LỜI NÓI ĐẦU1TÓM TẮT BÁO CÁO2ABSTRACT3MỤC LỤC4DANH MỤC HÌNH ẢNH7DANH MỤC BẢNG BIỂU8DANH SÁCH CÁC TỪ VIẾT TẮT9CHƯƠNG 1 : GIỚI THIỆU CHUNG VỀ ĐỀ TÀI101.1Tổng quan về xử lý ảnh101.1.1 Xử lý ảnh là gì?101.1.2 Một số vấn đề cơ bản quan trọng trong xử lý ảnh111.2 Lọc nhiễu trong xử lý ảnh.131.2.1 Các bộ lọc nhiễu cổ điển131.2.2 Xử lý ảnh bằng PDE141.3 Mục đích đối tượng và phạm vi nghiên cứu của đề tài151.4 Ý nghĩa khoa học và thực tiễn của đề tài151.4.1Ý nghĩa khoa học151.4.2 Ý nghĩa thực tiễn151.5 Phương pháp nghiên cứu16CHƯƠNG 2 : ẢNH SIÊU PHỔ VÀ CÁC ỨNG DỤNG17TRONG VIỄN THÁM172.1 Lý thuyết ảnh siêu phổ172.1.1Khái niệm chung172.1.2 Đặc diểm chung của ảnh siêu phổ182.1.3 Lý thuyết phản xạ phổ của đối tượng tự nhiên202.2 Sơ lược về viễn thám252.2.1 Định nghĩa252.2.2 Nguyên lý cơ bản của viễn thám272.2.3 Phân loại viễn thám282.3 Ứng dụng của viễn thám302.3.1 Viễn thám trong nghiên cứu địa chất302.3.2 Viễn thám trong nghiên cứu sử dụng đất và lớp phủ bề mặt332.3.3 Ứng dụng viễn thám trong việc thành lập bản đồ đất35CHƯƠNG 3:TỔNG QUAN LỌC KHUẾCH TÁN PHI TUYẾN393.1Bản chất vật lý của quá trình khuếch tán393.2 Lọc khuếch tán tuyến tính403.2.1 Mối quan hệ giữa PDE và bộ lọc Gauss413.2.2 Quy mô không gian443.2.3 Những hạn chế của lọc khuếch tán tuyến tính453.3 Lọc khuếch tán phi tuyến453.3.1 Mô hình PeronaMalik453.3.2 Các mô hình phi tuyến điển hình473.3.3 Mô hình phi tuyến không đẳng hướng483.4 Lọc khuếch tán phi tuyến trong ảnh siêu phổ50CHƯƠNG 4 : THỰC NGHIỆM524.1 Giới thiệu chung524.2 Giới thiệu sản phẩm bằng phần mềm524.3 Các chương trình ứng dụng544.3.1 Khử nhiễu ảnh RGB bằng lọc khuếch tán544.3.2 Khử nhiễu ảnh siêu phổ bằng lọc khuếch tán phi tuyến614.3.2 Xuất tham số liên quan đến ảnh để phục vụ công tác nghiên cứu644.3.4 Xuất đồ thị đặc tuyến và xử lý ảnh siêu phổ704.3.5 So sánh việc khử nhiễu ảnh siêu phổ qua đồ thị744.3.6 Một vài ứng dụng khác trong ứng dụng764.4 Tổng kết, hướng đề ra của sản phẩm78KẾT LUẬN79TÀI LIỆU THAM KHẢO80PHỤ LỤC81
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN ĐIỆN TỬ VIỄN THÔNG ====o0o==== ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC Đề tài: PHÂN TÍCH VÀ XỬ LÝ ẢNH SIÊU PHỔ DỰA TRÊN PHƯƠNG PHÁP LỌC KHUẾCH TÁN PHI TUYẾN Hà Nội, 05/2018 LỜI NÓI ĐẦU Trong sống nay, việc tự đặt chân lên vùng đất để thăm dò địa hình hay khống sản chuyện người nghĩ đến Cơng nghệ viễn thám ngày phát triển mạnh nhiều, việc xử lý ảnh từ công nghệ viễn thám để đưa số liệu xác điều quan trọng sống Nó giúp xác định rõ vùng đất nên để sử dụng vào cơng việc khai thác khống sản, làm lâm nghiệp, nơng nghiệp, hay để xây nhà máy khu du lịch vui chơi giải trí Thực tế cho thấy có nhiều vùng đất chủ đầu tư không nghiên cứu kỹ, sau xây dựng xong, tốn nhiều tiền vào việc xử lý này, khác gây suy giảm kinh tế Báo cáo thực tập tốt nghiệp với đề