Đang tải... (xem toàn văn)
Bài viết trình bày đề xuất một thuật toán tăng cường ảnh viễn thám dựa trên tiếp cận cục bộ kết hợp tính ngưỡng tự động theo từng cụm với các toán tử tăng cường trong cùng một mô hình hiệu chỉnh mức xám.
Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Một phƣơng pháp tăng cƣờng độ tƣơng phản ảnh viễn thám dựa tiếp cận cục A Method to Enhance Contrast of The Remote Sensing Images based on The Local Approach Nguyễn Tu Trung, Vũ Văn Thỏa, Đặng Văn Đức Abstract: The image enhancement methods are divided into categories including histogram, fuzzy logic and optimal methods Histogram based contrast enhancing methods focus on modifying histogram of images Histogram specification and histogram equalization are commonly used as conventional contrast enhancement mothods Patently, the fuzzy logic based image enhancement methods make image which quality is clearer than the traditional methods However, these methods still use the global approach, therefore, it is difficult to enhance all land covered in remote sensing images This paper proposes a local approach based new algorithm of image enhancement for the remote sensing images and the large size remote sensing images, calculating auto thresholds and combination the grey adjust operators Keywords: Image Enhancement, Multispectral remote sensing images, fuzzy logic, Image enhancement operator, local approach, Wavelet I GIỚI THIỆU Ảnh viễn thám thường có kích thước lớn độ phân giải không gian đa dạng Độ phân giải không gian cao ảnh chi tiết Nó chứa nhiễu Để khử nhiễu tăng cường ảnh cần sử dụng phương pháp nâng cao chất lượng ảnh Nâng cao chất lượng bước cần thiết xử lý ảnh nhằm hoàn thiện số đặc tính ảnh lọc nhiễu, làm trơn, tăng cường độ tương phản, điều chỉnh mức xám, biên ảnh Nâng cao chất lượng ảnh gồm hai công đoạn khác nhau: tăng cường ảnh khôi phục ảnh Nhiễu ảnh viễn thám bao gồm nhiễu thông thường giống ảnh màu nhiễu mang tính đặc trưng sương mù, đám mây Với nhiễu đặc thù cần có phương pháp khử nhiễu đặc thù phương pháp loại bỏ sương mù, đám mây sử dụng thuật tốn Mallat [4] Đối với nhiễu thơng thường, dùng phương pháp khử nhiễu thơng thường Lọc nhiễu, hay làm trơn ảnh; Tăng độ tương phản, điều chỉnh mức xám ảnh; Làm biên ảnh Theo [18], kĩ thuật tăng cường ảnh chia làm ba loại Một là, họ kĩ thuật histogram mà tiêu biểu cân histogram đặc tả histogram Hai là, họ kĩ thuật dựa tiếp cận logic mờ với số kĩ thuật trình bày phần III báo Ba là, kĩ thuật tăng cường dựa tối ưu Trong [19], Aman Tusia cộng thực phân tích hiệu hệ thống mờ loại cho việc tăng cường ảnh sử dụng thuật toán tối ưu cuckoo Nhiều phương pháp tăng độ tương phản truyền thống áp dụng tiếp cận toàn cục để tăng cường tất mức độ sáng ảnh Tuy nhiên, thường khó để tăng cường tất đối tượng xuất ảnh vệ tinh, thơng tin tương phản cục chi tiết bị vùng sáng tối Trong [2,8], tác giả kết hợp logic mờ [1] công thức hiệu chỉnh mức xám để tăng cường độ tương phản ảnh y tế Phương pháp tăng cường ảnh mờ xem xét ma trận thành viên biểu thức điều chỉnh mức xám để tăng cường độ tương phản Mặc dù vậy, phương pháp sử dụng tiếp cận toàn cục nên chưa - 83 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 giải vấn đề phương pháp truyền thống Ngoài ra, phương pháp tăng cường ảnh mờ [2] chọn thủ công giá trị cho ngưỡng cận dưới, trung bình cận nên khơng phải lúc chọn giá trị tốt làm ảnh hưởng đến kết tăng cường ảnh Có nhiều loại ảnh/vệ tinh viễn thám khác vệ tinh cảm biến thời tiết (GOES, NOAA AVHRR…), vệ tinh quan trắc mặt đất (LANDSAT, SPOT…) … Trong nghiên cứu này, chúng tơi đề xuất thuật tốn tăng cường ảnh viễn thám dựa tiếp cận cục kết hợp tính ngưỡng tự động theo cụm với tốn tử tăng cường mơ hình hiệu chỉnh mức xám III.1 Tổng quan tăng cƣờng ảnh dựa logic mờ II GIỚI THIỆU VỀ ẢNH VIỄN THÁM Theo [17] viễn thám ngành khoa học thu thập từ xa thông tin bề mặt Trái đất, bao gồm cảm nhận ghi lại lượng phát ra, xử lý, phân tích liệu ứng dụng thơng tin sau phân tích Cũng theo [17] phần lớn hệ thống thu nhận xử lý ảnh viễn thám có quy trình bước Hình III TĂNG CƢỜNG ẢNH DỰA TRÊN LOGIC MỜ Tăng cường ảnh mờ dựa việc ánh xạ mức xám vào mặt phẳng mờ, sử dụng hàm biến đổi thành viên [7,8] Mục tiêu để sinh ảnh có độ tương phản cao ảnh gốc việc đựa trọng số lớn cho mức xám mà gần với mức xám trung bình ảnh để chúng xa trung bình [2] Trong vài năm gần đây, nhiều nhà nghiên cứu áp dụng lý thuyết tập mờ để phát triển kĩ thuật cho việc cải thiện độ tương phản [2] Một ảnh I có kích thước M x N L mức xám xem mảng đơn mờ, phần tử giá trị thành viên biểu thị mức độ sáng liên quan tới vài mức độ sáng Với ảnh I, viết ký hiệu tập mờ [2][8] sau: ⋃ m = 1,2,…,M n = 1,2,…,N (1) Trong gmn cường độ điểm ảnh (m, n) giá trị thành viên μmn Hàm thành viên đặc trưng cho thuộc tính thích nghi ảnh (ví dụ thuộc tính biên, tối, kết cấu) Trong năm gần đây, số nhà nghiên cứu áp dụng khái niệm mờ để phát triển thuật toán cho việc tăng cường ảnh Nguyên tắc lược đồ tăng cường mờ minh họa Hình Hình Tiến trình thu thập xử lý ảnh viễn thám [17] Trong Hình 1, A Nguồn lượng hay nguồn sáng, B Bức xạ khí quyển, C Tương tác với đối tượng đích, D Thu nhận lượng đầu cảm biến, E Truyền, nhận xử lý lượng, F Diễn giải phân tích, G Ứng dụng Ảnh viễn thám có đặc trưng: kênh ảnh, độ phân giải không gian, độ phân giải phổ, độ phân giải xạ, độ phân giải thời gian Hình 2: Nguyên tắc tăng cường ảnh mờ [2] III.2 Tăng cƣờng ảnh mờ với toán tử tăng cƣờng Phương pháp sử dụng toán tử tăng cường [9] để giảm tính mờ ảnh mà đưa tăng cường độ tương phản ảnh [10,11] Thuật tốn phát biểu sau: - 84 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Bước 1: Đặt tham số Fe (Exponential fuzzifiers), Fd (Denomination fuzzifiers), gmax (Maximum gray level) hàm thành viên Fe = (2) Bước 2: Định nghĩa hàm thành viên ( ) (3) Bước 3: Thay đổi giá trị thành viên , , { - (4) - Bước 4: Sinh mức xám ( ) ((( ) )) (5) III.3 Tăng cƣờng ảnh mờ với toán tử Hyperbol Ý tưởng hyperbolization histogram, hyperbolization histogram mờ mô tả tương ứng [12] [13] Do nhận thức độ sáng người khơng tuyến tính, thuật tốn thay đổi giá trị thành viên mức xám hàm logarit Thuật tốn phát biểu sau: Bước 1: Thiết lập dạng hàm thành viên Bước 2: Đặt giá trị tham số mờ β Bước 3: Tính giá trị thành viên μmn Tập V-2, Số 14 (34), tháng 12/2015 thống, điểm ưu việt có thêm ma trận thành viên cho ảnh Vì vậy, khó để tăng cường độ tương phản lớp phủ đất (các đối tượng che phủ mặt đất) xuất ảnh vệ tinh, thơng tin tương phản cục chi tiết bị vùng sáng tối - Hai là, cài đặt thuật toán, cụ thể [2], ngưỡng cận max, min, trung bình mid phải chọn thủ công Như vậy, với ảnh khác phải dò tìm thủ cơng, thiếu hiệu việc chọn ngưỡng khơng tốt - Ba là, giống phương pháp truyền thống, phương pháp tăng cường ảnh mờ thực kênh phổ Với ảnh đa phổ ảnh màu RGB hay ảnh viễn thám đa phổ, thuật toán thực kênh ảnh Giả sử ta có điểm ảnh P với mức xám tương ứng với kênh ( , , …) Như vậy, giá trị xám , , … có quan hệ điểm ảnh Khi thực thuật toán tăng cường ảnh mờ theo kênh, mối quan hệ không bao hàm Khi đó, giá trị xám ( , , …) tăng cường cách độc lập nên khó đảm bảo quan hệ phổ nêu giá trị xám sau tăng cường Do đó, mầu đối tượng ảnh sau đầu khơng bảo tồn Bước 4: Thay đổi giá trị thành viên β Bước 5: Sinh mức xám mới, mô tả Trong thuật toán này, dạng hàm thành viên thiết lập tam giác để đặc trưng cho ranh giới, giá trị tham số mờ β ranh giới: β = 0.75 + 1.5μ Sau đó, việc tính giá trị thành viên μmn thay đổi giá trị thành viên β, sinh giá trị mức xám g’mn đẳng thức sau: /0 (6) III.4 Hạn chế thuật toán tăng cƣờng mờ Qua phân tích phương pháp tăng cường ảnh mờ có trình bày mục III báo này, chúng tơi có số nhận xét sau: - Một là, thuật toán tăng