Tuy nhiên, một trong những thách thức lớn nhất của ảnh SAR là nhiễu speckle, nhiễu biển và sự phức tạp của khu vực ven bờ, khiến quá trình phát hiện tàu biển gặp nhiều khó khăn. Các mục tiêu nhỏ thường bị chìm trong nền nhiễu hoặc bị nhầm lẫn với phản xạ mạnh từ sóng biển, đảo nhỏ hay khu vực đất liền ven biển. Bên cạnh đó, các mô hình học sâu hiện đại mặc dù cho độ chính xác cao nhưng lại có cấu trúc phức tạp, yêu cầu năng lực tính toán lớn, khó triển khai trên các hệ thống nhúng hoặc nền tảng xử lý biên (edge computing). Trong bối cảnh đó, nghiên cứu của Hang Yu, Ke Yan, Chenyang Li, Lei Wang và Teng Li công bố trên tạp chí Remote Sensing năm 2025 đã đề xuất một hướng tiếp cận mới mang tính thực tiễn cao thông qua phương pháp tăng cường độ nổi bật ảnh SAR nhẹ dựa trên ưu tiên phân tách biển–đất (ISEM – Image Saliency Enhancement Method). Nghiên cứu tập trung giải quyết đồng thời hai vấn đề chính: nâng cao khả năng phát hiện tàu biển trong môi trường phức tạp và giảm tải tài nguyên tính toán để có thể triển khai trên các nền tảng phần cứng hạn chế. Theo nhóm tác giả, nhiều phương pháp truyền thống dựa trên xử lý tín hiệu hoặc lọc hình thái học thường gặp khó khăn khi đối mặt với nhiễu mạnh và nền cảnh phức tạp. Trong khi đó, các mô hình CNN hiện đại tuy đạt độ chính xác cao nhưng có số lượng tham số lớn, tốc độ xử lý chưa đáp ứng yêu cầu thời gian thực và tiêu tốn đáng kể băng thông truyền dữ liệu vệ tinh. Để khắc phục các hạn chế trên, nhóm nghiên cứu đã xây dựng quy trình ISEM gồm nhiều bước xử lý liên hoàn. Đầu tiên, ảnh SAR được khử nhiễu bằng bộ lọc trung vị kích thước 5×5 nhằm giảm nhiễu speckle trong khi vẫn duy trì được thông tin biên của mục tiêu. Các thử nghiệm cho thấy bộ lọc trung vị có tốc độ xử lý tốt hơn đáng kể so với các bộ lọc Lee, Frost hay bilateral filtering, đồng thời vẫn đảm bảo chất lượng ảnh phù hợp cho phát hiện mục tiêu.Sau bước khử nhiễu, nghiên cứu tiến hành phân tách biển–đất dựa trên thuật toán OTSU kết hợp với phân tích histogram ảnh nhị phân. Ý tưởng chính là tận dụng sự khác biệt lớn về phân bố mức xám giữa vùng biển và vùng đất trong ảnh SAR. Nếu tỷ lệ điểm ảnh sáng và tối vượt quá một ngưỡng nhất định, hệ thống sẽ xác định ảnh chứa vùng đất liền và kích hoạt quy trình phân tách biển–đất. Tiếp theo, các phép toán hình thái học và thuật toán gán nhãn miền liên thông được sử dụng để tạo mặt nạ đất liền chính xác, giúp loại bỏ hoàn toàn ảnh hưởng của các khu vực ven bờ trong quá trình phát hiện tàu. Một điểm nổi bật của nghiên cứu là việc sử dụng phương pháp phổ dư (Spectral Residual – SR) trong miền tần số để tăng cường độ nổi bật của mục tiêu. Sau khi loại bỏ vùng đất liền, ảnh được biến đổi Fourier hai chiều để tách riêng thông tin nền và thông tin mục tiêu. Phần nền dư thừa như sóng biển, nhiễu và phản xạ không cần thiết được triệt tiêu, trong khi các mục tiêu mới xuất hiện như tàu biển được giữ lại và tăng cường độ tương phản. Kết quả cho thấy các tàu nhỏ vốn khó quan sát trên ảnh gốc trở nên nổi bật hơn rõ rệt trên ảnh sau xử lý, đồng thời nhiễu biển và các vùng phản xạ mạnh không liên quan được giảm đáng kể. Để bảo đảm khả năng triển khai thực tế, nhóm nghiên cứu còn tối ưu toàn bộ mô hình theo hướng “nhẹ hóa”. Các kỹ thuật