tài “ Phân tích xử lý ảnh siêu phổ phương pháp khuếch tán phi tuyến” thực nhằm giải vấn đề ảnh siêu phổ, nhìn vào ảnh siêu phổ khơng thể tự đưa số liêu xác, em nghĩ đến ý tưởng đưa số liệu ảnh siêu phổ Cùng với việc thực đề tài em xin gửi lời đến tận tình giúp đỡ q trình hồn thành báo cáo Trong q trình thực dù cố gắng việc sai sót thiếu sót khơng thể tránh khỏi Vì nhóm mong muốn giúp đỡ thầy để làm đề tài xác hoàn thiện Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 TÓM TẮT BÁO CÁO Trong khn khổ đồ án tốt nghiệp, ngồi lý thuyết ảnh siêu phổ, lý thuyết lọc khuếch tán phi tuyến, em nghiên cứu qua cách xử lý ảnh lọc nhiễu dò biên, tách biên ảnh, phương pháp xử lý ảnh RGB nhiều dạng ảnh khác Ở nội dung đề tài gồm có: Chương 1: Giới Thiệu Chung Về Đề Tài Chương em đưa khái niệm xử lý ảnh, khái quát xử lý ảnh, lọc nhiễu Chương 2: Ảnh siêu phổ ứng dụng viễn thám Trong chương em trình bày khái niêm ảnh siêu phổ, cấu tạo ảnh siêu phổ, ảnh siêu phổ thu cách phân tích xử lý chúng Ứng dụng ảnh siêu phổ viễn thám việc nghiên cứu khoa học viễn thám có tác dụng sống hiên Chương 3: Khôi phục làm trơn ảnh PDE Chương em nêu khái niệm khuếch tán hay trình bày chi tiết lý thuyết khuếch tán tuyến tính khuếch tán phi tuyến, cơng trình tác giả nghiên cứu hai mơ hình lọc Chương 4: Thực nghiệm Mơ hình hóa sản phẩm cách sử dụng sản phẩm, đánh giá kết đưa kết luận, hướng phát triển sản phẩm Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 ABSTRACT In the framework of graduation thesis, in addition to the theory of imaging spectroscopy imaging spectroscopy, we also sutdy on image processing such as noise filtering and edge detection, edge separation, the RGB image processing method and many other image types Our thesis is divided into chapters: Chapter1: An Overview This chapter contains basic concepts of image processing, image processing overview and noise filter Chapter 2: Hyperspectral imaging and applications in spectroscopy In chapter 2, I shall present the concepts of imaging spectroscopy, compose of imaging spectroscopy, collected imaging spectroscopy and scene analysis and processing The application of imaging spectroscopy in remote sensing and the role of remote sensing research in life Chapter 3: Image restoration and smooth by PDE In chapter 3, I present concepts of diffusion, theory of linear and nonlinear diffusion, studies of two filter models Chapter 4: Field-test Product modeling and product usage, result evaluation, conclusion and product development orientation Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 MỤC LỤC LỜI NÓI ĐẦU TÓM TẮT BÁO CÁO ABSTRACT MỤC LỤC DANH MỤC HÌNH ẢNH DANH MỤC BẢNG BIỂU DANH SÁCH CÁC TỪ VIẾT TẮT CHƯƠNG : GIỚI THIỆU CHUNG VỀ ĐỀ TÀI 10 1.1Tổng quan xử lý ảnh 10 1.1.1 Xử lý ảnh gì? 10 1.1.2 Một số vấn đề quan trọng