Xử lý ảnh đa phân giải

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA - NGUYỄN NGỌC HẢI XỬ LÝ ẢNH ĐA PHÂN GIẢI Chuyên ngành: Kỹ thuật điện tử Mã số ngành: 02 07 01 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng năm 2005 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : Cán chấm nhận xét : Cán chấm nhận xét : PGS TSKH NGUYỄN KIM SÁCH PGS TS VŨ ĐÌNH THÀNH TS PHAN HỒNG PHƯƠNG Luận văn thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA Ngày 22 tháng 07 năm 2005 TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày tháng năm 2005 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN NGỌC HẢI Phái: Nam Ngày, tháng, năm sinh: 28/04/1980 Nơi sinh: Quảng Nam Chuyên ngành: Kỹ thuật điện tử MSHV: 01403314 I TÊN ĐỀ TÀI: Xử lý ảnh đa phân giải II NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu lý thuyết sở xử lý đa phân giải, biễu diễn Gaussian pyramid, Laplacian pyramid, wavelet ứng dụng Nghiên cứu, viết chương trình ứng dụng cụ thể đa phân giải phân đoạn ảnh màu theo trực quan III NGÀY GIAO NHIỆM VỤ: IV NGÀY HOÀN THÀNH NHIỆM VỤ: 06/07/2005 V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS TSKH NGUYỄN KIM SÁCH CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH PGS.TSKH NGUYỄN KIM SÁCH BỘ MÔN Đ.T–V.THÔNG PGS TS VŨ ĐÌNH THÀNH TS PHẠM HỒNG LIÊN Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua Ngày PHÒNG ĐÀO TẠO SĐH tháng năm 2005 KHOA QUẢN LÝ NGÀNH LỜI CẢM ƠN Chân thành cảm ơn tất thầy cô dạy chúng em Được bảo, truyền đạt kiến thức, kinh nghiệm thầy cô; chúng em học nhiều cách tiếp cận vấn đề mới, giải vấn đề kỹ thuật, tự tin hiệu công tác Trân trọng cảm ơn Thầy PGS TSKH Nguyễn Kim Sách quan tâm, đưa định hướng, yêu cầu nhiều báo đăng tạp chí IEEE trình em thực luận văn Cảm ơn gia đình (ba, mẹ em) nuôi dưỡng tạo điều kiện cho học tập tốt Sẽ nhớ anh, chị bạn lớp sau hai năm học tập, gắn bó với TÓM TẮT NỘI DUNG LUẬN VĂN Phân tích đa phân giải cách xử lý tín hiệu hiệu quả, cho phép xem xét thông tin nhiều cấp độ Trong năm gần đây, phân tích đa phân giải áp dụng nhiều vấn đề xử lý tín hiệu xử lý ảnh Tuy nhiên, ý tưởng phân tích ảnh độ phân giải khác Các nghiên cứu nhiều lónh vực toán học, vật lý học, xử lý tín hiệu phân tích liệu địa chấn đặt móng cho phát triển phân tích đa phân giải So với biến đổi Fourier, đa phân giải có ưu điểm vượt trội, cung cấp mô hình hiệu cho việc tách thông tin từ ảnh, cho phép hiểu rõ phân bố thông tin ảnh tốt khử nhiễu tốt Hiện tại, có nhiều ứng dụng đa phân giải liên tục đăng tạp chí IEEE [21], [22], [23] Nội dung luận văn tìm hiểu, nghiên cứu sở, đặc điểm ứng dụng biến đổi đa phân giải Sau đó, vận dụng viết chương trình ứng dụng thực tế Hướng ứng dụng chọn phân đoạn ảnh theo trực quan Phân đoạn ảnh sở phát triển cho nhiều hướng ứng dụng xử lý ảnh nhận dạng, đánh giá chuyển động, phân tích cảnh vật… Các kết chương trình xem xét, rút kết luận so sánh với kết giải thuật phân đoạn khác Cụ thể, nội dung luận án bao gồm: Cơ sở, tiên đề biểu diễn đa phân giải Từ đó, xây dựng phép biến đổi đa phân giải Liên hệ phân tích đa phân giải với trình xử lý hệ thống thị giác người Cơ sở toán học, sơ đồ thực ứng dụng biễu diễn Gaussian pyramid, Laplacian pyramid wavelet So sánh biễu diễn Đây ba biễu diễn đa phân giải có vai trò quan trọng Như vậy, qua nội dung trình bày trên, mục tiêu nghiên cứu đặc điểm ứng dụng đa phân giải hoàn thành Để tìm hiểu thêm chứng minh toán học phức tạp ứng dụng đa phân giải, xem tài liệu [1], [3], [4], [5] Về ứng dụng cụ thể, nội dung luận văn bao gồm: Cơ sở để đánh giá kết phân đoạn tốt hay xấu Trình bày tổng hợp, phân loại cách tiếp cận phân đoạn bao gồm phân đoạn theo histogram, theo vùng lân cận theo tính chất vật lý Trình bày giải thuật phân đoạn ảnh màu theo trực quan Qua tham khảo nhiều giải thuật phân đoạn, giải thuật chọn phạm vi ứng dụng rộng rãi, không hạn chế số loại ảnh Vì vậy, giải thuật phân đoạn phức tạp kiểu phân đoạn, đối tượng phân đoạn ảnh tự nhiên Cách tiếp cận giải thuật có nhiều điểm mẻ, bật, áp dụng kết đạt lónh vực nghiên cứu hệ thống thị giác người Đó áp dụng lọc Zhang Wandell [6] đo đạc từ thực nghiệm chế giãn nỡ theo xác suất Petrou Mirmehdi [15] đưa Vận dụng viết chương trình ứng dụng MATLAB C Chương trình thử nghiệm nhiều loại ảnh với nhiều cấp độ phân giải, số lượng cluster khởi tạo khác Từ kết đạt được, trả lời câu hỏi “Tham số có vai trò định kết phân đoạn?” rút kết luận Cuối cùng, luận văn phân tích hạn chế giải thuật đề nghị giải pháp khắc phục Hạn chế xuất phát từ đối tượng xử lý giải thuật ảnh tự nhiên, có đặc tính ngẫu nhiên Do đó, để có kết phân đoạn xác, phải khởi tạo ngẫu nhiên số lượng lớn cluster ban đầu, chí lớn nhiều lần so với số pixel ảnh Nhìn từ khía cạnh này, thấy điều chưa hợp lý Ý tưởng đề nghị dựa vào mối quan hệ pixel lân cận để tạo cluster ban đầu Nếu khoảng cách pixel lân cận không gian màu đồng LUV nhỏ mức ngưỡng cho phép nhóm pixel thành cluster Về khía cạnh tính toán, giải pháp đề nghị cải thiện tốc độ chạy chương trình Hiện nay, phân tích đa phân giải thu hút nghiên cứu phát triển mặt lý thuyết toán học phức tạp ứng dụng phong phú, đa dạng chúng Trong xử lý ảnh, phân tích đa phân giải giải pháp đem lại nhiều triển vọng để giải toán đặt MỤC LỤC Chương 1: BIỂU DIỄN ẢNH ĐA PHÂN GIAÛI 1.1 Toång quan 1.2 Các ký hiệu, định nghóa 1.3 Các tiên đề phân tích đa phân giải 1.4 Biểu diễn pyramid 1.4.1 Cơ sở toán học 1.4.2 Loại trừ nội suy 11 1.4.3 Gaussian pyramid 13 1.4.4 Laplacian pyramid 15 1.5 Biểu diễn wavelet 16 1.5.1 Cô sở toán học 16 1.5.2 Các băng lọc 29 1.5.3 Phân rã wavelet 31 1.5.4 Ma trận biến đổi wavelet rời rạc 34 1.5.5 Liên hệ với hệ thống thị giác người 36 1.5.6 Aùp duïng 37 1.6 Những đa phân giải khác 37 1.6.1 Biến đổi wavelet không giảm tốc độ lấy mẫu 37 1.6.2 Wavelet packet 37 Chương 2: PHÂN ĐOẠN ẢNH MÀU ĐA PHÂN GIẢI THEO TRỰC QUAN .39 2.1 Các tiêu