Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung (restoring highly corrupted images sequences by adaptive fuzzy filter )

TRƯỜNG ĐẠI HỌC BÁCH KHOA TP HỒ CHÍ MINH KHOA SAU ĐẠI HỌC W X LUẬN ÁN CAO HỌC Đề tài: DÙNG LỌC MỜ THÍCH NGHI ĐỂ KHƠI PHỤC CHUỖi ẢNH BỊ NHIỄU XUNG (Restoring Highly Corrupted Images Sequences by Adaptive Fuzzy Filter ) GVHD : PGS.TSKH NGUYỄN KIM SÁCH HVTH : NGUYỄN VĂN THẮNG MSHV : IOI0089 LỚP : KTVT-ĐIỆN TỬ, KHĨA 10 Tháng 5/2003 LỜI CẢM ƠN Em xin chân thành cảm ơn q thầy cô Bộ môn Điện Tử – Viễn Thông truyền đạt cho em kiến thức thời gian học Đại học Cao học giúp em hoàn thành luận án Em xin chân thành cảm ơn GS.TSKH NGUYỄN KIM SÁCH tận tình hướng dẫn em suốt thời gian làm luận án Xin gởi lời cảm ơn đến cha mẹ nuôi dưỡng dạy dỗ ngày hôm nay, đồng thời lo lắng động viên suốt thời gian làm luận án Xin chân thành cảm ơn người bạn, đồng nghiệp động viên tạo điều kiện giúp đỡ hoàn thành luận án Tp Hồ Chí Minh, Ngày 15 tháng năm 2003 Nguyễn Văn Thắng MỤC LỤC W X Trang A Hiện trạng vấn đề khôi phục ảnh bị nhiễu xung B Tóm tắt đề tài phạm vi nghiên cứu C Noäi Dung Cơ sở logic mờ 1.1 Logic mờ – định nghóa 1.2 Caùc qui luật mờ hệ thống mờ 1.3 Mô hình Sugeno 11 1.4 Logic mờ xử lý ảnh 12 Một số phương pháp khôi phục ảnh bị nhiễu xung 14 2.1.Nhiễu xung, định nghóa mô hình 14 2.2.Một số phương pháp khôi phục ảnh tónh bị nhiễu xung 15 2.2.1 Loïc Median 15 2.2.2 Lọc Median có trọng số 17 2.2.3 Lọc Median nhiều tầng 19 2.2.4 Loïc Median nhiều mức 21 2.2.5 Lọc Median thích nghi 23 2.2.6 Lọc Quincunx phi tuyếân 25 2.2.7 Lọc thích nghi trạng thaùi 32 2.3 Một số phương pháp khôi phục ảnh động bị nhiễu xung 37 2.3.1 Lọc Median nhiều mức - MMF 37 2.3.2 Loïc ML3D 40 2.3.3 Loïc ML3Dex 43 2.3.4 Lọc Median 3D thích nghi 46 Dùng lọc mờ để khôi phục ảnh bị nhiễu xung 51 3.1 Một số phương pháp lọc mờ 51 3.1.1 Lọc Median nhiều mức dựa định mờ 51 3.1.1.1 Các bước thực 57 3.1.1.2 Lưu đồ giải thuật 58 3.1.2 Lọc median nhiều mức thích nghi 3.1.2.1 Caùc bước thực 3.1.2.2 Lưu đồ giải thuật 3.1.3 Lọc trung bình mờ có trọng số 3.1.3.1 Cơ sở kiến thức hỗ trợ cho trình loại bỏ nhiễu xung 3.1.3.2 Xây dựng sở kiến thức động tónh 59 59 61 62 62 63 3.1.3.3 Thuaät toán xây dựng tập mờ 65 3.1.3.4 Loïc WFM 69 3.1.3.4.1 Các bước thực hieän 74 3.1.3.4.2 Lưu đồ giải thuật 75 3.2 Khôi phục ảnh tónh bị nhiễu xung lọc mờ thích nghi HFF 76 3.2.1 Cấu trúc hệ thống lọc HFF 76 3.2.2 Ước lượng hàm thành phần 80 3.2.2.1 Ước lượng Histogram ảnh nguồn 80 3.2.2.2 Thiết lập hàm thành phần phương pháp Histogram 81 3.2.2.3 Một số khảo sát lọc HFF 83 3.2.3 Lưu đđồ giải thuật loïc HFF 88 3.2.4 Các bước thực giải thuật lọc HFF 91 Caùc giải thuật đề xuất 92 4.1 Giải thuật đềđxuất cho ảnh tónh 92 4.1.1 Các bước thực 92 4.1.2 Lưu đồ giải thuật 93 4.2 Giải thuật đề xuất ảnh động 94 4.2.1 Các bước thực 94 4.2.2 Lưu đồ giải thuật 