xử lý ảnh 11 1.2 Lọc nhiễu xử lý ảnh 13 1.2.1 Các lọc nhiễu cổ điển 13 1.2.2 Xử lý ảnh PDE 14 1.3 Mục đích đối tượng phạm vi nghiên cứu đề tài 15 1.4 Ý nghĩa khoa học thực tiễn đề tài 15 1.4.1Ý nghĩa khoa học 15 1.4.2 Ý nghĩa thực tiễn 15 1.5 Phương pháp nghiên cứu 16 CHƯƠNG : ẢNH SIÊU PHỔ VÀ CÁC ỨNG DỤNG 17 TRONG VIỄN THÁM 17 2.1 Lý thuyết ảnh siêu phổ 17 2.1.1Khái niệm chung 17 2.1.2 Đặc diểm chung ảnh siêu phổ 18 2.1.3 Lý thuyết phản xạ phổ đối tượng tự nhiên 20 2.2 Sơ lược viễn thám 25 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 2.2.1 Định nghĩa 25 2.2.2 Nguyên lý viễn thám 27 2.2.3 Phân loại viễn thám 28 2.3 Ứng dụng viễn thám 30 2.3.1 Viễn thám nghiên cứu địa chất 30 2.3.2 Viễn thám nghiên cứu sử dụng đất lớp phủ bề mặt 33 2.3.3 Ứng dụng viễn thám việc thành lập đồ đất 35 CHƯƠNG 3:TỔNG QUAN LỌC KHUẾCH TÁN PHI TUYẾN 39 3.1Bản chất vật lý trình khuếch tán 39 3.2 Lọc khuếch tán tuyến tính 40 3.2.1 Mối quan hệ PDE lọc Gauss 41 3.2.2 Quy mô không gian 44 3.2.3 Những hạn chế lọc khuếch tán tuyến tính 45 3.3 Lọc khuếch tán phi tuyến 45 3.3.1 Mơ hình Perona-Malik 45 3.3.2 Các mơ hình phi tuyến điển hình 47 3.3.3 Mơ hình phi tuyến khơng đẳng hướng 48 3.4 Lọc khuếch tán phi tuyến ảnh siêu phổ 50 CHƯƠNG : THỰC NGHIỆM .52 4.1 Giới thiệu chung 52 4.2 Giới thiệu sản phẩm phần mềm 52 4.3 Các chương trình ứng dụng 54 4.3.1 Khử nhiễu ảnh RGB lọc khuếch tán 54 4.3.2 Khử nhiễu ảnh siêu phổ lọc khuếch tán phi tuyến 61 4.3.2 Xuất tham số liên quan đến ảnh để phục vụ công tác nghiên cứu 64 4.3.4 Xuất đồ thị đặc tuyến xử lý ảnh siêu phổ 70 4.3.5 So sánh việc khử nhiễu ảnh siêu phổ qua đồ thị 74 4.3.6 Một vài ứng dụng khác ứng dụng 76 4.4 Tổng kết, hướng đề sản phẩm 78 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 KẾT LUẬN .79 TÀI LIỆU THAM KHẢO .80 PHỤ LỤC 81 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 DANH MỤC HÌNH ẢNH Hình 1.1: Các bước hệ thống xử lý ảnh 10 Hình 2.1: Hình ảnh ảnh siêu phổ biểu đồ .18 Hình 2.2: Ảnh siêu phổ với bước sóng khác 19 Hình 2.3: Phản xạ lương với trường hợp toàn phần 21 Hình 2.4: Biểu đồ mối quan hệ giá trị phán xạ bước sóng .22 Hình 2.5: Ảnh cơng nghệ viễn thám 27 Hình 2.6: Vệ tinh địa tĩnh vệ tinh quỹ đạo cực .29 Hình 3.1: Quá trình khuếch tán vật lý phân tử .39 Hình 3.2: Hàm Gauss MATLAB mô 3D 41 Hình 4.1: Giao diện chương trình khuếch tán phi tuyến 53 Hình 4.2: Hình ảnh xử lý khuếch tán phi tuyến 56 Hình 4.3: Ảnh sau thêm nhiễu Gauss xử lý khuếch tán tuyến tính 57 Hình 4.4: Ảnh xử lý phương pháp khuếch tán phi tuyến với k khác .59 Hình 4.5: Khử nhiễu khuếch tán phi tuyến 60 Hình 4.6: Ảnh bước sóng 560nm ảnh siêu phổ 61 Hình 4.7: Ảnh bước sóng 560 sau chỉnh sáng để quan sát rõ 62 Hình 4.8: Thêm nhiễu khơi phục ảnh khuếch tán phi tuyến 63 Hình 4.9: Ảnh RGB ảnh siêu phổ 71 Hình 4.10: Biểu đồ reflectance