Ứng dụng hệ thống logic mờ type 2 phân loại ảnh thông tin địa lý

Generated by Foxit PDF Creator © Foxit Software http://www.foxitsoftware.com For evaluation only ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA PHẠM VĂN NGÂN ỨNG DỤNG HỆ THỐNG LOGIC MỜ TYPE-2 PHÂN LOẠI ẢNH THÔNG TIN ĐỊA LÝ Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã số ngành : 60.52.70 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH 07 - 2008 Luận văn cao học GVHD: PGS TS Lê Tiến Thường MỤC LỤC MỤC LỤC .1 DANH SÁCH CÁC HÌNH ABSTRACT CHƯƠNG GIỚI THIỆU MỤC TIÊU ĐỀ TÀI CƠ SỞ LÝ THUYẾT VÀ NỘI DUNG TÓM TẮC CHƯƠNG ẢNH SỐ VÀ CÁC PHƯƠNG PHÁP XỬ LÝ ẢNH SỐ .10 BIỂU DIỄN ẢNH SỐ 10 1.1 Ảnh số 11 1.2 Ảnh biểu diễn theo độ sáng hay ảnh xám 11 1.3 Ảnh nhị phân 11 1.4 Ảnh RGB 11 CÁC LĨNH VỰC ỨNG DỤNG XỬ LÝ ẢNH SỐ 12 CÁC PHƯƠNG PHÁP XỬ LÝ ẢNH SỐ .14 3.1 Toán tử miền điểm 14 3.2 Tốn tử khơng gian 15 3.3 Toán tử miền tần số 17 3.4 Ứng dụng logic mờ xử lý ảnh số 18 CHƯƠNG HỆ THỐNG LOGIC MỜ TYPE - VÀ TYPE – 20 HỆ THỐNG LOGIC MỜ TYPE -1 20 1.1 Các khái niệm .20 1.2 Các loại hàm thuộc 20 1.3 Các phép toán tập mờ .22 1.4 Luật hợp thành IF-THEN .23 1.5 Hệ thống logic mờ Type - 25 1.6 Giải thuật phân nhóm fuzzy c-means 28 HỆ THỐNG LOGIC MỜ TYPE – (Type -2 Fuzzy Logic System): 29 2.1 Tập mờ Type - 2: .30 2.2 Hệ thống logic mờ Type -2 dạng khoảng (Interval Type FLS) 34 2.2.1 Các phép toán tập mờ Type -2 dạng khoảng IT2: 34 2.2.2 Hệ thống logic mờ Type-2 dạng khoảng (IT2 FLS) 34 2.2.3 Giảm loại (type reduction) giải mờ 36 2.2.4 Phương pháp tính IT2 FLS : 38 2.3 Phần cứng hệ thống logic mờ Type - dạng khoảng IT2 FLS 40 CHƯƠNG THUẬT GIẢI DÙNG HỆ THỐNG LOGIC MỜ PHÂN LOẠI ẢNH THÔNG TIN ĐỊA LÝ 42 PHÂN LOẠI ẢNH BẰNG GIẢI THUẬT FCM (Fuzzy C-means) .42 PHÂN LOẠI ẢNH CÓ GIÁM SÁT 44 2.1 Phân loại ảnh hệ thống logic mờ Type -1: 45 2.1.1 Ảnh đầu vào: 45 2.1.2 Tiền xử lý .46 U Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường 2.1.3 Lấy mẫu vùng huấn luyện phân loại: .46 2.1.4 Phân loại xử lý kết phân loại ảnh FLS Type -1 49 2.2 Phân loại ảnh hệ thống logic mờ Type -2: 50 2.2.1 Mô hình tương đương IT2 FLS mạng IT2 Neuron 51 2.2.2 Huấn luyện trọng số tập khoảng IT2 FLS 54 2.2.3 Ứng dụng IT2 FLS phân loại ảnh 57 CHƯƠNG MÔ PHỎNG PHÂN LOẠI ẢNH .59 CHỌN HỆ THỐNG LOGIC MỜ 59 MÔ PHỎNG TRÊN PHẦN MỀM MATLAB 60 KẾT QUẢ MÔ PHỎNG 62 3.1 Phân loại ảnh theo loại đất .62 3.2 Phân loại ảnh khu vực nội thành 65 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI .69 KẾT LUẬN 69 HƯỚNG PHÁT TRIỂN ĐỀ TÀI 70 TÀI LIỆU THAM KHẢO 71 PHỤ LỤC Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường DANH SÁCH CÁC HÌNH Hình 0.1 Hệ thống logic mờ Type -1 Hình 0.2 Hệ thống logic mờ Type-2 Hình 0.3 Phân loại ảnh hệ thống logic mờ Hình 1.1 Phương pháp biểu diễn ảnh số 10 Hình 1.2 Ảnh nhận từ vệ tinh dùng dự báo khí tượng 12 Hình 1.3 Ảnh chụp bề mặt vùng Washington DC 13 Hình 1.4 Ảnh thông tin địa lý chụp từ máy bay 14 Hình 1.5 Xử lý ảnh hệ thống logic mờ 18 Hình 1.6 Các bước xử lý ảnh logic mờ 19 Hình 2.1 Hàm thuộc tập mờ âm,zero, dương 20 Hình 2.2 Hàm thuộc Gauss với c=128; σ=50 21 Hình 2.3 Sơ đồ khối hệ thống logic mờ Type-1 25 Hình 2.4 Mơ hình hệ suy diễn mờ Mamdani 27 Hình 2.5 Tập mờ Type - hàm quan hệ Gauss với m=0.5; σ =[0.1,0.2] 31 Hình Tập mờ Type - hàm quan hệ Gauss σ=0.1; m=[0.4,0.6] 31 Hình 2.7 Tập mờ Type-2 với hàm quan hệ phụ hàm Gauss 32 Hình FOU hàm quan hệ Gauss Type - 32 Hình FOU, hàm quan hệ phía trên, Embedded