Thông tin trực quan được truyền tải dưới dạng hình ảnh kỹ thuật số đang trở thành một phương thức truyền thông chính, tuy nhiên, các hình ảnh trong quá trình nhận, mã hóa và truyền đi thường bị hỏng hoặc rung mờ do nhiễu và phương pháp chụp ảnh. Bài viết đề xuất sử dụng phương pháp dựa trên biến đổi Curvelet để nâng cao chất lượng ảnh.
Cơng nghệ thơng tin & Cơ sở tốn học cho tin học NÂNG CAO CHẤT LƯỢNG ẢNH DỰA TRÊN BIẾN ĐỔI CURVELET Đặng Phan Thu Hương1, Nguyễn Thúy Anh2, Doãn Thanh Bình3* Tóm tắt: Thơng tin trực quan truyền tải dạng hình ảnh kỹ thuật số trở thành phương thức truyền thơng chính, nhiên, hình ảnh q trình nhận, mã hóa truyền thường bị hỏng rung mờ nhiễu phương pháp chụp ảnh Để cải thiện chất lượng hình ảnh, số kỹ thuật đề xuất biến đổi Wavelet rời rạc, biến đổi Wavelet phức kép, lọc truyền thống, Tuy nhiên, chưa thể đem lại hiệu cao tồn nhiễu cao, cho kết hình ảnh khơng tốt, chưa tối ưu độ phức tạp tính tốn, mức tiêu thụ nhớ tốc độ xử lý Trong khuôn khổ nội dung báo này, đề xuất sử dụng phương pháp dựa biến đổi Curvelet để nâng cao chất lượng ảnh Từ khóa: Biến đổi Curvelet; Khử nhiễu ảnh; Biến đổi Wavelet kép phức MỞ ĐẦU Hình ảnh thường có nhiễu khơng dễ dàng loại bỏ q trình xử lý hình ảnh Theo đặc trưng ảnh thực tế, tính chất thống kê nhiễu quy luật phân bố phổ tần số, người ta phát triển nhiều phương pháp khử nhiễu, chúng chia tương đối thành trường không gian trường biến đổi phương pháp trung bình vùng lân cận, biến đổi Wavelet, Các phương pháp nhìn chung có vấn đề nan giải, độ mịn nhiễu, lưu giữ thông tin chi tiết rìa ảnh Trong năm gần đây, loại biến đổi đa cấp dựa biến đổi Wavelet - biến đổi Curvelet phát triển nhanh chóng (E.J.Candes, 1999) Các yếu tố cấu trúc phép biến đổi Curvelet bao gồm tham số kích thước, vị trí nhiều tham số định hướng cho phép có đặc tính định hướng tốt Theo đó, phép biến đổi Curvelet ưu việt Wavelet số phương pháp truyền thống khác việc biểu thị đường biên hình ảnh, chẳng hạn đặc trưng hình học đường cong đường bao, thu kết nghiên cứu tốt việc xử lý hình ảnh Bài báo đưa phương pháp cải tiến dựa phép biến đổi Curvelet sử dụng kỹ thuật Fusion để hợp ảnh xử lý với phương pháp biến phân toàn phần (Total Variation) [7] CÁC NGHIÊN CỨU LIÊN QUAN Trong thực tế, có số giải pháp nhằm nâng cao chất lượng ảnh nghiên cứu áp dụng như: Biến đổi Wavelet rời rạc (DWT- Discrete Wavelet Transform), Biến đổi Wavelet phức hợp kép (DTCWT), sử dụng mạng nơ ron huấn luyện (DnCNN), sử dụng lọc Kuan phương pháp sử dụng lọc Frost 2.1 Phương pháp dựa vào biến đổi Wavelet rời rạc (DWT) Biến đổi Wavelet có thuộc tính đa tỷ lệ, cục hóa tần số thời gian tốt Do đó, kỹ thuật lọc dựa Wavelet sử dụng rộng rãi việc giảm nhiễu hình ảnh Tuy nhiên, hiệu Wavelet hai chiều (2-D) tiêu chuẩn bị giới hạn tính đẳng hướng khơng gian thiếu tính bất biến dịch chuyển hàm sở chúng [1] 2.2 Phương pháp dựa vào biến đổi Wavelet phức hợp kép (DTCWT) Đối với phương pháp dựa biến đổi