điểm tọa độ (717,620) .72 Hình 4.11: Biểu đồ reflectance điểm ảnh (523,295) 73 Hình 4.12: Biều đồ radiance điểm ảnh tọa độ ( 214,105) 73 Hình 4.13: Biểu đồ hàm radiance điểm ảnh (1120,920) 74 Hình 4.14: Một điểm ảnh siêu phổ sau xử lý qua khuếch tán phi tuyến .75 Hình 4.15 : Đồ thị Histogram ảnh siêu phổ .76 Hình 4.16: Đồ thị Histogram sau thêm nhiễu Gauss .77 Hình 4.17: Hình ảnh điểm khuếch tán ảnh .77 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 DANH MỤC BẢNG BIỂU Bảng 2.1: Nhóm yếu tố liên quan đến việc giải đoán thổ nhưỡng .37 Bảng 4.1: RMSE đồi với ảnh sau khử nhiễu 63 Bảng 4.2: Bảng entropy với ảnh khử nhiễu khác 65 Bảng 4.3: Các giá trị Bias so sánh với ảnh gốc ảnh nhiễu .66 Bảng 4.4: Tham số RMSE PSNR xử lý ảnh 68 Bảng 4.5: Giá trị RASE ERGAS 69 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 DANH SÁCH CÁC TỪ VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt PSNR peak signal-to-noise ratio Giá trị lớn tín hiệu nhiễu HTTĐL Hệ thơng tin địa lý PDE Partial Differential Equation Phương trình vi phân phần RGB Red Green Blue Đỏ luc lam MSE mean squared error Trung bình bình phương nhiễu RMSE Root mean squared error Căn trung bình bình phương nhiễu Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 Quality Thêm tham số đánh gia chất lượng chiều với CC, tỉ lệ nghịch với số lần thực hiện, tăng đến mức sau giảm, xem công thức để nhận giống hai công thức: Quality = 4𝜎𝑥𝑦 𝑦𝑥 2 (𝜎𝑥 +𝜎𝑦2 )(𝑥 +𝑦 ) (4.14) Nhận thấy Quality có tử mẫu gần tương tư CC, điều dễ hiểu hai hàm có tính chất tương đồng 4.3.4 Xuất đồ thị đặc tuyến xử lý ảnh siêu phổ Chúng ta biết ảnh siêu phổ ảnh có dung lương nên đến vài trăm MB, nên việc xử lý ảnh liệu chúng vô phức tạp Ảnh siêu phổ nhóm sử dụng cung cấp link phần đầu đồ án Tuy để nói rõ cấu trúc file ảnh siêu phổ Các thông tin ảnh siêu phổ bao gồm File ảnh BMP: Ảnh dạng RGB ảnh siêu phổ, đầy đủ màu sắc ảnh thường, để ta nắm rõ kiện ảnh siêu phổ Ảnh có dung lượng khoảng 4MB File thông tin ảnh: file đuôi doc: Nói thơng tin ảnh Nêu thông số thời gian chụp, điều kiện chụp, máy ảnh loại , tiêu cự bao nhiêu, độ room,khoảng cách từ máy ảnh đến vùng trọng tâm Mục đích file để cung cấp thơng tin để nhà nghiên cứu nắm rõ để phân tích Như ta biết ảnh vào thời điểm khác nhau, độ sáng chói hồn tồn khác File reflectance: Đây file đuôi mat ma trận lớn, dùng để lưu trữ tất hệ số phản xạ điểm ảnh siêu phổ Kích thước file vơ lớn, số liệu quan trong file ảnh siêu phổ File radiance_ by_reflectance: file mat ma trận 33×2 : 33 số bước sóng ảnh siêu phổ (nếu ảnh siêu phổ chạy từ dải bước sóng 400nm đến 720nm với ảnh có bước sóng 400,410,420nm 70 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 n= 33: Ở ma trận có cột cột biểu số bước sóng, cột thể giá trị hệ số phát xạ bước sóng đó( thực coi ma trận để tìm hệ số phát xạ thực điểm ảnh) số tài liệu gọi hệ số chói Ở tồn file liệu ảnh siêu phổ, xử lý liệu File ảnh RGB sử dụng để xử lý khử nhiễu hay tách đường biên cho ảnh , ta thực việc khử nhiễu tách biên file ảnh tương tự với việc thực ảnh siêu phổ Ta xử lý ảnh siêu phổ thường Em chọn ảnh sau để xử lý Hình 4.9: Ảnh RGB ảnh siêu phổ Về thơng tin ảnh ta có ảnh chụp khu Ribeira, Porto, Bồ Đào Nha, vào lúc 15 05 ngày 10 tháng năm 2003 ánh sáng mặt trời trực tiếp với đám mây mỏng gió nhẹ Nhiệt độ mơi trường 26 ºC Máy ảnh độ f /16, tập trung 8.5, zoom thiết lập để tối đa, cho độ dài tiêu cự 75 mm Các màu xám đồng trái khung cảnh vẽ với Munsell 71 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 N7 mờ xám sơn (datafile: ref_n7.mat); khoảng cách từ máy ảnh siêu phổ 4,0 m, chiều cao 11 cm Chúng ta ý bên trái ảnh có vạch màu xám, điều mà kỳ ảnh siêu phổ tồn tại, giúp ảnh so sánh màu sắc tốt Tất thông số giúp ích ảnh hưởng nhiều đến việc nghiên cứu nhà khoa học Bây ta xử lý ảnh bình thường có kết ảnh, Nhiệm vụ đề tài khử nhiễu nên ảnh khơng có nhiễu nên thêm nhiễu để xử lý ảnh Kết việc xử lý ảnh khuếch tán phi tuyến khơng q hồn hảo, phân biệt vùng cách rõ ràng Xuất đồ thị reflectance, đồ thị thể giá trị hệ số phản xạ điểm ảnh hình ảnh Phương pháp chọn nút “load ref” sau chọn file ref.dat( dùng phần mềm MATLAB chuyển file ref.mat ref.dat) Sau chọn điểm ảnh ảnh hiển thị đồ reflectance điểm ảnh Giá trị pixel đính kèm Ở điểm có giá trị pixel (717,620) Nhìn vào đồ thị ta đốn điểm ảnh rơi vào khoảng màu tối,giá trị phản xạ tương đối thấp Hình 4.10: Biểu đồ reflectance điểm tọa độ (717,620) Bây ta thử chọn điểm ảnh màu với phản xạ tốt ảnh để xem kết điểm ảnh (523,295) 72 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 Hình 4.11: Biểu đồ reflectance điểm ảnh (523,295) Ta thấy kết điểm ảnh có giá trị lớn nhiều so với điểm ảnh trước, điểm thấp có giá trị 0.9535 giá trị cao điểm ảnh trước 0.3238 Với đồ thị xuất thứ hai đồ thị radiance, ta cần load thêm file để xuất đồ với giá trị (214.105) Hình 4.12: Biều đồ radiance điểm ảnh tọa độ ( 214,105) Nhận thấy với hàm radiance ta chọn điểm ảnh với đồ thị ta suy điểm ảnh màu đỏ bước sóng lớn, hấp thụ màu tốt, 73 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 nên điểm ảnh màu đỏ Với khung cảnh thành phố mái ngói Với nhiều thơng tin người đưa nhiều suy luận khác tùy vào mục đích sử dụng Ta thử với điểm ảnh tối hơn, có màu đen tạo ( 1120,920) Hình 4.13: Biểu đồ hàm radiance điểm ảnh (1120,920) 4.3.5 So sánh việc khử nhiễu ảnh siêu phổ qua đồ thị Khi ta thực lưu trữ ảnh siêu phổ sau thực hiện, việc xuất thêm đồ khác để chứng tỏ việc khử nhiễu có kết q khả quan Nhìn vào hình vẽ dây ta thấy tác dụng việc khử nhiễu lọc khuếch tán phi tuyến đem lại hiệu so với ảnh bị nhiễu 74 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 