FS 33 Hình 2.10 Hệ thống logic mờ Type -2 35 Hình 2.11 Phương pháp giảm loại tập hợp trung tâm (center-of-sets TR) 38 Hình 2.12 Phương pháp bất định biên (Uncertainty Bounds) 39 Hình 2.13 Cấu trúc phần cứng IT2 FLS 41 Hình 3.1 Thuật giải phân loại ảnh FCM 42 Hình 3.2 Ảnh đầu vào 43 Hình 3.3 Phân loại đồng lúa 43 Hình 3.4 Phân loại rừng 43 Hình 3.5 Phân loại đường kênh rạch 43 Hình 3.6 Sơ đồ khối phân loại ảnh dùng FLS Type -1 45 Hình 3.7 Chọn mẫu, tính giá trị trung bình độ lệch chuẩn mẫu 46 Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường Hình 3.8 Hàm quan hệ mờ mẫu đất nơng nghiệp đất rừng 47 Hình 3.9 Ảnh gốc 49 Hình 3.10 Ảnh phân loại T1 FLS 49 Hình 3.11 Sơ đồ khối phân loại ảnh dùng FLS Type -2 50 Hình 3.12 Cấu trúc tương đương IT2 FLS mạng neuron Type -2 51 Hình 3.13 Mơ tả chi tiết q trình giảm loại 54 Hình 3.14 Hàm quan hệ mờ Gauss Type – bất định m 57 Hình 3.15 Ảnh gốc 58 Hình 3.16 Ảnh phân loại Type-2 58 Hình 4.1 Mơ hình FLS chọn lựa mơ 59 Hình 4.2 Giao diện phân loại ảnh xây dựng GUI Matlab 60 Hình 4.3 Ảnh gốc 62 Hình 4.4 Chọn mẫu huấn luyện 62 Hình 4.5 Ảnh phân loại Type-1 FLS (Cà Mau) 63 Hình 4.6 FOU tập mờ Type-2 với độ bât định Δm = 0.03 63 Hình 4.7 Ảnh phân loại Type-2 FLS (Cà Mau) 64 Hình 4.8 Ảnh gốc chọn mẫu phân loại (Phan Thiết) 64 Hình 4.9 Ảnh kết phân loại (Phan Thiết) 65 Hình 4.10 Ảnh gốc chọn mẫu phân loại (Thủ Thêm) 65 Hình 4.11 Ảnh phân loại Type-1 FLS (Thủ Thêm) 66 Hình 4.12 FOU tập mờ Type-2 mẫu hình 4.8.b 66 Hình 4.13 Phân loại ảnh Type-2 (Thủ Thêm) 67 Hình 4.14 Ảnh gốc chọn mẫu phân loại (Quận 1) 67 Hình 4.15 Kết phân loại ảnh (Quận 1) 68 Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường ABSTRACT Fuzzy logic is relatively young theory Major advantage of this theory is that it allows the natural description, in linguistic terms, of problems that should be solved rather than in terms of relationships between precise numerical values Dealing with the complicated systems in simple way, it is the main reason that fuzzy logic theory is widely applied in technique such as remote sensing, automatic controller, telecommuications and image processing This thesis reveals the using of Type-1 and Type-2 fuzzy logic system for the classification of GIS (Geographic Information Systems) images such as terrain classification and object recognition The main approach of image classification uses the supervised method which is based on standard patterns trained on the experimental fuzzy logic system to adjust the membership functions and weigh strengths These parameters are deployed in fuzy logic system The charecteristics of Type -2 fuzzy logic is applied on process of uncertainty sets and membership functions, therefore the result can be better than that of Type -1 fuzzy logic in image classification In addition, the error classification is also computed by the calculation of Minimun Squared Error (MSE) of the training simulation , which helps us to compare the result of classification between two methods: Type-1 and Type-2 Keywords: Image classification, Type-2 Fuzzy Logic, supervised training, remote sensing Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường CHƯƠNG GIỚI THIỆU MỤC TIÊU ĐỀ TÀI Hệ thống logic mờ hệ thống sử dụng để xử lý tập liệu mờ, bất định khơng xác thơng qua khâu xử lý mờ hóa đầu vào Ngày nay, logic mờ ứng dụng rộng rãi nhiều lĩnh vực điều khiển tự động, điện tử, viễn thông, y học đặc biệt ứng dụng để