Wavelet rời rạc, với thay đổi nhỏ tín hiệu đầu vào gây hệ số Wavelet đầu khác Đây hạn chế Wavelet nhận dạng mẫu Một cách để khắc phục điều thực phép biến đổi Wavelet mà khơng có số thập phân Hạn chế phương pháp khơng hiệu mặt tính tốn, đặc biệt nhiều chiều Kingsbury giới thiệu loại biến đổi Wavelet mới, gọi biến đổi Wavelet phức hợp kép, thể tính chất bất biến dịch chuyển gần 112 Đ P T Hương, N T Anh, D T Bình, “Nâng cao chất lượng ảnh dựa biến đổi Curvelet.” Nghiên cứu khoa học công nghệ độ phân giải gốc cải thiện Sự thành công phép biến đổi việc sử dụng lọc khơng gian (a,b) Ơng đề xuất độ trễ đơn giản mẫu lọc cấp khơng gian, sau đó, sử dụng lọc pha tuyến tính độ dài chẵn lẻ thay [2] 2.3 Phương pháp mạng nơ ron huấn luyện (DnCNN) Một phương pháp sử dụng để loại bỏ nhiễu sử dụng mạng DnCNN huấn luyện nhằm loại bỏ nhiễu Gaussian Loại bỏ nhiễu với mạng huấn luyện có hạn chế sau [3]: - Loại bỏ nhiễu hoạt động với hình ảnh đơn kênh 2-D; - Mạng nhận dạng nhiễu Gaussian, với phạm vi độ lệch chuẩn hạn chế Hình Quy trình khử nhiễu DnCNN 2.4 Phương pháp sử dụng lọc Kuan [5] Kuan thực lọc không gian pixel riêng lẻ cách sử dụng giá trị mức xám cửa sổ hình vng bao quanh pixel Kích thước lọc phải số lẻ từ 3x3 đến 11x11 pixel Tất pixel lọc Để lọc pixel nằm gần đường biên hình ảnh, pixel đường biên chép để cung cấp đủ liệu Giá trị cấp xám R thu cho pixel làm mịn là: R = CP * W + I * (1-W) Trong đó, Cu = 1/NLOOK, Ci = VAR/I, W = (1-Cu / Ci)/(1 + Cu), I = Mức xám trung bình cửa sổ lọc, CP = pixel trung tâm cửa sổ lọc, VAR = Phương sai cửa sổ lọc, NLOOK = Số lần hiển thị 2.5 Phương pháp sử dụng lọc Frost [4] Nguyên lý hoạt động lọc xác định lọc đối xứng tròn với tập hợp giá trị trọng số M cho pixel: M = exp (- A * T) Trong đó, A = DAMP * (V/I2), T giá trị tuyệt đối khoảng cách pixel từ pixel trung tâm đến điểm lân cận cửa sổ lọc, DAMP hệ số làm giảm hàm mũ, V phương sai mức xám cửa sổ lọc, I2 bình phương mức xám trung bình cửa sổ lọc, giá trị cấp xám R thu cho pixel làm mịn là: R = (P1 * M1 + P2 * M2 + + Pn * Mn)/(M1 + M2 + + Mn) Trong đó, P1, , Pn mức xám pixel cửa sổ lọc M1, , Mn trọng số cho pixel PHƯƠNG PHÁP ĐỀ XUẤT DỰA TRÊN BIẾN ĐỔI CURVELET (CVT-F) Dựa nghiên cứu phương phần 2, nhóm tác giả tiến hành xây dựng phương pháp nâng cao chất lượng hình ảnh dựa phép biến đổi Curvelet Cụ thể: Tạp chí Nghiên cứu KH&CN quân sự, Số 72, 04 - 2021 113 Công nghệ thông tin & Cơ sở toán học cho tin học Phép biến đổi Wavelet 2-D sử dụng để cô lập hình ảnh tỷ lệ khác phân vùng không gian sử dụng để chia tỷ lệ thành khối Các khối kích thước lớn sử dụng để phân vùng thành phần biến đổi Wavelet quy mơ lớn khối kích thước nhỏ sử dụng để phân vùng thành phần quy mô nhỏ Cuối cùng, biến đổi Ridgelet áp dụng cho khối Quá trình việc thực kỹ thuật số cho phép biến đổi đường cong bao gồm bốn giai đoạn sau [6] thể hình Khử nhiễu sử dụng Total variation Kỹ thuật Fusion Ảnh nhiễu Ảnh khử nhiễu Hình Các bước biến đổi