cường mờ sử dụng tiếp cận toàn cục phương pháp truyền IV ĐỀ XUẤT PHƢƠNG PHÁP TĂNG CƢỜNG ẢNH VIỄN THÁM DỰA TRÊN TIẾP CẬN CỤC BỘ Để khắc phục hạn chế nêu mục III.4 báo này, đề xuất phương pháp tăng cường độ tương phản ảnh viễn thám dựa tiếp cận cục theo cụm Theo đó, mức xám tăng cường độ tương phản theo cụm trước tổng hợp lại Ngồi ra, chúng tơi đề xuất thêm thuật tốn tăng cường ảnh viễn thám kích lớn dựa thuật tốn tăng cường độ tượng phản cục nói IV.1 Tăng cƣờng ảnh viễn thám dựa tiếp cận cục LoRSIE - 85 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Các bước thuật tốn tăng cường ảnh viễn thám dựa tiếp cận cục (Local based Remote Sensing Image Enhancement-LoRSIE) liệt kê Bảng Bảng 1: Quy trình thuật tốn tăng cường ảnh viễn thám dựa tiếp cận cục Giai Nhiệm vụ đoạn Cục hóa ảnh viễn thám dựa thuật tốn phân cụm Xây dựng mơ hình hiệu chỉnh mức xám theo cụm Tính ngưỡng tự động theo cụm Sinh ảnh tăng cường dựa việc tổng hợp mức xám hiệu chỉnh theo cụm IV.1.1 Cục hóa ảnh viễn thám dựa thuật tốn phân cụm Phân cụm c-Means mờ [1] thuật toán dùng rộng rãi phân lớp mờ Trong xem xét logic tập mờ, thuật toán phát triển dựa phân cụm kMeans Trong thuật toán này, điểm ảnh không cụm biểu diễn nhiều thành viên cụm Thuật toán phân cụm thực với tối ưu lặp việc cực tiểu hàm mục tiêu mờ (Jm) định nghĩa đẳng thức ([5],[6]) ∑ ∑ ( ) ( ) (7) Tập V-2, Số 14 (34), tháng 12/2015 Thành viên (µik) ước lượng với khoảng cách điểm ảnh thứ k tâm cụm thứ i, bị ràng buộc sau: { ∑ (8) ∑ Trung tâm cụm Vi giá trị μik tính theo cơng thức sau: ∑ ∑ ⟦∑ ( ( ( ( ) ( ,1≤i≤c ) ) ) ) ⟧ (9) , ≤ i ≤ c, ≤ k ≤ n (10) Do đó, Jm cực tiểu việc lặp thông qua đẳng thức (9) (10) Bước việc lặp khởi tạo số cụm c cố định, tham số mờ m, ngưỡng hội tụ ε, sau tính tốn μik sử dụng đẳng thức (9) (10) tương ứng Việc lặp kết thúc thay đổi Vi hai lần lặp nhỏ ε Cuối cùng, điểm ảnh phân lớp vào kết hợp thành viên cụm IV.1.2 Xây dựng mơ hình biến đổi mức xám theo cụm Trong phần này, xây dựng hàm biến đổi mức xám để tăng cường theo cụm Hàm tạo từ cơng thức giãn mức xám sau đây: Trong đó: (11) Hàm biến đổi mức xám theo cụm phát biểu sau: c: số cụm n: số pixel ảnh µik: giá trị thành viên pixel thứ k trung tâm cụm thứ i m: trọng số mũ, tham số mờ xk: vector thứ k Vi: Vector trung tâm cụm thứ i ( ) Trong đó: giá trị cực tiểu giá trị cực đại cận cận d2(xk,Vi) = Khoảng cách xk Vi giá trị mức xám cũ giá trị mức xám - 86 - (12) Các công trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Theo cách trên, ta xây dựng hàm biến đổi mức xám theo toán tử giãn mức xám Bằng cách tương tự, xây dựng hàm biến đổi mức xám cho toán tử Hyperbol, tăng cường Trong nghiên cứu này, xây dựng hàm biến đổi cho toán tử Giãn mức xám Hyperbol, phát biểu theo cụm Bảng Bảng 2: Các hàm biến đổi mức xám theo cụm Ý nghĩa Cơng thức biến đổi Ti(g) Hình 3: Hàm phân bố ngưỡng theo cụm Giãn mức xám ( )[ ( ) IV.1.4 Sinh ảnh tăng cường dựa việc tổng hợp mức xám hiệu chỉnh theo cụm ] Dựa mơ hình biến đổi mức xám theo cụm xây dựng phần IV.1.3, giá trị xám đầu vào chuyển thành giá trị tương ứng với cụm Nhiệm vụ lại tổng hợp giá trị để sinh giá trị xám Hàm tổng hợp có dạng tổng quát sau: g | g’ = T(g) Trong đó, Trong đó: Biến đổi Hyperbol ( ) { ∑ ( ) (13) ( ) Trong đó: Trong đó: g = giá trị xám gốc g = giá trị xám gốc = cận việc giãn cụm i = cận việc giãn cụm i = cận việc giãn cụm i = g cận việc giãn cụm i = tâm cụm i = tâm cụm i Giá trị ngưỡng tính tự động theo cụm = giá trị độ thuộc mức xám g theo cụm i mục IV.1.3 IV.1.3 Tính ngưỡng tự động theo cụm Giả sử, ( ) hàm phân bố mức xám cụm cho trước ( ) tham số: , IV.2 Phát triển thuật toán cho ảnh đa phổ theo , thể Hình Các ngưỡng , xác định cách chọn cho vùng gạch chéo (Hình 3) có diện tích 95% tổng diện tích bao đường y = y = ( ) Bản chất FCM thuật tốn phân cụm đối tượng vector có nhiều thành phần Và vậy, FCM thực