Giải chập ảnh mù dùng phương pháp bayesian nhằm loại bỏ rung động của camera khỏi một ảnh đơn

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN THN MỸ NHẠN GIẢI CHẬP ẢNH MÙ DÙNG PHƯƠNG PHÁP BAYESIAN NHẰM LOẠI BỎ RUNG ĐỘNG CỦA CAMERA KHỎI MỘT ẢNH ĐƠN Chuyên ngành: Kỹ Thuật Điện Tử LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 09 năm 2008 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: PGS.TSKH NGUYỄN KIM SÁCH CÁN BỘ HƯỚNG DẪN KHOA HỌC PGS.TSKH Nguyễn Kim Sách Cán chấm nhận xét 1: CÁN BỘ CHẤM NHẬN XÉT Cán chấm nhận xét 2: CÁN BỘ CHẤM NHẬN XÉT Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày tháng 07 năm 2008 ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc -oOo Tp HCM, ngày tháng năm 2008 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Thị Mỹ Nhạn Giới tính : Nam / Nữ Ngày, tháng, năm sinh : 06 – 09 – 1982 Nơi sinh : Tuy Hòa – Phú Yên Chuyên ngành : Kỹ thuật điện tử Khoá (Năm trúng tuyển) : 2006 1- TÊN ĐỀ TÀI: Giải chập ảnh mù dùng phương pháp Bayesian nhằm loại bỏ rung động camera khỏi ảnh đơn 2- NHIỆM VỤ LUẬN VĂN: 1) Tìm hiểu phương pháp giải chập ảnh mù không mù (blind and non-blind image deconvolution) 2) Tìm hiểu trình hình thành ảnh trình làm mờ ảnh rung động camera 3) Tìm hiểu kỹ thuật phân tích thành phần độc lập (ICA) 4) Tìm hiểu phương pháp Bayesian đặc biệt phương pháp Bayesian biến phân (variational Bayesian approach) 5) Áp dụng phương pháp Bayesian biến phân cho ICA để giải chập ảnh mù nhằm loại bỏ rung động camera khỏi ảnh đơn 6) Thực nghiệm ảnh thực 7) Nhận xét, kết luận đưa hướng phát triển đề tài 3- NGÀY GIAO NHIỆM VỤ : 21/01/2008 4- NGÀY HOÀN THÀNH NHIỆM VỤ : 29/06/2008 5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS.TSKH Nguyễn Kim Sách Nội dung đề cương Luận văn thạc sĩ Hội Đồng Chuyên Ngành thông qua CÁN BỘ HƯỚNG DẪN PGS.TSKH NGUYỄN KIM SÁCH CHỦ NHIỆM BỘ MƠN QUẢN LÝ CHUN NGÀNH LỜI CẢM ƠN Em xin chân thành cảm ơn thầy PSG.TSKH Nguyễn Kim Sách tận tình hướng dẫn, giúp đỡ em q trình thực luận văn Thầy cịn người trang bị cho em kiến thức xử lý ảnh để em hồn thành luận văn Em xin gửi lời cảm ơn sâu sắc đến tất Q Thầy Cơ Trường Đại Học Bách Khoa TP Hồ Chí Minh truyền đạt cho em nguồn kiến thức quý báu giúp đỡ em thời gian thực luận văn Chân thành cảm ơn bạn lớp CHĐT 2006, bạn bè, đồng nghiệp gia đình động viên, giúp đỡ tơi q trình học tập đặc biệt trình thực luận văn Nguyễn Thị Mỹ Nhạn TÓM TẮT LUẬN VĂN THẠC SĨ Luận văn xét trường hợp cụ thể giải chập ảnh mù, ta cố gắng loại bỏ ảnh hưởng mờ gây chuyển động camera để tạo ảnh sắc nét từ ảnh mờ Ở đây, ta xem xét vấn đề mơ hình ICA, sử dụng phương pháp Bayesian thống kê ảnh giới thực để thực ước lượng Cụ thể, nội dung luận văn bao gồm chương sau: Chương 1: Mở đầu Giới thiệu vấn đề rung động camera chụp ảnh tầm