chuẩn đánh giá kết phân đoạn ảnh 40 2.2 Phân loại cách phân đoạn ảnh màu 40 2.2.1 Phân đoạn dựa vào histogram 41 2.2.2 Phaân đoạn dựa vào vùng lân cận 41 2.2.3 Phân đoạn theo tính chất vật lý 42 2.3 Phân đoạn ảnh màu đa phân giải theo trực quan 43 2.3.1 Các cách tiếp cận 43 2.3.2 Xây dựng tower theo trực quan 46 2.3.3 2.3.4 2.3.5 2.3.6 2.3.7 Hoài phục đa phân giải theo xác suất 49 Các nhóm chung 54 Prior probabilistic 55 Histogram maøu chieàu 56 Từ điển thành phần hàm Q 56 Chương 3: ĐÁNH GIÁ CÁC KẾT QUẢ ĐẠT ĐƯC VÀ GIẢI PHÁP ĐỀ XUAÁT 58 3.1 3.2 3.3 3.4 3.5 Chương trình MATLAB 59 Löu đồ thực giải thuật 60 Các kết 76 So sánh với kết giải thuật phân đoạn Edge Flow 78 Nhận xét, giải pháp đề xuaát 79 KẾT LUẬN 85 HƯỚNG PHÁT TRIỂN .87 TÀI LIỆU THAM KHAÛO 89 Trang CHƯƠNG 1: BIỄU DIỄN ẢNH ĐA PHÂN GIẢI Chương 1: Biễu diễn ảnh đa phân giải Trang 78 Hình 3.14 Kết phân đoạn với k = 10 000 ds 10: 50 : 200 10: 50: 400 3.4 So sánh với giải thuật phân đoạn Edge Flow Để đánh giá khách quan, so sánh kết phân đoạn chương trình M Petrou M Mirmedhi đề xuất với kết đạt giải thuật phân đoạn khác Giải thuật phân đoạn mà ta chọn giải thuật Edge Flow Wei Ma Manjunath [24] phát triển Lý chọn giải thuật giải thuật Edge Flow cách tiếp cận hoàn toàn khác với giải thuật sử dụng nhiều khái niệm khác Sử dụng kết mà hai ông cho, thực so sánh với ảnh hình 3.15 nh gốc (K=10000 Kết phân đoạn Kết phân đoạn M Petrou M Mirmehdi đề xuất theo Edge Flow ’ Chương 3: Giải thuật đề xuất, so sánh kết quả, kết luận giải pháp đề nghị Trang 79 K = 50000 Hình 3.15 So sánh kết hai giải thuật Như thấy, Edge Flow tìm biên vùng ảnh xác tên gọi giải thuật Tuy nhiên, Edge Flow có khuynh hướng phân đoạn mức 3.5 Nhận xét, giải pháp đề xuất Xem xét hình 3.11, nhận thấy core cluster mức thô xác so với core cluster mức mịn Điều core cluser mức mịn kết trình giãn nở kết hợp thông tin từ mức thô trước ảnh mờ mức Xem xét kết đạt hình 3.12 3.13, thấy kết phân đoạn xác số cluster khởi tạo ban đầu K lơn Như vậy, giá trị khởi tạo cho k-means clustering có ý nghóa định đến kết phân đoạn cuối số cluster ban đầu sở cho giải thuật phân đoạn đề xuất k-means clustering thực xong thêm cluster thêm vào Tuy nhiên, tăng K thời gian chạy chương trình lâu trình xử lý lâu giải thuật Chương 3: Giải thuật đề xuất, so sánh kết quả, kết luận giải pháp đề nghị Trang 80 Xem xét hình 3.13 (a) hình 3.14 có số cluster k khác khoảng cách ds, thấy ds nhỏ (200 inches) kết phân đoạn xác thời gian chạy chương trình gần Điều cho thấy khoảng cách ds lớn dẫn đến số lượng mức tiến trình giãn nỡ nhiều bù lại, việc tìm cluster chung mức thô nhanh Do đó, thời gian thực toàn chương trình gần Phân đoạn ảnh berries.jpg Ds = 10: 50: Ds = 10: 50 : Ds = 10 : 50 : với k =10000 200 300 400 2.5354e+003 2.6917e+003 2.7094e+003 Thời gian thực chương trình (s) Trong vấn đề phân đoạn ảnh, khó đánh giá cách khách quan kết mà chương trình đạt Tuy nhiên, so với cách tiếp