7.5.1 Phương pháp Wavelet
Đây là một tiến trình tính toán tập trung. Chúng trích lọc các chi tiết không gian từ ảnh toàn sắc phân giải cao, và sau đó thêm vào chúng các kênh đa phổ. Trong phần chính này, sự nhiễu màu có thể được giảm trong một phạm vi nào đó, nhưng ảnh trộn xuất hiện giống như kết quả của lọc thông cao fusion, chẳng hạn màu sắc mịn hơn kết hợp vào trong các đặc tính không gian. Sự không thuận lợi khác như đã đề cập đó là sự mất mát một lượng quang phổ của các mục tiêu nhỏ. Bên cạnh đó, thời gian xử lý cao hơn nhiều so với các phương pháp khác.
7.5.2 Phương pháp CEMIF
Phương pháp này làm giảm việc tính toán cho các hệ thống fusion vì chúng chỉ xử lý trên hai phạm vi cơ bản là foreground và background mà không cần phải đưa ra nhiều giải pháp tính toán để lưu trữ lại chất lượng hình ảnh phân tích. Do
vậy, việc xử lý đơn giản hơn, tuy nhiên kết quả thu được thấp hơn so với các phương pháp khác.
7.5.3 Phương pháp Spatial frequency
Với việc phân chia ảnh nguồn vào trong các khối và chọn các khối kích thước tối ưu như đã trình bày trong phần lý thuyết, đã cho thấy kết quả mô phỏng của phương pháp Spatial frequency tốt hơn so với các phương pháp khác trong trường hợp sử dụng mô hình fusion cấu trúc thứ bậc. Ngược lại, trong mô hình cấu trúc fusion tổng hợp thì chúng lại có kết quả không tốt bằng một số phương pháp khác. Nguyên nhân là do tính chất xử lý của chúng là chia ảnh nguồn vào trong từng khối và xử lý ngay trên khối. Nếu trộn các ảnh nguồn lại thì khi phân chia ảnh nguồn sẽ thay đổi cường độ các pixel, dẫn đến sự thay đổi kích thước khối, do đó làm thay đổi pixel tiêu điểm. Chính vì điều này mà quá trình thực hiện fusion sẽ giảm hiệu quả. Đối với trường hợp lọc nhiễu sau khi fusion thì phương pháp này vẫn tốt hơn một số phương pháp khác ngoại trừ phương pháp PCA.
7.5.4 Phương pháp Laplacian pyramid
Đây là phương pháp ứng dụng hiệu quả cho công nghệ Image fusion. Thông tin của hệ số được tính toán thuận lợi cho việc sử dụng, từ các nút trong mỗi mức mô tả lại thông tin trong cả không gian và tần số không gian. Sự giảm bớt dữ liệu quan trọng có thể hoàn thành bởi mã hóa pyramid kết hợp với lượng tử hóa và mã hóa entropy. Phương pháp này dựa vào sự phân tích bố cục nhanh chóng và diễn ra cùng một lúc ở tất cả các tỷ lệ. Thời gian xử lý phụ thuộc vào mức tỷ lệ phân ly. Phương pháp này thời gian xử lý lâu hơn các phương pháp khác ngoại trừ phương pháp Wavelet.
7.5.5 Phương pháp PCA
Trong image fusion sử dụng phương pháp PCA, thông tin không gian có ưu thế hơn và thông tin màu thì yếu hơn. Lý do là thành phần chính đầu tiên được thay thế thường chứa phương sai tối đa. Do sự thay thế lớn nhất ảnh hưởng của ảnh toàn
sắc trong ảnh đã trộn nên đã có một số giải pháp được đề ra, chẳng hạn mở rộng các thành phần chính để nhận một sự phân bố hình cầu, hoặc loại bỏ thành phần chính đầu tiên. Phương pháp PCA dễ bịảnh hưởng đến việc chọn lọc các phạm vi đã trộn. Nếu lọc nhiễu fusion sau thì phương pháp này lại tối ưu hơn một số phương pháp khác do chúng chỉ xác định thành phần chính của bức ảnh thông qua mức đặc trưng và mức pixel, các pixel nhiễu sẽ bị loại trong khi thông qua việc xác định này.