quan trọng việc loại bỏ rung động khỏi ảnh mờ chụp Ngồi chương cịn trình bày phạm vi đề tài cấu trúc luận văn Chương 2: Tổng quan khôi phục xử lý ảnh số Giới thiệu tổng quan kỹ thuật khôi phục ảnh số, ứng dụng khôi phục ảnh số, histogram ảnh số đặc điểm không gian ảnh tự nhiên Chương 3: Phân tích thành phần độc lập (ICA) Chương trình bày kỹ thuật ICA cách mà ICA mơ hình vấn đề giải chập mù để loại bỏ rung động camera khỏi ảnh Chương 4: Các phương pháp Bayesian Giới thiệu tổng quan phương pháp Bayesian đặc biệt phương pháp Bayesian biến phân cho ICA, khái niệm ký hiệu cần thiết để sử dụng chương Chương 5: Giải chập ảnh mù Chương xử lý vấn đề giải chập ảnh mù Cụ thể hình thành vấn đề thảo luận cơng trình liên quan Tiếp theo đưa thuật toán chi tiết để giải vấn đề Chương 6: Kết Chương trình bày kết giải mờ sử dụng thuật toán Bayesian biến phân cho ảnh bị mờ rung động camera nhiều mức độ khác Chương 7: Kết luận hướng phát triển đề tài Chương 1: Mở đầu Chương giới thiệu vấn đề rung động camera chụp ảnh tầm quan trọng việc loại bỏ rung động khỏi ảnh mờ chụp được, phạm vi đề tài cấu trúc luận văn 1.1 Đặt vấn đề Sự rung động hay không ổn định camera tạo ảnh bị nhòe vấn đề thường xuyên xảy nhà nhiếp ảnh Sự bùng nổ kỹ thuật nhiếp ảnh số cấp độ người tiêu dùng làm cho vấn đề rung động camera trở nên bật, đặc biệt với phổ biến loại camera nhỏ gọn, độ phân giải cao, trọng lượng nhẹ làm cho việc giữ chúng ổn định trở nên khó khăn Nhiều ảnh lưu lại khoảnh khoắc thời mà chụp lại lặp lại ta bố trí lại camera, lý làm cho camera rung động khoảnh khoắc bị Ta loại bỏ rung động camera cách sử dụng giá đỡ ba chân phần cứng chuyên dụng khác phương pháp cồng kềnh hầu hết nhà nhiếp ảnh nghiệp dư thường mang theo bên camera cầm tay thông thường Trong thực tế, nhiều ảnh ưa thích nhà nhiếp ảnh nghiệp dư bị hỏng rung động camera, đặc biệt tình cần thời gian chiếu sáng lâu để chụp ảnh ánh sáng chung quanh thấp Tìm phương pháp để loại bỏ nhòe (mờ) rung động camera khỏi ảnh chụp thành tựu có ích cho kỹ thuật nhiếp ảnh số Sự rung động camera mơ blur kernel, cịn gọi hàm trải điểm (Point Spread Function – PSF), nhân chập với giá trị cường độ ảnh gốc (ảnh chụp khơng có rung động camera) Blur kernel diễn tả chuyển động camera q trình chụp ảnh Hình sau ví dụ cho thấy ảnh bị mờ rung động camera (a) Cảnh thực tế (sắc nét) (b) Rung động camera (c) Ảnh mờ chụp Hình 1.1: Ví dụ ảnh bị mờ rung động camera Hình 1.1(a) cho ta thấy ảnh chụp trông giống camera đứng yên Sự rung động camera thể hình 1.1(b) Hình 1.1(c) ảnh mờ thu Vì ta khơng biết trước hướng mức độ rung động camera nên việc loại bỏ rung động camera xem dạng giải chập ảnh mù – vấn đề có bề dày lịch sử xử lý ảnh xử lý tín hiệu Với hầu hết phương pháp xem vấn đề “underconstrained”, đơn giản có nhiều Nn phải