Đang tải... (xem toàn văn)
Nâng cao độ tương phản ảnh có hai phương pháp chính (1) phương gián tiếp và (2) phương trực tiếp. Trong khi các phương pháp gián tiếp chỉ biến đổi histogram mà không sử dụng bất kỳ một độ đo tương phản nào, các kỹ thuật này cũng chỉ tác động lên toàn ảnh chứ không tác động lên từng điểm ảnh thì các phương pháp trực tiếp thiết lập các điều kiện của phép đo độ tương phản và tác động trực tiếp lên từng điểm ảnh.
Cơng nghệ thơng tin & Cơ sở tốn học cho tin học VỀ MỘT HỆ LUẬT NGÔN NGỮ XÂY DỰNG TOÁN TỬ HINT VÀ ÁP DỤNG TRONG NÂNG CAO ĐỘ TƯƠNG PHẢN ẢNH MẦU Nguyễn Văn Quyền1*, Ngơ Hồng Huy2, Nguyễn Văn Đồn2, Phạm Thị Kim Dung2 Tóm tắt: Nâng cao độ tương phản ảnh có hai phương pháp (1) phương gián tiếp (2) phương trực tiếp Trong phương pháp gián tiếp biến đổi histogram mà không sử dụng độ đo tương phản nào, kỹ thuật tác động lên tồn ảnh khơng tác động lên điểm ảnh [5-8] phương pháp trực tiếp thiết lập điều kiện phép đo độ tương phản tác động trực tiếp lên điểm ảnh [1-2, 9-14] Theo hướng trực tiếp, chúng tơi xây dựng tốn tử Hint dựa hệ luật ngôn ngữ với gia tử nhấn “Very” giải công cụ Đại số gia tử [9, 14] Trong báo này, chứng minh rằng, hệ luật có kết tương đương với hệ luật sử dụng hai gia tử nhấn “Very” “Little” Từ khóa: Nâng cao độ tương phản ảnh trực tiếp; S-function; Toán tử tăng cường mờ; Phân cụm mờ; Đại số gia tử; Histogram mờ; Ảnh đa kênh; Toán tử Hint MỞ ĐẦU Nâng cao độ tương phản ảnh vấn đề quan trọng xử lý phân tích hình ảnh Đây bước phân đoạn ảnh [1] Có hai phương pháp thông dụng để nâng cao độ tương phản ảnh (1) phương gián tiếp (2) phương trực tiếp [2] Trong phương pháp gián tiếp biến đổi histogram ảnh tác động lên tồn ảnh khơng tác động lên điểm ảnh [5-8], phương pháp trực tiếp thiết lập điều kiện phép đo độ tương phản tác động trực tiếp lên điểm ảnh [9-14] Phương pháp trực tiếp, thuật tốn sử dụng tốn tử Hint chứng tỏ tính hiệu so với phương pháp gián tiếp [9, 14] Phương pháp sử dụng hàm biến đổi tăng độ đo tương phản điểm ảnh bảo toàn chất lượng ảnh [9, 14] Trong [9, 14], Hint thiết kế dựa hệ luật ngôn ngữ biểu diễn Đại số gia tử [ĐSGT] sau: R1 : Nếu x y 0; R2 : Nếu x c y very c ; R3: Nếu x W y W; R4 : Nếu x c y very c ; R5 : Nếu x y Hệ năm luật sử dụng gia tử “Very” Câu hỏi tự nhiên đặt sử dụng nhiều gia tử kết tốn tử Hint thay đổi tốt không? Trong báo này, chứng minh việc mở rộng hệ luận ngôn ngữ lên luật với hai gia tử nhấn “Very” “Little” để xây dựng tốn tử Hint, ứng dụng vào quy trình nâng cao độ tương phản ảnh mầu theo hướng tiếp cận trực tiếp cho kết với việc xây dựng toán tử Hint sử dụng hệ luật ngôn ngữ với gia tử nhấn “Very”, điều thể độ mạnh mẽ toán tử Hint phép lập luận đơn điệu