cận khác, giải thuật mẻ thú vị Điểm bật giải thuật có sử dụng kiến thức hệ thống thị giác người nỗ lực thực phân đoạn giống trình thực hệ thống thị giác người Do đó, việc tính toán phức tạp Ví dụ: Với ảnh berries.jpg có kích thước 128x128 pixel = 16 384 pixel số clusters khởi tạo K = 25000 số vòng lặp phải thực chương trình kclassify.c 409 600 000 lần Đây số lớn mà chương trình viết C chạy lâu Tiến trình relaxation lặp lại thông qua tất ảnh làm trơn Vì vậy, làm tăng tính toán Quá trình làm trơn xử lý lâu kích thước lọc Zhang Wandell lớn Chương 3: Giải thuật đề xuất, so sánh kết quả, kết luận giải pháp đề nghị Trang 81 Giải pháp đề xuất Nhiều giải thuật phân đoạn hướng đến việc xử lý loại ảnh riêng biệt ảnh y học, thiên văn học, v…v (xem [20], [4]) Các ảnh có đặc điểm riêng sử dụng cách xử lý riêng biệt Khác với giải thuật trên, giải thuật đề xuất hướng đến việc xử lý ảnh tự nhiên nh tự nhiên có đặc điểm ngẫu nhiên, trước tính chất ảnh Đây lý để giải thích hai GS M Petrou M Mirmehdi [14] lại phân bố cách ngẫu nhiên means ban đầu không gian (x, y, L, a, b) bắt đầu tiến trình phân nhóm pixel Để có kết phân đoạn xác, phải khởi tạo số cluster ban đầu lớn Điều dẫn đến số vòng lặp lớn ví dụ đưa phần kết luận Đồng thời, qua nhiều lần chạy chương trình, nhận thấy chương trình chạy nhanh hay chậm có phần tùy thuộc vào giá trị means ngẫu nhiên ban đầu Điều thứ ba số cluster lớn, nhận thấy mâu thuẫn số cluster lại lớn số pixel nhiều Từ nhận định trên, giải pháp giải vấn đề đề xuất nhằm giải yêu cầu giảm tính toán (Giải pháp hình 3.16, 3.17) Trong giải pháp này, thực phân nhóm cho pixel dựa vào khoảng cách pixel không gian (x, y, L, a, b) thay xét khoảng cách pixel means cluster ban đầu giải thuật cũ Giải thuật phân nhóm cho pixel cho hình 3.17 Một nhóm thành lập khoảng cách pixel lân cận nhỏ mức ngưỡng β cho trước Sau phân nhóm pixel, thực hội tụ cluster khoảng cách cluster gần nhỏ mức ngưỡng (giống mức ngưỡng giải thuật M Petrou M Mirmehdi) xóa cluster ý nghóa Chương 3: Giải thuật đề xuất, so sánh kết quả, kết luận giải pháp đề nghị Trang 82 Những cluster ý nghóa cluster nhỏ Nếu để cluster tồn tại, kết phân đoạn cuối giải thuật bị lốm đốm vùng nhỏ Cuối cùng, thực xếp lại cluster lúc pixel thuộc nhiều cluster kết phân đoạn có biên không rõ ràng, xác Với pixel này, tính toán khoảng cách pixel đến cluster chúng Pixel thuộc cluster có khoảng cách đến nhỏ Kết pixel thuộc cluster Về mặt tính toán, với cách phân nhóm trên, có tối đa pixel lân cận pixel Như vậy, ảnh có kích thước 128x128 pixels, có tối đa 128x128x8 = 131 072 lần lặp, nhỏ nhiều so với giải thuật chưa cải tiến (409 600 000 lần) Cách phân nhóm giảm lượng tính toán nhiều lần Chúng ta phải xác định xác mức ngưỡng β bao nhiêu? Do điều kiện thời gian có hạn nên chưa thể thực nghiệm xác định mức ngưỡng β cho hợp lý loại ảnh cụ thể hóa ý tưởng để lấy kết kiểm chứng, so sánh Chương 3: Giải thuật đề xuất, so sánh