tìm (ảnh gốc blur kernel) số thông số đo lường (ảnh quan sát được) Do đó, tất giải pháp thực tế phải đưa giả định trước cách rõ ràng blur kernel, ảnh khôi phục, giả định hai Tuy nhiên, giả định ln ln Các thuật tốn khác xử lý nhoè nhỏ xử lý blur kernel phức tạp blur kernel gây rung động camera Hơn nữa, thuật tốn sử dụng giả định ảnh miền tần số nên có khả khơng bảo tồn cấu trúc quan trọng ảnh miền khơng gian khơng bảo tồn đường biên ảnh Luận văn giới thiệu phương pháp để loại bỏ ảnh hưởng gây 10 1.2 Phạm vi đề tài Giải chập ảnh mù để loại bỏ rung động camera vấn đề phức tạp liên quan đến nhiều lĩnh vực khác xử lý ảnh, xử lý tín hiệu, học, quang học, điện tử,… Do đó, luận văn giới hạn với nội dung sau: 1) Tìm hiểu phương pháp giải chập ảnh mù không mù (blind and non-blind image deconvolution) 2) Tìm hiểu trình hình thành ảnh trình làm mờ ảnh rung động camera 3) Tìm hiểu kỹ thuật phân tích thành phần độc lập (ICA) 4) Tìm hiểu phương pháp Bayesian đặc biệt phương pháp Bayesian biến phân (variational Bayesian approach) 5) Áp dụng phương pháp Bayesian biến phân cho ICA để giải chập ảnh mù nhằm loại bỏ rung động camera khỏi ảnh đơn 6) Thực nghiệm ảnh thực 7) N hận xét, kết luận đưa hướng phát triển đề tài 1.3 Cấu trúc luận văn Luận văn bao gồm chương sau: Chương 1: Mở đầu 11 Chương 2: Tổng quan khôi phục xử lý ảnh số Chương 3: Phân tích thành phần độc lập (ICA) Chương 4: Các phương pháp Bayesian Chương 5: Giải chập ảnh mù Chương 6: Kết Chương 7: Kết luận hướng phát triển đề tài 12 Chương 2: Tổng quan khôi phục xử lý ảnh số Chương giới thiệu tổng quan kỹ thuật khôi phục ảnh số, ứng dụng khôi phục ảnh số, histogram ảnh đặc điểm không gian ảnh tự nhiên 2.1 Giới thiệu Lĩnh vực khơi phục ảnh có lịch sử dài năm 1950 với có mặt nhà khoa học chương trình khơng gian Các chương trình chịu trách nhiệm việc tạo nhiều ảnh phi thường trái đất thái dương hệ Các ảnh thu với nhiều khó khăn mặt kỹ thuật chịu rung động, định hướng kém, chuyển động quay trịn,… Đây gần ví dụ lĩnh vực kỹ thuật cho thấy cần thiết phải khôi phục lại thông tin có ý nghĩa từ ảnh bị suy giảm Điều tạo lĩnh vực mà ngày gọi khôi phục ảnh số Khôi phục ảnh số lĩnh vực rộng vấn đề xử lý ảnh số Mục tiêu xử lý ảnh số bắt nguồn từ hai lĩnh vực ứng dụng cải thiện thơng tin hình ảnh giúp người hiểu xử lý liệu hình ảnh để máy móc nhận thức tự động Một ứng dụng kỹ thuật xử lý ảnh cải thiện ảnh số ngành báo chí gửi đường cáp ngầm London N ew York Sự giới thiệu hệ thống truyền ảnh cáp Bartlane vào đầu năm 1920 làm giảm thời gian cần thiết để truyền ảnh xuyên qua Đại Tây Dương từ tuần xuống chưa đến ba đồng hồ Thiết bị in chuyên 97 Output (c) Ảnh giải mờ Hình 6.14: Giải mờ cho ảnh chịu mờ lớn, phức tạp chụp điều kiện ánh sáng thấp với KERN EL_THRESHOLD chọn 10 SATURATION _THRESHOLD 