Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XII Nghiên cứu ứng dụng Công nghệ thông tin (FAIR); Huế, ngày 07-08/6/2019 DOI: 10.15625/vap.2019.00042 NÂNG CAO CHẤT LƯỢNG ẢNH VIỄN THÁM DỰA TRÊN PHÂN CỤM BÁN GIÁM SÁT MỜ Nguyễn Tu Trung, Trần Mạnh Tuấn, Đặng Thị Thu Hiền, Nguyễn Huy Đức, Kiều Tuấn Dũng, Nguyễn Văn Nam, Đỗ Oanh Cường DS Lab – Khoa Công nghệ thông tin, Trường Đại học Thủy Lợi trungnt@tlu.edu.vn, tmtuan@tlu.edu.vn, hiendt@tlu.edu.vn, ducnghuy@tlu.edu.vn, dungkt@tlu.edu.vn, namnv@tlu.edu.vn, cuongdo@tlu.edu.vn TÓM TẮT: Nâng cao chất lượng ảnh công việc cần thiết xử lý ảnh Trong ảnh viễn thám thường có kích thước lớn độ phân giải khơng gian đa dạng, việc phân tích trở lên phức tạp Do tiền xử ảnh quan trọng, ảnh hưởng đến kết phân tích ảnh Một số nghiên nâng cao chất lượng ảnh dựa phương pháp khử nhiễu, histogram, tăng độ tương phản, nâng cao mức xám,… Trong này, cải tiến nghiên cứu trước nâng cao chất lượng ảnh viễn thám dựa vào việc tăng cường độ tương phản sử dụng phân cụm bán giám sát mờ Từ khóa: tăng cường độ tương phản, ảnh viễn thám, nâng cao chất lượng ảnh, phân cụm bám giám sát mờ, phân tích ảnh I GIỚI THIỆU Ảnh viễn thám cho phép thu thập thông tin đối tượng, khu vực Tuy nhiên, 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 chất lượng 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 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, Trong toán xử lý ảnh, để thu kết tốt cần phải có q trình tiền xử lý để nâng cao chất lượng ảnh đầu vào Quá trình bao gồm công đoạn khôi phục tăng cường ảnh Khôi phục ảnh thực loại bỏ hay giảm thiểu ảnh hưởng môi trường tác động lên ảnh nhằm giảm bớt biến dạng ảnh đưa ảnh trạng thái gần ban đầu Tăng cường ảnh làm bật đặc trưng ảnh giúp cho bước hiệu Theo [7], kĩ thuật tăng cường ảnh chia làm ba nhóm Một là, nhóm kĩ thuật xử lý ảnh dựa histogram mà tiêu biểu cân histogram đặc tả histogram Hai là, nhóm kĩ thuật xử lý ảnh dựa tiếp cận logic mờ với số kĩ thuật trình bày phần III báo Ba là, kĩ thuật xử lý ảnh tăng cường dựa tối ưu Trong này, Aman Tusia cộng [10] thực phân tích hiệu hệ mờ loại cho việc tăng cường ảnh sử dụng thuật toán tối ưu cuckoo Nhiều phương pháp tăng độ tương phản truyền thống sử dụng cách 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 [5, 6], tác giả kết hợp logic mờ [12] công thức hiệu chỉnh mức xám để tăng cường độ tương phản ảnh y tế Phương pháp tăng cường ảnh mờ [2] 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 giải vấn đề phương pháp truyền thống Ngoài ra, phương pháp tăng cường ảnh mờ chọn giá trị cho ngưỡng cận dưới, trung bình cận cách thủ cơng nên lúc chọn giá trị tốt Điều ảnh hưởng đến kết tăng cường ảnh Trong [6], tác giả đề xuất phương pháp tăng cường ảnh dựa tiếp cận cục Trong [9], tác giả đề xuất số kĩ thuật tiền xử lý việc sử dụng phân cụm liệu Ngô Thành