Nhận dạng một số loại nhiễu trong ảnh

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA BK TPHCM NGUYỄN ĐỨC HOÀNG NHẬN DẠNG MỘT SỐ LOẠI NHIỄU TRONG ẢNH (RECOGNITION OF SOME TYPES OF NOISE IN IMAGES) Chuyên ngành: VÔ TUYẾN ĐIỆN TỬ Mã số ngành : 2.07.01 LUẬN VĂN THẠC SĨ TP Hồ Chí Minh 10/2003 CÔNG TRÌNH ĐƯC HOÀN 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 chấm nhận xét 1: PGS TS NGUYỄN HỮU PHƯƠNG Cán chấm nhận xét 2: TS TRẦN DŨNG TRÌNH Luận văn thạc só bảo vệ tại: HỘI ĐỒNG CHẤM BẢO VỆ LUẬN ÁN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA Ngày tháng 11 năm 2003 Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM Độc Lập – Tự Do – Hạnh Phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ NGUYỄN ĐỨC HOÀNG 20/03/1976 Vô Tuyến Điện Tử Họ tên học viên: Ngày, tháng, năm sinh: Chuyên ngành: I – TÊN ĐỀ TÀI: Phái: Nơi sinh: Mã số: Nam Quảng Ngãi 2.07.01 NHẬN DẠNG MỘT SỐ LOẠI NHIỄU TRONG ẢNH II – NHIỆM VỤ VÀ NỘI DUNG: Trình bày cách hệ thống nhiễu ảnh Phương pháp để nhận dạng ba loại nhiễu phổ biến ảnh: nhiễu Poisson, nhiễu Gauss, nhiễu Poisson-Gauss (kết hợp nhiễu Poisson nhiễu Gauss) Phân tích nhận xét phương pháp trình bày Mức độ hiệu phương pháp 14/5/2003 III – NGÀY GIAO NHIỆM VỤ (Ngày bảo vệ đề cương): IV – NGÀY HOÀN THÀNH NHIỆM VỤ (Ngày bảo vệ luận án tốt nghiệp): V – HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: 8/11/2003 PGS TSKH NGUYỄN KIM SÁCH CÁN BỘ HƯỚNG DẪN CÁN BỘ PHẢN BIỆN CÁN BỘ PHẢN BIỆN PGS TSKH Nguyễn Kim Sách PGS TS Nguyễn Hữu Phương TS Trần Dũng Trình Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua PHÒNG ĐÀO TẠO SĐH Ngày …………… tháng ………… năm 2003 KHOA QUẢN LÝ NGÀNH Lời cảm ơn Xin chân thành cảm ơn Ban Giám Đốc anh chị em Trung tâm BRAC tạo điều kiện giúp đỡ để hoàn thành luận án Đặc biệt xin cảm ơn thầy PGS TSKH Nguyễn Kim Sách tận tình hướng dẫn, hỗ trợ, giúp đỡ em trình thực luận án Xin cảm ơn Phòng Vi Tính Ứng Dụng, Phòng Truyền Dẫn Phát Sóng, Thầy Ths Đặng Thành Tín tạo điều kiện giúp đỡ hoàn thành luận án Xin cảm ơn thầy cô giáo Bộ Môn Viễn Thông Trường Đại Học Bách Khoa dạy em suốt khoá học Xin cảm ơn người thân giúp đỡ để thực luận án Nguyễn Đức Hoàng 10/2003 TÓM TẮT Trong nhiều giải thuật xử lý ảnh video, việc ước tính có mặt nhiễu ảnh, video cần thiết để trình xử lý tối ưu Công việc khôi phục ảnh video nhiều trung tâm, trường đại học quan tâm nghiên cứu đạt nhiều thành to lớn Bước nâng cấp trình khôi phục tự động hoá trình xử lý khôi phục ảnh video Cơ sở quan trọng để khôi phục ảnh, video tự động nhận dạng nhiễu tự động Bởi vì, xác định nhiễu ảnh video chọn phương pháp, lọc tối ưu để khôi phục ảnh Đây vấn đề khó chưa có tài liệu trình bày cách hoàn chỉnh Luận án cố gắng giải việc nhận dạng số loại nhiễu xuất phổ biến ảnh, video Nội dung luận án bao gồm: hệ thống lại mô hình nhiễu; loại nhiễu nguyên nhân sinh nhiễu; phân đoạn ảnh để tìm vùng tương đồng; công việc liên quan đến luận án đề xuất số phương pháp để nhận dạng loại nhiễu: nhiễu Gauss, nhiễu Poisson, nhiễu