250,… Ta thấy blur kernel suy luận có hình dạng phức tạp Chú ý phần số chữ áo, khuôn mặt tường ảnh ngõ Đồng thời ảnh thu chịu ringing artifact lớn, đặc biệt phía nửa trái ảnh gần đường biên cánh tay khuôn mặt 98 Output (a) Ảnh giải mờ Inferred kernel 10 15 20 25 10 15 20 25 (b) Blur kernel suy luận Hình 6.15: Hình minh họa kết giải mờ cho ảnh hình 6.14(a) với mẫu ảnh thơng số chọn hồn tồn giống trường hợp ngoại trừ KERN EL_THRESHOLD SATURATION _THRESHOLD chọn 255 Kết cho thấy thơng số nói chung khơng ảnh hưởng nhiều đến kết ngõ thuật toán 99 Cuối cùng, để so sánh ta chạy thủ tục giải mờ có sẵn Matlab, deconvblind, cho số ảnh hình 6.10(a) 6.14(a) Thủ tục thực giải chập lặp trình bày phần 2.5, sử dụng thuật tốn Richardson-Lucy để ước lượng lặp lặp lại blur kernel giữ ảnh cố định ngược lại hội tụ Các kết kỹ thuật minh họa hình 6.16, ta thấy so với kết thuật toán đề xuất, minh họa hình 6.10(b) 6.14(c) (a) 100 (b) Hình 6.16: Các kết giải chập mờ sử dụng thuật toán giải mờ Matlab, deconvblind, cho hai ảnh mờ minh họa hình trước 101 Chương 7: Kết luận hướng phát triển Chương tóm lược lại nội dung đề tài, đưa nhận xét, kết luận chung hướng phát triển đề tài 7.1 Kết luận N hư luận văn giới thiệu phương pháp để loại bỏ ảnh hưởng rung động camera khỏi ảnh Vấn đề lúc đầu “underconstrained” (tức vấn đề có nhiều Nn phải tìm (ảnh gốc blur kernel) số thông số đo lường (ảnh quan sát được)), nhiên ta thu kết hợp lý Một nguyên nhân cho phép thuật toán giải mờ ta thành cơng ta mơ hình cách xác thống kê ảnh tự nhiên trình bày phần 2.7 Cụ thể, ta mơ hình gradient ảnh thu chụp cảnh tự nhiên theo phân bố dạng “đuôi nặng nề” (heavy-tailed); nghĩa là, hầu hết phân bố ảnh khơng, có phần xác suất giá trị lớn N hư hình 5.4, việc trộn hàm Gaussian cung cấp xấp xỉ xác với phân bố thật N ói cách khác, việc tiên đoán gradient ảnh tự nhiên yếu tố định cho thành cơng thuật tốn giải mờ Trong đó, phương pháp giải mờ trước làm việc với mờ nhỏ, đơn giản không thực tế trường hợp rung động camera, yêu cầu phải cung cấp thêm thông tin đoạn video ảnh bị mờ để giải vấn đề hiệu Mặc dù ta đặt tiên đoán thực tế, rõ ràng ảnh sắc nét ta (có phân bố dạng heavy-tailed) tiên đoán ta blur kernel phương pháp lại tương đối Cụ thể, ta bắt buộc blur kernel 102 phải dương khuyến khích thưa Dương yêu cầu giá trị âm tương ứng với cường độ ánh sáng âm Thưa quan trọng blur kernel khơng tất vị trí khơng phải đường di chuyển camera N hưng điều lại cho phép ta ước lượng blur kernel phức tạp tương ứng với chuyển động camera thực tế Mục tiêu nỗ lực lớn ta tập trung vào việc ước lượng blur kernel ta thấy, kernel mà ta ước lượng dường phù hợp với chuyển động camera Tuy nhiên, kết thu phương pháp thường chứa artifact; dễ thấy ringing artifact xuất gần vùng biên vùng có chuyển động đáng