0.1 0.15 0.1 0 0 0
A 0.15 0 0.15 B 0 1 0 Z= 0
0.1 0.15 0.1 0 0 0
Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/ Input Output (T = 0.9s) Image 01 Image 02 Input Output (T = 0.5s) Image 01 Image 02 3.4. Nhận xét & đánh giá
Từ những kết quả thu được khi áp dụng 03 mẫu DENOISSING CNN 01, DENOISSING CNN 02, DENOISSING CNN 03, ta có một số đánh giá như sau:
Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/ Với mẫu DENOISSING CNN 01, DENOISSING CNN 02
Kết quả, thời gian thực hiện là giống nhau, chất lượng ảnh thu được là khá tốt. Nhiễu của ảnh đã được loại bỏ.
Với mẫu DENOISSING CNN 03
Thời gian thực hiện lâu hơn, tỉ lệ nhiễu được loại thấp hơn so với 02 mẫu đầu. Ảnh thu được mờ hơn ảnh ban đầu, do biên ảnh không rõ nét.
Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/
KẾT LUẬN
Luận văn đã giới thiệu được kiến trúc, hoạt động của mạng nơron tế bào, sự phát triển công nghệ mạng nơron tế bào và các ứng dụng CNN trong mọi lĩnh vực, qua đó thể hiện những ưu thế vượt trội về tốc độ tính toán, kích thước dữ liệu.
Tìm hiểu một số phương pháp xử lí ảnh sử dụng công nghệ CNN. Ứng dụng vào bài toán khử nhiễu ảnh: từ các phương pháp thiết kế bộ mẫu (A, B, z), tiến hành thử nghiệm đưa ra 03 bộ mẫu đề nghị DENOISSING CNN 01, DENOISSING CNN 02, DENOISSING CNN 03 trên phần mềm Candy, phần mềm mô phỏng Java CNN.
Tuy nhiên luận văn còn hạn chế, bước đầu mới tiến hành thử nhiệm với ảnh hai chiều và trạng thái đầu vào đã được mã hóa theo mã nhị phân, ảnh đa cấp xám, mô phỏng trên máy tính PC (yêu cầu máy có cấu hình từ Pentium 4 và cài đặt jdk 1.5.0 trở lên). Chưa thực hiện việc thiết kế kiến trúc phần cứng trên chip CNN nên kết quả tính toán, tốc độ chưa được thể hiện rõ
Trong thời gian tới sẽ tìm hiểu các phương pháp công nghệ xử lý song song cho thao tác khử nhiễu ảnh mới trong các bài toán thời gian thực, cấu hình trên chip FPGA có tài nguyên lớn hơn cho các bài toán. Tiếp tục thử nghiệm đề xuất nhiều bộ mẫu mới bổ sung thêm cho thư viện mẫu. Ứng dụng hiệu quả hơn trong các bài toán thực tế yêu cầu.
Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/
TÀI LIỆU THAM KHẢO
I. Tiếng Việt
1. Phạm Thượng Cát (2007), “Hợp tác nghiên cứu phát triển các hệ thống
xử lý ảnh nhanh trên cơ sở áp dụng công nghệ mạng Nơron phi tuyến”,
Báo cáo tổng kết đề tài nghị định thư.
2. Phạm Thượng Cát (2007),“Máy tính vạn năng mạng nơ ron tế bào CNN UM: Một hướng phát triển mới của công nghệ thông tin”,Kỷ yếu
Hội nghị Khoa học 30 năm thành lập Viện Công nghệ Thông Tin. 3. Phạm Đức Long (2011), Phát triển một số thuật toán xử lý ảnh sử dụng
mạng Nơron tế bào, luận án tiến sĩ Toán học.
4. Vũ Đức Thái (2011), Nghiên cứu ứng dụng công nghệ mạng nơ ron tế
bào CNN vào việc giải phương trình vi phân đạo hàm riêng, Luận án
tiến sĩ Toán học.
5. Đỗ Năng Toàn, Phạm Việt Bình (2007), Giáo trình môn học Xử lý ảnh,
http://www.ebook.edu.vn/?page=1.39&view=13862
II. Tiếng Anh
6. Angela Slavova, Cellular Neural Networks: Dynamics and Modelling, Kluwer Academic Publishers 2003.
7. Analogic Computer Ltd. http://www.analogic-computer.com 8. http://wwwinst.eecs.berkeley.edu/~ee129/
9. http://www.ce.unipr.it/research/pardis/CNN/cnn.html
10.http://www.analogic-computers.com