kết quả, kết luận giải pháp đề nghị Trang 83 Begin Đọc file ảnh, Hệ số k khoảng cách (Tạo tower) Gọi createpyramid.m Hiển thị pyramid Phân nhóm pixel thành cluster (Hình thành cluster lõi) Gọi formCoreCluster.m Hiển thị cluster lõi Trả lại giá trị ngõ pyr, masks, confidences, stds, means End Hình vẽ 3.16 Lưu đồ giải thuật tiền xử lý cải tiến Chương 3: Giải thuật đề xuất, so sánh kết quả, kết luận giải pháp đề nghị Trang 84 Begin Lấy ma trận ảnh LAB số cluster Sắp xếp lại ảnh theo vector imageVect i:=1 Tính khoảng cách từ pixel đến pixel lân cận Dists(j) < mức ngưỡng β Nhóm pixel thành nhóm Đúng i := i+1 < numPixels Sai Hội tụ nhóm Sắp xếp lại nhóm Tính trả lại giá trị means, clusters, map, groups End Hình vẽ 3.17 Lưu đồ giải thuật phân nhóm cải tiến Chương 3: Giải thuật đề xuất, so sánh kết quả, kết luận giải pháp đề nghị Trang 85 KẾT LUẬN Từ sở toán học ứng dụng biến đổi đa phân giải trình bày, rút số kết luận sau: Biến đổi đa phân giải đa dạng, phong phú, xây dựng sở thõa mãn tiên đề nêu Những tiên đề đưa sở liên hệ với trình xử lý hệ thống thị giác người Qua tổng kết nhiều tài liệu viết ứng dụng đa phân giải, nhận định biến đổi đa phân giải ứng dụng nhiều vấn đề lónh vực xử lý tín hiệu xử lý ảnh nén ảnh, phân đoạn ảnh, tách biên, khử nhiễu, xử lý tín hiệu âm thanh, phân tích liệu địa chấn Trong đó, biểu diễn Gaussian pyramid, Laplacian pyramid biểu diễn đa phân giải dựa wavelet đóng vai trò chủ đạo Từ sách tham khảo [1], [3], [4], [5] báo đăng tạp chí IEEE gần [21], [22], [23] thấy ý tưởng phép biến đổi đa phân giải có từ lâu (khoảng hai chục năm nay) lý thuyết toán học đa phân giải quan tâm nghiên cứu để tạo nên công cụ xử lý tín hiệu hiệu Nhiều phép biến đổi đa phân giải phát triển, sáng tạo để giải vấn đề cụ thể Qua nội dung trình bày chương luận án, mục tiêu nghiên cứu đặc điểm ứng dụng đa phân giải hoàn thành Để thực ứng dụng cụ thể đa phân giải, luận án chọn lónh vực phân đoạn ảnh theo trực quan phân đoạn ảnh xử lý ảnh bản, xem bước tiền xử lý cho phép xử lý khác phân đoạn ảnh theo Kết luận Trang 86 trực quan giải thuật phức tạp giải thuật phân đoạn áp dụng với loại ảnh (ảnh tự nhiên) Qua kết thực nghiệm chương trình luận án, thấy rõ: Chương trình làm sáng tỏ kết áp dụng lọc xây dựng từ sở đo đạc thực nghiệm hệ thống thị giác người Zhang Wandell [6] đưa So với hầu hết giải thuật làm trơn áp dụng lọc Gaussian làm trơn ảnh, kết đạt đáng khích lệ mở nhiều thử nghiệm Luận án cho thấy trình xử lý tạo cluster lõi, relaxtion chặt chẽ thích hợp với việc xử lý ảnh tự nhiên (có đặc điểm ngẫu nhiên) thông qua kết phân đoạn nhiều ảnh Hạn chế chương trình xuất phát từ việc khởi tạo số lượng lớn cluster cách ngẫu nhiên Khi số cluster lớn kết phân đoạn xác tốc độ thực chương trình chậm dễ xảy tràn nhớ Luận án đề nghị ý tưởng khắc phục Đề tài xử lý ảnh đa phân giải mẽ, chuyên sâu học viên nguồn tài liệu để tiếp cận chắn luận án cần tiếp tục nghiên cứu, bổ xung