kể đối tượng Ringing artifact xuất phép biến đổi Fourier rời rạc (DFT – Discrete Fourier Transform), sử dụng hàm giải mờ, giả sử mơ hình tần số ảnh tuần hoàn Giả định tạo giảm tần số cao (high-frequency drop-off) đường biên ảnh Trong hình 7.1, vùng tơ đậm thể phạm vi thật ảnh; vùng không tơ thể tính tuần hồn hàm giải mờ giả định Sự giảm tần số cao tạo hiệu ứng gọi ringing liên quan đến đường biên ảnh giải mờ N hư vậy, ta tin artifact thường lỗi chủ yếu bước giải chập non-blind vấn cần phải cải thiện Hình 7.1: Minh họa tượng high-frequency drop-off việc giả sử tần số ảnh lặp lặp lại cách tuần hoàn 103 7.2 Hạn chế phương hướng cải tiến tương lai Có nhiều hiệu ứng phổ biến hình ảnh mà ta chưa mơ hình cách rõ ràng ta áp dụng phương pháp đơn giản để loại bỏ pixel bị bão hịa loại bỏ pixel có giá trị mức xám lớn 250 cách áp dụng mặt nạ nhị phân để che tất pixel ảnh mờ chạy thuật tốn suy luận vùng khơng bị bão hồ Bên cạnh ta chưa mơ hình chuyển động đối tượng ảnh nên phương pháp chưa loại bỏ mờ chuyển động đối tượng mà loại bỏ mờ rung động camera N gồi ra, ta chưa mơ hình artifact nén ảnh gây hiệu ứng khối ảnh có định dạng jpeg Do đó, phương hướng cải tiến tương lai phải kết hợp yếu tố vào mơ hình ta để cải thiện tính bền vững thuật tốn Hiện tại, ta giả sử ảnh có thang màu tuyến tính loại bỏ sửa méo gamma, nghĩa ta giả sử giá trị pixel ảnh tỷ lệ tuyến tính với lượng ánh sáng rọi vào cảm biến camera sau loại bỏ sửa méo gamma Tuy nhiên, đường cong đáp ứng tông camera thường có dạng sigmoid nhẹ để mở rộng dải động chúng hình 5.1(c) Một phương hướng cải tiến tương lai ta cải thiện thuật tốn để loại bỏ khơng tuyến tính này, cách dự đốn q trình suy luận blur kernel N goài ra, hướng phát triển mở rộng phương pháp ta để sử dụng thống kê ảnh tự nhiên tiên tiến sử dụng tương quan kênh màu thay cho thống kê ảnh tự nhiên dạng heavy-tailed mà ta sử dụng luận văn mở rộng thuật toán để áp dụng cho trường hợp camera chuyển động theo tùy đường liên tục (tức khởi tạo kernel ban đầu cách ý mà phải theo dạng định phụ thuộc vào đường di chuyển camera) Bên cạnh đó, ta cần tìm cách cải thiện mơ hình nhiễu cho thuật tốn; phương pháp ta giả sử gradient ảnh bị tác động nhiễu Gaussian 104 mơ hình thật tốt cho nhiễu cảm biến ảnh nhiễu cảm biến ảnh có phân bố Poisson Mặc dù phương pháp ta cần vài can thiệp tay ta phải lựa chọn kích thước tối đa blur kernel cho phù hợp với mức độ nhòe ảnh ngõ vào, chọn tỷ lệ PRESCALE thích hợp (dùng để thay đổi trước độ phân giải ảnh mờ gốc ngõ vào), số vịng lặp cho thuật tốn Richardson–Lucy (LUCY_ITS) dùng để giải mờ ảnh sử dụng kernel suy luận được,… đặc biệt ta phải chọn mẫu ảnh có cấu trúc đa dạng, chứa nhiều đường biên tránh vùng ảnh bị bão hoà phẳng từ ảnh bị mờ để cung cấp cho ngõ vào thuật tốn hồn tồn tay (nhân cơng) Tuy nhiên, ta cải tiến chương trình để bước thực cách tự động cách sử dụng thủ tục tìm kiếm thơng minh tìm phương pháp để dự đốn thơng số cách thích hợp 105 TÀI LIỆU THAM KHẢO [1] A Jalobeanu, L Blanc-Fraud, and J Zerubia Estimation of blur and noise parameters in remote sensing In Proc of Int Conf on Acoustics, Speech and Signal Processing, Orlando, FLA, USA, May 2002.