xử lý ảnh số Ngày với hỗ trợ máy tính hệ thống logic mờ sử dụng cơng cụ tính tốn hiệu lĩnh vực thơng tin địa lý GIS (Geographical Information System) Các ảnh số (raster) ảnh đa phổ thu từ vệ tinh chụp từ máy bay xử lý lưu trữ làm sở liệu cho hệ thống GIS Các ứng dụng xử lý ảnh phổ biến lĩnh vực GIS phân loại ảnh theo địa hình để làm sở xây dựng đồ cho vùng khu vực, nhận dạng đối tượng ảnh dùng dự báo khí tượng thủy văn xác định đồ độ cao địa hình Do ảnh ghi lại từ xa (remote sensing) nên đối tượng ảnh có tính chất mập mờ khơng xác, hệ thống logic mờ công cụ mạnh xử lý thu kết tương đối xác so với phương pháp khác lý thuyết xác suất Chính lý đó, nội dung đề tài nguyên cứu đưa giải thuật phân loại ảnh GIS theo loại đất, theo địa hình hệ thống logic mờ Type - Type - Dựa kết mô phân loại ảnh phương pháp dùng hệ thống logic mờ Type - Type - phần mềm Matlab, nhận thấy khả xử lý tập mờ Type - linh hoạt cho kết tốt so với Type - CƠ SỞ LÝ THUYẾT VÀ NỘI DUNG TÓM TẮC Logic mờ lý thuyết sử dụng rộng rãi để xử lý diễn giải hệ thống phức tạp phương pháp đơn giản Do đó, lý thuyết logic mờ ứng dụng công cụ hỗ trợ lĩnh vực phân tích sỏ liệu có tính chất mập mờ bất định Với đặc điểm logic mờ ứng dụng lĩnh vực cảm biến từ Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường xa (remote sensing) để phân tích xử lý ảnh (ảnh vệ tinh, máy bay) xây dựng liệu thông tin địa lý Các ứng dụng thường gặp dùng để phân loại đất đai, xác định độ cao địa hình nhận dạng đối tượng ảnh Trong nội dung đề tài tập trung vào phương pháp nguyên cứu đưa giải thuật phân loại ảnh GIS phương pháp có giám sát Hệ thống logic mờ Type -1 gồm có phần (hình 0.1): khối mờ hóa, khối sở luật mờ, khối hệ suy diễn mờ khối giải mờ Tín hiệu đầu vào x sau qua hệ thống FLS (Fuzzy Logic System) cho ngỏ y: y hàm số theo x Hình 0.1 Hệ thống logic mờ Type -1 Hệ thống logic mờ Type -2 giống hệ thống logic mờ Type-1 khâu sỏ luật mờ IF-THEN phụ thuộc vào chun gia trí thức Tuy nhiên, biến ngơn ngữ hiểu bất định mệnh đề tiên đề kết suy diễn bất định Hệ suy diễn mờ hai loại tương đối giống Tuy nhiên Type-2 phép suy diễn mờ từ tập mờ Type-2 thành tập mờ Type-2 ngỏ ra, hệ thống FLS Type-2 có thêm khâu giảm loại (Type reduction) để chuyển từ Type-2 sang Type-1 Hình 0.2 miêu tả FLS Type -2 Hình 0.2 Hệ thống logic mờ Type-2 Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường Tập mờ hóa đầu vào tập mờ Gauss có thơng số giá trị trung bình độ lệch chuẩn tính tốn dựa vào mẫu ảnh chọn phân loại Để đơn giản trình tính tốn tập mờ ngỏ chọn vạch singleton (Type-1) dạng khoảng Type -2 (Interval Type-2 FLS) Quá trình phân loại miêu tả hình 0.3 Ảnh đầu vào dùng để phân loại ảnh RGB ảnh đa phổ xử lý chọn mẫu theo loại, mẫu dùng để tính thơng số giá trị trung bình độ lệch chuẩn Gauss làm sở mờ hóa tập mờ đầu vào huấn luyện tìm trọng số tập mờ ngỏ hệ thống logic mờ Quá trình huấn luyện thực dựa vào tập liệu ngỏ vào mẫu chọn ngỏ mong muốn có kích thước mẫu chọn huấn luyện độ lớn pixel giá trị trung bình mẫu tương ứng Phương pháp huấn luyện sử dụng phương pháp LSE (Least Squared Error) phương pháp descent steepest Việc đánh giá trình huấn luyện dựa vào việc tính tốn thơng số MSE (Mean squared Error): MSE = K K ∑ (d (k ) − y(k )) (0.1) K số i =1 pixel huấn luyện; d(k) giá trị ngỏ mong muốn; y(k) giá trị ngỏ xử lý hệ thống logic mờ Ảnh đầu vào Chọn mẫu Hệ thống logic mờ Huấn luyện Ảnh phân loại Hình 0.3 Phân loại ảnh hệ thống logic