96 Thực nghiệm đánh gía 99 5.1 Thực nghiệm đánh gía ảnh tónh 99 5.1.1 Các kết thực nghieäm 99 5.1.2 Đánh giá kết 105 5.2 Thực nghiệm đánh giá ảnh đđộng 110 5.2.1 Caùc kết thực nghiệm 110 5.2.2 Đánh giá kết 125 Hướng phát triển đề tài 126 D Giới thiệu chương trình mô 127 E Tài liệu tham khảo 134 Luaän án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung A HIỆN TRẠNG CÁC VẤN ĐỀ KHÔI PHỤC ẢNH BỊ NHIỄU XUNG Lọc median(MF) kỹ thuật không tuyến tính hiệu việc loại bỏ nhiễu xung trì độ sắc nét bờ ảnh Trong ứng dụng xử lý ảnh, lọc median sử dụng thành công Mặc dù việc lọc nhiễu đạt cách sử dụng lọc median, nhiên xuất méo tín hiệu số đặc điểm góc cạnh, đường nét mỏng bị biến Để vượt qua vấn đề này, số thay đổi cải tiến lọc median đề xuất Cụ thể : lọc median có trọng số, lọc median nhiều mức, lọc nhiều tầng[7], lọc median đệ qui RMF[8], lọc dựa việc ước lượng – dò [9] mà có kết hợp thuật toán dò nhiễu thống kê lọc median để loại bỏ nhiễu xung Các ưu điểm chất lượng cách tiếp cận sử dụng xác xuất nhiễu NP(noise probability) nhỏ Do thiếu khả thích nghi, thay đổi lọc median thực tốt NP ≥ 20% Gần đây, hệ thống thích nghi dựa mạng neural mờ với thông số hiệu chỉnh có hiệu hẳn Lọc trung bình mờ có trọng số WFM [10] sử dụng histogram ảnh nguồn không bị nhiễu để ước lượng 13 thông số phía phát Các thông số truyền sử dụng phía thu để khôi phục hàm thành phần (membership functions) mờ Cách tiếp cận hữu ích ứng dụng thông tin, miễn histogram ảnh nguổn input (không bị nhiễu) có sẵn gởi cách an toàn tới phía thu Yu Lee [11] sử dụng lọc median mờ thích nghi AFMF với thuật toán lan truyền lùi (back propagation) [12] để hiệu chỉnh tập hợp hàm thành phần (membership functions) ban đầu cho Các kết mô họ chứng tỏ lọc AFMF thực tốt lọc MF NP >30% Phương pháp lọc AFMF phương pháp lọc trước - lọc tối ưu mờ thích nghi AFOF(Wang and Yu[13]) chứng tỏ cách thức chọn hàm thành phần khởi đầu ngẫu nhiên yêu cầu cần phải có thời gian tính toán dài để hoàn thành trình training Tuy nhiên việc ước lượng thành phần ban đầu công việc quan trọng Thậm chí trương hợp xấu hơn, lọc AFMF (hay lọc WFM) cần phải tham chiếu đến ảnh nguồn (không bị nhiễu) hiệu chỉnh hàm thành phần Việc cần tham khảo tới ảnh nguồn chứng tỏ cần thiết phải có thời gian training lại dài ảnh input lọc Vì vậy, để làm cho cách tiếp cận neuro-fuzzy chấp nhận ứng dụng khôi phục ảnh, “bài toán training lại” phải loại bỏ hay tối thiểu phải làm giảm bớt Trang Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Để giải toán trên, gần nhât Wang Chiu [15] đề xuất phương pháp mới: dùng lọc mờ thích nghi dựa phương pháp ước lượng histogram (gọi lọc HFF), mà tập hợp hàm thành phần ước lượng từ histogram ảnh input bị nhiễu sử dụng để đạt kết khôi phục gần tối ưu mà không cần phải sử dụng trình training Đây ưu điểm bậc phương pháp so với số phương pháp trước Phương