[20] [2] Alex Rav-Acha and Shmuel Peleg Two motion-blurred images are better than one Pattern Recognition Letters, pages 311−317, 2005.[25] [3] Antonio Torralba and Aude Oliva Statistics of natural image categories Comput Neural Syst 14 (2003) 391–412.[11] [4] B Bascle, Andrew Blake, and Andrew Zisserman Motion Deblurring and Superresolution from an Image Sequence In ECCV (2), pages 573−582, 1996.[13] [5] C Zarowin Robust, noniterative, and computationally efficient modification of van Cittert deconvolution optical figuring Journal of the Optical Sociatey of America A, 11(10):2571−83, October 1994.[29] [6] Canon Inc What is optical image stabilizer? online publication: http://www.canon.com/bctv/faq/optis.html, 2006.[19] [7] J.N Caron, N M N amazi, and C.J Rollins N oniterative blind data restoration by use of an extracted filter function Applied Optics, 41(32):6884, N ovember 2002 [8] D Biggs and M Andrews Acceleration of iterative image restoration algorithms Applied Optics, 36(8):1766−1775, 1997.[15] [9] D Kundur and D Hatzinakos Blind image deconvolution IEEE Signal Processing Magazine, 13(3):43−64, May 1996.[16] [10] D Kundur and D Hatzinakos Blind image deconvolution IEEE Signal Processing Magazine, 13(3):43−64, May 1996.[22] [11] D.Kundur and D.Hatzinakos Blind Image Deconvolution Revisited IEEE Signal Processing Magazine, 61−63, N ovember 1996.[8] 106 [12] Duane Hanselman Bruce Littlefield Mastering Matlab – A Comprehensive Tutorial and Reference Prentice-Hall.[33] [13] F Tsumuraya, N Miura, and N Baba Iterative blind deconvolution method using Lucy's algorithm Astron Astrophys., 282(2):699−708, Feb 1994.[27] [14] Frank Dellaert.The Expectation Maximization Algorithm, February 2002.[10] [15] Harri Lappalainen and James W.Miskin Esemble Learning.[4] [16] http://www.stsci.edu/stsci/meetings/irw/proceedings/whiter_damped.dir/ whiter_damped.html[35] [17] James Miskin and David J C Mackay Ensemble Learning for Blind Image Separation and Deconvolution.[3] [18] James V.Stone Independent Component Analysis – A Tutorial Introduction Massachusetts Institue of Technology, 2004.[37] [19] James W Miskin Ensemble Learning for Independent Component Analysis University of Cambridge, December 2000.[39] [20] Kathryn Blackmond Laskey Understanding the Bayesian Approach: A Nondogmatic Perspective George Mason University, October, 1997.