆN CÓ KHI ÁP DỤNG CHO DỮ LIỆU VIỄN THÁM.....................................................................................................28
iii 2.2. MÔ HÌNH THUẬT TOÁN CẢI TIẾN ĐỀ XUẤT..............................................31 2.2.1. Ý tưởng tiếp cận.................................................................................................31 2.2.2. Kí hiệu toán học và thiết lập bài toán ................................................................32 2.2.3. Xây dựng cấu trúc hàm mục tiêu thống nhất.....................................................34 2.2.4. Chiến lược tối ưu hóa luân phiên.......................................................................36 2.2.5. Mô hình thuật toán.............................................................................................38 2.2.6. Luồng xử lý dữ liệu ảnh vệ tinh đa nguồn trong thuật toán đề xuất..................40 2.2.7. Liên hệ giữa cơ chế bán giám sát và độ tin cậy trong RSMPFC.......................41 2.3. KẾT LUẬN CHƯƠNG 2 .....................................................................................41 CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ ................................43 3.1. THIẾT KẾ THỰC NGHIỆM ...............................................................................43 3.1.1. Bộ dữ liệu thực nghiệm .....................................................................................43 3.1.2. Môi trường và tham số thực nghiệm..................................................................44 3.1.3. Chỉ số đánh giá ..................................................................................................45 3.1.4. Các phương pháp đối sánh.................................................................................45 3.2. KẾT QUẢ THỰC NGHIỆM................................................................................47 3.2.1. Kết quả trên các bộ dữ liệu benchmark đa khung nhìn .....................................47 3.3. SO SÁNH VÀ ĐÁNH GIÁ..................................................................................54 3.4. KẾT LUẬN CHƯƠNG 3 .....................................................................................56 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN................................................................58 NHỮNG CÔNG TRÌNH CÔNG BỐ .......................................................................60 TÀI LIỆU THAM KHẢO.........................................................................................61
iv DANH MỤC HÌNH VẼ Hình 1.1: Minh họa hiện tượng điểm ảnh lai tại ranh giới các lớp phủ bề mặt...........24 Hình 2.1: Sơ đồ thuật toán ...........................................................................................39 Hình 3.1: Kết quả phân cụm bộ MUUFL....................................................................52
v DANH MỤC BẢNG BIỂU Bảng 1.1: So sánh các thuật toán phân cụm thuộc nhóm C-Means.............................12 Bảng 1.2: Tổng hợp các hướng mở rộng của phân cụm đa khung nhìn......................20 Bảng 2.1: Các hạn chế của thuật toán MV-FCM.........................................................30 Bảng 3.1: Kết quả phân cụm trên các bộ dữ liệu benchmark đa khung nhìn.............48 Bảng 3.2: Kết quả phân cụm trên các bộ dữ liệu ảnh vệ tinh đa nguồn ......................49
vi DANH MỤC TỪ VIẾT TẮT Từ viết tắt Thuật ngữ Tiếng Anh Nghĩa Tiếng Việt ACC Accuracy Độ chính xác AMGL Auto-weighted Multiple Graph Learning Học đa đồ thị tự động đánh trọng số APMC Anchor-based Partial MultiView Clustering Phân cụm đa khung nhìn bán phần dựa trên điểm neo CFF-TOPSIS Circular Fermatean Fuzzy TOPSIS Kỹ thuật TOPSIS mờ Fermatean dạng vòng Co-FCM Collaborative Fuzzy C-Means Phân cụm mờ cộng tác DAIMC Doubly Aligned Incomplete Multi-view Clustering Phân cụm đa khung nhìn không hoàn chỉnh căn chỉnh kép DMVC Deep Multi-view Clustering Mô hình học sâu phân cụm đa khung nhìn DSM Digital Surface Model Mô hình bề mặt số FCM Fuzzy C-Means Thuật toán phân cụm CMeans mờ FOU Footprint of Uncertainty Dấu vết bất định FPCM Fuzzy Possibilistic C-Means Phân cụm mờ theo khả năng GCN Graph Convolutional Network Mạng nơ-ron chập đồ thị HS / HSI Hyperspectral Image Ảnh siêu phổ IFS Intuitionistic Fuzzy Sets Tập mờ trực giác IT2FS Interval Type-2 Fuzzy Sets Tập mờ Loại 2 Khoảng Kappa Kappa Coefficient Hệ số Kappa LiDAR Light Detection and Ranging Cảm biến đo khoảng cách bằng ánh sáng laser
vii MCDM Multi-Criteria Decision Making Công cụ ra quyết định đa tiêu chí MLAN Multi-view Learning with Adaptive Neighbours Học đa khung nhìn với lân cận thích ứng MM Majorization-Minimization Kỹ thuật tối ưu hóa Majorization-Minimization MPFC Multi-view Picture Fuzzy Clustering Phân cụm mờ viễn cảnh đa khung nhìn MVC Multi-view Clustering Phân cụm đa khung nhìn MV-FCM Multi-view Fuzzy C-Means Phân cụm mờ C-Means đa khung nhìn NDVI Normalized Difference Vegetation Index Chỉ số thực vật NDWI/MNDWI (Modified) Normalized Difference Water Index Chỉ số làm nổi bật vùng nước NMI Normalized Mutual Information Thông tin tương hỗ chuẩn hóa NNMVC Neural Network Multi-view Clustering Mạng nơ-ron sâu phân cụm đa khung nhìn PCM Possibilistic C-Means Thuật toán phân cụm theo khả năng PFCM Possibilistic Fuzzy C-Means Phân cụm mờ C-Means theo khả năng PFS Picture Fuzzy Sets Tập mờ viễn cảnh PUR Purity Độ tinh khiết RSMPFC Reliability-aware Semisupervised Multi-view Picture Fuzzy Clustering Phân cụm mờ đa khung nhìn bán giám sát dựa trên độ tin cậy sử dụng Tập mờ viễn cảnh
Hiển thị 8 trang đầu. Tải tài liệu để xem đầy đủ.
Chưa có bình luận nào. Hãy là người đầu tiên!
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!