Hình 4.14: Một điểm ảnh siêu phổ sau xử lý qua khuếch tán phi tuyến 75 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 Ta nhận thây dáng đồ thị nhận dạng rõ ràng trước sau bị nhiễu, ràng lọc khuếch tán phi tuyến tạo trình khử nhiễu tốt ảnh siêu phổ 4.3.6 Một vài ứng dụng khác ứng dụng Ngồi chức xủa sản phẩm ảnh siêu phổ, nhóm thiết lập thêm vài chức phụ để nằm rõ ảnh Thiết lập đồ thị histogram cho ảnh đầu vào, nhận thấy đồ thị histogram có nhiều lợi ích tốt để phản ánh ảnh nhóm thiết lập thêm chức phụ Hình 4.15 : Đồ thị Histogram ảnh siêu phổ Trong 256 giá trị màu xám, ảnh siêu phổ thể 128 giá trị, thể rõ đặc tính ảnh siêu phổ, ảnh siêu phổ ảnh phân rõ màu sắc chi tiết so với ảnh bình thường Ngồi chức vẽ histogram chức thêm nhiễu Gauss giúp để ta đánh giá ảnh qua phương pháp lọc, thêm nhiễu Gauss đồ thị histogram ảnh có dạng độ Gauss, xem hình vẽ để chứng minh kết 76 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 Hình 4.16: Đồ thị Histogram sau thêm nhiễu Gauss Kết sau thêm nhiễu, đồ thị histogram đồ có dạng gần giống đồ thị Gauss Bây đến với chức phụ cuối hiển thị hình ảnh khuếch tán Hình 4.17: Hình ảnh điểm khuếch tán ảnh Hình ảnh thể sau bước thực lọc ta có ảnh trên, ảnh màu trắng có độ khuếch tán sang bên cạnh tốt điểm tối 77 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 màu Nhờ vào nhận biết ảnh tiếp tục bị khuếch tán tiếp nào, nhờ mà ta biết ảnh nên dừng lại khuếch tán t 4.4 Tổng kết, hướng đề sản phẩm Với làm được, nhiều vấn đề mà em cần phải phát triển tới, sản phẩm nhiều phương hướng để phát triển Ngồi việc xuất tham số đồ thị cho ảnh siêu phổ, rút gọn bước nghiên cứu công nghệ viễn thám Khử nhiễu ứng dụng tốt, nhiên có ứng dụng khử nhiễu khuếch tán phi tuyến tuyến tính, cần so sánh với phương pháp xử lý ảnh khác để kết so sánh Khi ta nhận xét phương pháp tốt phương pháp Tách biên đồ án em không hướng tới, nhiệm vụ quan trọng xử lý ảnh chúng có ảnh hưởng lớn việc phân vùng ảnh, em nghiên cứu phương pháp lọc biên đơn giản Một vấn đề việc kết hợp đồ thị đặc tuyến với liệu phản xạ phổ vật mơi trường, bước tiến q trình xử lý ảnh siêu phổ 78 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 KẾT LUẬN Sau tìm hiểu đề tài “ Phân tích ảnh siêu phổ phương pháp lọc khuếch tán phi tuyến” em nhận thấy kiến thức lĩnh vực xử lý ảnh vô rộng lớn Lĩnh vực ảnh siêu phổ giúp cho công nghệ viễn thám phát triển tốt hơn, nên việc xử lý bước nghiên cứu vơ quan trọng Kết em đạt việc xử lý ảnh siêu phổ để giảm nhiễu Đưa thông số RMSE hay PSNR để so sánh chất lượng khử nhiễu, xuất thông số Bias, Div, CC Với thơng số nhà phân tích địa chất đưa kết vùng đất nên làm sử dụng Xử lý ảnh khuếch tán phi tuyến chứng minh tốt so với phương pháp lọc khuếch tán tuyến tính Các khảo sát số bước thực t StepSize chứng minh khả xử lý phương pháp lọc khuếch