Curvelet Trong lĩnh vực xử lý hình ảnh, việc khử nhiễu hình ảnh phương pháp Total Variation trở nên phổ biến tính chất bảo tồn đường biên thực khử nhiễu hiệu so với phương pháp lọc không gian truyền thống khác [7] Ở mức tần số cao, hình ảnh chịu nhiều tác động nhiễu, đó, tích phân Gradient tuyệt đối hình ảnh mức cao Dựa phân tích này, người ta đề xuất giảm độ biến thiên hình ảnh để gần với hình ảnh lúc ban đầu Trong báo này, đề xuất phương pháp Curvelet Total Variation để khử nhiễu đồng thời sử dụng kỹ thuật Fusion để kết hợp ưu điểm hai thuật tốn khử nhiễu Hình ảnh thu có kết cấu bảo tồn đường biên tối ưu, tạo thuận lợi cho trình xử lý Lưu đồ quy trình tổng quan theo phương pháp đề xuất sau: Khử nhiễu sử dụng Curvelet Hình Lưu đồ khử nhiễu theo phương pháp đề xuất THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ Phần thực nghiệm chứng minh điểm tối ưu phương pháp đề xuất (CVT-F) với phương pháp có nghiên cứu phần dựa tiêu chí đánh giá chất lượng ảnh thực trên tập ảnh lựa chọn trước 4.1 Tập ảnh thực nghiệm Tập ảnh thực nghiệm lựa chọn lấy từ nhiều lĩnh vực khác nhau, cụ thể là: hình ảnh lĩnh vực viễn thám (ảnh SAR), y tế (ảnh võng mạc mắt người, ảnh MRI não bộ), khoa học địa chất (ảnh siêu phổ) 114 Đ P T Hương, N T Anh, D T Bình, “Nâng cao chất lượng ảnh dựa biến đổi Curvelet.” Nghiên cứu khoa học công nghệ Hình Tập ảnh thực nghiệm 4.2 Các thơng số đánh giá chất lượng hình ảnh Trong khn khổ nội dung báo, tham số sử dụng để đánh giá chất lượng hình ảnh là: Entropi, sai số tồn phương trung bình RMSE, tỷ số tín hiệu cực đại nhiễu PSNR, đánh giá cấu trúc ảnh SC (Structural Content) Entropi tính tốn theo cơng thức: H = − pk log( pk ) k Trong đó, k số lượng mức xám pk xác suất kết hợp với mức xám k Thông số RMSE tính tốn: RMSE = R(i, j ) − F (i, j ) MN Trong đó, i j biểu thị vị trí khơng gian pixel M N kích thước ảnh Tỷ số tín hiệu nhiễu cực đại PSNR tính tốn theo cơng thức: ( 2n − 1)2 PSNR = 10l o g10 MSE M N MSE = I (i, j ) − F (i, j ) M N i =1 j =1 Trong đó, I(i,j) ảnh gốc, F(i,j) ảnh hợp (Fused Image) MxN kích thước ảnh I Thơng số đánh giá cấu trúc ảnh SC, tính tốn: M SC = N f (i, j ) i =1 j =1 M N f (i, j ) ' i =1 j =1 Trong đó, f(i,j) ảnh gốc, f’(i,j) ảnh hợp (fused image) MxN kích thước ảnh f 4.3 Đánh giá kết tiến hành xử lý ảnh y tế (ảnh võng mạc) Tiến hành thực nghiệm, ta thu kết hình ảnh trực quan, mật độ phổ lượng ảnh võng mạc (như hình 5) thơng số đánh giá chất lượng hình ảnh sử dụng phương pháp nghiên cứu với phương pháp đề xuất (như bảng 1) Tạp chí Nghiên cứu KH&CN quân sự, Số 72, 04 - 2021 115 Công nghệ thông tin & Cơ sở toán học cho tin học Ảnh gốc DnCNN DWT Frost DT-CWT CVT-F Kuan Ảnh gốc DnCNN DWT Frost DT-CWT CVT-F Kuan Hình So sánh ngoại quan mật độ phổ lượng ảnh võng mạc Bảng Kết định lượng chất lượng ảnh võng mạc Method RMSE PSNR Entropi SC DnCNN 9.153 28.899 6.533 1.074 DWT 70.399 11.179 0.154 1.250 Kuan 11.592 26.847 7.018 1.077 Frost 10.278 27.893 6.925 