7.5.6 Phương pháp lọc nhiễu
Thông qua chương trình mô phỏng về hai trường hợp lọc nhiễu trước fusion và lọc nhiễu sau fusion, chúng ta thấy rõ lọc nhiễu trước fusion hiệu quả hơn. Giả sử, trong quá trình lọc bị mất một số chi tiết ảnh cần thiết thì quá trình fusion cũng có khả năng tái lập lại các chi tiết ảnh đó. Do vậy, đó là nguyên nhân tại sao chúng ta phải xử lý lọc ảnh trước khi fusion.
Chương 8:KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
8.1 Kết luận công nghệ Image fusion trong xử lý ảnh viễn thám
Trong ngành viễn thám người ta thường dùng nhiều bộ cảm ứng để thu thập dữ liệu, sau đó kết hợp chúng lại nhờ công nghệ Image fusion để tạo nên một ảnh đơn như mong muốn. Như vậy, image fusion là một sự chuyên môn về fusion đa bộ cảm ứng mà trong đó các tín hiệu vào là các ảnh. Image fusion được tổ chức theo thứ bậc của việc tách ra các vai trò mức tín hiệu, mức đặc trưng và mức quyết định. Nhìn chung, image fusion có 3 lợi ích chính sau:
- Thứ nhất: Image fusion là kết hợp một tập ảnh vào và tạo ra một ảnh đơn và ảnh đơn này vẫn giữđược thông tin quan trọng từ mỗi ảnh vào.
- Thứ hai: Image fusion có khả năng khử nhiễu và loại bỏ những phần không cần thiết của các ảnh vào.
- Thứ ba: Image fusion không tạo ra sự méo dạng hay sự mâu thuẫn trái ngược ngoài ý muốn ở ngõ ra của ảnh đã trộn, tức là sai lệch hoàn toàn so với ảnh gốc.
Sự mở rộng khác nhau của các thuật toán được đưa ra để thực hiện các nguyên lý của chúng. Các thuật toán đó có thể là một nhóm các phân loại như sau:
- Số học: image fusion là một sự sắp xếp hiệu quả và đơn giản, tuy nhiên chúng lại không thuận lợi đối với các dữ liệu tương phản bị mất vì không thể tạo đúng tự nhiên đối với những vị trí mà tập dữ liệu chồng lên nhau. Đối với trường hợp này, chúng ta phải áp dụng trọng số wn cho mỗi ảnh in và sau đó tính toán kết hợp chúng ở ảnh ngõ ra như sau: ) ( ... ) ( ) ( ) (x w1i1 x w2i2 x wi x f = + + + nn (8.1)
Thông thường, các trọng số này được chọn để cho một hiệu quả trung bình (chẳng hạn, wn = 1/n). Một phương pháp khác là tính toán các trọng số chẳng hạn phương pháp PCA, các trọng số này là tập các thành phần vector riêng tương quan với trị riêng lớn nhất được tính thông qua ma trận ảnh.
- Không gian màu: fusion mô tả dữ liệu dùng các kênh màu khác nhau, sự khai thác khả năng của mắt người phân biệt được 3 kênh màu. Đơn giản nhất là phương pháp ánh xạ mỗi ảnh vào đến một kênh trong không gian màu đã chọn (chẳng hạn RGB, HSV), sự khó khăn của phương pháp này là tạo phép ánh xạđầy đủ các yếu tố quan trọng từảnh ngõ vào đến kênh.
- Đa tỷ lệ: image fusion là một phương pháp sáng tạo, các ảnh được trộn ở các độ phân giải không gian khác nhau. Tương tự như mắt người, phương pháp fusion này hoạt động bởi phân ly đầu tiên các ảnh ngõ vào bên trong một độ phân giải hình chóp của nhiều mức. Mỗi mức chứa một hoặc nhiều hơn các dải mô tả sựđịnh hướng hay thông tin chi tiết, thông tin xấp xỉ. Với sự phân ly này, fusion lấy vị trí giữa các hệ số tương ứng hoặc các mẫu trong mỗi dải. Hình chóp đã trộn được sau khi tái lập để tạo hoàn tất ảnh ngõ vào.
- Các phương pháp khác: Các phương pháp đang tồn tại như: mạng nơron, các mô hình thống kê và các phương pháp tối ưu.