tăng Đại số gia tử Phần lại báo cấu trúc sau: Phần II trình bày nghiên cứu liên quan; Phần III trình bày hệ luật ngơn ngữ mở rộng cho tốn tử Hint định lý chứng tỏ toán tử Hint [9] thỏa mãn hệ luật mới; Kết luận đưa phần IV 160 N V Quyền, …, P T K Dung, “Về hệ luật ngôn ngữ … độ tương phản ảnh mầu.” Nghiên cứu khoa học công nghệ NGHIÊN CỨU LIÊN QUAN 2.1 Tổng quan Đại số gia tử 2.1.1 Đại số gia tử biến ngôn ngữ Giả sử X biến ngôn ngữ miền giá trị X Dom(X) ĐSGT AX tương ứng X thành phần AX ( Dom( X ), C, H , ) , đó, C tập phần tử sinh, H tập gia tử quan hệ “” quan hệ cảm sinh ngữ nghĩa X [3] Trong ĐSGT AX ( Dom( X ), C, H , ) Dom( X ) C tập thứ tự tuyến tính AX gọi ĐSGT tuyến tính 2.1.2 Các hàm đo ĐSGT tuyến tính Trong phần này, ta sử dụng ĐSGT tuyến tính AX ( X , C, H , ) với C c , c 0,1, W , H H H , H h1 , h2 , H h1 , h2 , hp thỏa h1 h2 h q thỏa h1 h2 h q hp h0 I với I toán tử đơn vị Gọi H ( x) tập phần tử X sinh từ x gia tử Độ đo tính mờ x , ta ký hiệu fm( x) , đường kính tập f ( H ( x)) f (u) : u H ( x) Định nghĩa 2.1 [4] Cho ĐSGT AX ( X , C, H , ) Hàm fm : X [0,1] gọi hàm độ đo tính mờ phần tử X nếu: (i) fm(c ) fm(c ) hH fm(hu) fm(u) , với u X ; (ii) fm( x) với x cho H ( x) x Đặc biệt fm(0) fm(W) fm(1) ; fm(hx) fm(hy) , tỷ lệ không phụ thuộc vào x, y fm( x) fm( y) gọi độ đo tính mờ gia tử h , ký hiệu (h) (ii) x, y X , h H , Mệnh đề 2.1 [4] Cho fm hàm độ đo tính mờ X , ta có: i) fm(hx) (h) fm( x), x X ii) fm(c ) fm(c ) iv) v) iii) q i p, i 0 q i p, i q i 1 fm(hi c) fm(c), c c , c (1) fm(hi x) fm( x) (hi ) 1 i p (hi ) , , Định nghĩa 2.2 [4] Hàm dấu sign: X 1,0,1 định nghĩa đệ quy sau: i) sign(c ) 1, sign(c ) ; ii) sign(h' hx) sign(hx) h' hx hx h ' âm h (hoặc tương ứng với c , h I & x c ); (2) iii) sign(h' hx) sign(hx) h' hx hx h ' dương h (hoặc tương ứng với c , h I & x c ); iv) sign(h' hx) , h' hx hx Mệnh đề 2.2 [4] Với gia tử h H phần tử x X , sign(hx) ta có hx x sign(hx) 1 hx x Tạp chí Nghiên cứu KH&CN quân sự, Số 68, - 2020 161 Cơng nghệ thơng tin & Cơ sở tốn học cho tin học Định nghĩa 2.3 [4] Cho fm hàm độ đo tính mờ X Một hàm định lượng ngữ nghĩa v X (kết hợp với fm ) định nghĩa sau: v(W) fm(c ) (0 1) i) v(c ) fm(c ), v(c ) fm(c ) ii) j 0, q j p, v(h j x) v( x) sign(h j x){ def Trong đó, (h j x) , , (h j x) j fm(hi x) (h j x) fm(h j x)} i Sign ( j ) (3) [1 sign(h j x) sign(hp h j x)( )] Mệnh đề 2.3 [4] x X ,0 v( x) 2.1.3 Phép nội suy sử dụng SQM (Semantically quantifying mapping - Ánh xạ định lượng ngữ nghĩa) Xét hệ luật ngôn ngữ: Nếu X1 A11 X m A1m Ym B1 Nếu X1 A21 X m A2m Ym B2 (4) Nếu X1 An1 X m Anm Ym Bn Trong ĐSGT, phương pháp giải hệ luật (4) thực sau: Bước 1: Xác định ĐSGT cho biến ngôn ngữ X j Y là: AX j ( X