mờ Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường Q trình huấn luyện q trình tính tốn tìm trọng số tập mờ ngỏ hệ thống logic mờ Sau huấn luyện xong, ảnh đầu vào xử lý phân loại hệ thống logic mờ ta thu ảnh kết phân loại Luận văn bố cục thành chương sau: Chương 1: ẢNH SỐ VÀ PHƯƠNG PHÁP XỬ LÝ ẢNH SỐ Trìnhh bày lý thuyết ảnh số, ảnh đa phổ, ảnh GIS phương pháp xử lý ảnh số bao gồm xử lý theo miền điểm, không gian tần số Trong chương trình phương pháp xử lý ảnh kỹ thuật logic mờ làm sở xây dựng giải thuật phân loại ảnh Chương 2: HỆ THỐNG LOGIC MỜ TYPE-1 VÀ TYPE-2 Chương đề cập đến lý thuyết hệ thống logic mờ Type-1 Type-2, đặc biệt hệ thống logic mờ Type -2 dạng khoảng IT2 FLS Chương 3.THUẬT GIẢI DÙNG HỆ THỐNG LOGIC MỜ PHÂN LOẠI ẢNH THÔNG TIN ĐỊA LÝ Đây nội dung đề tài, chương đưa giải thuật phân loại ảnh khơng giám sát FCM có giám sát cách huấn luyện mẫu chọn phân loại, phương pháp huấn luyện LSE phương pháp descent deepest Đây lý thuyết sở để viết chương trình mơ phân loại ảnh phần mềm Matlab Chương 4: MÔ PHỎNG PHÂN LOẠI ẢNH Trình bày mơ phân loại ảnh phần mềm Matlab thuật giải trình bài: FCM, phân loại Type-1 Type-2 dạng khoảng Dựa vào kết mô để so sánh phương pháp phân loại Chương 5: KẾT LUẬN VÀ ĐỀ XUẤT HƯỚNG PHÁT TRIỂN ĐỀ TÀI Nêu lên thuật giải đề nghị kết luận rút từ q trình nghiên cứu thực nghiệm mơ phỏng, đồng thời đưa hướng phát triển đề tài Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang Luận văn cao học GVHD: PGS TS Lê Tiến Thường Đất rừng; Hình 3.15 Ảnh gốc Đất nơng nghiệp Hình 3.16 Ảnh phân loại Type-2 Đối với Type-2, tập mờ ngỏ vào phụ thuộc vào độ bất định giá trị trung bình mẫu mà người sử dụng chọn nên cho ảnh kết khác tùy thuộc vào độ bất định Nếu độ bất định chọn lớn tập mờ bao phủ rộng kết khơng xác, độ bất định chọn nhỏ tập mờ Type-2 Type-1 xem tương đương Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 58 Luận văn cao học GVHD: PGS TS Lê Tiến Thường CHƯƠNG MÔ PHỎNG PHÂN LOẠI ẢNH CHỌN HỆ THỐNG LOGIC MỜ Như trình chương III, khối logic mờ khối định kết q trình phân loại ảnh Tuy nhiên, để đơn giản không tính tổng qt q trình tính tốn mơ phỏng, chọn lựa mơ hình hệ thống logic mờ cụ thể để làm sở mô huấn luyện phân loại Đối với Type-1 FLS ta chọn tập mờ ngỏ vạch singleton Type-1 FLS ta chọn dạng khoảng IT2 FLS Do ảnh đầu vào phân loại ảnh xám nên ta chọn hệ thống logic mờ gồm có ngỏ vào, số tập mờ chọn tương ứng với mẫu phân loại khác nhau, số luật hợp thành tương ứng ngỏ ảnh phân loại tương ứng với mẫu chọn Hình 4.1 miêu tả mơ hình hệ thống logic mờ chọn lựa để mô Input x F1 W1 F2 W2 Σ F3 Mờ hóa W3 Output y Giải mờ Luật hợp thành Hình 4.1 Mơ hình FLS chọn lựa mơ Trong mơ hình hình 4.1, Fi (i=1,2,3) tập mờ Gauss với tham số giá trị trung bình độ lệch chuẩn tính tương ứng với mẫu chọn để huấn luyện phân loại Đối với Type – FLS tập mờ chọn dựa sỏ Type có độ bất định giá trị trung bình Wi (i=1,2,3) kết diễn dịch tương ứng với luật hợp thành IF – THEN: IF x is Fi THEN y is Wi Đối với Type -2, lớp Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 59 Luận văn cao học GVHD: PGS TS Lê Tiến Thường bổ sung thêm khâu giảm loại từ Type-2 sang Type-1 cuối giải mờ cho ngỏ y Tập mờ ngỏ vào tập mờ ngỏ định nghĩa sau: - Type -1: Tập mờ tương ứng μ F trọng số singleton ngỏ wi (i=1,2,3) i - Type -2: Tập mờ tương ứng ⎢ μ F , μ F ⎥ tập khoảng ngỏ [wli , wri ] (i=1,2,3) ⎡ ⎣ ⎤ − − i i ⎦ MÔ PHỎNG TRÊN PHẦN MỀM MATLAB Thực nghiệm mô đề tài thực