8.2 Những ưu điểm và khuyết điểm của các phương pháp image fusion
Công nghệ Image fusion là một công nghệđược nghiên cứu nhiều trong thời gian gần đây. Qua các bài báo tham khảo về quá trình nghiên cứu các giải pháp để thực hiện image fusion còn nhiều vấn đề cần phải nghiên cứu thêm. Đối với mỗi giải pháp đều có những ưu điểm và khuyết điểm riêng tùy vào từng trường hợp cụ thể. Do đó, rất khó để xác định phương pháp nào là hiệu quả nhất. Ví dụ, trong phương pháp biến đổi Wavelet của mô phỏng thực nghiệm này cho thấy chúng không tốt hơn so với một số phương pháp khác, tuy nhiên trong thực nghiệm này chưa áp dụng một số phương pháp biến đổi Wavelet khác nên không thể khẳng định phương pháp biến Wavelet không hiệu quả hơn phương pháp khác. Hay một ví dụ khác là đối với phương pháp Spatial Frequency thì hiệu quả trong fusion cấu trúc thứ bậc nhưng không hiệu quả trong fusion cấu trúc tổng hợp. Điều này có nghĩa là chúng ta phải nghiên cứu nhiều hơn nữa các phương pháp và thuật toán để áp dụng vào trong công nghệ Image fusion để thu được kết quả tối ưu nhất.
Bảng 8.1: Tổng kết nhận xét các phương pháp image fusion
Phương pháp Ưu điểm Khuyết điểm
Wavelet
- Giảm được sự nhiễu màu. - Ảnh mịn hơn.
- Mất mát một lượng quang phổ của các mục tiêu nhỏ - Thời gian xử lý dài
- Nhiễu sẽ tăng lên khi ảnh gốc chưa được lọc nhiễu trước.
CEMIF
- Xử lý đơn giản - Sử dụng ít bộ nhớ
- Cho kết quả không cao - Nhiễu tăng lên nếu như không lọc nhiễu trước khi fusion.
Spatial frequency
- Ảnh rõ nét và mịn đối với cấu trúc fusion thứ bậc.
- Giảm được nhiễu trong quá trình fusion khi không lọc nhiễu ảnh ngõ vào.
- Xử lý không tốt trong cấu trúc fusion tổng hợp
- Quá trình xử lý phức tạp, dễ bị ảnh hưởng khi cường độ pixel thay đổi.
- Ảnh bị mờđối với cấu trúc fusion tổng hợp
- Ảnh sẽ sai lệch nhiều khi không lọc nhiễu trước đối với cấu trúc fusion tổng hợp. Laplacian pyramid - Loại bỏ bớt dữ liệu dư thừa. - Cho kết quả tốt. - Ảnh mịn và rõ nét. - Quá trình thực hiện phức tạp. - Thời gian xử lý dài
- Nhiễu sẽ tăng lên khi ảnh gốc chưa được lọc nhiễu trước.
PCA
- Thời gian xử lý nhanh - Giảm được nhiễu trong quá trình fusion.
Thông qua bảng 8.1, chúng ta thấy rõ những ưu điểm và khuyết điểm của từng phương pháp. Nhìn chung, các phương pháp trên chỉ xử lý và cho ra ảnh đã trộn đều dựa trên những thông tin đã có trong tập dữ liệu ảnh. Trong trường hợp có những vùng ảnh bị che khuất, những vùng này hoàn toàn không thể hiện trên tập dữ liệu ảnh thì các phương pháp trên chưa xử lý được. Do vậy, ảnh thu được cũng không thể hiện hết yêu cầu cần quan sát.
8.3 Hướng phát triển
Trong tất cả các phương pháp fusion đã trình bày, phương pháp biến đổi wavelet là một phương pháp được nghiên cứu nhiều trong thời gian gần đây. Để có thể nghiên cứu thêm về phương pháp này, bên cạnh việc áp dụng các họ wavelet hoặc các phép biến đổi wavelet, chúng ta cũng cần phải kết hợp một số phương pháp tính toán hay giải pháp khác để tối ưu hóa phương pháp này.
Ngoài ứng dụng công nghệ Image fusion vào trong xử lý ảnh viễn thám, chúng ta còn có thể mở rộng việc xử lý ảnh trong những ngành khoa học khác như y học, robotics.
Để khắc phục khuyết điểm không thể mô tảđược vùng bị che khuất không có trong tập dữ liệu ảnh, chúng ta có thể nghiên cứu thêm về các phương pháp logic mờ, mạng nơron.