[2] [21] Lương Mạnh Bá, N guyễn Thanh Thủy N hập môn xử lý ảnh số Nhà xuất Khoa học Kỹ thuật, 1999.[36] [22] Maria Isabel Ribeiro Gaussian Probability Density Functions: Properties and Error Characterization Institute for Systems and Robotics, February 2004.[38] [23] Mário A T Figueiredo and Robert D N owak An em algorithm for waveletbased image restoration IEEE Trans on Image Processing, 12(8):906−916, 2003.[17] [24] Matthew J Beal Variational Algorithms For Approximate Bayesian Inference M.A., M.Sci., Physics, University of Cambridge, UK, 1998.[6] [25] Matthew J Beal Variational Scoring of Graphical Model Structures ML Meeting, Toronto, September 2003.[7] 107 [26] Moshe Ben-Ezra and Shree K N ayar Motion-Based Motion Deblurring IEEE Trans on Pattern Analysis and Machine Intelligence, 26(6):689−698, 2004.[14] [27] N guyễn Lan Anh Một số giải pháp xử lý số ổn định video Luận văn thạc sĩ Kỹ thuật Vô tuyến – Điện tử, 2003.[30] [28] Peter A Jansson Deconvolution of Images and Spectra Academic Press, 1997.[21] [29] PGS.TSKH N guyễn Kim Sách Xử lý ảnh Video số Nhà xuất Khoa học Kỹ thuật, 1999.[34] [30] Rafael C Gonzalez, Richard E Woods, Steven L Eddins Digital Image Processing using Matlab Prentice-Hall.[32] [31] R N eelamani, H Choi, and R.G Baraniuk Forward: Fourier-wavelet regularized deconvolution for ill-conditioned systems IEEE Trans on Signal Processing, 52:418−433, Feburary 2004.[24] [32] Rob Fergus, Barun Singh, Aaron Hertzmann, Sam T Roweis, and William T Freeman Removing camera shake from a single photograph ACM Transactions on Graphics (Proceedings of ACM SIGGRAPH 2006), To Appear, 2006.[1] [33] S Gull Bayesian inductive inference and maximum entropy In J Skilling, editor, Maximum Entropy and Bayesian Methods, pages 54−71 Kluwer, 1998.[18] [34] S Uma and Dr S Annadurai A review – restoration approaches [31] [35] T Becker and P R White Independent Component Analysis using Gaussian Mixture Models.[5] [36] W Richardson Bayesian-based iterative method of image restoration Journal of the Optical Sociatey of America A, 62:55−59, 1972.[26] [37] X Liu and A Gamal Simultaneous image formation and motion blur restoration via multiple capture In Proc Int Conf Acoustics, Speech, 108 Signal Processing, volume 3, pages 1841−1844, 2001.[23] [38] Y Yitzhaky, R Milberg, S Yohaev, and N S Kopeika Comparison of direct blind deconvolution methods for motion-blurred images Applied Optics, July 1999.[28] [39] Yew Jin Lim and Yee Whye Teh Variational Bayesian Approach to Movie Rating Prediction.