phần mềm chạy máy tính cá nhân Mỗi thuật toán xử lý xây dựng thành hàm riêng biệt Các hàm sau kết hợp lại thành chương trình xử lý chung Ngơn ngữ lập trình sử dụng Matlab Ảnh gốc Ảnh phân loại Type-1 Ảnh phân loại Type-2 Hình 4.2 Giao diện phân loại ảnh xây dựng GUI Matlab Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 60 Luận văn cao học GVHD: PGS TS Lê Tiến Thường Ngôn ngữ Matlab mạnh mô ứng dụng rộng rãi đặc biệt lĩnh vực kỹ thuật Các phép tính xử lý ma trận thực dễ dàng hàm xây dựng lưu trữ thường trú thư viện Với hỗ trợ giao diện GUI (Graphic User Interface) cho phép người sử dụng tạo giao diện thân thiện dễ dàng thao tác Hình 4.2 giao diện xây dựng GUI dùng để phân loại ảnh Chức giai diện miêu tả sau: - Load image: Dùng để nhập ảnh đầu vào cần phân loại Dữ liệu ảnh sử dụng định dạng bmp, jpg, gif dạng khác khơng nén Chương trình đọc file liệu ảnh gốc, biến đổi thành ma trận ảnh lưu trữ vào nhớ để sẳn sàng cho khâu xử lý hiển thị khu vực ảnh gốc - FCM: Dùng để phân loại ảnh phương pháp không giám sát Số nhóm phân loại chọn mục Cluster - Pattern 1, Pattern 2, Pattern 3: Là nút lệnh dùng để chọn mẫu phân loại (số mẫu chọn 3) Thông thường mẫu chọn dựa ảnh gốc phần mềm xử lý ảnh khác Paint Windows lưu trữ lại - Image classification: Dùng để chọn phương pháp phân loại dạng Type-1 hay dạng Type-2 - MF plot: Sử dụng để vẽ hàm mờ hóa đầu vào, dùng để kiểm tra mẫu chọn có phù hợp hay khơng Trong trường hợp mẫu chọn phân loại có giá trị trung bình trùng ta phải chọn lại mẫu - Save Image: Cho phép lưu lại ảnh xử lý phân loại Type -1 Type -2 Có thể lưu ảnh định dạng khác bmp jpg - Run: Nút lệnh cho phép thực hiệnq trình phân loại - Exit: Thốt khỏi chương trình Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 61 Luận văn cao học GVHD: PGS TS Lê Tiến Thường Ngồi cịn có vùng để hiển thị ảnh gốc, ảnh phân loại Type-1 Type-2 để dễ dàng so sánh kết phân loại Việc đánh giá ảnh kết quan sát mắt thường dựa vào sai số MSE trình huấn luyện mẫu, kết xử lý hiển thị lên hình để so sánh với ảnh gốc trước xử lý KẾT QUẢ MƠ PHỎNG Q trình mơ thực hiên sau: load ảnh gốc, chọn mẫu, huấn luyện, chọn phương pháp phân loại (không giám sát giám sát), chọn FLS Type-1 Type-2, phân loại hiển thị kết ảnh phân loại Sau kết mô số ảnh chọn từ nguồn http:// wikimapia.org 3.1 Phân loại ảnh theo loại đất - Ảnh gốc dùng để phân loại được chọn ảnh vùng bán đảo Cà Mau thông tin ảnh gồm có đặc điểm sau: vùng phủ xanh, vùng đất nông nghiệp bề mặt biển hình 4.3, mẫu chọn huấn luyện -hình 4.4 Hình 4.3 Ảnh gốc Hình 4.4 Chọn mẫu huấn luyện Các đặc điểm mẩu chọn để huấn luyện phân loại sau: Mẫu phân loại Giá trị trung bình Độ lệch chuẩn 0.6258 0.2655 0.2659 0.0795 0.0792 0.0351 Đất nông nghiệp Vùng xanh Mặt biển Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 62 Luận văn cao học GVHD: PGS TS Lê Tiến Thường Kết mô phân loại Type -1 FLS: Đất nông nghiệp; MSE = 0.0024597; Vùng xanh biển Hình 4.5 Ảnh phân loại Type-1 FLS (Cà Mau) Nhận xét: Do q trình chọn mẫu phân loại có mẫu vùng xanh mặt biển có giá trị trung bình gần nên phân loại vùng khơng phân biệt Do để kết phân loại xác ta phải chọn mẫu phân loại có giá trị trung bình khác Kết phân loại Type -2 FLS: Độ bất định tập mờ ngỏ vào chọn Δm = 0.03 Hình 4.6 hình vẽ FOU tập mờ Type-2 mẫu chọn 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Hình 4.6 FOU tập mờ Type-2 với độ bât định Δm = 0.03 Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 