như lượng tử hóa 8-bit, tối ưu phép biến đổi Fourier, xử lý song song đa luồng, TensorRT và tăng tốc phần cứng bằng NVIDIA Jetson Nano và FPGA được tích hợp vào hệ thống. Nhờ đó, thời gian suy luận giảm khoảng 60%, tốc độ xử lý tăng khoảng 150% và điện năng tiêu thụ giảm gần 30% so với mô hình gốc. Nhóm tác giả đã kiểm chứng hiệu quả của phương pháp trên hai bộ dữ liệu SAR nổi tiếng là SSDD và LS-SSDD-v1.0, vốn chứa nhiều ảnh tàu biển trong môi trường ven bờ phức tạp và mật độ nhiễu cao. Kết quả thực nghiệm cho thấy mô hình ISEM kết hợp với YOLOX-Tiny đạt độ chính xác AP lên tới 97,96% trên bộ dữ liệu SSDD và tốc độ xử lý đạt hơn 35 khung hình mỗi giây. Trên bộ dữ liệu LS-SSDD-v1.0 chứa nhiều tàu nhỏ, mô hình vẫn duy trì hiệu quả cao với AP đạt 81,38%, vượt trội so với Faster R-CNN, SSD512, FCOS và CenterNet. Đối với Việt Nam, nghiên cứu này có ý nghĩa thực tiễn rất lớn. Việt Nam sở hữu vùng biển rộng, đường bờ biển dài hơn 3.260 km cùng hệ thống cảng biển, cửa sông và ngư trường phân bố dày đặc. Trong điều kiện khí hậu nhiệt đới gió mùa với nhiều mây, mưa và bão, dữ liệu SAR đóng vai trò đặc biệt quan trọng vì có thể duy trì khả năng quan sát liên tục ngay cả khi ảnh quang học bị hạn chế. Tuy nhiên, khu vực ven biển Việt Nam thường có nền phản xạ phức tạp, đặc biệt tại Vịnh Bắc Bộ, ven biển miền Trung, khu vực đồng bằng sông Cửu Long hay quần đảo Trường Sa. Điều này khiến các hệ thống phát hiện tàu truyền thống dễ phát sinh báo động giả hoặc bỏ sót mục tiêu nhỏ.Phương pháp ISEM cho thấy khả năng phù hợp cao với điều kiện đó nhờ cơ chế phân tách biển–đất hiệu quả và khả năng tăng cường độ nổi bật của tàu nhỏ trong nền nhiễu mạnh. Bên cạnh đó, việc nghiên cứu sử dụng dữ liệu Sentinel-1 cũng tạo thuận lợi cho Việt Nam do đây là nguồn dữ liệu SAR đang được khai thác rộng rãi trong giám sát biển và quản lý tài nguyên môi trường. Một ưu điểm khác của nghiên cứu là định hướng xử lý thời gian thực trên thiết bị biên. Đây là xu thế quan trọng đối với các hệ thống viễn thám hiện đại, đặc biệt trong bối cảnh nhu cầu xử lý trực tiếp trên vệ tinh hoặc tại trạm thu ngày càng tăng nhằm giảm băng thông truyền dữ liệu. Với các hệ thống giám sát biển của Việt Nam, mô hình nhẹ như ISEM+YOLOX-Tiny hoàn toàn có thể được tích hợp vào các trạm xử lý dữ liệu SAR, UAV giám sát biển, tàu tuần tra hoặc các hệ thống vệ tinh viễn thám trong tương lai.Có thể thấy rằng nghiên cứu của Yu và cộng sự không chỉ mang ý nghĩa học thuật trong lĩnh vực xử lý ảnh SAR mà còn mở ra hướng tiếp cận thực tiễn cho các hệ thống giám sát biển thông minh thế hệ mới. Việc kết hợp giữa tăng cường độ nổi bật, phân tách biển–đất và tối ưu mô hình nhẹ đã tạo nên một giải pháp hiệu quả, phù hợp với yêu cầu xử lý thời gian thực và triển khai trên các nền tảng hạn chế tài nguyên. Đây là hướng nghiên cứu rất đáng chú ý đối với các cơ quan quản lý biển, các đơn vị khai thác dữ liệu viễn thám cũng như các chương trình phát triển công nghệ không gian tại Việt Nam trong thời gian tới.Tài liệu tham khảoYu, H.; Yan, K.; Li, C.; Wang, L.; Li, T. Light-Weight Synthetic Aperture Radar Image Saliency Enhancement Method Based on Sea–Land Segmentation Preference. Remote Sensing, 2025, 17, 795. https://doi.org/10.3390/rs17050795