[12] MỤC LỤC Chương 1: Mở đầu 1.1 Đặt vấn đề 1.2 Phạm vi đề tài 10 1.3 Cấu trúc luận văn .10 Chương 2: Tổng quan khôi phục xử lý ảnh số 12 2.1 Giới thiệu 12 2.2 Các ứng dụng khôi phục ảnh số .13 2.3 Mơ hình khơi phục ảnh 15 2.4 Khôi phục lặp phi tuyến sử dụng thuật tốn Richardson-Lucy (R-L)17 2.5 Khơi phục (giải chập) ảnh mù .19 2.6 Histogram 20 2.7 Đặc điểm không gian ảnh tự nhiên 22 Chương 3: Phân tích thành phần độc lập (ICA) 24 3.1 Phân tách nguồn mờ .24 3.1.1 Trộn tín hiệu .25 3.1.2 Giải trộn tín hiệu 29 3.2 Phân tích thành phần độc lập (Independent Component Analysis – ICA) 30 3.2.1 Giới thiệu 30 3.2.2 Tối thiểu hóa thơng tin tương hỗ cực đại hóa likelihood .34 3.3 Phân tách ảnh .37 3.4 Giải chập ảnh 38 Chương 4: Các phương pháp Bayesian 40 4.1 Mơ hình Bayesian .40 4.2 Các phân bố xác suất 43 4.3 Ước lượng cách tối thiểu hoá Bayesian Expected Loss .45 4.4 Phương pháp Bayesian biến phân 48 4.5 Khối lượng xác suất giá trị xác suất 50 4.6 Thực 51 Chương 5: Giải chập ảnh mù 53 5.1 Cơng trình liên quan 53 5.2 Hình thành vấn đề 55 5.2.1 Quá trình hình thành ảnh 55 5.2.2 Quá trình mờ 58 5.2.3 Mơ hình ảnh 61 5.3 Ước lượng blur kernel 62 5.3.1 Lựa chọn mơ hình xác suất 63 5.3.2 Ước lượng Bayesian biến phân 65 5.3.3 Ước lượng từ thô đến mịn (Coarse to Fine Estimation) 69 5.3.4 Chi tiết thuật toán suy luận 71 5.4 Loại bỏ mờ 73 5.5 Thuật toán giải mờ hoàn chỉnh .74 Chương 6: Kết 76 6.1 Giới thiệu chương trình giải chập ảnh mù 76 6.2 Kết 79 6.2.1 Các mờ nhỏ vừa 79 6.2.2 Các mờ lớn .89 Chương 7: Kết luận hướng phát triển 101 7.1 Kết luận 101 7.2 Hạn chế phương hướng cải tiến tương lai 103 TÀI LIỆU THAM KHẢO 105 LÝ LNCH TRÍCH NGANG Họ tên: N GUYỄN THN MỸ N HẠN N gày, tháng, năm sinh: N gày 06 tháng 09 năm 1982 N sinh: Thị trấn Phú Lâm, Tuy Hòa, Phú Yên Địa liên lạc: 748/2 Hồng Bàng, Phường 1, Quận 11, Thành Phố Hồ Chí Minh Q TRÌNH ĐÀO TẠO - Từ năm 2000 đến năm 2005: Học Đại học trường Học Viện Cơng N ghệ Bưu Chính Viễn Thơng Thành Phố Hồ Chí Minh, khoa Điện tử - Viễn Thông, ngành Điện tử - Viễn thông - Từ năm 2006 đến nay: Học cao học trường Đại Học Bách Khoa Thành Phố Hồ Chí Minh, chuyên ngành Kỹ thuật Điện Tử Q TRÌNH CƠNG TÁC - Từ tháng 03/2005 đến tháng 08/2006: Công tác Ban Kết nối – Giá cước thuộc Công ty Cổ phần Dịch vụ Bưu Viễn thơng Sài Gịn (SPT) - Từ tháng 09/2006 đến nay: Công tác khoa Điện tử - Viễn thông trường Cao Đẳng Công N ghệ Thông Tin Thành Phố Hồ Chí Minh Nguyễn Thị Mỹ Nhạn ... 2006 1- TÊN ĐỀ TÀI: Giải chập ảnh mù dùng phương pháp Bayesian nhằm loại bỏ rung động camera khỏi ảnh đơn 2- NHIỆM VỤ LUẬN VĂN: 1) Tìm hiểu phương pháp giải chập ảnh mù không mù (blind and non-blind... hiểu phương pháp Bayesian đặc biệt phương pháp Bayesian biến phân (variational Bayesian approach) 5) Áp dụng phương pháp Bayesian biến phân cho ICA để giải chập ảnh mù nhằm loại bỏ rung động camera. .. bày phương pháp Bayesian biến phân chương trình bày cách áp dụng phương pháp Bayesian biến phân cho ICA vào vấn đề giải chập ảnh mù để loại bỏ rung động camera khỏi ảnh đơn 40 Chương 4: Các phương