Poisson-Gauss ABSTRACT In image and video processing, noise estimation is essential for a optimal processing Image and video restoration was researched and retrieved great achievements by centers and universities Next step for upgrate is automatization of image and video restoration The important base of this automatization is automatic noise recognition Because only if noises were identyfied from images and video, then the processing propose a optimal method for restoration This is a difficult problem and not yet a full document This thesis try to recognize some types of noise that disseminate in images and video Contents of the thesis include: systematization of noise models, types of noise and where they might occur; image segmentation is to seek homogeneous regions; relative works with the thesis; and take the initiative some methods to recognize types of noise: Gaussian noise, Poisson noise, Poisson-Gaussian noise TÓM TẮT NỘI DUNG LUẬN ÁN GIỚI THIỆU Trong nhiều giải thuật xử lý ảnh video việc ước tính có mặt nhiễu ảnh, video cần thiết để trình xử lý tối ưu Các trình xử lý là: khôi phục, dò biên, phân đoạn, nén,… Thường, ước tính nhiễu đưa người xử lý dựa tính chất thống kê nhiễu biết trước từ đặc tính hệ thống tạo ảnh, đường truyền,… Một số phương pháp ước tính nhiễu tự động đề xuất, nhiên ước tính nhiễu thường dựa mô hình nhiễu cho trước, ví dụ mô hình nhiễu Gauss thực ước tính tự động variance nhiễu Quá trình chuẩn đoán nhiễu ảnh, video xác định hai thông tin: • Xác định mô hình nhiễu, • Đo đạc thông số thống kê thích hợp nhiễu Việc xác định mô hình nhiễu thường dựa phân tích ảnh nhìn thấy (chủ quan) ý đến đặc tính hệ thống ảnh sử dụng Còn việc đo đạc thông số thống kê nhiễu lại dẫn đến vòng luẩn quẩn: để đo đạc thông số nhiễu cần tách nhiễu từ tín hiệu bị nhiễu, việc tách nhiễu lại thực thi thông số nhiễu biết Giải pháp đưa không tách nhiễu từ tín hiệu bị nhiễu mà xét đặc trưng thống kê tín hiệu bị nhiễu Trong thực tế với nhiều ứng dụng, thông tin nhiễu ảnh, video thường Việc chuẩn đoán, nhận dạng, xác định nhiễu dựa hoàn toàn liệu ảnh, video bị nhiễu Đây vấn đề khó khăn có số tài liệu hạn chế nghiên cứu vấn đề Tuy nhiên, nguyên lý sở việc chẩn đoán nhiễu từ ảnh bị nhiễu là: chọn phương pháp ước tính đặc tính thống kê tín hiệu bị nhiễu cho tìm đặc điểm bất thường tín hiệu có nhiễu Luận án thực việc nhận dạng nhiễu dựa nguyên lý sở này, tập trung việc khảo sát tính chất variance nhiễu Ngoài ra, luận án sử dụng công cụ toán học “đo đạc thông tin Kullback-Leibler” để thực nhận dạng nhiễu MỤC TIÊU CỦA LUẬN ÁN Vấn đề khôi phục ảnh video nhiều trung tâm, trường đại học quan tâm nghiên cứu đạt nhiều thành to lớn Tiếp theo việc khôi phục tự động hoá trình xử lý khôi phục ảnh video Đây vấn đề khó TÓM TẮT NỘI DUNG LUẬN ÁN chưa có tài liệu trình bày cách hoàn chỉnh Một sở quan trọng khôi phục ảnh, video tự động nhận dạng nhiễu tự động Bởi vì, xác định nhiễu ảnh video chọn phương pháp, lọc tối ưu để khôi phục ảnh Trong ảnh