pháp lọc HFF xem có hiệu việc loại bỏ nhiễu xung giữ đïc độ sắt nét ảnh, đồng thời cho kết tốt so với phương pháp trước Phương pháp mô tả chi tiết luận văn Trang Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung B TÓM TẮT ĐỀ TÀI VÀ PHẠM VI NGHIÊN CỨU Đề tài dùng lọc mờ thích nghi để khôi phục ảnh bị nhiễu xung chủ yếu tập trung vào số phương pháp lọc nhiễu xung mà có sử dụng lý thuyết mờ Một số phương pháp mờ cho kết tốt so với số phương pháp lọc median truyền thống trước Bộ lọc mờ thích nghi có sử dụng phương pháp ước lượng histogram HFF cho kết tốt khôi phục ảnh có mật độ nhiễu lên đến 90% phương pháp lọc median truyền thống trước Bộ lọc cho kết hẳn số lọc mờ trước Một số lọc ảnh tónh động trước đề cập luận án nhằm mục đích tập hợp so sánh đánh giá kết Các phương pháp lọc ảnh có sử dụng logic mờ mô tả chi tiết luận án Các phương pháp lọc mờ thường có hiệu phạm vi định Vì phương pháp lọc mờ cần phải xem xét đưa số giải pháp nhằm nâng cao chất lượng lọc Trong trình thực ngiệm đánh giá số thông số MSE, NMSE, PSNR xem thông số kỹ thuật khách quan dùng để đánh giá chất lượng lọc với Mô hình nhiễu xung sử dụng đề tài có dạng nhiễu xung có giá trị cố định, nhiễu xung có dạng xung âm dương nhiễu xung có giá trị ngẫu nhiên phân bố [0÷255] Tóm lại đề tài tập trung vào số nội dung sau: - Tìm hiểu logic mờ - Khảo sát số phương pháp lọc nhiễu xung ảnh động ảnh tónh trước - Tìm hiểu số phương pháp lọc mờ trước Khảo sát lọc mờ thích nghi phương pháp ước lượng histogram ảnh tónh - Đề xuất giải pháp dùng lọc mờ có hiệu để khôi phục ảnh bị nhiễu xung - Đánh giá kết luận Trang Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung C NỘI DUNG Cơ sở logic mờ 1.1 Logic mờ- định nghóa Tập hợp crisp: Tập hợp crisp định nghóa thông qua hàm đặc trưng Gọi U universe of discourse Hàm đặc trưng μ A (x) tập hợp crisp A U lấy giá trị {0, 1} định nghóa μ A (x) = x thành phần A ngược lại μ A (x) = x thành phần thuộc A Nghóa là: ⎧1, x ∈ A μ A (x ) = ⎨ ⎩0, x ∉ A (1.1) Tập hợp mờ: Tập hợp mờ, đưa khái niệm không rõ ràng ranh giới thành phần nằm nằm nhóm Vì tập mờ xem mở rộng tổng quát khái niệm tập hợp crisp ~ Một tập mờ A U định nghóa sau: ~ A = {(x, μ A~ (x)) / x ∈ U} (1.2) ~ Trong μ A~ (.) gọi hàm thành phần (membership function) A μ A~ (x) ~ ~ biểu diễn mức thành phần x A mà ngụ ý mức độ mà x thuộc A Hàm thành phần μ A~ (.) biến đổi không gian U thành không gian M, nghóa rằng: μ A~ : U → M Khi M = {0, 1}, tập A không mờ μ A~ (.) hàm đặc trưng tập crisp A Đối với tập mờ, phạm vi hàm thành phần tập hợp số thực không âm mà giới hạn xác định Trong trường hợp tổng quát nhất, M đặt nằm khoảng đơn vị [0, 1] Với việc biểu diễn định nghóa cho tập mờ, giới thiệu vài lý thuyết tập hợp phép toán sử dụng cho tập mờ Gọi A B tập mờ tập U ™ Phép bù: Khi μ A (x) ∈ [0,1] Bù A biểu diễn A , định nghóa hàm thành phần (membership) là: μ A (x) = − μ A (x) ∀x ∈ U Trang Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung ™ Phép giao: Giao tập mờ A B có ký hiệu , định nghóa: μ A∩B (x) = min[μ A (x), μ B (x)] = μ A (x) ∧ μ B (x) ∀x ∈ U , ∧ cho toán hạng Rõ raøng: A ∩ B ⊆ A vaø A ∩ B ⊆ B ™ Phép hội: Hội hai tập mờ A B, ký hiệu A ∪ B , định nghóa: μ A∪B (x) = max[μ A (x), μ B (x)] = μ A (x) ∨ μ B (x) ∀x ∈ U , ∨ cho toán hạng max Rõ ràng: A ⊆ A ∪ B B ⊆ A ∪ B ™ Phép nhau: Tập mờ A B nhau, neáu μ A (x) = μ B (x) ∀x ∈ U ™ Tập con: Tập mờ A tập tập mờ B, nghóa A ⊆ B μ A (x) ≤ μ B (x) ∀x ∈ U Dựa chuẩn t-norms t-conorms, giới thiệu vài phép toán tập mờ mà tập trung vào logic mờ lập luận Để A B tập mờ nằm tập hợp U V tương ứng, có định nghóa sau: ™ Phép hội mờ: Phép hội mờ A B biểu diễn A ∧ B định nghóa: μ A ∧ B ( x, y ) = t ( μ A ( x), μ B ( y )) , t chuẩn t – norm ™ Phép tuyển mờ: Phép tuyển mờ A B biểu diễn A ∨ B định nghóa μ A∨ B ( x, y ) = s( μ A ( x), μ B ( y )) , s chuẩn t – conorm Nếu xem t tích số học, s tổng số học, định nghóa trường hợp đặc biệt toán hạng sau : μ A ∧ B ( x, y ) = μ A ( x).μ B ( y ) μ A ∨ B ( x, y ) = μ A ( x ) + μ B ( y ) Nếu s toán hạng max t toán hạng min, lại có μ A ∧ B ( x, y ) = min( μ A ( x), μ B ( y )) Trang Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Ảnh lọc ML3D Ảnh lọc ML3Dex Ảnh lọc median 3D thích nghi Lọc đề xuất Ảnh bị nhiễu 90% Lọc MMF Trang 115 Luận án cao học Ảnh lọc ML3D Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Ảnh lọc ML3Dex Ảnh lọc median 3D thích nghi Lọc đề xuất Trang 116 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung ™ Đối với nhiễu xung có giá trị cố định: Bảng 5.4 MMF ML3D ML3Dex Adaptive 3-D Median Lọc đề xuất PSNR R G B R G B R G B R G B R G B 10% 26.34 26.18 25.94 23.80 23.75 23.76 26.89 26.93 26.83 26.77 26.63 26.67 27.77 27.60 27.12 20% 20.68 20.62 20.71 22.38 22.21 22.15 26.77 26.63 26.67 25.83 25.91 26.01 26.12 26.16 26.37 30% 17.09 17.11 15.77 20.10 20.11 20.13 24.00 24.16 24.02 25.12 25.26 25.20 25.13 25.24 25.32 50% 13.05 13.10 12.72 15.95 15.84 15.60 19.82 19.74 19.56 23.59 23.44 23.60 23.09 23.13 23.50 70% 10.82 10.79 10.57 12.86 12.83 12.59 15.76 15.68 15.52 21.33 21.86 21.40 21.40 22.00 22.01 90% 9.46 9.38 9.08 10.96 10.87 10.65 13.05 12.91 12.62 19.31 18.68 18.79 20.44 20.93 21.23 ™ Đối với nhiễu xung âm dương Bảng 5.5 MMF ML3D ML3Dex Adaptive 3-D Median Lọc đề xuất PSNR R G B R G B R G B R G B R G B 10% 28.63 28.54 28.84 23.95 23.98 23.93 27.04 27.09 27.09 26.70 26.72 26.86 27.76 27.71 27.35 20% 24.04 24.14 24.14 13.17 23.21 23.14 26.26 26.25 16.13 26.06 25.96 26.07 26.70 26.54 26.28 Trang 117 30% 21.13 21.30 31.30 22.16 22.65 22.22 25.20 25.33 25.25 25.27 25.38 25.28 25.34 25.29 25.26 50% 17.69 17.72 17.76 19.66 19.63 19.70 23.04 23.01 23.08 24.04 24.06 24.13 23.97 24.01 23.88 70% 15.62 15.58 15.77 17.68 17.77 