Long cộng [4] sử dụng mờ loại kết hợp với phân cụm mờ phân đoạn ảnh viễn thám Ngoài , Lê Hoàng Sơn cộng [8] sử dụng phân cụm mờ bán giám sát phân đoạn ảnh X-quang nha khoa Do đóng góp báo trình bày mơ hình nâng cao chất lượng ảnh viễn thám sử dụng phương pháp phân cụm mờ bán giám sát Nghiên cứu có ý nghĩa việc tìm thuật tốn có hiệu để nâng cao chất lượng ảnh viễn thám, từ hỗ trợ cho trình xử lý ảnh viễn thám Phần báo tổ chức sau: phần II, chúng tơi trình bày tóm tắt lý thuyết sử dụng Phần III trình bày lược đồ nâng cao chất lượng ảnh vệ tinh dựa phân cụm mờ bán giám sát Phần IV số kết thực nghiệm phương pháp trình bày liệu thực tế vài độ đo đánh giá hiệu thuật toán trình bày Cuối kết luận hướng phát triển thời gian tới II MỘT SỐ KIẾN THỨC LÝ THUYẾT LIÊN QUAN Trong phần này, mục 2.1 trình bày tốn nâng cao chất lượng ảnh viễn thám Mục 2.2 trình bày phân cụm bán giám sát mờ Nguyễn N Tu Trungg, Trần Mạnh Tuuấn, Đặng Thị Thhu Hiền, Nguyễn n Huy Đức, Kiều u Tuấn Dũng, Ngguyễn Văn Nam, Đỗ Oanh Cường g 331 2.1 Nâng caoo chất lượng ảảnh viễn thám m Bài toáán xử lý ảnh vviễn thám với ảnh đầu vào l ảnh viễn thám, thực hiệnn hiệu chỉnh ảảnh viễn thám Quá trình hiệu h chỉnh ảnhh thực hhiện việc nângg cao chất lượn ng ảnh viễn th hám Sau tiếến hành xử lýý ảnh viễn thám m Việc nââng cao chất llượng ảnh viễễn thám mộ ột khâu quan trọng trợ giúpp cho trìnnh xử lý ảnh viễn thám Thực T tăngg cường chất llượng ảnh nhằằm hỗ trợ giảii đốn phân n tích ảnh Cóó nhiều chức nnăng nân ng cao chất lư ượng ảnh dãn tương pphản, lọc khônng gian để làm m mẫu u ảnh,… Nhiễu ảnh viễn thám m bao gồm nhiễu n thông thhường giống ảảnh màu cáác nhiễu man ng tính đặc trư ưng (sương m mù, đám mây, ) Đối với nhiễu thơng th hường, chúngg ta dùnng phươngg pháp khử nh hiễu thông thư ường pphương pháp lọc Để tăng cường c chất lư ượng ảnh viễnn thám, ccó thể dùng cáác phương phááp tăng tính tư ương phản (Hìình 1) Hình Cân lượcc đồ màu Theo [77], kĩ thuậật tăng cường ảnh chia làm ba loại Một là, kĩ thuậật histogram m mà tiêu biểu cân histogram h đặc đ tả histograam Hai là, cáác kĩ thuật dựaa tiếp cận n logic mờ Baa là, kĩ thhuật tăng cườn ng dựa tối ưu Các kỹ thuật tăng cường áp dụng từn ng kênh với cáác ảnh đa cấp xxám Trong nội dung nghhiên cứu này, cchúng tập trung vào việc nâng cao chhất lượng ảnh viễn thám dự ựa việc tăng cường mức m xám ảnh Khi đóó lưu đồ thuậật toán tăng cường ảnh vviễn thám dự ựa tiếp cận cục LoRSIE_FCM L M [6] biểuu diễn troong Hình Hình Lưu đồ thuật toán LoRSIE_FCM L Theo lư ưu đồ H Hình 2, ảnh viiễn thám đầu vào cụcc hóa dựa ttrên thuật tốán phân cụm FCM F Tiếp th heo, mơ hình h hiệu chỉnnh mức xám đư ược xây dựng g Các hàm hiệệu chỉnh mức xxám liệtt kê bảng g Bảngg Các hàm biến đổi mức xám m theo cụm m Ý nghĩa Giãn mức xám Biến đổổi Hyperbol Trong đó: đ Cơng thức biến đổi Ti(g) 255 ∗ 255 