video, nhiễu có xuất với loại nhiễu tổng hợp nhiều loại nhiễu Luận án cố gắng tìm cách nhận dạng số loại nhiễu phổ biến có ảnh video Một số loại nhiễu thường xuất ảnh, video là: nhiễu xung, nhiễu Gauss, nhiễu Poisson,… Đối với nhiễu xung, giải thuật lọc nhiễu bao gồm hai bước: bước thứ dò xung nhiễu thay mẫu tín hiệu dò (xung nhiễu) giá trị xấp xỉ từ mẫu lân cận (những mẫu không nhiễu) Nghóa trình dò nhiễu xung lồng vào giải thuật lọc nhiễu Do đó, mục tiêu luận án tập trung nhận dạng loại nhiễu sau: nhiễu Poisson, nhiễu Gauss, nhiễu Poisson-Gauss (tổng hợp nhiễu Gauss nhiễu Poisson) CẤU TRÚC LUẬN ÁN Luận án cấu trúc sau Chương trình bày số mô hình nhiễu thường sử dụng, loại nhiễu ảnh nguyên nhân sinh nhiễu Chương trình bày số giải thuật phân đoạn ảnh giải thuật phân đoạn ảnh để nhận dạng nhiễu Chương trình bày số phương pháp nhận dạng nhiễu L Yaroslavsky với loại nhiễu là: nhiễu Gauss, nhiễu xung, nhiễu Moire, nhiễu lượng tử Chương phần trọng tâm luận án Chương trình bày trình khảo sát thực nghiệm phân tích loại nhiễu: nhiễu Gauss, nhiễu Poisson, nhiễu Poisson-Gauss Trên sở đó, luận án đề xuất phương pháp để nhận dạng loại nhiễu Một số ảnh thực nghiệm trình bày sau Chương trình bày số kết luận hướng phát triển luận án KẾT QUẢ THỰC HIỆN Nhìn chung, phương án luận án đề xuất để nhận dạng nhiễu Poisson, Gauss, Poisson-Gauss dựa tính chất variance loại nhiễu xét số vùng ảnh tương đồng: • Variance nhiễu Gauss nhau, TÓM TẮT NỘI DUNG LUẬN ÁN • Variance nhiễu Poisson với giá trị trung bình (cũng giá trị thang xám) vùng ảnh tương đồng, • Variance nhiễu Poisson-Gauss tổng variance nhiễu Gauss nhiễu Poisson Phương pháp chung để nhận dạng ba loại nhiễu ảnh dựa tính chất variance là: • Phân đoạn ảnh, • Chọn số vùng ảnh đồng mức có giá trị thang xám khoảng 50 đến 210, • Ước tính variance vùng ảnh đồng mức này, • Xét tính chất variance ước tính từ vùng ảnh đồng mức bị nhiễu để kết luận loại nhiễu tác động ảnh Trong phương pháp chung này, yếu tố yêu cầu để nhận dạng xác loại nhiễu là: • Giải thuật phân đoạn phải tìm vùng tương đồng bị nhiễu đạt yêu cầu, • Sau phân đoạn, ảnh phải có số vùng đồng mức (≥ vùng) có giá trị thang xám khác (thuộc vùng thang xám thích hợp) để khảo sát variance, • Các vùng đồng mức tìm phải đủ lớn để ước tính variance vùng có độ xác đạt yêu cầu Trong phương pháp chung nhận dạng loại nhiễu dùng tính chất variance vùng ảnh tương đồng bị nhiễu, yêu cầu quan trọng phải có nhiều vùng ảnh tương đồng khoảng thang xám giới hạn Một phương pháp khác luận án đề xuất đo thông tin Kullback-Leibler Đây phương pháp dựa so sánh hàm mật độ xác suất histogram vùng ảnh tương đồng bị nhiễu Phương pháp dùng để nhận dạng nhiễu Poisson Do hàm mật độ nhiễu Gauss nhiễu Poisson-Gauss giống nên dùng phương pháp nhận dạng kết đo thông tin KullbaclLeibler hai loại nhiễu xấp xỉ Phương pháp có ưu điểm cần tìm vùng ảnh tương đồng nhận dạng nhiễu Poisson Tuy nhiên, vùng ảnh tương đồng tìm phải có giá trị thang xám nằm khoảng đến 50 Rõ ràng phương