63 Luận văn cao học GVHD: PGS TS Lê Tiến Thường Ảnh phân loại Type-2 FLS có khả phân biệt vùng phủ xanh mặt biển, điều chúng tỏ khả xử lý vùng liệu mờ Type-2 tốt so với Type-1 MSE = 0.01877; Đất nơng nghiệp; Vùng xanh; Mặt biển Hình 4.7 Ảnh phân loại Type-2 FLS (Cà Mau) - Hình 4.8.a ảnh khu vực Phan Thiết bao gồm vùng phủ xanh rừng, vùng đất đỏ biển Chi tiết chọn mẫu thể theo hình 4.8.b (a) Ảnh gốc (b) Chọn mẫu phân loại Hình 4.8 Ảnh gốc chọn mẫu phân loại (Phan Thiết) Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 64 Luận văn cao học GVHD: PGS TS Lê Tiến Thường (a) Phân loại Type-1 FLS MSE= 0.00077 Vùng phủ xanh Vùng đất đỏ (b) Phân loại Type-2 FLS MSE=0.0008; Độ bất định Δm = 0.07 Vùng phủ xanh Vùng đất đỏ Hình 4.9 Ảnh kết phân loại (Phan Thiết) Nhận xét: Do vùng mặt biển vùng xanh có giá trị trung bình nên vùng không phân biệt Tuy nhiên phân loại Type-2 hình 4.9.b phân biệt vùng lân cận (vùng màu đỏ) giửa vùng tùy theo độ bất định giá trị trung bình Δm ta chọn 3.2 Phân loại ảnh khu vực nội thành - Ảnh gốc phân loại hình 4.10.a bao gồm vùng xanh, khu dân cư sông khu vực Thủ Thêm, Quận 2, TP Hồ Chí Minh (a) Ảnh gốc (b) Chọn mẫu phân loại Hình 4.10 Ảnh gốc chọn mẫu phân loại (Thủ Thêm) Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 65 Luận văn cao học GVHD: PGS TS Lê Tiến Thường Các mẫu chọn phân loại được miêu tả hình 4.10 b Các mẫu chọn bao gồm: Vùng xanh, khu dân cư sơng ngịi Kết phân loại Type-1 hình 4.11, FOU Type-2 (Δm = 0.03 Δm = 0.05) hình 4.12 phân loại ảnh Type-2 hình 4.13 Các mẫu chọn phân loại có giá trị trung bình khác phân biệt nên ảnh phân loại cho kết vùng phân loại khác Khu dân cư; MSE =0.0025779 ; Sơng ngịi; Vùng xanh Hình 4.11 Ảnh phân loại Type-1 FLS (Thủ Thêm) 1 0.9 0.9 0.8 0.8 0.7 0.7 0.6 0.6 0.5 0.5 0.4 0.4 0.3 0.3 0.2 0.2 0.1 0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 (a) Δm = 0.03 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 (b) Δm = 0.05 Hình 4.12 FOU tập mờ Type-2 mẫu hình 4.8.b Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 66 Luận văn cao học GVHD: PGS TS Lê Tiến Thường (a) MSE=0.012 Δm = 0.05 (a) MSE=0.01 Δm = 0.03 Sơng ngịi; Vùng dân cư; Vùng xanh Hình 4.13 Phân loại ảnh Type-2 (Thủ Thêm) Nhận xét: Đối với phương pháp phân loại Type-2, ta thay đổi độ bất định giá trị trung bình Δm Với Δm lớn sai số huấn luyện lớn khả xử lý vùng lân cận khác tốt so với phương pháp chọn Δm nhỏ Trong trường hợp chọn Δm nhỏ kết thu Type-2 giống xử lý Type-1 - Trường hợp sau ta chọn ảnh phân loại có nhiều chi tiết ảnh rỏ khu dân cư khu vực đô thị gồm có nhà, xây đường phố, ta tiến hành phân loại đặc tính ảnh hình 4.14 Hình 4.14 Ảnh gốc chọn mẫu phân loại (Quận 1) Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 67 Luận văn cao học GVHD: PGS TS Lê Tiến Thường Các mẫu cần phân loại bao gồm nhà phố, xanh đường phố Kết phân loại phương pháp: phân loại Type-1 Type-2 hình 4.15 (a) Type-2: MSE=0.01 Δm = 0.03 (a) Type-1: MSE=0.004 Cây xanh; Khu dân cư; Đường phố Hình 4.15 Kết phân loại ảnh (Quận 1) Nhận xét: Trong trường hợp ảnh có nhiều chi tiết, kết phân loại theo phương pháp cho kết tương đối không xác lý tập mờ sử dụng trường hợp khác với phân bố theo hàm chuẩn Gauss Đây nhược điểm giải thuật phân loại ứng dụng đề tài này, để kết xác liệu ảnh phải có tính chất phân bố hàm chuẩn Gauss điều phù hợp cho lĩnh vực cảm biến từ xa (remote sensing) Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 68 Luận