17.72 20.79 20.70 20.76 23.04 22.99 22.96 22.76 22.60 22.49 90% 14.36 14.43 14.45 16.29 16.25 16.30 19.00 18.95 18.82 21.84 21.94 21.77 21.74 21.86 21.35 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung ™ Đối với nhiễu ngẫu nhiên (0÷255) Bảng 5.6 MMF ML3D ML3Dex Adaptive 3-D Median Lọc đề xuất PSNR R G B R G B R G B R G B R G B 10% 28.77 28.88 28.38 23.98 24.01 23.90 26.93 26.82 26.76 26.56 26.55 26.60 27.56 27.53 27.07 20% 24.72 24.52 23.96 23.31 23.19 23.07 24.13 24.09 24.08 25.48 25.54 25.74 26.04 26.18 26.06 30% 21.86 21.70 20.96 22.28 22.19 21.88 24.62 24.63 24.51 24.56 24.53 24.82 24.81 24.74 24.85 50% 18.27 18.12 17.38 19.92 19.82 19.12 22.14 22.10 21.52 22.93 22.86 22.75 23.04 23.10 22.78 70% 16.08 16.07 15.19 17.80 17.83 16.82 19.78 19.76 19.78 21.25 21.34 20.76 21.48 21.48 20.88 90% 14.76 14.70 13.83 16.36 16.26 15.31 18.03 17.92 16.80 19.59 19.55 18.70 20.15 20.13 19.38 Một số khảo sát thời gian thực lọc: Khảo sát thực máy tính có cấu sau: CPU : 800MHz RAM : 128MB Chuỗi frame dùng để khảo sát bao gồm 10 frame Mỗi frame có kích thước 288x240 Sau số kết mô hình nhiễu: Bảng 5.7 Đối với mô hình nhiễu có giá trị cố định MMF ML3D ML3Dex Adaptive3-DMedian Lọc đề xuất 10% 13 36 20% 13 43 30% 13 54 50% 13 88 70% 13 172 90% 13 181 Baûng 5.8 Đối với mô hình nhiễu xung có dạng âm dương MMF ML3D ML3Dex Adaptive3-DMedian Lọc đề xuất 10% 13 36 20% 14 43 30% 14 54 Trang 118 50% 14 60 70% 14 105 90% 14 179 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Bảng 5.9 Đối với mô hình nhiễu có giá trị ngẫu nhiên MMF ML3D ML3Dex Adaptive3-DMedian Lọc đề xuất 10% 13 33 20% 14 42 30% 14 53 50% 14 58 70% 14 103 90% 14 177 5.2.2 Đánh giá kết quả: • Thông việc quan sát thực nghiệm cho ta thấy số lọc trước lọc MMF, ML3D, ML3Dex có chất lượng mật độ nhiễu tăng lên điều hoàn toàn phù hợp ta quan sát bảng bảng 5.4, bảng 5.5 bảng 5.6 • Bộ lọc đề xuất cho kết tốt hẳn lọc median 3D thích nghi mô hình nhiễu dó nhiên tốt hẳn so với lọc lại • Một vấn đề đáng quan tâm lọc đề xuất thời gian thực lọc lớn lớn nhiều lần so với lọc khác mật độ nhiễu lớn Trong phương pháp cho ta thấy hiệu lọc median 3D thích nghi thời gian thực nhỏ bảo đảm chất lượng lọc Trang 119 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Hướng phát triển đề tài ™ Các phương pháp lọc mờ luận án tỏ có hiệu tốt thường nằm phạm vi định Phương pháp lọc mờ thích nghi HFF, lọc trung bình có trọng số, số phương pháp trước với nhiều hình thức khác nhằm tìm hàm thành phần tối ưu thông qua việc tính toán tham số hàm thành phần Đối với lọc mờ HFF việc tính toán tham số tối ưu mô hình nhiễu định nghóa trước nhiễu có giá trị cố định nhiễu có dạng xung âm dương Các tham số hiệu chỉnh tối ưu nhờ vào đặc điểm nhiễu xung loại có giá tri nằm lân cận giá trị 255 Do áp dụng phương pháp tính toán mô hình nhiễu ngẫu nhiên việc hiệu chỉnh tối ưu tham