pháp dùng tính chất variance vùng ảnh tương đồng phương pháp đo thông tin Kullback-Leibler có ưu điểm khuyết điểm việc nhận dạng ba loại nhiễu Poisson, Gauss, Poisson-Gauss Tuy nhiên, hai phương pháp lại hỗ trợ cho tốt việc nhận dạng ba loại nhiễu ảnh TÓM TẮT NỘI DUNG LUẬN ÁN KẾT LUẬN Mục tiêu luận án nhận dạng ba loại nhiễu phổ biến ảnh video: nhiễu Gauss, nhiễu Poisson, nhiễu Poisson-Gauss Luận án dựa tính chất variance loại nhiễu để đề xuất phương pháp nhận dạng nhiễu Một công cụ toán học khác đo thông tin Kullback-Leibler sử dụng để nhận dạng nhiễu Poisson Trên sở phương án đề xuất, luận án đưa phương pháp tổng hợp để nhận dạng loại nhiễu Như vậy, luận án giải mục tiêu ban đầu đề chưa? Có thể nói bước đầu giải thuật đề xuất nhận dạng loại nhiễu mục tiêu ban đầu Các giải thuật nhận dạng có số ưu điểm khuyết điểm sau: Ưu điểm: • Tốc độ tính toán đơn giản • Nhận dạng nhiễu ảnh với kích thước ảnh tùy ý • Nhận dạng nhiễu ảnh đen trắng ảnh màu • Quá trình nhận dạng đưa thông số thống kê thích hợp nhiễu như: giá trị trung bình, variance Khuyết điểm: • Chỉ nhận dạng ba loại nhiễu: nhiễu Gauss, nhiễu Poisson, nhiễu PoissonGauss • Không phải với tất ảnh tìm số vùng ảnh tương đồng yêu cầu, ảnh nhận dạng nhiễu • Độ xác giải thuật phụ thuộc vào vùng ảnh tương đồng tìm được, nghóa phụ thuộc vào khả bước phân đoạn ảnh HƯỚNG PHÁT TRIỂN Nhiễu ảnh video thường bao gồm nhiều loại nhiễu khác Bước đầu luận án đề xuất giải thuật nhận dạng loại nhiễu Để nhận dạng nhiều loại nhiễu cần có giải thuật nhận dạng nhiễu khác Trong luận án đề cập đến giải thuật nhận dạng loại nhiễu L Yaroslavsky Tuy nhiên, nhiều loại nhiễu khác chưa quan tâm để nhận dạng Hơn nữa, việc kết hợp giải thuật để hình thành nên giải thuật TÓM TẮT NỘI DUNG LUẬN ÁN chung nhằm nhận dạng số lượng lớn loại nhiễu quan trọng ảnh chưa xét đến khuôn khổ luận án Vấn đề nhận dạng nhiễu ảnh video cần khảo sát nhiều Đây vấn đề cần thiết quan trọng, số công việc cần tiếp tục thực để phát triển vấn đề này: • Nghiên cứu số giải thuật nhận dạng loại nhiễu khác • Kết hợp giải thuật nhận dạng loại nhiễu công bố giải thuật đề xuất thành giải thuật chung để nhận dạng số lớn loại nhiễu ảnh, video CHƯƠNG NHẬN DẠNG THEO TÍNH CHẤT VARIANCE Nhận dạng nhiễu Gauss Hình 4.25: Ảnh Pattern nhiễu Gauss σ = 18 Hình 4.26: Variance vùng tương đồng xấp xỉ 85 CHƯƠNG Nhận dạng nhiễu Poisson Hình 4.27: Ảnh Pattern nhiễu Poisson Hình 4.28: Variance vùng tương đồng xấp xỉ với trị trung bình (bằng giá trị thang xám vùng tương đồng) 86 CHƯƠNG Nhận dạng nhiễu Poisson-Gauss Hình 4.29: Ảnh Pattern nhiễu Poisson-Gauss với σ = 18 Hình 4.30: Variance vùng tương đồng biến đổi tuyến tính theo giá trị thang xám vùng tương đồng 87 CHƯƠNG Ước tính variance vùng tương đồng tương ứng với ba loại nhiễu rải ảnh Pattern Hình 4.31: Tổng hợp hình: 4.26, 4.28, 4.30 88 CHƯƠNG NHẬN DẠNG NHIỄU VỚI MỘT SỐ ẢNH THẬT *** ẢNH NHIỄU Hình 4.32: Ảnh nhiễu ảnh phân đoạn 89 CHƯƠNG KL = 0.01886 KL = 0.016718 KL = 0.014802 Hình 4.33: Đo thông tin