j , G j , C j , H j , ) AY (Y , G, C, H , ) tương ứng Giả sử v X j vY SQM ĐSGT AX j AY m Gọi S L X j Y tương ứng, j 1,2, ngôn ngữ Snorm vX j (x j ) j 1, m , vY ( y) j 1, m ,y i 1, n n X j Y siêu mặt j 1 [0,1]m1 x j X j , j 1, m, yY (2) nhúng n điểm Ai Ai1 , ngữ S L không gian X1 xj biến ngơn ngữ Aim , Bi sau đó, (2) mô tả siêu mặt ngôn Xm Y Bước 2: Xác định phương pháp nội suy Snorm Tính SQM vX j (Aij ) , vY ( Bi ) ( j 1, m, i 1, n ) sử dụng công thức (1), (2) (3) Siêu mặt Snorm vX j (Aij ) nhập m-đối f S norm j 1, m , v f Snorm (u1 , kiện vY ( Bi ) f Snorm (vX ( Ai1 ), , vY ( Bi ) xác định hàm kết i 1, n , um ), v [0,1] u j [0,1], j 1, m , thỏa mãn điều vXm ( Aim )), i 1, n Chúng ta sử dụng nhiều phép nội suy có để thực nội suy Bước 3: Tìm đầu chuẩn hóa 0,1 B0 tương ứng với đầu vào A0 chuẩn hóa [0, 1]: A0 a0,1 , 162 a0,m , a0, j 0,1 for j 1, m , b0 f Snorm a0,1 , , a0,m [0,1] (5) N V Quyền, …, P T K Dung, “Về hệ luật ngôn ngữ … độ tương phản ảnh mầu.” Nghiên cứu khoa học công nghệ 2.2 Hint [9, 14] Trong [9, 14], tác giả đề xuất toán tử Hint xây dựng dựa hệ luật gồm luật gia tử very định lý liên quan sau: Định nghĩa 2.1 [9, 14]: Bộ AX , AY , F gọi toán tử HAINT (HA intensificator Toán tử tăng cường Đại số gia tử) nếu: (i) AX ( X , C, W, H, ) , AY (Y , C, W, H, ) với Dom( X ) Dom(Y ), C c , c , c low, c high , H H H , H little , H very , fm(c ),1 fm(c ) , X X (little), X X X (very),Y Y (little), Y Y Y (very), , X ,Y [0,1], vX , vY hàm định lượng ngữ nghĩa ĐSGT X Y tương ứng v (v.low) (ii) Y 1 v X (low) (iii) Hàm F: [0, 1] [0, 1] đơn điệu tăng thực sự, liên tục (suy hàm ngược F đơn điệu tăng thực sự, liên tục) tăng cường ngưỡng : R1 : Nếu x y R2 : Nếu x c y very c R3 : Nếu x W y W (6) R4 : Nếu x c y very c R5 : Nếu x y Diễn giải miền giá trị số: (i) (ii) tương đương với: F (vx (c )) vY (c ), F ( ) , F (vx (c )) vY (c ) F (vx (low)) vY (v.low) F (vx (high)) vY (v.high) Suy ra: F 0 0, F , F 1 F X Y2 , F 1 X 1 Y2 1 vY (v.low) Y2 1, vX (low) X gc ( , X , m)( x ),0 x H int( x ) 1 gc (1 , X , m)(1 x ), x với hàm gc , x , m ( xs ) xác định sau: Định lý [9, 14]: m x m X 1 log +x m X , g ( x ) ( X , m) c 1 X x log 1 X +x x (7) x x -x , -x (8) m X log m X gc ( x ) x hay , , x , tham số ( X , m) gc ( x ) x 1 X log 1 X Tạp chí Nghiên cứu KH&CN quân sự, Số 68, - 2020 163 Công nghệ thơng tin & Cơ sở tốn học cho tin học Khi (AX, AY, Hint) HA-intensificator, ngồi Hint thỏa mãn: H int( x ) H int( x ) max m, x x [ X , ] (0, X ] H int(1 x ) H int(1 x ) max m 1 x 1 x [ X ,1] [ , X ] Chứng minh Định lý xem [9, 14] Hình hình diễn tả tính chất nhấn trường hợp m thay đổi, cụ thể giá trị m lớn mức nâng tương phản Hình Trường hợp =0.6;x=0.6 > m=0.4 