1 NÂNG CAO CHẤT LƯỢNG G ẢNH VIỄN THÁM T DỰA T TRÊN PHÂN CỤ ỤM BÁN GIÁM M SÁT MỜ 332 + g giá g trị mức xáám gốc + cận trêên việc giããn cụm i + cận dướ ới việc giããn cụm i + làà tâm cụm i + μ làà giá trị độ thuuộc mức xám g theo cụm m i tín nh theo cơng tthức 0, , 255 1, Các ngư ưỡng , đượ ợc xác định bằằng cách chọn n cho vùngg gạch chéo trrong Hình có diện tích b 95% tổngg diện tích đư ược bao đư ường y = vàà y = Trrong đó, hàm phân bố mức xám x theo m cụm cho trước t Hìn nh Hàm phân n bố ngư ưỡng theo ccụm Cuối cùùng, ảnh tăng cường ttổng hợp từ cáác giá trị đầu r hàm biiến đổi mức xáám theo cụm Hàm tổng hợp có c dạng tổng qquát sau: g | g’ = T(g g) Trong đó, ∑ 2.2 Phân cụm m bán giám sáát mờ μ , , (1) 255 Phân cụụm liệu [1]] q trình nhóm tập p đối tượn ng tương tự nhhau tập ddữ liệu vào cá ác cụm cho c đối tượ ợng thuộc cùnng cụm làà tương đồng, đối tư ượng thuộc cácc cụm khác nhhau tương g đồng Các kỹỹ thuật phân ccụm: phân cụm m cứng, phân cụm mờ, phâân cụm bán ggiám sát, phânn cụm bán giá ám sát mờ Trong T báo,, nhóm nghiênn cứu tập trungg vào thuật toán phân cụm mờ m phân cụụm mờ bán giiám sát Thuậtt toán phân cụm c mờ (FCM M) Bezddek [1] đề xuấất dựa việệc tối ưu hóa khoảng k cách ccác điểm lliệu với tâm Thuật toán phân p cụm mờ bán giám sát xây dựnng dựa cáác thuật toán phân p cụm mờ kkết hợp với cáác thông tin bổ b trợ người n dùng cuung cấp Thôngg tin bổ trợ [113] cho phân cụm c mờ bán giám sát có ddạng gồm ràng buộc b Mustlink Cannott-link; phần liệu đượ ợc gán nhãn v độ thuộc đư ược xác định trrước Yasunoori et al [11] đề xuất m thuật toán phân p cụm mờ bán giám sátt với thông tinn bổ trợ hàm m độ thuộc đ bổ sung vào v hàm mục tiêu FCM M nhằm cải thiiện hiệu trrong trìnhh phân cụm K Khi hàm mụ ục tiêu [11] đ xác định sau: ∑ ∑ | , ̄ | || || → (2) Trong đó: đ m sốố mờ hóa; C sốố cụm, N sốố phần tử liệu, r số chiiều liệu u; ukj độ đ thuộc pphần tử liệuu Xk từ cụm j; X k R r phẩn tửử thứ k X X , X , , X N ; Vj tââm cụm j Với điềều kiện ràng bbuộc (3), hàm độ th huộc bổ trợ củ phần tử th hỏa mãn ∑ 1; ∈ 0,1 ; ∀ 1, | ∈ 0,1 , 1, , 1, , ∑ 1, ∀ với cụm 1, llà ∈ 0,1 đồng thời (3) Nguyễn N Tu Trungg, Trần Mạnh Tuuấn, Đặng Thị Thhu Hiền, Nguyễn n Huy Đức, Kiều u Tuấn Dũng, Ngguyễn Văn Nam, Đỗ Oanh Cường g 333 Khi dựa vào điều kiện (3) hààm mục tiêu (2 2) ta có: ∑ Các giáá trị ̄ ∑ , ̄ 1, (4) đư ược xác định ttheo trường hợp sau 1:: ∑ 1:: , ∑ ‖ , 1, , , ∑ ‖ , 1, , 1, (5) 1, (6) Các bư ước thực thuật toán phhân cụm mờ chuẩn giáám sát (SSSF FC- Semi-Suppervised Stand dard Fuzzy Clustering) C đư ược trình bày nnhư Bảnng Bảng Thhuật toán Semi Supervised Staandard Fuzzy Cllustering Input Output SSSFC 1: 2: 3: 4: 5: 6: 7: Tập liệuu X gồm N pphần tử, số cụm C, ma trận n độ thuộc bổ trợ maxStep > Ma trận U vvà tâm cụm V V t=0 Khởi tạo nggẫu nhiên Repeat t=t+1 Tính ( 1, ; Tính