Kuulback-Leibler cho ba thành phần màu R,G,B, tương ứng vùng đồng mức có thang xám 12,9,8 Kết luận: Những giá trị đo thông tin Kullback-leibler nhỏ ngưỡng 0.02, ảnh bị nhiễu Poisson 90 CHƯƠNG ẢNH NHIỄU Hình4.34: Ảnh nhiễu ảnh phân đoạn Hình 4.35: Các thành phần R, G, B Hình 4.36: ớc tính variance vùng tương đồng thành phần R, G, B Kết luận: Ảnh bị nhiễu Poisson 91 CHƯƠNG ẢNH NHIỄU Hình 4.37: Ảnh nhiễu ảnh phân đoạn Hình 4.38: Các thành phần R, G, B Hình 4.39: ớc tính variance vùng tương đồng thành phần R, G, B Kết luận: Ảnh bị nhiễu Gauss Variance nhiễu: σ2 = 325 92 CHƯƠNG ẢNH NHIỄU Hình 4.40: Ảnh nhiễu ảnh phân đoạn Hình 4.41: Các thành phần R, G, B Hình 4.42: ớc tính variance vùng tương đồng thành phần R, G, B Kết luận: Ảnh bị nhiễu Poisson-Gauss 93 CHƯƠNG KẾT QUẢ TÍNH KULLBACK-LEIBLER CHO MỘT SỐ ẢNH RẢI NHIỄU POISSON *** Tên ảnh Autumn.tif Blood1.tif Cameraman.tif Canoe.tif Circuit.tif Enamel.tif Forest.tif Kids.tif M83.tif Moon.tif Ngc4024l.tif Rice.tif Tire.tif Thành phần Red Green Blue Gray Gray Red Green Blue Gray Gray Red Green Blue Red Green Blue Red Green Blue Gray Gray Gray Gray Thang xám đo 38 26 31 47 15 41 51 57 17 57 25 9 26 25 27 25 33 25 14 41 Giá trị KL 0.0096358 0.0056065 0.0051185 0.00296 0.012336 0.0033589 0.0060376 0.0047765 0.011657 0.015744 0.0006907 0.00030888 0.00024323 0.0013511 0.0093161 0.00093211 0.00039242 0.0003465 0.00040188 0.00021348 0.004883 0.020651 0.022898 Ghi chú: Những file ảnh download từ thư mục images Matlab http://www.mathworks.com 94 CHƯƠNG Chương KẾT LUẬN Chương tổng kết kết luận án đạt so với mục tiêu ban đầu trình bày số ưu khuyết điểm giải thuật nhận dạng nhiễu đề xuất Một số hướng phát triển luận án đề cập 5.1 KẾT LUẬN Mục tiêu luận án nhận dạng ba loại nhiễu phổ biến ảnh video: nhiễu Gauss, nhiễu Poisson, nhiễu Poisson-Gauss Luận án dựa tính chất variance loại nhiễu để đề xuất phương pháp nhận dạng nhiễu Một công cụ toán học khác đo thông tin Kullback-Leibler sử dụng để nhận dạng nhiễu Poisson Trên sở phương án đề xuất, luận án đưa phương pháp tổng hợp để nhận dạng loại nhiễu Như vậy, luận án giải mục tiêu ban đầu đề chưa? Có thể nói bước đầu giải thuật đề xuất nhận dạng loại nhiễu mục tiêu ban đầu Các giải thuật nhận dạng có số ưu điểm khuyết điểm sau: Ưu điểm: • Tốc độ tính toán nhanh đơn giản • Nhận dạng nhiễu ảnh với kích thước ảnh tùy ý • Nhận dạng nhiễu ảnh đen trắng ảnh màu • Quá trình nhận dạng đưa thông số thống kê thích hợp nhiễu như: giá trị trung bình, variance 95 CHƯƠNG Khuyết điểm: • Chỉ nhận dạng ba loại nhiễu: nhiễu Gauss, nhiễu Poisson, nhiễu PoissonGauss • Không phải với tất ảnh tìm số vùng ảnh tương đồng yêu cầu, ảnh nhận dạng nhiễu • Độ xác giải thuật phụ thuộc vào vùng ảnh tương đồng tìm được, nghóa phụ thuộc vào khả bước phân đoạn ảnh 5.2 HƯỚNG PHÁT TRIỂN Nhiễu ảnh video thường bao gồm nhiều loại nhiễu khác Bước đầu luận án đề xuất giải thuật nhận dạng loại nhiễu Để nhận dạng nhiều loại nhiễu cần có giải thuật nhận dạng nhiễu khác Trong luận án đề cập đến giải thuật nhận dạng loại nhiễu L Yaroslavsky Tuy nhiên, nhiều loại nhiễu khác chưa quan tâm để nhận dạng Hơn nữa, việc kết hợp giải thuật để hình thành nên giải thuật chung nhằm nhận dạng số lượng lớn loại nhiễu quan trọng ảnh chưa xét đến khuôn khổ luận án Vấn đề nhận dạng nhiễu ảnh video cần khảo sát nhiều Đây vấn đề cần thiết quan trọng, số công việc cần tiếp tục thực để phát triển vấn đề này: • Nghiên cứu số giải thuật nhận dạng loại nhiễu khác • Kết hợp giải thuật nhận dạng loại nhiễu công bố giải thuật đề xuất thành giải thuật chung để nhận dạng số lớn loại nhiễu ảnh, video 96 TÀI LIỆU THAM KHAÛO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] L Yaroslavsky, “Advanced Image Processing Lab: A Tutorial”, EUSIPCO2000 Charles Boncelet, “Image Noise Models”, Handbook of Image & Video Processing, Academic Press, 2000 PGS TSKH Nguyễn Kim Sách, “Xử lý khôi phục hình ảnh giảm chất lượng băng video”, Khoa học kỹ thuật truyền hình, 04/2001 M Petrou & P Bosdogianni, “Image Processing The Fundamentals”, John Wiley & Sons Ltd, 2000 William H Press, Saul A Teukolsky, William T Vetterling, Brian P Flannery, “Numerical Recipes In C: The Art Of Scientific Computing”, Cambridge University Press, 1988, 1992 T Young, J Gerbrands & J van Vliet, “Fundamentals of Image Processing”, Delft University of Technology, 1995, 1997, 1998 Christopher M Christoudias, Bogdan Georgescu, & Peter Meer, “Synergism in Low Level Vision”, Rutgers University, 2002 M.P Wand & M John, “Kernel Smoothing”, Chapman and Hall, 1995 D.W Scott, “Multivariate Density Estimation”, Willey, 1992 Dorin Comaniciu, Peter Meer, “Mean Shift: A Robust Approach Toward Feature Space Analysis”, IEEE, 2002 Jean-Luc Starck, Fionn Murtagh, “Automatic Noise Estimation from The Multiresolution Support”, Feb 1998 Barbara Waegli, “Investigations into The Noise Characteristic of Digitaled Aerial Images”, Cambridge University, 1998 Odej Kao, Stefan Diener, “Impulse noise features for automatic selection of noise cleaning filter”, Technical University of Clausthal, 1998 Alan C Bovik, “Basic Gray-Level Image Processing”, Handbook of Image & Video Processing, Academic Press, 2000 Alexandre Refregier, Scott T Brown, “Effect of Correlated Noise on soutce Shape Parameters and Weak Lensing Measurements”, Princeton University, Columbia University, 1999 Leon W Couch II, “Digital and Communication Systems”, Macmillan Publishing Company, 1990 [17] F Murtagh, J.-L Starck, “Image Processing through Multiscale Analysis and Measurement Noise Modeling”, Queen University, 1999 [18] Laura Frost, “Information Threoretic Image Thresholding”, Thesis, 2002 [19] Donald L Snyder, Carl W Helstrom, Aaron D Lanterman, Mohammad Faisal, Richard L White, “Compensation for Readout Noise in CCD Images”, J Opt Soc Am, 1995 [20] D.P Bertsekas, “Nonlinear Programming”, Athena Scientific, 1995 [21] W Haêrdle, “Applied Nonparametric Regression”, Cambrige University Press, 1991 [22] D L Snyder, A M Hammoud, R L