Hình Trường hợp =0.6;x=0.5 < m=0.8 Ta thấy tốn tử Hint xây dựng dựa hệ luật ngôn ngữ gồm luật gia tử nhấn very mà không sử dụng gia tử little Tính hiệu nâng cao độ tương phản ảnh mầu Thuật toán sử dụng Hint chứng tỏ tốt phương pháp gián tiếp tốt thuật toán theo phương pháp trực tiếp Cheng [1, 2] KỸ THUẬT ĐỀ XUẤT 3.1 Mở rộng hệ luật thành luật với việc bổ sung gia tử little Phần trình bày hệ luật ngôn ngữ với hai gia tử “Verry” “Little” mở rộng hệ luật ngôn ngữ [9] sử dụng để xây dựng toán tử Hint Chứng minh toán tử Hint [9] thỏa mãn hệ luật R1: Nếu x c y c R2: Nếu x c y c R3: Nếu x W y W R4: Nếu R5: Nếu R6: Nếu R7: Nếu (9) low very low high very high little low low little high high Mệnh đề 3.1: def Với X ( Y ,1), m vx [0,1] 164 Y2 X def T1, (vx ) vx vx , vx [0,1] def T1,1 (vx ) vx 1 vx 1 N V Quyền, …, P T K Dung, “Về hệ luật ngôn ngữ … độ tương phản ảnh mầu.” Nghiên cứu khoa học công nghệ 1 X m X ( X , m) (0, m) : , C [0,1] m X 1 X def T2 (C ) C (10) T [0, ]1 T T (v ) , v 1, x x 1, F (vx ) 1 1 T1,1 [0,1 ] T2 T1,1 (1 vx ) , vx (11) m X log m X ( X , m) 1 X log 1 X (12) vx 1 +vx , v x vx +vx F (v x ) vx 1 1 1 +1-vx , v x vx 1 +1-vx (13) Chi tiết (i) Nếu Y [0.7,1) ta có: F vX ( L.low) vY (low) (L ký hiệu little) (ii) Nếu vY ( L.low) F vX ( L.low) Như vậy, Hint coi thỏa mãn luật sau: R6: Nếu x little low y low R7: Nếu x little high y high Chứng minh (i) vX ( L.low) vX (low) X X X X X X X (1 X ) vY (low) Y X m X X m X F :[0, ] [0, ] vX ( L.low) [0, ] t T1, [0, ] 1 F vX ( L.low) t t [0, ], t vX ( L.low) T T 1, vX ( L.low) t F vX ( L.low) vY (low) Y t Y t Y Vậy ta phải chứng minh v X ( L.low) X X (1 X ) Y Y Y Y v X ( L.low) X X (1 X ) Tạp chí Nghiên cứu KH&CN quân sự, Số 68, - 2020 165 Công nghệ thông tin & Cơ sở toán học cho tin học 1 X Y X X (1 X ) Y , ta chứng minh điều mạnh 1 X 2 1 X Y Y (14) 2 Thật vậy, 1 X 1 X X 1 X X 1 X m X 1 X 1 X 1 X m X 1 X X (BĐT Becnuli), m [Hint], 1 X X m X , Vậy vế trái (9) thỏa 2 1 X 2 Y2 m X m X 1 m X 1 X m X Y2 m X Để chứng minh (9) ta chứng minh 1 2 Y Y2 (15) 1 Y 1 Y Y 1 Y 1 Y 1 Y Y Y2 Y Y2 Y 2 1 Y 1 Y Y2 1 Y 1 3Y 3Y2 Y3 Y2 2Y 2Y3 Y4 Y2 2Y2 Y3 Y Y3 2Y2 Y Điều Y 0.7 Y3 2Y2 Y 0.343 0.98 0.7 2.023 Vậy (9) đúng, suy F vX ( L.low) vY (low) (16) Nhận xét: Thực chất chứng minh chặt Y2 Với Y [0.6321,1), X ( ,1) m F vX ( L.low) vY (low) X def Y Thật vậy, bất đẳng thức (11) tương đương với Y2 ln Y Y ln Y 1 X ln 1 X 2 X X ln 1 2 X (17) (ii) Tương đương với 1 X ln 1 X 2 X X ln 1 X Y2 ln Y 2 Y Y ln 1 Y (18) Cả hai hàm vế trái vế phải bất đẳng thức (17) đơn điệu tăng, dùng Matlab quan sát đồ thị 166 N V Quyền, …, P T K Dung, “Về hệ luật ngôn ngữ … độ tương phản ảnh mầu.” Nghiên cứu khoa học cơng nghệ Hình Đồ thị hai hàm số vế trái vế phải bất đẳng thức (17) 3.2 Thuật toán nâng cao độ tương phản ảnh đa kênh sử dụng Hint Trong mục này, đề xuất hai thuật toán để áp dụng toán tử tăng cường Hint để nâng cao độ tương phản cho ảnh đa kênh Chi tiết hai thuật toán thể sau Thuật toán 1: Nâng cao độ tương phản ảnh đa kênh I = {I1, I2, … Ik} sử dụng Hint Đầu vào: K kênh ảnh I (trong biểu diễn màu), I1, K {I1 , I2 , , I K } , tham số C N , C , M x N kích thước ảnh I, 1 k, tham số đại số gia tử Đầu ra: Ảnh I’ = {I’1, I2’, … Ik’} Bước 1: Phân ảnh I = {I1, I2, … Ik} thành C cụm sử dụng thuật tốn FCM; Bước 2: Tính histogram mờ kênh ảnh Ik, k = … K g, Lk,min g Lk,max, hck g ( i , j ) gij g1ij , gij2 , , gijK :gijk g i , j ,c Bước 3: Tính độ xám nâng cao đoạn [0, 1] ' g k,ij H int ij,c , X ij , ij NC c 1 l B ck max , ,1 B ck B ck C ' Bước 4: Kết thúc, trả lại ảnh nâng cao { g k,ij * (Lk, max – Lk, min) + Lk, min, ≤ k ≤ K } Thuật tốn có độ phức tạp O(MN), đó, M, N kích thước ảnh THỰC NGHIỆM Tập liệu dùng để thực nghiệm 24 ảnh mầu có độ sáng cao có độ tương phản thấp biểu diễn mầu RGB biểu diễn mầu HSV thu thập [15] Khi đánh giá kết Thuật toán chúng tơi so sánh với thuật tốn cơng bố [5-8] Vì giới hạn khơng gian trình bày báo, lựa chọn ảnh I02, I10 I24 để minh họa: (d) GHMF [7] (e) ROHIM [8] (f) Hint Hình Ảnh đầu ảnh gốc I02 tập liệu ảnh TID2013 kết toán tử quan sát mắt người Tạp chí Nghiên cứu KH&CN quân sự, Số 68, - 2020 167 Công nghệ thông tin & Cơ sở toán học cho tin học (a) Ảnh gốc I10 (b) ESIHE [5] (c) RICE [6] (d) GHMF [7] (e) ROHIM [8] (f) Hint Hình Ảnh đầu ảnh gốc I10 tập liệu ảnh TID2013 kết toán tử quan sát mắt người (a) Ảnh gốc I24 (b) ESIHE [5] (c) RICE [6] (d) GHMF [7] (e) ROHIM [8] (f) Hint Hình Ảnh đầu ảnh gốc I24 tập liệu ảnh TID2013 kết toán tử quan sát mắt người Từ hình đến hình ta thấy, ảnh đầu tốn tử Hint có mầu sắc tươi rõ ràng so với tốn tử cịn lại Ngồi ra, nhiều chi tiết ảnh đầu theo toán tử Hint rõ ràng hơn, đặc biệt tập trung vào khu vực đánh dấu ảnh hình Có thể thấy rằng, phương pháp đề xuất có số điểm mạnh phương 168 N V Quyền, …, P T K Dung, “Về hệ luật ngôn ngữ … độ tương phản ảnh mầu.” Nghiên cứu khoa học công nghệ pháp tương ứng Điều cho thấy, Hint phương pháp trực tiếp có kỹ thuật thực đạt cân đặc điểm toàn cục cục thay đổi ĐTP điểm ảnh ảnh Hiệu toán tử Hint so với phương pháp tương ứng phân tích cho thấy ưu điểm phương pháp đề xuất KẾT LUẬN Trong báo này, để xuất hệ luật ngôn ngữ mở rộng [9], từ hệ luật ngôn ngữ với gia tử nhấn “Very” thành hệ luật ngôn ngữ với hai gia tử “Very” “Little” để xây dựng toán tử Hint ứng dụng vào quy trình nâng cao độ tương phản ảnh mầu theo hướng trực tiếp Bằng phương pháp Tốn học chúng