văn cao học GVHD: PGS TS Lê Tiến Thường CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI KẾT LUẬN Nội dung đề tài giới thiệu giải thuật ứng dụng hệ thống logic mờ Type-2 Type-1 phân loại ảnh thông tin địa lý phương pháp có giám sát (huấn luyện) Đề tài mô phương pháp phân loại Dựa vào kết mô phần mềm Matlab thu chứng minh khả xử lý Type-2 FLS linh hoạt so với Type-1 FLS cách định nghĩa độ bất định tập mờ ngỏ vào Type-2; bất định giá trị trung bình độ lệch chuẩn Tuy nhiên để kết phân loại xác giải thuật sử dụng đề tài liệu ảnh chọn mẫu phân loại huấn luyện phải: - Dữ liệu ảnh dùng để phân loại phải có tính chất phân bố theo hàm chuẩn Gauss tập mờ sử dụng giải thuật tập mờ phân bố Gauss - Khi chọn mẫu ảnh để phân loại huấn luyện phải có tính chất khác biệt (hàm mờ hóa khơng trùng nhau) Trong trường hợp chọn trùng ta tiến hành chọn lại mẫu kiểm tra lại kết thơng qua hình vẽ hàm mờ hóa Đối với Type-2 FLS khả xử lý tập liệu có tính chất bất định (khơng xác định xác hàm mờ hóa ngỏ vào) tốt Người sử dụng thay đổi độ bất định giá trị trung bình hàm mờ hóa đầu vào với tỉ lệ khác nhau, nhiên với độ bất định lớn sai số phân loại lớn bù lại khả xử lý vùng lân cận vùng biên ảnh tốt Tuy nhiên với giải thuật phân loại ảnh trình đề tài số hạn chế ảnh hưởng đến kết phân loại: - Đối với ảnh số có tương quan giửa pixel ảnh với nhau, nhiên giải thuật xử lý pixel riêng biệt điều ảnh đến xác trình phân loại Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 69 Luận văn cao học GVHD: PGS TS Lê Tiến Thường - Việc chọn mẫu để huấn luyện phân loại theo phương pháp cảm tính ảnh hưởng đến kết phân loại việc chọn mẫu khác cho kết khác - Do khối lượng tính tốn nhiều nên khả xử lý máy tính bị hạn chế ảnh có kích thước lớn HƯỚNG PHÁT TRIỂN ĐỀ TÀI Để khắc phục hạn chế giải thuật phân loại ảnh hệ thống logic mờ trình phần kết luận, đưa phương pháp cải thiện giải thuật hướng phát triển đề tài sau: - Đối với hệ thống logic mờ, tăng số ngỏ vào xử lý tương ứng với pixel ảnh lân cận Với phương pháp thể tương quan pixel ảnh với - Dùng hệ thống logic mờ để xử lý ma trận màu RED, GREEN BLUE riêng biệt hệ thống cho kết tương ứng ma trận màu tương ứng Sau kết hơp ma trận màu lại với cho ảnh kết phân loại - Do kết phân loại ảnh phụ thuộc nhiều vào trình chọn mẫu ảnh phân loại huấn luyện Để khắc phục ảnh hưởng chọn nhiều mẫu ảnh loại Dựa vào tập ảnh mẫu loại tính giá trị trung bình độ lệch chuẩn để mờ hóa ngỏ vào huấn luyện mẫu phân loại - Xử lý phân loại ảnh phần mềm bị hạn chế tốc độ tốn nhiều thời gian ảnh có kích thước lớn Do giải pháp xử lý phần cứng card DSP chip FPGA giải vấn đề tốc độ khả linh hoạt triển khai áp dụng thực tế Với đặc tính hệ thống logic mờ xử lý tốt với tập liệu có tính chất khơng rỏ, bất định nên cơng cụ mạnh ứng dụng để tính tốn, phân tích trình lĩnh vực cảm biến từ xa đặc biệt xử lý ảnh thông tin địa lý Các ứng dụng nhận dạng, phân loại ảnh thực dễ dàng logic mờ công cụ để xây dựng đồ qui hoạch tài nguyên môi trường Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 70 Luận văn cao học GVHD: PGS TS Lê Tiến Thường TÀI LIỆU THAM KHẢO [1] O.Castillo and P.Melin, “Type-2 Fuzzy logic: Theory and Application” Springer-Verlag Berlin Heidelberg 2008 [2] Patricia Melin, Oscar castillo, “Hybrid Intelligent Systems for Pattern Recognition Soft Computing” Springer Berlin Heidelberg New York, ISBN 3540-24121-3 [3] J Valente de Oliveira, W Pedrycz “Advances in Fuzzy Clustering