White, “Image Recovery from Data Acquired with a Charge-Couple-Device Camera”, J Opt Soc Am A 10, 10141023, 1993 [23] F Murtagh, J-L Starck, A Bijaoui, “Image restoration with Noise Suppression Using a Multiresolution Support”, Astronomy and Astrophysics, 1994 [24] S I Olsen, “Noise Variance Estimation in Image”, University of Copenhagen, 1993 [25] Phan Anh Huy, “Mô Hình Thống Kê Nhiễu Và Các Phương Pháp Nhận Dạng Nhiễu”, Khoa Học Kỹ Thuật Truyền Hình, 2003 [26] A.Achim, A.Bezerianos, and P Taskalides, “Nolvel Bayesian multiscale method for speckle removal in medical ultrasound images”, IEEE Trans Medical Imaging, 20(8):772-783, Aug 2001 [27] F Sattar, L Floreby, G Salomonsson, B Lvstrm, “Image enhancement base on a nonlinear multiscale method”, IEEE Trans Image Proc, 6(6): 888-895, June 1997 [28] W A Edelstein, G Glover, C Hardy, and R Redington “The intrinistic signal-to-noise ratio in NMR imaging”, Magn Reson Med, 3:604-618, 1986 [29] Ghada Jammal & Albert Bijaoui, “A multiresolution image restoration method for photon imaging”, 1996 [30] Nelson D A Mascarenhas, Saulo S L Santos, Paulo E Cruvinel “The use of MAP estimation techniques in the tomographic reconstruction of poisson noise corrupted images”, 1996 [31] Robert D Nowak, Richard G Baraniuk, “Wavelet-domain filtering for photon imaging systems”, IEEE Trans Image Proc, May 1999 [32] Jean-Luc Starck, Fionn Murtagh, “Astronomical image and signal processing”, IEEE Signal Processing, March 2001 [33] Twan Maintz, “Digital and Medical Image Processing”, Thesis, 2002 TÓM TẮT LÝ LỊCH Họ tên: NGUYỄN ĐỨC HOÀNG Ngày, tháng, năm sinh: 20/03/1976 Nơi sinh: Quảng Ngãi Địa liên lạc: 171 Lý Chính Thắng, Quận 3, TP Hồ Chí Minh QUÁ TRÌNH ĐÀO TẠO 2001 – 2003: Học cao học Trường Đại Học Bách Khoa QUÁ TRÌNH CÔNG TÁC 1999 – 2003: Làm việc Trung Tâm Nghiên Cứu ng Dụng Khoa Học Truyền Hình Tham gia thực số đề tài khoa học cấp ngành sau: ƒ Nghiên cứu việc chuyển đổi Audio tương tự sang số phục vụ truyền hình số ƒ Truyền nhiều tín hiệu Audio Video số (MPEG-2) kênh truyền hình cáp (điều chế QAM) ƒ Thiết kế hệ thống khôi phục nâng cao chất lượng hình ảnh cho băng video ƒ Nghiên cứu truyền hình số tương tác hai chiều môi trường truyền dẫn qua cáp phát sóng mặt đất ƒ Đo – Kiểm Tra chất lượng tín hiệu truyền hình số có nén ƒ Nghiên cứu lựa chọn tiêu chuẩn truyền hình số có nén cho truyền hình Việt Nam ... nhiều loại nhiễu khác Bước đầu luận án đề xuất giải thuật nhận dạng loại nhiễu Để nhận dạng nhiều loại nhiễu cần có giải thuật nhận dạng nhiễu khác Trong luận án đề cập đến giải thuật nhận dạng loại. .. hợp nhiều loại nhiễu Luận án cố gắng tìm cách nhận dạng số loại nhiễu phổ biến có ảnh video Một số loại nhiễu thường xuất ảnh, video là: nhiễu xung, nhiễu Gauss, nhiễu Poisson,… Đối với nhiễu xung,... hợp nhiều loại nhiễu Luận án cố gắng tìm cách nhận dạng số loại nhiễu phổ biến có ảnh video Một số loại nhiễu thường xuất ảnh, video là: nhiễu xung, nhiễu Gauss, nhiễu Poisson,… Đối với nhiễu xung,