tốt cho ảnh đa kênh ảnh màu RGB Như vậy, thuật toán áp dụng cho ảnh viễn thám đa phổ sau: - Bước 1: Cục hóa ảnh đầu vào Sau thực thủ tục phân cụm, điểm ảnh P( , , …) - 87 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT đặc trưng thêm giá trị độ thuộc ứng với cụm khác Như vậy, quan hệ điểm ảnh ( , , …) đặc trưng giá trị độ thuộc Do đó, giải hạn chế thứ mục III.4 - Bước 2: Xây dựng mơ hình hiệu chỉnh mức xám Vẫn thực việc trình bày mục IV.1.2 - Bước 3: Tính ngưỡng tự động Các ngưỡng tính tự động theo cụm kênh k - Bước 4: Sinh ảnh tăng cường Với điểm ảnh P, ta có: ( ) ∑ ( ) ( (14) ) Trong đó: = giá trị xám gốc điểm ảnh P thuộc kênh thứ k = cận việc giãn cụm i thuộc kênh thứ k = cận việc giãn cụm i thuộc kênh thứ k = tâm cụm i thuộc kênh thứ k Mỗi tâm môt ( , , gồm …) = giá trị độ thuộc mức xám g theo cụm i IV.3 Tăng cƣờng ảnh viễn thám kích thƣớc lớn LaSRSIE IV.3.1 Nhược điểm FCM với ảnh viễn thám kích thước lớn Thuật tốn phân cụm mờ [1] nảy sinh vấn đề gặp ảnh có kích thước lớn mà cụ thể ảnh viễn thám độ phân giải không gian cao Vấn đề nảy sinh từ ma trận độ thuộc µ Theo cơng thức (10), kích thước µ tính sau: (Byte) (15) Tập V-2, Số 14 (34), tháng 12/2015 Trong đó, c số cụm, n số pixel (kích thước) ảnh Giả sử ta có ảnh kích thước 2048 x 2048 Ta muốn phân thành 20 cụm Khi đó, Sizeµ 2048 x 2048 x 20 x (B) = x 20 x (MB) = 640 (MB) Ma trận độ thuộc lưu RAM Như vậy, cần có RAM 1GB lưu ma trận độ thuộc trường hợp Tuy nhiên, muốn phân thành 40 cụm Sizeµ 1280 (MB) > 1024 (MB) = 1GB Điều nghĩa có RAM 1GB không đủ để chứa phần tử ma trận độ thuộc Và để thuật tốn FCM thực ta buộc phải tăng RAM Nếu ảnh có kích thước 16000 x 16000, số lớp c = 20, Sizeµ 16000 x 16000 x 20 x (B) = 39062.5 (MB) ≈ 39 (GB) Chúng ta thấy, với ảnh kích thước số lớp kể nhớ RAM lớn cho máy tính cá nhân chứa dẫn tới FCM thực thi ma trận độ thuộc lưu RAM Chúng ta nghĩ đến việc dùng đĩa cứng để lưu ma trận thay dùng RAM Tuy nhiên, với ảnh màu thơng thường thời gian thực FCM chậm Với ảnh viễn thám, thời gian lên tới đơn vị ngày Như không hiệu Tất điều giải thích nguyên nhân FCM [1] gặp vấn đề với ảnh kích thước lớn mà cụ thể ảnh viễn thám Chúng ta áp dụng kĩ thuật wavelet để khắc phục hạn chế IV.3.2 Biến đổi wavelet Biến đổi sóng nhỏ (Wavelet) cơng cụ tốn học hay sử dụng vào việc biểu diễn ảnh đa độ phân giải Sau thực phép biến đổi ta thu tập hệ số Wavelet, hàm co dãn vị trí sóng nhỏ Với tín hiệu số ảnh viễn thám, tập hệ số Wavelet thu nhờ phép biến đổi sóng nhỏ rời rạc (Discrete Wavelet Transform - DWT) Với phần lớn ảnh số nội dung tần số thấp quan trọng nhất, giữ đặc tính ảnh đầu vào phép biến đầu với kích thước giảm bốn lần Sau áp dụng lọc thông thấp theo hai hướng (LL) ta thu - 88 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 ảnh xấp xỉ (cA1) ảnh gốc Nếu áp dụng lọc thông thấp cho chiều ngang lọc thông cao cho chiều dọc ảnh (LH) ta có tập hệ số ngang (cH1) ảnh gốc Tương tự ta có tập hệ số dọc (cV1) tập hệ số chéo (cD1) Lặp tiến trình băng (LL) để sinh hệ số mức Hình mơ tả DWT ảnh theo thuật tốn hình kim tự tháp Mallat [6] Hình 5: Cây phân cấp cho phân rã nhiều mức Hình Biến đổi ảnh với Wavelet Vậy, ảnh gốc S biểu diễn sở hệ số biến đổi sóng sau: * + (16) Thực lặp tiến trình mức độ chi tiết mẫu hay pixel Tại mức J, ảnh gốc biểu diễn bởi: * + (17) Các hệ số xấp xỉ tính tốn sau: ( ) (18) Mỗi lần thực phân rã wavelet, kích thước ảnh xếp xỉ cAj giảm bốn lần so với lần thực trước (mỗi chiều giảm xuống nửa) Như vậy, giả sử phân rã mức cho ảnh đầu vào, ta thu ảnh xấp xỉ có kích thước giảm xuống 64 lần Hình minh họa phân cấp cho phân wavelet nhiều mức Hình minh họa ảnh đầu vào kết phân rã Hình 6: Ảnh đầu vào kết phân rã IV.3.3 Thuật tốn tăng cường ảnh viễn thám kích thước lớn Trong phần này, chúng tơi đề xuất thuật tốn tăn cường ảnh viễn thám kích thước lớn mà tạm gọi Large Size Remote