tán phi tuyến tuyến tính Cuối em lần gửi lời cám ơn đến Nguyễn Thúy Anh tận tình bảo nhóm suốt q trình làm đồ án tốt nghiệp Chúc gia đình sức khỏe thật tốt sống Một lần em xin chân thành cám ơn 79 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 TÀI LIỆU THAM KHẢO [1] http://www.cg.info.hiroshimacu.ac.jp/~miyazaki/knowledge/teche61.html truy cập lần cuối ngày 27/2/2018 [2] http://www.climategis.com/2011/06/ung-dung-anh-vien-tham-sieu-pho.html truy cập lần cuối ngày 1/3/2018 [3] “ Xử lý ảnh” PGS TS ĐỖ NĂNG TỒN, TS PHẠM VIỆT BÌNH [4] “ Hyperspectral Imaging” tác giả Chein-I Chang [5] “Anisotropic Diffusionin Image Processing” tác giả Joachim Weickert [7] Tạp chí Hiệp hội quang học Mỹ “Frequency of metamerism in natural scenes” tác giảFoster, D.H., Amano, K., Nascimento, S.M.C., & Foster, M.J năm 2006 [8]http://personalpages.manchester.ac.uk/staff/d.h.foster/Hyperspectral_images_ of_natural_scenes_04.html truy cập lần cuối ngày 22/04/2018 [9] “Algorithms for Non-Linear Diusion Matlab in a Literate Programming Style “ tác giả Rein van den Boomgaard [10] http://www.markelowitz.com/Hyperspectral.html truy cập lần cuối ngày 1/5/2018 [11] “ Introduction to Nonlinee Image Processing” tác giả Iasonas Kokkinos 80 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 PHỤ LỤC Xử lý ảnh khuếch tán phi tuyến qua C# void computeC(double[,] arr, int x, int y, int w, int h, double[,] c, double k) { double top, bot, left, right; if (y == 0) { left = arr[x, y]; } else { left = arr[x, y - 1]; } if (y == w - 1) { right = arr[x, y]; } else { right = arr[x, y + 1]; } if (x == 0) { top = arr[x, y]; } else { top = arr[x - 1, y]; } if (x == h - 1) { bot = arr[x, y]; } else { bot = arr[x + 1, y]; } double gx = left - right; double gy = top - bot; double g = gx * gx + gy * gy; c[x, y] = Math.Exp(-g / (k * k)); } double ldStep(double[,] arr, double stepSize, int x, int y, int w, int h, double[,] c) { double top, bot, left, right, center; 81 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 double ctop, cbot, cleft, cright, ccenter; if (y == 0) { left = arr[x, y]; cleft = c[x, y]; } else { left = arr[x, y - 1]; cleft = c[x, y - 1]; } if (y == w - 1) { right = arr[x, y]; cright = c[x, y]; } else { right = arr[x, y + 1]; cright = c[x, y + 1]; } if (x == 0) { top = arr[x, y]; ctop = c[x, y]; } else { top = arr[x - 1, y]; ctop = c[x - 1, y]; } if (x == h - 1) { bot = arr[x, y]; cbot = c[x, y]; } else { bot = arr[x + 1, y]; cbot = c[x + 1, y]; } ccenter = c[x, y]; if (rdLinear.Checked) { ccenter = 1; ctop = 1; cbot = 1; cleft = 1; cright = 1; 82 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 } center = arr[x, y]; double retVal = (ctop + ccenter) * (top - center) - (cbot + ccenter) * (center bot) + (cleft + ccenter) * (left - center) - (cright + ccenter) * (center - right); retVal /= 2.0; // return (top + bot + left + right - 4*arr[x, y]) * stepSize; return retVal * stepSize; } public void DoFilter() { double stepsize = double.Parse(mtbStepSize.Text); Log("stepsize = " + stepsize + "\n" ); // process Log("normalize image "); for (int i = 0; i < width; i++) for (int j = 0; j < height; j++) { Color p = orgImage.GetPixel(i,j); normImgR[j, i] = (double)p.R; normImgG[j, i] = (double)p.G; normImgB[j, i] = (double)p.B; normImgR[j, i] /= 255.0f; normImgG[j, i] /= 255.0f; normImgB[j, i] /= 255.0f; } Log(" done \n"); int nosteps = int.Parse(mtbIterations.Text); Log("iterations = " + nosteps + "\n"); double k = double.Parse(mtbK.Text); Log("k = " + k + "\n"); int step = 0; while (step < nosteps) { Log("step #" + step + " "); for (int i = 0; i < height; i++) for (int j = 0; j < width; j++) { computeC(normImgR, i, j, width, height, csR, k); computeC(normImgG, i, j, width, height, csG, k); computeC(normImgB, i, j, width, height, csB, k); } for (int i = 0; i < height; i++) for (int j = 0; j < width; j++) { stepsR[i, j] = ldStep(normImgR, stepsize, i, j, width, height, csR); stepsG[i, j] = ldStep(normImgG, stepsize, i, j, width, height, csG); 83 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 stepsB[i, j] = ldStep(normImgB, stepsize, i, j, width, height, csB); } for (int i = 0; i < height; i++) for (int j = 0; j < width; j++) { normImgR[i, j] += stepsR[i, j]; normImgG[i, j] += stepsG[i, j]; normImgB[i, j] += stepsB[i, j]; } } step++; Log("done\n"); this.Invoke((MethodInvoker)delegate { pbProgress.Value = (int)(((float)step / nosteps) * 100); }); Log("prepare output "); Array.Clear(hgramRGB, 0, hgramRGB.Length); for (int i = 0; i < height; i++) for (int j = 0; j < width; j++) { int r = (int)(normImgR[i,j]*255.0f); int g = (int)(normImgG[i,j]*255.0f); int b = (int)(normImgB[i,j]*255.0f); dstImage.SetPixel(j, i, Color.FromArgb(r, g, b)); // histogram hgramRGB[0, r]++; hgramRGB[1, g]++; hgramRGB[2, b]++; // red // green // blue int cr = (int)(csR[i, j] * 255.0f); int cg = (int)(csG[i, j] * 255.0f); int cb = (int)(csB[i, j] * 255.0f); csImage.SetPixel(j, i, Color.FromArgb(cr, cg, cb)); } Log("done\n"); dstImage.Save("out.bmp"); 84 ... Chương 2: Ảnh siêu phổ ứng dụng viễn thám Trong chương em trình bày khái niêm ảnh siêu phổ, cấu tạo ảnh siêu phổ, ảnh siêu phổ thu cách phân tích xử lý chúng Ứng dụng ảnh siêu phổ viễn thám việc... quan xử lý ảnh 1.1.1 Xử lý ảnh gì? Xử lý ảnh q trình mà người xử lý thứ mà người ta dùng cảm ta thu nhận Quá trình xử lý ảnh mục đích làm cho ảnh tốt (gồm khử nhiễu, làm nét ảnh, hay làm đẹp ảnh. .. ảnh siêu phổ 18 Xử lý ảnh siêu phổ khuếch tán phi tuyến 2018 Chính điều làm ảnh siêu phổ có liệu lên đến vài trăm MB Chúng ta thấy hình ảnh siêu phổ nhìn theo góc nhìn 2D: Hình 2.2: Ảnh siêu phổ