nhiều điểm Kết luận Trang 87 HƯỚNG PHÁT TRIỂN Xử lý đa phân giải tiếp tục phát triển lý thuyết ứng dụng thực tế Trong luận án trình bày điểm đa phân giải sâu nghiên cứu ứng dụng đa phân giải phân đoạn ảnh Từ kết luận án, phát triển nhiều ứng dụng dùng xử lý đa phân giải, cụ thể như: Thực giải thuật báo [21] đăng tạp chí IEEE so sánh với kết luận án Sự so sánh cho nhiều cải tiến vượt bậc hai giải thuật hướng đến phân đoạn ảnh màu tự nhiên Ứng dụng xử lý đa phân giải vấn đề đánh giá chuyển động bám theo chuyển động Đây đề tài mẻ nhiều người quan tâm đánh giá chuyển động ảnh mức thô đạt kết gần giống với đánh giá chuyển động ảnh gốc việc xử lý, tính toán phức tạp Áp dụng lọc đa phân giải Zhang Wandell vào giải thuật phân đoạn ảnh đa phân giải khác mã hóa ảnh Kết đạt có nhiều cải tiến bất ngờ (xem [16]) Ứng dụng phân đoạn ảnh đa phân giải việc nhận dạng nhận dạng dấu vân tay, chữ ký điện tử… Lónh vực nhiều trung tâm, viện nghiên cứu robot quan tâm Ứng dụng lọc moment đa phân giải phân đoạn ảnh Đây hướng gợi mở báo tạp chí IEEE đăng (xem [22]) Hướng phát triển Trang 88 Phân tích đa phân giải giữ vai trò quan trọng ngày quan trọng xử lý tín hiệu xử lý ảnh Nhiều phép phân tích đa phân giải liên tục nghiên cứu, làm cho ứng dụng phân tích đa phân giải thêm phong phú thú vị Hướng phát triển Trang 89 TÀI LIỆU THAM KHAÛO [1] Martin Vetterli and Jelena Kovacevic, Wavelets and Subband Coding, (Prentice Hall, Englewood Cliffs, NJ, 1995) [2] PGS TSKH Nguyễn Kim Sách, “Xử lý ảnh Video số ”, Nhà xuất Khoa học Kỹ thuật, 1997 [3] Handbook of Image and Video Processing, Academic Press, (2000) [4] S G Mallat, “ A theory for multiresolution signal decomposition: The wavelet transform”, IEEE Trans Pattern Anal Machine Intell 11, 674-693 (1989) [5] PGS TS Lê Tiến Thường, “Tập giảng chuyên đề wavelets ứng dụng”, 4-2003 [6] X Zhang and B.A Wandell, “A spatial extension of CIELAB for digital color image reproduction” WWW address: ftp://white.stanford.edu/scielab/spie97.ps.gz [7] R R Coifman and M V Wickerhauser, “Entropy-based algorithms for best basis selections”, IEEE Trans Inf Theory, Special Issue on Wavelet Transforms and Multiresolution Signal Analysis, Vol 38, No 2, (1992) [8] S Geman and D Geman, “Stochastic relaxation, Gibbs distribution, and the Bayesian restoration of images”, IEEE Trans Pattern Anal Machine Intell 6, (1984) [9] G J Klinker, S A Shafer, and T Kanade, “Image segmentation and reflection analysis through colour”, Proc Of Image Understanding Workshop, Cambridge, Massachusetts, April 1988 Tài liệu tham khảo Trang 90 [10] A Rosenfeld, R Hummel, and S Zucker, “Scene labeling by relaxation operations”, IEEE Trans Systems, Man, and Cybernetics, June 1976 [11] S Peleg, “A new probabilistic relaxation scheme”, IEEE Trans Pattern Analysis and Machine Intell 7, 1980 [12] D Terzopoulos, “Image analysis using multigrid relaxation methods”, IEEE Trans Pattern Anal