số hàm thành phần.Vì vậy, cần thiết phải đưa phương pháp tính toán nhằm giải toán ™ Bởi hàm thành phần xây dựng dựa hình dạng histogram ảnh Do nhiều ảnh có histogram tương tự sử dụng chung hàm thành phần(membership functions) Trong xử lý ảnh động dựa vào chuỗi frame với frame liên tiếp có dạng histogram tương tự ta ước lượng histogram để xây dựng hàm thành phần cho frame sử dụng cho frame khác nhằm giảm thời gian tính toán không cần thiết Trang 120 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung D GIỚI THIỆU CHƯƠNG TRÌNH MÔ PHỎNG DÙNG LỌC MỜ THÍCH NGHI ĐỂ KHÔI PHỤC CHUỖI ẢNH BỊ NHIỄU XUNG FUZZYRES Chương trình mô có tên gọi FuzzyRes viết tắt từ Fuzzy Restoration, nghóa khôi phục ảnh phương pháp mờ Chương trình viết ngôn ngữ C Version 6.0 dịch sang file có tên FuzzyRes.exe Mục đích chương trình dùng để xử lý ảnh màu có dạng file bitmap 24 bit (*.bmp) chuỗi video có dạng file đơn giản vid (*.vid) theo yêu cầu đề tài Chương trình công cụ dùng để minh hoạ thực nghiệm, nhận xét đánh giá kết phương pháp khôi phục mô tả đề tài Chương trình mô có giao diện dạng đa tài liệu cho phép người sử dụng làm việc đồng thời với nhiều ảnh lúc dễ dàng chuyển đổi cửa sổ ứng dụng lúc làm việc Hướng dẫn sử dụng chương trình FuzzyRes: Có menu: menu menu Menu hiển thị lúc khởI động menu menu chương trình Để vào menu chính, từ menu ta chọn File sau chọn Open để mở file ảnh cần xử lý Menu bao gồm mục sau: ™ Still Image: Bao gồm thao tác xử lý ảnh tónh: Cho phép xem histogram ảnh hành, chuyền sang mức xám ảnh hành, đánh gia chất lượng ảnh, mô ảnh nhiễu xung số lọc nhiễu xung ảnh tónh trước ™ Fuzzy Filters: Một số phương pháp lọc mờ phương pháp đề nghị ™ Video: Bao gồm số thao tác xử lý chuỗI ảnh video: Mô nhiễu xung chuỗI ảnh video, chuyển đổI từ chuổI video có dạng file vid sang các file ảnh bmp ngược lạI, cho phép hiển thị frame chuỗI ảnh file vid số lọc chuỗI ảnh video Trang 121 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Still Image: 1.1 Create Noise: Mô ảnh bị nhiễu xung Từ form chọn loại nhiêu xung, nhập mật độ nhiễu Click nút OK để tạo nhiễu xung cho ảnh hành 1.2 Histogram Cho phép xem histogram ảnh hành 1.3 Gray Scale Chuyển sang mức xám ảnh hành Trang 122 Luận án cao học 1.4 Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Estimate Từ form ta nhập file ảnh nguồn ảnh đích sau chọn nút Calculate để đánh giá chất lượng ảnh theo số NMSE, MSE, PSNR 1.5 Median Filters Bao gồm số lọc sau đây: Standard Median Weighted Median Multi Stage Median Multi Level Median Adaptive Median Two-State AF Quincunx Chọn số lọc để lọc ảnh hành Fuzzy Filters Bao gồm số phương pháp mờ sau đây: FMLMF – MultiLevel Median AFMLMF – Adaptive MultiLevel Median WFM – Weighted Fuzzy Mean Trang 123 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung HFF – Adaptive Fuzzy Proposed Method 2.1 FMLMF – MultiLevel