Until ( ; ( , ngưỡnng , số lần lặ ặp tối đa 1, ) 1, ) côn ng thức (5) vớ ới 1, ) bbởi công thức (4) or t > maxS Step hoặcc cơng thức (66) với III MƠ HÌN NH NÂNG CAO CHẤT L LƯỢNG ẢNH H VIỄN THÁ ÁM DỰA TRÊ ÊN PHÂN CỤ ỤM BÁN GIÁ ÁM SÁT Dựa trêên mơ hình nââng cao chất llượng ảnh viễn n thám LoRSIIE_FCM [6] đđã trình bày trên, chúng tơi đề xuất m cải tiến bằằng cách sử ddụng phân cụm m bán giám sáát mờ thay cho thuật tốn pphân cụm mờ FCM Hình biểu diễn lư ưu đồ thuật tooán tăng cườnng ảnh viễn tháám dựa phân cụm bán giám sát mờ Với thuật toáán này, ản nh đầu vào, th hay cục c hóa bởii FCM, đượ ợc cục hóa thuậtt tốn phân cụụm bán giám ssát mờ Khi ó, th hu tập tâm t cụm m ma trận độ thuuộc từ việệc áp dụng thu uật toán SemiiFCM Như vvậy, thay ch húng ta thu đ hàm hàm m d(g)FCM, ta tthu hàm d(g)SemiFCM, tham số liên quann đến cụ ụm đưa vào mơ m hình hiệu chỉnh c mức xám m thay đđổi Từ đây, c giá trị mứcc xám đầu tthay đổi, dẫn đến thay đổi đ ảnh sau s tăng cườngg so với việc ssử dụng thuật tốn FCM gốc Hìn nh Lưu đồ th huật tốn LoRSIIE_SemiFCM 334 4.1 Mơ tả thự ực nghiệm NÂNG CAO CHẤT LƯỢNG G ẢNH VIỄN THÁM T DỰA T TRÊN PHÂN CỤ ỤM BÁN GIÁM M SÁT MỜ IV KẾT QU UẢ THỰC NGHIỆM Chúng tơi tiến hành cài đặt thuật ttốn LoRSIE_ _SemiFCM trrên liệuu cụ thể LAND DSAT ETM+ so sánh với v kết củủa thuật toán L LoRSIE_FCM M liệu Trong T thử nghiệm, đđược tính g cách thực h trước mộtt phân cụm FC CM Từ ma trrận U thu đượ ợc, xác định sau với điểm ảnhh, giữ nguyên giá trị phần p tử có độ thuộc t lớn nhấất, giá trị ccịn lại gán lại Mô tả d liệu: Tập ddữ liệu phục vvụ cho thử ngh hiệm loại ản nh LANDSAT T ETM+ chụp khu vực Hòa Bình ngày 15/02/2001, b gồm ảnh ranh giớ bao ới huyệện ản nh theo ranh giới tỉnh củủa tỉnh Hịa Bình B Ảnh LANDSATET L TM+ gồm kêênh [12]: Chàm m, Lục, Đỏ, Cận C hồng ngoạại, Hồng ngoạii trung, Hồng ngoại nhiệt, Hồng H ngoại trrung Các ảnhh thuu thập thànnh viên nh hóm tác giả th ham gia thực hhiện đề tài “Phhát triển phần mềm xử lý ảnh ả viễn thám phần mềm GRASS S” Đây đề tàài cấp nhà nướ ớc, thuộc Chươơng trình KHC CN Vũ trụ Độ đo đánh giá: Đểể đo chất lượ ợng ảnh gốc g ản nh tăng cườngg ssử dụng số Entropy Shannon S Entroopy (hoặc entrropy thông tinn) phươ ơng pháp đo tính t khơng chhắc chắn thhơng tin Giả sử có n kiện k khôông gian mẫu,, xác suất mỗii kiện pi (i = 1, 2, …,, n), pi ≥ 0, tổng củủa pi Do D đó, hàm h H định đ nghĩa để đđo độ không cchắc chắn không gian mẫu m [3] Giá trrị H tính theo ng thức (7) Với V xử lý ảnh,, n đưa số mức xám ∑ Trong T đó: n số mức xám; ức i histtogram pi xáác xuất mứ ln (7) 4.2 Kết thực t nghiệm Do khun khổ bááo có hạn, nhhóm tác giả trìình bày kếết thử nghhiệm bốnn mẫu ảnh đầu u vào khác n Các thử nghiệm bbao gồm ảnnh vệ tinh khu u vực huyện Cao C Phong, Đàà Bắc, Kim Bôôi Lạc Thủy q tăng cường chất lượng ảnh kkhi áp dụng thuật toán Bảng