Machine Intell 8, 1986 [13] D Zhang, J Liu and F Wan, “Multiresolution relaxation: Experiments and evaluations”, Proceedings of International Conference on Pattern Recognition, 1988 [14] M Petrou, M Mirmehdi, and M Coors, “Perceptual Smoothing and Segmentation of colour textures” Technical report, University of Surrey, 1997 [15] M Petrou, M Mirmehdi, and M Coors, “Multi – Level Probabilistic Relaxation” Technical report, Centre for Vision, Speech, and Signal Processing University of Survey [16] M Petrou and M Mirmehdi, “Perceptual versus Gaussian smoothing for pattern-colour separability” Technical report, University of Surrey [17] Duane Hanselman and Bruce Littlefield, “Mastering MATLAB ® 5: A Comprehensive Tutorial and Reference”, Prentice Hall, New Jersey, 1998 [18] “ Creating C Language MEX-Files” WWW address: www.mathworks.com\techdoc\matlab_external\ch03crea.html [19] Quách Tuấn Ngọc, “Ngôn ngữ lập trình C”, Nhà xuất Giáo Dục, 1998 Tài liệu tham khảo Trang 91 [20] J L Starck, “Multiresolution and its Applications: an Overview” Technical report, (2000) [21] A Petrovic, O D Escoda and P Vandergheynst, “Multiresolution Segmentation of Natural Images: From linear to nonlinear Scale-Space Representations”, IEEE Transactions on Image Processing, Vol 13, No 8, August 2004 [22] M Suehling, M Arigovindan and M Unser, “ Multiresolution Moment Filters: Theory and Applications”, IEEE Transactions on Image Processing, Vol 13, No 4, April 2004 [23] Ming-Shing Su, Wen-Liang Hwang and Kuo-Young Cheng, “Analysis on Multiresolution Mosaic Images”, IEEE Transactions on Image Processing, Vol 13, No 7, July 2004 [24] Wei Ma and B.S Majunath "Edge Flow Segmenatation" WWW adress: www-iplab.ece.ucsb.edu Tài liệu tham khảo LÝ LỊCH TRÍCH NGANG Họ tên: NGUYỄN NGỌC HẢI Ngày, tháng, năm sinh: 28/04/1980 Nơi sinh: Quảng Nam Liên lạc: 177 Trưng Nữ Vương, thị xã Tam Kỳ, tỉnh Quảng Nam Email : ngochai98@yahoo.com Quá trình đào tạo: 1998 – 2003: Học Đại học Học Viện Công Nghệ Bưu Chính Viễn Thông, hệ quy, chuyên ngành Điện Tử Viễn Thông 2003 – 2005: Học Cao học Trường Đại Học Bách Khoa, Đại học Quốc Gia TP Hồ Chí Minh, hệ quy, chuyên ngành Kỹ Thuật Vô Tuyến Điện Tử Quá trình công tác: Từ 2004 đến nay: giáo viên Trường Trung Học Phát Thanh Truyền Hình II, thuộc Đài Tiếng Nói Việt Nam Tóm tắt lý lòch ... thúc đẩy việc xử dụng phân rã ảnh đa phân giải bước tiền xử lý giải thuật xử lý ảnh phức tạp Chương 1: Biễu diễn ảnh đa phân giải Trang 37 1.5.6 Ứng dụng Phân rã wavelet ứng dụng nén ảnh video,... lónh vực xử lý ảnh video Nhiều giải thuật xử lý ảnh số, phân rã ảnh phân tích thành nhiều thành phần Mỗi thành phần chứa thông tin độ phân giải Có nhiều phương pháp phân rã ảnh đa phân giải, xem... LUẬN VĂN Phân tích đa phân giải cách xử lý tín hiệu hiệu quả, cho phép xem xét thông tin nhiều cấp độ Trong năm gần đây, phân tích đa phân giải áp dụng nhiều vấn đề xử lý tín hiệu xử lý ảnh Tuy