Slide thuyết trình tìm hiểu bài toán khôi phục Ảnh mô hình quan sát Ảnh và Ứng dụng

MỤC LỤCTÌM HIỂU BÀI TOÁN KHÔI PHỤC ẢNH, MÔ HÌNH QUAN SÁT ẢNH VÀ ỨNG KỸ THUẬT LỌC WIENER TRONG XỬ LÝ ẢNH KHẢO SÁT, XÂY DỰNG VÀ THỬ NGHIỆM CHƯƠNG TRÌNH ỨNG DỤNG KỸ THUẬT LỌC WIENER.

 Phạm Thị Trà My

 Lê Hồng Phong

 Nguyễn Thế Anh

Vũ

 Nguyễn Anh

Dũng

WIENER FILTER

MỤC LỤC

TÌM HIỂU BÀI

TOÁN KHÔI

PHỤC ẢNH,

MÔ HÌNH

QUAN SÁT

ẢNH VÀ ỨNG

KỸ THUẬT LỌC WIENER TRONG XỬ LÝ

ẢNH

KHẢO SÁT, XÂY DỰNG VÀ THỬ NGHIỆM CHƯƠNG TRÌNH ỨNG DỤNG KỸ THUẬT LỌC WIENER

TÌM HIỂU BÀI TOÁN KHÔI PHỤC ẢNH -MÔ HÌNH

DỤNG

BÀI TOÁN KHÔI PHỤC

ẢNH

 Khái niệm

Khôi phục ảnh đề cập tới các kỹ

thuật loại bỏ hay tối thiểu hoá

các ảnh hưởng của môi trường

bên ngoài hoặc từ các hệ thống

thu nhận và lưu trữ ảnh đến ảnh

thu nhận được.

Kỹ thuật khôi phục ảnh nhằm có

thể ước lượng lại ảnh gốc hay

ảnh lý tưởng từ ảnh quan sát

được bằng cách đo ngược lại

những hiện tượng gây biến

dạng Vì vậy để khôi phục được

ảnh có kết quả, điều cần thiết là

phải biết được các nguyên nhân

gây ra biến dạng ảnh.

Các nguyên nhân biến dạng ảnh

• Do camera, đầu thu ảnh chất lượng kém.

• Do môi trường ánh sáng, hiện trường (scene), khí quyển, nhiễu xung.

• Do con người.

T ỔNG QUAN NG QUAN

Các loại hình xuống cấp

• Nhiễu cộng ngẫu nhiên

• Nhoè

• Nhiễu phụ thuộc tín hiệu

Việc khôi phục ảnh phụ thuộc vào loại hình xuống cấp hay khôi phục ảnh là nhằm xác định mô hình toán học của quá trình gây ra biến dạng.

Neal Creative | click & Learn more

Neal Creative ©

Một cách tiếp cận là thu thập thông tin từ chính ảnh bị xuống cấp

Một cách tiếp cận khác để hiểu biết

về sự xuống cấp là nghiên cứu cơ chế gây ra xuống cấp.

Click icon to add picture

ƯỚC LƯỢNG SỰ XUỐNG

CẤP ẢNH

1

2

MÔ HÌNH

QUAN

SÁT

Xét một ảnh x quan sát được có thêm nhiễu cộng n

Giả thiết nhiễu cộng ngẫu nhiên độc lập với tín hiệu (không tương quan).

Mô hình ảnh bị xuống cấp bởi nhiễu cộng ngẫu nhiên

8

y (m) = x (m)*h

(m)

y (m) = x (m)*h

(m)

Mô hình ảnh bị xuống cấp vì nhòe

2

Trong mô hình trên ảnh bị xuống cấp

y(m) là kết qủa nhân chập ảnh gốc x(m)

với một đáp ứng xung h(m) h(m) được

gọi là hàm nhòe.

Một ảnh bị xuống cấp vì nhoè có thể mô hình hoá như sau:

_ _

Giải tích chập

MÔ HÌNH

XUỐNG

CẤP VÌ

ẢNH NHÒE

MÔ HÌNH

XUỐNG

CẤP VÌ

ẢNH NHÒE

Bài toán làm giảm nhoè có

thể chia thành hai loại:

Trong miền tần số, mô hình nhiễu có dạng:

Y ( f ) = X ( f )* H ( f )+ N ( f )

nhiễu cộng

11

Thông thường ta chỉ xét trường hợp nhiễu nhòe như là một bộ lọc tuyến tính với đáp ứng xung

h(m) và nhiễu là nhiễu cộng n(m) Tín hiệu đầu ra được mô hình dưới dạng:

𝑦 (𝑚)=𝑥 (𝑚) ∗ h(𝑚 )+𝑛(𝑚 )=∑

𝑘=0

𝑃 −1

𝑥 ( 𝑘) h (𝑚 −𝑘)+𝑛(𝑚)

 

Một cách tiếp cận hợp lý để khôi phục ảnh x(m) là áp dụng một hệ làm giảm nhiễu để từ y(m)

ước lượng

u(m) = y(m) * h(m) sau đó áp dụng một hệ khử nhoè để từ u(m) ước lượng ra x(m).