Chương 9:TÀI LIỆU THAM KHẢO
9.1 Tài liệu trích dẫn
[1]Trang web http://earthobservatory.nasa.gov. Truy nhập lần cuối ngày 20/7/2009. [2]Viện Vật lý và Điện tử Viện Khoa học và Công nghệ Việt Nam (2007), Sử dụng
ảnh viễn thám MODIS quan trắc sự cố tràn dầu tại Quảng Nam (cuối tháng 1
đầu tháng 2 năm 2007), Trạm thu và xử lý ảnh MODIS – Viện Vật lý và Điện tử Viện Khoa học và Công nghệ Việt Nam,
[3]Trang web http://www.ece.lehigh.edu/SPCRL/IF/image_fusion.htm. Truy nhập lần cuối ngày 10/8/2009.
[4]E.L. Waltz and J. Llinas (1990), Multi– Sensor Data Fusion, Artech House, Norwood, MA.
[5]HồĐình Duẩn (2005), Xử lý ảnh kỹ thuật số Viễn thám, chương 3, Tp.HCM. [6]Tania Stathaki (2008), “Image fusion Algorithms and Applications”, pp.404 –
407, 453 - 457, 479 – 483.
[7]Jun Kong, Kaiyuan Zheng, Jingbo Zhang, Xue Feng (2008), “Multi – focus Image fusion using Spatial frequency and Genetic algorithm”, IJCSNS International Journal of Computer Science and Network Security, Vol.8, No.2. [8]Peter J. Burt and Edward H. Adelson (1983), “The Laplacian Pyramid as a
Compact image code”, IEEE Transactions on communications, Vol. Com-31, No. 4, p.540.
[9]B. Escalante – Rmirez, Alejandra A. López – Caloca, Cira F.Zambraro – Gallardo (2002), Multiresolution fusion motely sensed images with the Hermite transform, Mexico.
[10] Firooz Sadjadi, "Comparative Image fusion analysis", Available: http://www.cse.ohio-state.edu/OTCBVS/05/OTCBVS-05-
FINALPAPERS/W01_13.pdf.
[11] Hossam El_Din Moustafa and Sameh Rehan (2006), Applying Image Fusion Techniques for Detection of Hepatic Lesions, Proceedings of the 6th WSEAS
International Conference on Wavelet Analysis and Multirate Systems, Bucharest, Romania.
[12] Talaat M. Ramadan and Hoda M. Onsi, Use of ERS-2 SAR and Landsat TM Images for Geological Mapping and Mineral Exploration of Sol Hamid Area, Egypt. Available: http://earth.esa.int/workshops/polinsar2003/participants /ramadan46/ Ramadan-30-1-2003.pdf.
[13] Rong Wang, Li-Qun Gao, Shu Yang, Yu-Hua Chai, and Yan-Chun Liu (2005), “An Image Fusion Approach Based on Segmentation Region”, International Journal of Information Technology, Vol. 11, No.7.
[14] J.J. Lewis, R. J. O’Callaghan, S.G. Nikolov, D.R. Bull, C. N. Canagarajah,
Region – Based Image fusion using Complex Wavelets. Available: http://www.fusion2004.foi.se/papers/IF04-0555.pdf.
9.2 Tài liệu tiếng Việt
[15] D.Sc, Ph. D. Nguyễn Kim Sách (1997), Xử lý ảnh và video số, Nhà xuất bản Khoa học và Kỹ thuật, Hà Nội.
[16] Th.S Nguyễn Hoàng Hải, Th.S Nguyễn Việt Anh (2005), Lập trình Matlab và ứng dụng, Nhà xuất bản Khoa học và Kỹ thuật, Hà Nội.
[17] Th.S Nguyễn Hoàng Hải, Th.S Nguyễn Việt Anh, Th.S Hà Trần Đức và KS. Phạm Minh Toàn (2005), Công cụ phân tích Wavelet và ứng dụng trong Matlab, Nhà xuất bản Khoa học và Kỹ thuật, Hà Nội.
9.3 Tài liệu tiếng Anh
[18] Adnan Hadi M. Al-Helali, Hamza A.Ali, Buthainah Al-Dulaimi, Dhia Alzubaydi and Walid A. Mahmmoud (2009), “Slantlet Transform for Multispectral Image Fusion”, Journal of Computer Science 5, pp.263 – 269.