tơi chứng minh Hint [9] thỏa mãn hệ luật Ngồi ra, chúng tơi thực nghiệm ứng dụng toán tử Hint xây dựng hệ luật ngôn ngữ đề xuất vào quy trình nâng cao độ tương phản ảnh mầu theo hướng trực tiếp, kết tương đương với Hint [9] Điều chứng tỏ việc mở rộng hệ luật cách bổ sung thêm luật thêm gia tử để xây dựng toán tử Hint áp dụng vào quy trình nâng cao độ tương phản ảnh màu theo hướng tiếp cận trực tiếp chưa cho kết tốt Lời cảm ơn: Bài báo nghiên cứu Quỹ Phát triển khoa học công nghệ Quốc gia (NAFOSTED) tài trợ khuôn khổ đề tài mã số 102.01-2017.06 TÀI LIỆU THAM KHẢO [1] Cheng H.D, Huijuan Xu, “A novel fuzzy logic approach to contrast enhancement”, Pattern Recognition 33 (2000):809-819 [2] Cheng H.D., Mei Xue, Shi X,J., “Contrast enhancement based on a novel homogeneity measurement”, Pattern Recognition 36 (2003):2687 – 2697 [3] C.H Nguyen, “A topoligical completion of refined hedge algebras and a model of fuzziness of linguistic terms and hedges”, Fuzzy sets and systems 158 (4), (2007), 436-451 [4] C.H Nguyen, V.L Nguyen, “Fuzziness measure on complete hedges algebras and quantifying semantics of terms in linear hedge algebras”, Fuzzy sets and systems 158 (4), (2007), 452-471 [5] K Singh, R Kapoor (2014), "Image enhancement using exposure based sub image histogram equalization", Pattern Recogn Lett 36, pp:10–14 [6] K Gu, G Zhai, M Liu, Q Xu, X Yang, and W Zhang (2013), "Brightness preserving video contrast enhancement using S-shaped transfer function," in Proc IEEE Vis Commun Image Process., pp 1-6 [7] K Gu, G Zhai, S Wang, M Liu, J Zhou, and W Lin (2015), "A general histogram modification framework for efficient contrast enhancement," in Proc IEEE Int Symp Circuits and Syst., pp 2816-2819 [8] K Gu, G Zhai, W Lin, and M Liu (2016), "The analysis of image contrast: From quality asessment to automatic enhancement," IEEE Trans Cybernetics, vol 46, no 1, pp 284-297 [9] Hoang Huy Ngo, Cat Ho Nguyen, Van Quyen Nguyen, “Multichanel Image contrast enhancement based on linguistic rule-based intensificator”, Applied soft computing jounal 76 (2019): 744-762 [10] Nguyễn Văn Quyền, Trần Thái Sơn, Nguyễn Tân Ân, Ngơ Hồng Huy, Đặng Duy An, “Một phương pháp để nâng cao độ tương phản ảnh mầu theo hướng tiếp Tạp chí Nghiên cứu KH&CN quân sự, Số 68, - 2020 169 Công nghệ thông tin & Cơ sở toán học cho tin học cận trực tiếp”, Tạp chí Cơng nghệ Thơng tin Truyền thông, Tập V-1 số 17(37), 06-2017, trang 59-74 [11] Nguyễn Văn Quyền, Ngơ Hồng Huy, Nguyễn Cát Hồ, Trần Thái Sơn, “Xây dựng độ đo nâng cao độ tương phản ảnh mầu theo tiếp cận trực tiếp dựa ĐSGT”, Tạp chí Cơng nghệ Thơng tin Truyền thông, Tập V-2 số 18(38), 12-2017, trang 19-32 [12] Nguyễn Văn