Hình 3 Mô hình bộ lọc trường hợp nhiễu cộng nhòe

Mô hình ảnh

thuộc tín hiệu

Một ảnh bị xuống cấp y(m)

bất kỳ có thể biễu diễn bởi

mô hình:

4

x(m) thì nó được gọi là nhiễu cộng

không phụ thuộc tín hiệu

• Nếu d(m) là hàm của tín hiệu x(m) thì d(m) được gọi là nhiễu cộng phụ

thuộc tín hiệu

_

 Một cách tiếp cận để làm giảm nhiễu phụ thuộc tín hiệu là biến đổi

y(m) vào một miền, ở đó nhiễu trở

thành nhiễu cộng không phụ thuộc tín hiệu và sau đó làm giảm nhiễu không phụ thuộc tín hiệu

nhiễu trực tiếp trong miền tín hiệu

𝑦 ( 𝑚 ) = 𝐷 [ 𝑥 ( 𝑚 ) ] = 𝑥 ( 𝑚 ) + 𝑑(𝑚)

 

WIENER

TỔNG QUANNG QUAN

Bộ lọc Wiener được dựa trên phương

pháp thống kê để giảm nhiễu trong

tín hiệu hiện tại bằng cách so sánh

nó với một tín hiệu ước tính mong

muốn không có nhiễu.

Bộ lọc Wiener có thể là một trong

hai loại:

• IIR Wiener: bộ lọc đáp ứng xung

vô hạn bao gồm các phương trình

phi tuyến

• FIR Wiener: bộ lọc đáp ứng xung

hữu hạn bao gồm các phương

trình tuyến tính

I

Bộ lọc Wiener được đặc trưng bởi:

 Giả thiết: Tín hiệu và nhiễu (nhiễu cộng) của quá trình ngẫu nhiên tĩnh tuyễn tính với phổ đặc trưng hoặc

tự tương quan và tương quan chéo

đã biết.

 Yêu cầu: Các bộ lọc phải có thể thực hiện vật lý/quan hệ nhân quả (yêu cầu này có thể bỏ qua, dẫn đến một giải pháp quan hệ không nhân quả).

 Hiệu suất tiêu chuẩn: Tối ưu hóa sai số bình phương trung bình (Minimun Mean Square Error).

CƠ SỞ

TOÁN HỌC Bộ lọc Wiener được biểu diễn bởi một vector

trọng số:

 

Hình: Sơ đồ khối thực hiện bộ lọc

Quan hệ lọc giữa đầu vào và đầu ra:

Vì là một vô hướng nên bằng chuyển vị của nó, tức là:

 

Tín hiệu được xác định bởi sự sai khác giữa tín hiệu mong

x(m) với tín hiệu thu được x^(m) được tính bằng:

 

CƠ SỞ

TOÁN HỌC

Bộ lọc Wiener giữ nguyên SNR của các phần hợp thành tần số cao nhưng làm giản SNR của các phần hợp thành tần số thấp Đặc điểm của bộ lọc Wiener là thông thấp

Hình: Mô phỏng bộ lọc Wiener

Khôi phục ảnh đề cập tới các kỹ thuật

loại bỏ hay tối thiểu hoá các ảnh

hưởng của môi trường bên ngoài hay

các hệ thống thu nhận, phát hiện và

lưu trữ ảnh đến ảnh thu nhận được.

Lọc Wiener là kỹ thuật lọc tuyến tính

để khôi phục ảnh gốc từ ảnh đã xuống

cấp do bị nhiễu phá hủy.

Cài đặt một bộ lọc FIR như là một tích chập của một bộ lọc trọng số g, để làm cực tiểu sai số bình phương với ảnh thu được Việc tìm trọng số tương ứng với việc giải một phương trình thoả mãn yêu cầu đặt ra, sau đó ta tìm ra bộ lọc để thực hiện việc tinh tích chập Sau khi tính xong thì ta thu được ảnh gần với ảnh gốc nhất.

Bộ lọc Wiener thường là bộ lọc thông thấp, năng lượng của ảnh thường tập trung ở vùng tần số thấp.

Click icon to add picture

ỨNG DỤNG BỘ LỌC WIENER

TRONG XỬ LÝ ẢNH

!

Full Bleed Picture

DEMO PROGRAM

SUPPORT

Việc khảo sát ứng dụng của bộ lọc dựa

trên công cụ Matlab. 

• Tạo ra sự xuống cấp lên ảnh như tạo

nhiễu hay làm tác động quang học do

chuyển động.

• Khôi phục lại bằng các hàm sử dụng bộ

lọc WIENER được chương trình Matlab

cũng cấp sẵn.

THỬ NGHIỆM CHƯƠNG TRÌNH

ỨNG DỤNG KỸ THUẬT LỌC

WIENER