[19] B. Aiazzi, L. Alparone, S. Baronti, I. Pippi, and M. Selva (1999), “Generalised Laplacian pyramid – Based fusion of MS + P image data with spectral distortion minisation”.
[20] C. Pohl and J. Van Genderen (1998), “Multisensor image fusion in remote sensing: concepts, methods and applications”, Int. J. Remote Sensing, vol. 19, pp. 823 – 854.
[21] Chi Chang-yan, Zhang Ji-xian, Liu Zheng-jun (2008), “Study on methods of noise reduction in a stripped image”, the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVII, Part B6b, Beijing.
[22] D. A. Yocky (1995), “Image merging and data fusion by means of the discrete two – dimensional wavelet transform”, J. Opt. Soc. Am. A, Vol.12, No.9, pp. 1834 – 1841.
[23] Daniel Chaver, Christian Tenllado, Luis Pinuel, Manuel Prieto, and Francisco Tirado (2003), “Wavelet Transform for Large Scale Image Processing on Modern mcroprocessors”, J.M.L.M Palma et al. (Eds.): VECPAR 2002, LNCS 2565, pp.549-562, Verlag Berlin Heidelberg.
[24] Daniel Mueller, Anthony Maeder and Peter O’Shea (2006), The Generalised Image Fusion Toolkit (GIFT).
[25] E. H. Adelson, C. H. Anderson, J. R. Bergen, P. J. Burt, and J. M. Ogden (1984), “Pyramid methods in image processing”, RCA Engineer.
[26] Gathot Winarso, Judijanto, and Syarif Budhiman (2001), The potential application remote sensing data for coastal study, the 22nd Asian Conference on Remote Sensing, Singapore.
[27] H.Li, B.S. Manjunath, and S.K. Mitra (1995), “Multisensor Image Fusion Using the Wavelet Transform”, Graphical models and image processing, Vol.57, No.3, pp.235-245.
[28] Hong Wang, Zhongliang Jing, Jianxun Li (2003), An Image fusion approach based on Discrete Wavelet Frame.
[29] J.R.Harris, R.Murray, and T.Hirose (1990), “HIS transform for the integration of radar imagery with other remotely sensed data”, Photogrammetric Engineering and Remote Sensing, pp. 1631 – 1641.
[30] Jing MA, Jie YU, Ji – xian Zhang, Yong – hong Zhang, Qiang BI, Guang – liang Wang, Jing – hui Yang, Yan Long (2007), Application Research of Image fusion technology on dynamic monitoring of land use, FIG Working Week 2007, Hong Kong SAR, China.
[31] Jorge Núnez, Xavier Otazu, Octavi Fors, Albert Prades, Vicenc Palà, and Román Arbiol (1999), “Multiresolution – Based Image fusion with additive Wavelet decomposition”, IEEE transactions on geoscience and remote sensing, Vol. 37, No. 3.
[32] Lau Wai Leung, Bruce King and Vijay Vohora (2001), Comparision of image data fusion techniques using Entropy and INI, the 22nd Asian Conference on Remote Sensing, Singapore.
[33] LI Bo, LV Hai-lian (2009), “Pixel level image fusion scheme based on accumulated”, Journal of Communication and Computer, Vol. 6, No. 2, ISSN 1548 – 7709, USA.
[34] LIU Gang, JING Zhong-Liang, SUN Shao-Yuan (2005), “Image fusion based on EM Algorithm and Discrete Wavelet Frame”, Acta Automatic sinica, Vol.31, No.5.
[35] M. González de Audicana, R.García and A.Seco, (1992), Fusion of Multispectral and Panchromatic Images using Wavelet Transform. Evaluation of Crop Classification Accuracy, DRAFT.
[36] Mrityunjay, Pradeep Ramuhalli and Sarat Dass (2008), A total variation based algorithm for pixel level Image fusion.
[37] Philippe Thesvenaz and Michael Unser (1996), “A pyramid approach to sub- pixel image fusion based on mutual information”, Proceeding of the IEEE International Conference on Image Processing, Lausanne, Vol. I, pp. 265 – 268, Switzerland.
[38] Qiguang Miao and Baoshu Wang (2008), “A novel image fusion method using WBCT and PCA”, Vol.6, No.2, China.