1.074 DTCWT 12.388 26.271 0.536 1.012 CVT-F 5.386 33.505 8.058 1.005 4.4 Đánh giá kết tiến hành xử lý ảnh y tế (ảnh MRI não bộ) Kết thực nghiệm thu hình bảng Ảnh gốc DnCNN DWT Frost DT-CWT CVT-F Kuan Ảnh gốc DnCNN DWT Frost DT-CWT CVT-F Kuan Hình So sánh ngoại quan mật độ phổ lượng ảnh MRI não Bảng Kết định lượng chất lượng ảnh MRI não Method RMSE PSNR Entropi SC DnCNN 10.595 27.629 6.183 1.093 DWT 40.113 16.065 0.001 1.250 Kuan 12.946 25.888 6.898 1.079 Frost 13.625 25.444 6.771 1.049 DTCWT 17.876 23.085 0.723 1.034 CVT-F 9.853 28.260 7.011 1.003 4.5 Đánh giá kết tiến hành xử lý ảnh siêu phổ Hình ảnh siêu phổ, giống hình ảnh quang phổ khác, thu thập xử lý thông tin từ quang phổ điện từ Mục đích ảnh siêu phổ để có quang phổ cho điểm ảnh hình ảnh cảnh, với mục đích việc tìm kiếm đối tượng, xác định vật liệu, phát quy trình Kết thực nghiệm thu hình bảng 116 Đ P T Hương, N T Anh, D T Bình, “Nâng cao chất lượng ảnh dựa biến đổi Curvelet.” Nghiên cứu khoa học cơng nghệ Hình So sánh ngoại quan mật độ phổ lượng ảnh siêu phổ Bảng Kết định lượng chất lượng ảnh siêu phổ Method RMSE PSNR Entropi SC DnCNN 9.194 28.861 7.803 1.069 DWT 67.146 11.590 0.044 1.250 Kuan 12.982 25.864 7.881 1.069 Frost 9.699 28.397 7.844 1.065 DTCWT 15.274 24.452 0.057 1.014 CVT-F 6.902 31.352 8.000 0.983 4.6 Đánh giá kết tiến hành xử lý ảnh SAR Ảnh radar cung cấp nhiều thông tin đất, nước, rừng, Với ảnh thực nghiệm ảnh SAR, kết thể hình bảng Hình So sánh ngoại quan mật độ phổ lượng ảnh SAR Bảng Kết định lượng chất lượng ảnh SAR Method RMSE PSNR Entropi SC DnCNN 11.483 26.930 6.146 1.188 DWT 30.683 18.393 0.000 1.248 Kuan 13.952 25.238 6.388 1.197 Frost 13.012 25.844 6.199 1.178 DTCWT 21.588 21.447 0.226 1.043 CVT-F 10.833 27.964 7.001 1.010 Đánh giá kết thực nghiệm: Chúng ta thấy rằng, kết trực quan theo phương pháp đề xuất thể chất lượng hình ảnh tốt Ảnh khơi phục với phương pháp đề xuất cho độ nhạy sáng tốt khả quan sát rõ ràng Đối với mật độ phổ lượng, ảnh chất lượng thấp cho mật độ lượng quang phổ phẳng Do đó, từ kết trên, dễ dàng thấy phương pháp đề xuất cho chất lượng xử lý tốt mật độ lượng phổ lớn cho thấy kết tăng cường ảnh tốt Tạp chí Nghiên cứu KH&CN quân sự, Số 72, 04 - 2021 117 Cơng nghệ thơng tin & Cơ sở tốn học cho tin học Đối với tham số đánh giá chất lượng ảnh lựa chọn, kết thực nghiệm phương pháp đề xuất cho chất lượng hình ảnh tốt so với phương pháp khác, cụ thể: RMSE nhỏ tốt, PSNR lớn tốt, Entropi lớn tốt, SC nhỏ tốt KẾT LUẬN Trong báo này, phương pháp đề xuất thu kết có hiệu suất tốt thơng số RMSE, PSNR, Entropi, SC, đồng thời, thời gian thực thi thực tế nhanh so với phương pháp giới thiệu, chí so với phương pháp tiên tiến mạng nơ ron DnCNN cho thấy khả xử lý tốt Curvelet phương pháp ngày ứng dụng rộng rãi thực tế Trong tương lai nghiên cứu tiếp tục cải tiến, tạo phương pháp lai dựa Curvelet để tăng cường chất lượng xử lý bổ sung thêm lựa chọn phong phú giải pháp cho lĩnh vực liên quan