thể ảnnh đầu vào vvà ảnh kết LoRSIE_FCM L M thuật toánn SemiFCM vvới tổ hợp kênh k Chàm, Lụ ục, Đỏ Chúngg ta thấy, ảnh sau tăng cường, độ sáng s độ tươ ơng phản ttốt so vớii ảnh gốc Tuy y nhiên, qu uan sát kỹ hơnn, sẽẽ thấy độ tương phản ảnh ả sau tăng cư ường thuậật toán sử dụngg SemiFCM tốt chút so với thhuật toán sử dụụng FCM Bản ng Tăng cườn ng ảnh với FCM M SemiFCM Nguyễn Tu Trung, Trần Mạnh Tuấn, Đặng Thị Thu Hiền, Nguyễn Huy Đức, Kiều Tuấn Dũng, Nguyễn Văn Nam, Đỗ Oanh Cường 335 Kết thực nghiệm tăng cường chất lượng ảnh theo giá trị số huyện Cao Phong, Đà Bắc, Kim Bôi, Lạc Thủy bảng 4, 5, với việc áp dụng thuật toán sử dụng FCM SemiFCM Dựa vào kết thực nghiệm thấy rõ giá trị Entropy ứng với kênh ảnh sau tăng cường thuật toán sử dụng SemiFCM cao thuật toán LoRSIE_FCM Điều chứng tỏ chất lượng ảnh sau tăng cường thuật toán sử dụng SemiFCM tốt so với ảnh sau tăng cường thuật toán LoRSIE_FCM Bảng Giá trị Entropy ảnh sau tăng cường huyện Cao Phong Kênh Tăng cường với LoRSIE_FCM 3.44578672451698 3.53055329114634 3.57985248661498 Tăng cường với SemiFCM 3.75960630294584 3.87734956539595 3.92747171506403 Bảng Giá trị Entropy ảnh sau tăng cường huyện Đà Bắc Kênh Tăng cường với LoRSIE_FCM 2.45684844447667 2.66391133356626 2.65419094174343 Tăng cường với SemiFCM 3.50167678500134 3.49133354235306 3.44077893674379 Bảng Giá trị Entropy ảnh sau tăng cường huyện Kim Bôi Kênh Tăng cường với LoRSIE_FCM 4.1858282177615 4.19923187498745 4.27514951159837 Tăng cường với SemiFCM 4.49061166054001 4.53125963217986 4.54546630160856 Bảng Giá trị Entropy ảnh sau tăng cường huyện Lạc Thủy Kênh Tăng cường với LoRSIE_FCM 2.40240944416823 2.61518856088777 2.77044329227435 Tăng cường với SemiFCM 3.11144330891485 3.22093197523361 3.24632169784426 IV KẾT LUẬN Trong báo này, tập trung nghiên cứu toán nâng cao chất lượng ảnh viễn thám dựa phân cụm bán giám sát mờ Đóng góp báo sử dụng phân cụm bán giám sát mờ áp dụng cho nâng cao chất lượng ảnh viễn thám trình cục hóa ảnh viễn thám Ngồi ra, nhóm tác giả cài đặt thực nghiệm thuật toán đề xuất với ảnh viễn thám thu thập khu vực Hòa Bình Các kết thực nghiệm giá trị Entropy phương pháp SemiFCM có giá trị tốt với kết nhận áp dụng thuật tốn LoRSIE_FCM Từ nghiên cứu này, chúng tơi tiếp tục nghiên cứu thông số khác để nâng cao chất lượng ảnh Đồng thời nghiên cứu mở hướng nghiên cứu phát triển cho thuật toán sử dụng phân cụm dựa tập mờ nâng cao LỜI CẢM ƠN Nghiên cứu tài trợ Quỹ Khoa học Công nghệ Trường Đại học Thủy lợi đề tài mã số: TLU.STF.19-02 TÀI LIỆU THAM KHẢO [1] Bezdek, J C (1981) Pattern recognition with fuzzy objective function algorithms Kluwer Academic Publishers [2] Hassanien, A E., & Badr, A (2003) A comparative study on digital mamography enhancement algorithms based on fuzzy theory Studies in informatics and control, 12(1), 21-32 [3] Jaynes, E