Quyền, Nguyễn Tân Ân, Đồn Văn Hịa, Hồng Xuân Trung, Tạ Yên Thái, “Xây dựng độ đo cho ảnh mầu dựa toán tử t-norm”, Tạp chí Nghiên cứu khoa học cơng nghệ qn sự, số 49, 06-2017, trang 117-131 [13] Nguyễn Văn Quyền, Nguyễn Tân Ân, Đồn Văn Hịa, Hồng Xn Trung, Tạ Yên Thái, “Phương pháp xây dựng histogram mở rộng cho ảnh đa kênh ứng dụng”, Tạp chí Nghiên cứu khoa học công nghệ quân sự, số 50, 08-2017, trang 127-137 [14] Nguyễn Văn Quyền, Nguyễn Tân Ân, Trần Thái Sơn, “Thiết kế hàm biến đổi độ xám dạng chữ S tăng cường độ tương phản ảnh sử dụng ĐSGT”, Kỷ yếu hội thảo quốc gia nghiên cứu Cơ Ứng dụng công nghệ thông tin lần thứ 10 (Fair 10), tháng năm 2017, trang 884-897 [15] Ponomarenko N Ponomarenko, L Jin, O Ieremeiev, V Lukin, K Egiazarian, J Astola, B Vozel, K Chehdi, M Carli, F.Battisti, C.-C Jay Kuo (2015), “Image database TID2013: Peculiarities, results and perspectives, Signal Processing”, Image Communication, vol 30, pp.57-77 ABSTRACT ABOUT LINGUISTIC RULE SYSTEM AND APPLICATION IN COLOUR IMAGE CONTRAST ENHANCEMENT Image contrast enhancement has two main methods: (1) indirect method and (2) direct method The indirect method is only to modify the histogram, which is not efficient and effective since it only stretches the global distribution of the intensity, the direct method is to define a measurement of the contrast and stretches on each pixel of the image In the direct method, we have built the Hint operator based on a rules linguistic system with only a hedge "Very" and solved by the Hedge Algebra In this paper, we demonstrate that such a system of rules has the same results as the system of rules using two hedges "Very" and "Little" Keywords: Direct Contrast measure; S-function, intensificator; FCM; Hegde algebras; Fuzzy histogram; The multichanel image; Hint Nhận ngày 02 tháng 12 năm 2019 Hoàn thiện ngày 13 tháng 02 năm 2020 Chấp nhận đăng ngày 03 tháng năm 2020 Địa chỉ: 1Trường Đại học Hải Phòng; Trường Đại học Điện lực *Email: quyennv.hpu@gmail.com 170 N V Quyền, …, P T K Dung, “Về hệ luật ngôn ngữ … độ tương phản ảnh mầu.” ... dụng Hint Trong mục này, đề xuất hai thuật toán để áp dụng toán tử tăng cường Hint để nâng cao độ tương phản cho ảnh đa kênh Chi tiết hai thuật toán thể sau Thuật toán 1: Nâng cao độ tương phản ảnh. .. T K Dung, ? ?Về hệ luật ngôn ngữ … độ tương phản ảnh mầu.” Nghiên cứu khoa học công nghệ 2.2 Hint [9, 14] Trong [9, 14], tác giả đề xuất toán tử Hint xây dựng dựa hệ luật gồm luật gia tử very định... pháp đề xuất KẾT LUẬN Trong báo này, để xuất hệ luật ngôn ngữ mở rộng [9], từ hệ luật ngôn ngữ với gia tử nhấn “Very” thành hệ luật ngôn ngữ với hai gia tử “Very” “Little” để xây dựng toán tử Hint