and its Applications” ISBN 978-0-470-02760-8 (HB), Wiley, 15-06-2007 [4] Menahem Friedman, Abraham Kandel, “Introduction to pattern recognition”, British Library Cataloguing-in-Publication Data [5] Peter Fisher, City University of London, UK, “Type -2 Fuzzy sets for Geographical Information” IEEE computational Intelligence Magazine, Febrary 2007 [6] Dr Vesa Niskanen, Helsinki University of Technology, ”Fuzzy Modeling of Soil maps”, Espoo 31st May,2004 [7] Nedeljkovic, “Image classification based on fuzzy logic”, the International Archives of the Photogrammetry, Remote sesing and Spatial Information Sciences, Vol 34, part XXX, MapSoft Ltd, Zahumska 26 11000 Belgrade, Serbia and Montenegro [8] Jerry M Mendel, Hani Hagras, Robert I.John, “Standard background Material About Interval Type-2 Fuzzy Logic Systems that can be used by all Authors”, Department of Engineering, University of Southern California [9] Ursula C Benz, Peter Hofmann, Gregor Willhauck, Iris Lingenfelder, Markus Heynen, “Multi resolution, object-oriented fuzzy analysis of remote sensing data for GIS – reading information”, ISPRS Journal of Photogrammetry & Remote Sensing 58 (2004) 239 – 256, Definiens Imaging GmbH, Trappentreustr.1, D-80339 Munich,Germany Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 71 Luận văn cao học GVHD: PGS TS Lê Tiến Thường [10] Jerry M Mendel, University of Southern California, USA, “Type -2 Fuzzy sets and Systems: An overview”, IEEE computational Intelligence Magazine, Febrary 2007 [11] Michio Sugeno and Takahiro Yasukawa “A Fuzzy-Logic-Based Approach to Qualitative Modeling”, IEEE transactions on fuzzy systems, vol 1, no February 1993 [12] Gabriela Droj, “The applicability of fuzzy theory in remote sensing image classification”, Studia Unix, Base-Bolyai, Information, Volume LII, Number 1, 2007, City Hall of Oradea, GIS department [13] Miguel Melgarejo, Universidad Distrital FJC, Colombia “Implementing Interval Type -2 Fuzzy Processors”, IEEE computational Intelligence Magazine, Febrary 2007 [14] Martin Chun-Sheng Cheng, “Dynamical Near Optimal Training For Interval Type-2 Fuzzy Neural Network with Genetic Algorithm”, Faulty of Engineering and Information Technology, Griffith University, Brisbane, Australia, March 2003 [15] Nilesh N.Karnik, Jerry M Mendel, Qilian Liang, “Type-2 Fuzzy Logic Systems” IEEE Transaction on Fuzzy Systems, Vol.7, No.6, December 1999 [16] SN Sivanandam, S Sumathi and S.N Ducpa, “Introduction to Fuzzy Logic Using Matlab”, Springger Berlin Heidelberg NewYork, ISBN-10 3-540-35780-7 [17] Ching-Hung Lee, Jang-Lee Hong and Yu-Ching Lin, “Type-2 Fuzzy Neural Network Systems and Learning”, the National Science Council, Taiwan, 2002 [18] http://www.mathworks.com [19] http:// wikimapia.org Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006 Trang 72 ... ngỏ mong muốn; y(k) giá trị ngỏ xử lý hệ thống logic mờ Ảnh đầu vào Chọn mẫu Hệ thống logic mờ Huấn luyện Ảnh phân loại Hình 0.3 Phân loại ảnh hệ thống logic mờ Thực hiện: PHẠM VĂN NGÂN – CHĐT-K2006... 3.4 Ứng dụng logic mờ xử lý ảnh số Xử lý ảnh kỹ thuật logic mờ phương pháp mờ hố đặc tính ảnh tập mờ Dựa vào tập mờ phương pháp xử lý mờ để diễn giải cho kết mong muốn Các ứng dụng dùng logic mờ. .. tập mờ ngỏ hệ thống logic mờ Sau huấn luyện xong, ảnh đầu vào xử lý phân loại hệ thống logic mờ ta thu ảnh kết phân loại Luận văn bố cục thành chương sau: Chương 1: ẢNH SỐ VÀ PHƯƠNG PHÁP XỬ LÝ ẢNH