T (1957) Information theory and statistical mechanics Physical review, 106(4), 620-630 [4] Ngo, L T., Mai, D S., & Pedrycz, W (2015) Semi-supervising Interval Type-2 Fuzzy C-Means clustering with spatial information for multi-spectral satellite image classification and change detection Computers & geosciences, 83, 1-16 [5] Nguyễn Tu Trung, Đặng Văn Đức, Vũ Văn Thỏa (2016), Một số cải tiến kĩ thuật phân cụm cho ảnh viễn thám, Tạp chí Cơng nghệ thơng tin Truyền thông, Bộ Thông tin Truyền thông, số 16 (36) [6] Nguyễn Tu Trung, Vũ Văn Thoả, Đặng Văn Đức (2015), Một phương pháp tăng cường độ tương phản ảnh viễn thám dựa tiếp cận cục bộ, Chun san cơng trình nghiên cứu, Tạp chí Công nghệ thông tin Truyền thông, Bộ Thông tin Truyền thông, Kỳ 3, tập V-2, số 14 (34) 336 NÂNG CAO CHẤT LƯỢNG ẢNH VIỄN THÁM DỰA TRÊN PHÂN CỤM BÁN GIÁM SÁT MỜ [7] Sharo, T A., & Raimond, K (2013) A Survey on Color Image Enhancement Techniques IOSR J Eng, 3, 20-24 [8] Son, L H., Tuan, T M (2017) Dental segmentation from X-ray images using semi-supervised fuzzy clustering with spatial constraints Engineering Applications of Artificial Intelligence, 59, 186-195 [9] Sudhavani, G., Srilakshmi, M., Rao, P V., & Prasad, K S (2014) Comparison of fuzzy contrast enhancement techniques International Journal of Computer Applications, 95(22) pp 0975 – 8887 [10] Tusia, A., & KUMAR, D N (2014) Performance analysis of type-2 fuzzy system for image enhancement using optimization International Journal of Enhanced Research in Science Technology & Engineering, 3(7), 108-116 [11] Yasunori, E., Yukihiro, H., Makito, Y., & Sadaaki, M (2009, August) On semi-supervised fuzzy c-means clustering In Fuzzy Systems, 2009 FUZZ-IEEE 2009 IEEE International Conference on (pp 1119-1124) IEEE [12] Zadeh, L A (1965) Fuzzy sets Information and Control, 8, 338-353 [13] Zhang, H., & Lu, J (2009) Semi-supervised fuzzy clustering: A kernel-based approach Knowledge-Based Systems, 22(6), 477-481 IMPROVING THE QUALITY OF MULTISPECTRAL IMAGES USING SEMI-SUPERVISED FUZZY CLUSTERING Nguyen Tu Trung, Tran Manh Tuan, Dang Thi Thu Hien, Nguyen Huy Duc, Kieu Tuan Dung, Nguyen Van Nam, Do Oanh Cuong ABSTRACT: Improving the quality of images is one of necessary stages in image processing Multispectral images are the images with a large size and high spatial resolution Therefore, the analysis of multispectral images is complex The results of preprocessing progess are very important These results affect directly to the results of image analysis progress There were some researches related to the improvement of image quality such as noise reduction, contrast increment, histogram techniques, etc In this paper, we propose an novel method in order to improve the quality of multispectral images by contrast increasing approach using semi-supervised clustering