Sensing Image Enhancement (LaSRSIE) Sơ đồ thuật tốn minh hoạ Hình - 89 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Hòa Bình Sơn La với 21 ảnh chụp ngày 22/12/2003 14 ảnh chụp năm 2008 Hai loại ảnh này, nhóm tác giả có tham gia thực đề tài “Phát triển phần mềm xử lý ảnh viễn thám phần mềm GRASS’ Đây đề tài cấp nhà nước, thuộc Chương trình KHCN Vũ Trụ Ba là, loại ảnh Quickbird, gồm kênh: Lam, Lục, Đỏ, cận hồng ngoại, tải từ liệu mẫu trang http://opticks.org Do khuôn khổ báo có hạn, nhóm tác giả trình việc thử nghiệm với ba mẫu ảnh đầu vào khác Ảnh hiển thị minh họa thử nghiệm với SPOT lấy tổ hợp màu: Lục, Đỏ, Cận hồng ngoại Ảnh hiển thị minh họa thử nghiệm với QuickBird lấy tổ hợp màu tự nhiên, gồm kênh Blue, Green, Red Hình Lưu đồ thuật toán LaSRSIE Theo sơ đồ trên, thuật toán thực sau Đầu tiên, ảnh đầu vào giảm kích thước sử dụng biến đổi Wavelet thuận đến kích thước đủ nhỏ ảnh xấp xỉ cực tiểu lựa chọn Thực tăng cường ảnh xấp xỉ cực tiểu lựa chọn sử dụng thuật tốn LoRSIE Tiếp đó, thay ảnh xấp xỉ cực tiểu ảnh xấp xỉ tăng cường thực biến đổi ngược sử dụng biến đổi Wavelet nghịch để thu ảnh tăng cường ứng với ảnh gốc V THỬ NGHIỆM Chúng tiến hành thử nghiệm thuật toán tăng cường ảnh đề xuất so sánh với kết phương pháp tăng cường mờ Giả sử ảnh đầu vào có kích thước M x N điểm ảnh Nhóm tác giả thực phân rã Wavelet ảnh xấp xỉ ảnh xấp xỉ có kích thước khơng lớn 512 x 512 Tập liệu phục vụ cho thử nghiệm gồm ba loại Một là, loại ảnh LANDSAT ETM+ chụp khu vực Hòa Bình ngày 15/02/2001, bao gồm 11 ảnh ranh giới huyện ảnh theo ranh giới tỉnh tỉnh Hòa Bình Ảnh LANDSAT ETM+ gồm kênh [9]: Chàm, Lục, Đỏ, Cận hồng ngoại, Hồng ngoại trung, Hồng ngoại nhiệt, Hồng ngoại trung Hai là, loại ảnh SPOT 5, gồm kênh phổ: Lục (độ phân giải 10m), Đỏ (độ phân giải 10m), Cận hồng ngoại (độ phân giải 10m), Hồng ngoại trung (độ phân giải 20m), chụp khu vực Để đo chất lượng ảnh gốc ảnh tăng cường sử dụng số tuyến tính tham số mờ γ [2][8] Trong đó: ∑ ∑ ( ) (19) Chỉ số mờ định nghĩa Kaufmann [14] Chỉ số mờ, ví dụ, phản ánh không rõ ràng ảnh việc đo khoảng cách mặt phẳng thuộc tính mờ mặt phẳng thơng thường gần Chỉ số lưu ý độ khó việc định liệu điểm ảnh nên xem đen (tối) trắng (sáng) [16] V.1 Thử nghiệm Trong thử nghiệm 1, ảnh gốc ảnh vệ tinh LANDSAT khu vực huyện Kim Bơi có kích thước 1581 x 1527 (điểm ảnh) Bảng bao gồm ảnh đầu vào ảnh kết tăng cường sử dụng phương pháp mờ với toán tử tăng cường, hyperbol phương pháp cải tiến chúng tơi với hai tốn tử giãn hyperbol Về mặt trực quan, ta thấy ảnh sau tăng cường sử dụng phương pháp mờ tương quan màu các điểm ảnh không bảo tồn, đặc biệt với toán tử Hyperbol Trong đó, kết phương pháp cải tiến mang tính làm bật so với ảnh gốc - 90 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Bảng Tăng cường ảnh với phương pháp mờ cải tiến Tên Ảnh Đầu vào Hyperbol mờ Tập V-2, Số 14 (34), tháng 12/2015 Trong Bảng 4, qua việc so sánh số mờ, ta thấy γ ảnh sinh phương pháp cải tiến thấp khẳng định chất lượng ảnh tăng cường phương pháp cải tiến cao so với ảnh sinh phương pháp mờ Bảng thống kê thời gian thực thi thuật toán tăng cường Chúng ta thấy, thời gian thực thi thuật toán LoRSIE chậm nhiều so với thuật toán dựa logic mờ Điều dễ hiểu thuật tốn LoRSIE trước thực việc tăng cường phải thực thuật toán phân cụm mờ Thuật tốn phân cụm mờ có tốc độ chậm đặc biệt với ảnh kích thước lớn viễn thám Tuy nhiên, với hai mức biến đổi Wavelet, tốc độ thực thi thuật toán LaSRSIE thay đổi đáng kể so với LoRSIE Bảng 5: Thời gian thực thi Thuật toán Tăng cường mờ Hyperbol mờ Tăng cường mờ LoRSIE Giãn FCM LaSRSIE - Level Hyperbol FCM Giãn FCM LoRSIE LaSRSIE - Level Hyperbol FCM Bảng So sánh số mờ ảnh tăng cường theo phương pháp mờ cải tiến Hyperbol Tăng Giãn Hyperbol Kênh mờ cƣờng mờ FCM FCM 0.38 0.43 0.27 0.30 0.31 0.45 0.24 0.26 0.38 0.39 0.34 0.36 Thời gian 2485 2281 