Median Từ form ta chọn loại hàm membership, nhập số lần lặp sau chọn nút OK để tiến hành lọc ảnh hành 2.2 AFMLMF – Adaptive MultiLevel Median Tương tự lọc 2.3 WFM – Weighted Fuzzy Mean Từ form ta chọn ảnh nguồn ảnh không bị nhiễu ban đầu, nhập thông số Left overlap, Right overlap v Threshold t Click nút View Para để xem thông số hàm thành phần Click nút Ok để lọc ảnh hành Trang 124 Luận án cao học 2.4 Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung HFF – Adaptive Fuzzy Từ form ta nhập giá trị ngưỡng T (0.0 ≤ T ≤ 0.2 )cho frame thành phần R,G,B Sau chọn nút OK để tiến hành lọc ảnh hành 2.5 Proposed Method Cũng tương tự lọc HFF Trang 125 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Video 3.1 Create Noise Cũng tương tự phần ảnh tónh, sau chọn loạI nhiễu xung v nhập mật độ nhiễu ta chọn tiếp file vid nguồn file vid đích để tiến hành rãi nhiễu 3.2 Convert to Vid files Chọn tất frame ảnh cần chuyển đổi sau nhập tên file vid đích tiến hành chuyển đổi 3.3 Convert to Bmp files Chọn tên file vid cần chuyển đổi sau nhập tên file bmp đích tiến hành chuyển đổi 3.4 Play by Frame • Click nút Open Video đ ể xem frame file vid • Click nút Back để xem frame trước • Click nút Next để xem frame Trang 126 Luận án cao học 3.5 Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung Filters Bao gổm số lọc sau: MMF ML3D ML3Dex Adaptive 3-D Median Proposed Method Chọn file *.vid nguồn bị nhiễu sau nhập tên file *.vid đích chọn nút OK để tiến hành lọc Trang 127 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung E TÀI LIỆU THAM KHẢO [1] Jain Anil K Fundamentals of Digital Image Processing Prentice-Hall Inc 1993 [2] Nguyeãn Kim Sách Xử Lý Ảnh Video số NXB Khoa Học Kỹ thuật,1997 [3] A.Murat Tekalp Digital Video Processing Prentice-Hall PTR,1995 [4] Anil Kokaram Motion Picture Restoration Springer-Verlag London Limited 1998 [5] Micheal P.Ekstrom.Digital Image Processing Techniques Academic Press INC 1984 [6] Maher A Sid-Ahmed Image Processing:Theory, Algorithms, and Architectures McGraw-Hill, Inc 1995 [7] A Nieminen,P Heinonen, and Neuvo (1987)A new class of detail-preserving filters for image processing IEE Trans Pattern Anal Mach Intell., 9,74-94 [8]G Qui (1996)An improved recursive median filtering scheme for image processing IEEE Trans Image processing, 5(4),646-647 [9] K C Lee,H J Song, and K H Sohn(1998) Detection-estimation based approach for impulsive noise removal IEE Electronic Letters, 34(5),449-450 [10] C S Lee, Y H Kuo and P.T Yu Weighted fuzzy mean filters for image processing Fuzzy Sets and Systems, 89, 157-180, 1997 [11] P Yu and C S Lee(1993) Adaptive fuzzy median filter.Internation Symposium on Artificial Neural Network,pp F25-F34 Hsincuh, Taiwan, R.O.C [12] E Rumelhart, G E Hinton, and R J Williams(1986) Learning internal representations by error propagation In: Parallel Distributed Processing:Explorations in the Microstructure of Cognition,1st Ed ,pp 318-362 D E Rumehart and J L McClelland Eds MIT Press, Cambridge,MA,U.S.A [13] J H Wang and M D Yu Image smoothing by adaptive fuzzy optimal filter IEEE International Conf On Systems, Man, and Cybernetics, pp 845-848, 1995, Vancouver,Canada.