TÀI LIỆU THAM KHẢO [1] Mallat, S (1989), “A theory for multiresolution signal decomposition: the wavelet representation,” IEEE Pattern Anal and Machine Intell., vol 11, no 7, pp 674–693 [2] J Jennifer Ranjani and S J Thiruvengadam, “Dual-Tree Complex Wavelet Transform Based SAR Despeckling Using Interscale Dependence” IEEE Transactions On Geoscience And Remote Sensing, vol 48, no 6, June 2010 [3] C Dong, C C Loy, and X Tang “Accelerating the super-resolution convolutional neural network” In ECCV, pages 391–407, 2016 [4] V S Frost, J A Stiles, K S Shanmugan, J C Holtzman “A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 4, no 2, pp 157,166, 1982 [5] J N Ellinas, T Mandadelis, and A Tzortzis, “The statistical modeling of wavelet coefficients as a tool for image de-noising,” in Proceedings of the 2nd International Conference on Information Technology and Quality, 2005 [6] C Patvardan, A.K.Verma, C.VLakshmi, "Denoising of Document Images using Discrete Curvelet Transform for OCR Applications" International Journal of Computer Applications 2012 [7] Yang Wang and Haomin Zhou, “Total Variation Wavelet-Based Medical Image Denoising”, International Journal of Biomedical Imaging, Hindawi Publication, Volume 2006 Article ID89095, pages 1-6, 2006 ABSTRACT IMAGE QUALITY ENHANCEMENT BASED ON CURVELET Visual information transmitted in a digital image is becoming a major means of communication, but the images that are received, encoded and transmitted are often damaged by noise or vibration Several techniques have been proposed to improve image quality, such as discrete Wavelet transform, dual-tree complex Wavelet transform, traditional filters, pretrained denoising convolutional neural network, etc However, it can still not bring high efficiency due to high noise, computational complexity, memory consumption, and processing speed In this article, we propose to use Curvelet transform to improve image quality Keywords: Curvelet Transforms; Image Denoising; Dual Tree Complex Wavelet Transform Nhận ngày 19 tháng 11 năm 2020 Hoàn thiện ngày 01 tháng năm 2021 Chấp nhận đăng ngày 12 tháng năm 2021 Địa chỉ: 1Trường Lao động xã hội; Trường Đại học Bách Khoa Hà Nội; Trường Đại học Điện lực *Email: Binhdt@epu.edu.vn 118 Đ P T Hương, N T Anh, D T Bình, “Nâng cao chất lượng ảnh dựa biến đổi Curvelet.” ... PHƯƠNG PHÁP ĐỀ XUẤT DỰA TRÊN BIẾN ĐỔI CURVELET (CVT-F) Dựa nghiên cứu phương phần 2, nhóm tác giả tiến hành xây dựng phương pháp nâng cao chất lượng hình ảnh dựa phép biến đổi Curvelet Cụ thể: Tạp... Anh, D T Bình, ? ?Nâng cao chất lượng ảnh dựa biến đổi Curvelet. ” Nghiên cứu khoa học cơng nghệ Hình So sánh ngoại quan mật độ phổ lượng ảnh siêu phổ Bảng Kết định lượng chất lượng ảnh siêu phổ Method... vực viễn thám (ảnh SAR), y tế (ảnh võng mạc mắt người, ảnh MRI não bộ), khoa học địa chất (ảnh siêu phổ) 114 Đ P T Hương, N T Anh, D T Bình, ? ?Nâng cao chất lượng ảnh dựa biến đổi Curvelet. ” Nghiên