1028756 57764 1027408 57724 V.2 Thử nghiệm Trong thử nghiệm 2, ảnh gốc ảnh vệ tinh LANDSAT khu vực huyện Lạc Thủy thuộc tỉnh Hồ Bình có kích thước 1733 x 1747 Bảng bao gồm ảnh đầu vào ảnh kết tăng cường sử dụng phương pháp mờ với toán tử tăng cường, hyperbol phương pháp cải tiến chúng tơi với hai tốn tử giãn hyperbol Về mặt trực quan, ta thấy ảnh sau tăng cường sử dụng phương pháp mờ tương quan màu các điểm ảnh không bảo tồn, đặc biệt với toán tử Hyperbol Trong đó, kết phương pháp cải tiến mang tính làm bật so với ảnh gốc - 91 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Bảng Tăng cường ảnh với phương pháp mờ cải tiến Tên Ảnh Đầu vào Tập V-2, Số 14 (34), tháng 12/2015 Trong Bảng 7, qua việc so sánh số mờ, ta thấy γ ảnh sinh phương pháp cải tiến thấp khẳng định chất lượng ảnh tăng cường phương pháp cải tiến cao so với ảnh sinh phương pháp mờ V.3 Thử nghiệm Trong thử nghiệm 3, ảnh gốc ảnh vệ tinh LANDSAT khu vực thị xã Hòa Bình thuộc tỉnh Hồ Bình có kích thước 1512 x 2592 Bảng bao gồm ảnh đầu vào ảnh kết tăng cường sử dụng phương pháp mờ với toán tử tăng cường, hyperbol phương pháp cải tiến với hai toán tử giãn hyperbol Về mặt trực quan, ta thấy ảnh sau tăng cường sử dụng phương pháp mờ tương quan màu các điểm ảnh khơng bảo tồn, đặc biệt với tốn tử Hyperbol Trong đó, kết phương pháp cải tiến mang tính làm bật so với ảnh gốc Hyperbol mờ Tăng cường mờ Trong Bảng 9, qua việc so sánh số mờ, ta thấy γ ảnh sinh phương pháp cải tiến thấp khẳng định chất lượng ảnh tăng cường phương pháp cải tiến cao so với ảnh sinh phương pháp mờ Tuy nhiên, độ tương phản mặt số không cao nhiều so với phương pháp mờ Điều cho thấy phương pháp mờ cho kết tốt với mẫu thử nghiệm Giãn FCM V.4 Thử nghiệm Hyperbol FCM Trong thử nghiệm 4, ảnh gốc ảnh vệ tinh SPOT có kích thước 1951 x 1951 Bảng So sánh số mờ ảnh tăng cường theo phương pháp mờ cải tiến Kênh Hyperbol mờ Tăng cƣờng mờ Giãn FCM Hyperbol FCM 0.28 0.27 0.27 0.28 0.30 0.28 0.12 0.07 0.19 0.15 0.09 0.23 Bảng 10 bao gồm ảnh đầu vào ảnh kết tăng cường sử dụng phương pháp mờ với toán tử tăng cường, hyperbol phương pháp cải tiến chúng tơi với hai tốn tử giãn hyperbol Về mặt trực quan, ta thấy ảnh sau tăng cường sử dụng toán tử tăng cường mờ cải thiện phần độ tương phản Trong đó, kết toán tử Hyp mờ toán tử phương pháp cải tiến cho ảnh tương phản rõ rệt sáng nhiều - 92 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Bảng So sánh số mờ ảnh tăng cường theo phương pháp mờ cải tiến Bảng Tăng cường ảnh với phương pháp mờ cải tiến Tên Tập V-2, Số 14 (34), tháng 12/2015 Ảnh Kênh Hyperbol mờ 0.28 0.29 0.30 Tăng cƣờng mờ 0.29 0.35 0.32 Giãn FCM 0.25 0.21 0.29 Hyperbol FCM 0.28 0.22 0.30 Đầu vào Trong Bảng 11, qua việc so sánh số mờ, ta thấy γ ảnh sinh phương pháp cải tiến thấp khẳng định chất lượng ảnh tăng cường phương pháp cải tiến cao so với ảnh sinh phương pháp mờ Hyperbol mờ Tăng cường mờ Bảng 12 thống kê thời gian thực thi thuật toán tăng cường Chúng ta thấy, thời gian thực thi thuật toán LoRSIE chậm nhiều so với thuật toán dựa logic mờ Điều dễ hiểu thuật tốn LoRSIE trước thực việc tăng cường phải thực thuật toán phân cụm mờ Thuật toán phân cụm mờ có tốc độ chậm đặc biệt với ảnh kích thước lớn viễn thám Tuy nhiên, với hai mức biến đổi Wavelet, tốc độ thực thi thuật toán LaSRSIE thay đổi đáng kể so với LoRSIE V.5 Thử nghiệm Trong thử nghiệm 5, ảnh gốc ảnh vệ tinh Quickbird có kích thước 1904 x 1922 Giãn FCM Bảng 13 bao gồm ảnh đầu vào ảnh kết tăng cường sử dụng phương pháp mờ với toán tử tăng cường, hyperbol phương pháp cải tiến chúng tơi với hai tốn tử giãn hyperbol Về mặt trực quan, ta thấy ảnh sau tăng cường sử dụng toán tử theo phương pháp mờ cải thiện phần độ tương phản Trong đó, kết tốn tử Hyp mờ toán tử phương pháp cải tiến cho ảnh tương phản sáng nhiều Hyperbol FCM - 93 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Bảng 