(e-mail: jhwang@celab1.ee.ntou.edu.tw) [14] J H Wang and H C Chiu HAF: an Adaptive Fuzzy Filter for Restoring Highly Corrupted Images by Histogram Estimation.Proc Natl Sci Counc ROC(A), Vol.23, No 5, 1999, pp.630-643 [15] J H Wang, W J Liu and L D Lin Histogram – Based Fuzzy Filter for Image Restoration IEEE Transactions on Systems,Man and Cybernetics – Part B: Cybernetics, Vol 32, No 2, April 2002 [16] W Y Han and J C Lin Minimum-maxmum exclusive mean(MMEM) filter to remove impulse noise from highly corrupted image Electron Lett., vol 33, pp.124-125, 1997 [17] A taguchi A Design method of Fuzzy Weighted Median Filters.In Proc IEEE Int Conf Image Processing, vol.1 pp 423-426 [18] J H Wang and L D Lin An improved median filter using minmax algorithm for image processing IEE Electronic Letter, 33(16),1362-1363,1997 [19] J H Wang, L D Lin, and M D Yu Histogram-based adaptive neuro-fuzzy filter for image restoration Proc Natl Sci Counc ROC(A), 21(6), 1997, pp 556 -572 Trang 128 Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhieãu xung [20] E Abreu, M Lightstone,S K Mitra and K Arakawa A New Efficient Approach for the Removal of Impulse Noise from Highly Corrupted Images.IEEE Transactions on image processing, Vol 5, No 6, June 1996 [21] J S Kim, H W Park Adaptive 3-D median filtering for restoration of image sequence corrupted by impulse noise Elsevier Science B V ,Signal Processing : Image Comunication 16 (2001) 657-668.() [22] J.Bezdek Editorial: Fuzzy models – What are they, and why?.IEEE Trans.Fuzzy Syst.,vol 1, pp 1-5,1993 [23] George J Klir, Bo Yuan Fuzzy Sets and Fuzzy Logic Theory and Applications Prentice-Hall 1995 [24] Zhuoer Shi, D S Zhang, Donald J Kouri, and David K Hoffman Nolinear Quincunx Filters Submitted to IEEE Transaction on PAMI,1999 [25] Jing-Ying Jiu Multilevel Median Filter Based on Fuzzy Decision DSP IC Design Lab.EE.NTU (video.ee.ntu.edu.tw) Trang 129 ... thích nghi để khôi phục chuỗi ảnh bị nhiễu xung B TÓM TẮT ĐỀ TÀI VÀ PHẠM VI NGHI? ?N CỨU Đề tài dùng lọc mờ thích nghi để khôi phục ảnh bị nhiễu xung chủ yếu tập trung vào số phương pháp lọc nhiễu xung. .. pháp dùng lọc mờ có hiệu để khôi phục ảnh bị nhiễu xung - Đánh giá kết luận Trang Luận án cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung C NỘI DUNG Cơ sở logic mờ 1.1 Logic mờ- ... cao học Dùng lọc mờ thích nghi để khôi phục chuỗi ảnh bị nhiễu xung A HIỆN TRẠNG CÁC VẤN ĐỀ KHÔI PHỤC ẢNH BỊ NHIỄU XUNG Lọc median(MF) kỹ thuật không tuyến tính hiệu việc loại bỏ nhiễu xung trì