10 Tăng cường ảnh với phương pháp mờ cải tiến Tên Bảng 12: Thời gian thực thi Thuật toán Ảnh Đầu vào Hyperbol mờ 25188 Tăng cường mờ 25414 Giãn FCM Hyperbol mờ Hyperbol FCM LoRSIE LaSRSIE-2 Level LoRSIE LaSRSIE-2 Level Hyperbol FCM Bảng 11 So sánh số mờ ảnh tăng cường theo phương pháp mờ cải tiến 152671 2005443 152484 Bảng 15 thống kê thời gian thực thi thuật toán tăng cường Chúng ta thấy, thời gian thực thi thuật toán LoRSIE chậm nhiều so với thuật toán dựa logic mờ Điều dễ hiểu thuật toán LoRSIE trước thực việc tăng cường phải thực thuật toán phân cụm mờ Thuật toán phân cụm mờ có tốc độ chậm đặc biệt với ảnh kích thước lớn viễn thám Tuy nhiên, với hai mức biến đổi Wavelet, tốc độ thực thi thuật toán LaSRSIE thay đổi đáng kể so với LoRSIE Giãn FCM Hyperbol mờ 0.72 0.87 0.85 2005436 Trong bảng 14, qua việc so sánh số mờ, ta thấy γ ảnh sinh phương pháp cải tiến thấp khẳng định chất lượng ảnh tăng cường phương pháp cải tiến cao so với ảnh sinh phương pháp mờ Tăng cường mờ Kênh Thời gian Tăng cƣờng mờ 0.60 0.84 0.81 Giãn FCM 0.20 0.33 0.22 Hyperbol FCM 0.33 0.51 0.41 - 94 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Bảng 13 Tăng cường ảnh với phương pháp mờ cải tiến Tên Bảng 15 Thời gian thực thi Thuật toán Hyperbol mờ Tăng cường mờ LoRSIE Giãn FCM LaSRSIE-2 Level LoRSIE Hyperbol LaSRSIE-2 FCM Level Ảnh Đầu vào Tăng cường mờ Giãn FCM Hyperbol FCM Bảng 14 So sánh số mờ ảnh tăng cường theo phương pháp mờ cải tiến Kênh Tăng cƣờng mờ 0.60 0.84 0.81 Thời gian 22406 22922 2595006 184158 2592406 184127 V KẾT LUẬN Hyperbol mờ Hyperbol mờ 0.72 0.87 0.85 Tập V-2, Số 14 (34), tháng 12/2015 Giãn FCM 0.20 0.33 0.22 Hyperbol FCM 0.33 0.51 0.41 Trong nghiên cứu này, đề xuất cá thuật toán cho tăng cường ảnh viễn thám LoRSIE viễn thám kích thước lớn LaSRSIE dựa tiếp cận cục LoRSIE chia thành bốn giai đoạn Thứ nhất, ảnh cục hóa thuật tốn phân cụm mờ Thứ hai, tính tự động ngưỡng theo cụm Thứ ba, hiệu chỉnh công thức biến đổi mức xám để phù hợp cho việc biến đổi theo cụm Giai đoạn cuối sinh ảnh tăng cường qua việc tổng hợp mức xám từ cụm theo công thức biến đổi mức xám hiệu chỉnh Với LaRSIE, ảnh viễn thám kích thước lớn trước tiên giảm kích thước sử dụng biến đổi Wavelet thuận Ảnh xấp xỉ cự tiểu lựa chọn tăng cường sử dụng LoRSIE Ảnh tăng cường cuối sinh thông qua biến đổi Wavelet nghịch Kết thử nghiệm cho thấy phương pháp cải tiến cho chất lượng ảnh tăng cường cao so với phương pháp tăng cường dựa logic có thực tốt ảnh viễn thám kích thước lớn Ngồi ra, với ảnh viễn thám kích thước trung bình, thuật tốn LaRSIE giúp cải thiện tốc độ thực thi so với thuật toán LoRSIE Tuy nhiên, tốc độ thực thi thuật toán dựa tiếp cận cục chậm Ngay thuật tốn LaRSIE, dù cải thiện tốc độ so với LoRSIE chậm so với thuật tốn dựa logic mờ Trong nghiên cứu tiếp theo, dự kiến nghiên cứu giải pháp tăng tốc độ thuật toán phân cụm mờ để tăng tốc độ thực thi cho thuật tốn LoRSIE - 95 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT TÀI LIỆU THAM KHẢO [1] J.C BEZDEK, R EHRLICH, W.FULL, FCM: The fuzzy c-Means clustering algorithm, Computers & Geosciences Vol 10, No 2-3, (1984), pp 191-203 [2] A.E HASANIEN, A, BADR, A Comparative Study on Digital Mamography Enhancement Algorithms Based on Fuzzy Theory, Studies in Informatics and Control, Vol.12, No.1, March 2003 [3] ZHU XIFANG, WU FENG, An Improved Approach to Remove Cloud and Mist from Remote Sensing Images Based on Mallat Algorithm, International Symposium on Photoelectronic Detection and Imaging 2007, Beijing 2007 Tập V-2, Số 14 (34), tháng 12/2015 [10] PAL, S K., KING, R A., Image Enhancement Using Smoothing with Fuzzy Sets, IEEE Transactions on Systems, Man and Cybernetics, vol SMC-11, no 7, pp 494-501, July 1981 [11] PAL S K., KING R A., On edge detection of X-ray images using fuzzy sets, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol PAMI-5, No 1, pp 69-77, 1983 [12] BANKS, S., Signal Processing, Image Processing and Pattern Recognition, Prentice Hall International, 1990 [13] TIZHOOSH H R., FOCHEM M., Image Enhancement with Fuzzy Histogram Hyperbolization, Proceedings of EUFIT’95, vol 3, pp 1695-1698, 1995 [4] BEZDEK, J C, Pattern Recognition with Fuzzy Objective Function Algorithm New York: Plenum Press, 1981 [14] KAUFMANN A., Introduction to the Theory of Fuzzy Subsets-Fundamental Theoretical Elements, vol 1, Academic Press, New York, 1975 [5] ROSS, T J, Fuzzy logic with engineering applications, Fuzzy classifying, Hoboken, NJ: John Wiley, pp 379 387, 2004 [15] DE LUCA A., TERMINI S., A definition of no probabilistic entropy in the setting of fuzzy set theory, Information and Control, vol 20, pp 301-312, 1972 [6] ERIKSEN J P, PIZER S M, AUSTIN J D, A multiprocessor engine for fastcontrast limited adaptive histogram equalisation SPIE Conference Medical Imaging IV- Image Processing SPIE Vol 1233,1994 [16] PAL S.K., KUNDU M.K., Automatic selection of object enhancement operator with quantitative justification based on fuzzy set theoretic measures, Pattern Recognition Letters, vol 11, pp 811-829, 1990 [7] GORDON R, RANGAYAN R M, Feature enhancement of film mammograms using fixed and adaptive neighbourhoods Applied Optics 23 560-564, 1984 [17] Canada Center for Remote Sensing, Fundamentals of Remote Sensing, http://www.ccrs.nrcan.gc.ca, 2008 [8] G SUDHAVANI, M SRILAKSHMI, P VENKATESWARA RAO, Comparison of Fuzzy Contrast Enhancement Techniques, International Journal of Computer Applications, Volume 95– No.22, June 2014, pp 0975 – 8887 [9] ZADEH, L A., A Fuzzy-Set-Theoretic Interpretation of Linguistic Hedges, J Cybern., vol 2, pp 4-34, 1972 [18] ADLIN SHARO T, KUMUDHA RAIMOND, A Survey on Color Image Enhancement Techniques, IOSR Journal of Engineering (IOSRJEN), Vol 3, Issue (Feb 2013) [19] AMAN TUSIA, DR NARESH KUMAR, Performance Analysis of Type-2 Fuzzy System for Image Enhancement using Optimization, International Journal of Enhanced Research in Science Technology & Engineering, Vol Issue 7, July-2014, pp: (108-116) Ngày nhận bài: 02/06/2015 - 96 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 SƠ LƢỢC VỀ TÁC GIẢ ĐẶNG VĂN ĐỨC NGUYỄN TU TRUNG Sinh năm 1951 Sinh năm 1985 Hà Nội Tốt nghiệp trường ĐH Sư phạm Hà Nội năm 2007 thạc sỹ trường ĐH Công Nghệ, ĐH Quốc gia Hà Nội năm 2011, nghiên cứu sinh khóa 2013, Học viện Cơng nghệ Bưu Viễn thông Hiện công tác Viện CNTT, Viện Hàn lâm KHCNVN Nhận học vị Tiến sĩ năm 1996 Nhận chức danh Phó Giáo sư năm 2002 Hiện cơng tác Viện CNTT, Viện Hàn lâm KHCNVN Lĩnh vực nghiên cứu: GIS Viễn thám, Đa phương tiện, Công nghệ phần mềm Điện thoại: 0912 223 163 E-mail: dvduc@ioit.ac.vn Lĩnh vực nghiên cứu: Xử lý ảnh, xử lý tiếng nói, hệ thống thông tin, hệ thống nhúng Điện thoại: 0936 114 331 E-mail: nttrung@ioit.ac.vn VŨ VĂN THỎA Sinh năm 1955 Ninh Binh Tốt nghiệp Đại học Sư phạm Vinh năm 1975, Tiến Sĩ Viện Điều khiển Liên Xô cũ năm 1990 Hiện công tác Khoa Quốc tế Đào tạo Sau Đại học, Học viện Công nghệ Bưu Viễn thơng Lĩnh vực nghiên cứu: Lý thuyết thuật tốn, tối ưu hóa, hệ thơng tin địa lý, mạng viễn thông Điện thoại: 0913 321 674 E-mail: thoa236@gmail.com - 97 - ... XUẤT PHƢƠNG PHÁP TĂNG CƢỜNG ẢNH VIỄN THÁM DỰA TRÊN TIẾP CẬN CỤC BỘ Để khắc phục hạn chế nêu mục III.4 báo này, đề xuất phương pháp tăng cường độ tương phản ảnh viễn thám dựa tiếp cận cục theo cụm... xám tăng cường độ tương phản theo cụm trước tổng hợp lại Ngoài ra, chúng tơi đề xuất thêm thuật tốn tăng cường ảnh viễn thám kích lớn dựa thuật tốn tăng cường độ tượng phản cục nói IV.1 Tăng. .. tăng cường ảnh viễn thám dựa tiếp cận cục Giai Nhiệm vụ đoạn Cục hóa ảnh viễn thám dựa thuật toán phân cụm Xây dựng mơ hình hiệu chỉnh mức xám theo cụm Tính ngưỡng tự động theo cụm Sinh ảnh tăng