LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
Hỉnh 4.5: Ảnh ngõ vào bị nhòe một phần ảnh (vị trí đồng hồ)
Hình 4.6: Dạng trình sóng của các IMFs sau phân giải bằng EEMD với số lần thử 50. Từ IMF1 đến IMF5
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
Hình 4.7: Dạng sóng của các IMFs sau phân giải bằng EEMD với số lần thử 50. Từ IMF6 đến IMF13
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
Hình 4.8: Dạng trình sóng của các IMFs sau phân giải bằng EEMD với số lần thử 50. Từ IMF14 đến IMF15
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
Hình 4.11: Các IMF dạng ảnh tương ứng từ IMF11 đến IMF14
4.2 Phƣơng pháp phân giải EEMD hai chiều (EBEMD) 4.2.1 Tổng quát về EEMD trên dữ liệu hai chiều
EBEMD là phƣơng pháp phân giải dữ liệu dựa trên ứng dụng của phƣơng pháp EEMD để phân tách dữ liệu ảnh theo hai hƣớng trực giao. Đối với dữ liệu ảnh f(x,y) hai chiều
x và y, EEMD sẽ đƣợc áp dụng trên ảnh theo chiều x (hoặc y) sau đó áp dụng lên chiều còn lại.
Nhƣ giới thiệu trƣớc đó thì EMD và BEMD đều có những khó khăn, nhất là mode mixing. Để khắc phục và giảm ảnh hƣởng của hiện tƣợng mode mixing, việc ứng dụng EEMD trên phƣơng pháp BEMD là khả thi về mặt lý thuyết: đầu tiên ảnh sẽ đƣợc thêm nhiễu với biên độ hữu hạn (nhƣng không phải vi phân) theo từng hàng (hay từng cột), các nhiễu thêm vào là ngẫu nhiên và khác nhau cho mỗi lần thử; tiếp đó là phân giải từng thành phần của ảnh sau khi thêm nhiễu sử dụng phƣơng pháp EMD ta đƣợc
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
ma trận gồm các IMF tƣơng ứng với thành phần nhiễu thêm vào; lấy trung bình của các kết quả từ EMD tƣơng ứng (trung bình của các IMFs của cùng một hàng nhƣng với nhiễu thêm vào khác nhau).
Hình 4.12: Sơ đồ giải thuật phân giải EEMD theo một hàng
Mặc dù phƣơng pháp E-BEMD đơn giản và làm giảm những khó khăn trong việc xác định các cực trị của dữ liệu trong không gian hai chiều và nhất là giải quyết vấn đề
scale mixing (mode mixing) xuất hiện trong phân giải dữ liệu theo một chiều, tuy nhiên phƣơng pháp tập hợp này đòi hỏi khối lƣợng tính toán lớn tỷ lệ thuận số lần thử và cũng phụ thuộc vào kích thƣớc của dữ liệu, hơn nữa, để các thành phần nhiễu thêm vào có thể khử lẫn nhau thì số lần thử phải đủ lớn, một ứng dụng của EEMD thông thƣờng với số lần thử là 100 và số lƣợng tính toán có thể vƣợt quá giới hạn.
Ở phần trƣớc ta đã xét, EEMD là phƣơng pháp lọc nội trong miền không gian-thời gian hoạt động nhƣ một cặp bộ lọc mà vẫn giữ đƣợc bản chất thích nghi của nó, do đó việc phân giải dữ liệu có thể phân chia nhỏ ra tƣơng ứng với các thành phần trong một vài timescale. Tuy nhiên, dữ liệu hay hình ảnh trong không gian hai chiều thƣờng
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
hƣớng trực giao với nhau một cách đồng đều. Do đó, việc phân giải theo một chiều nhƣ trong BEMD là chƣa đủ.
Hình 4.13: Ảnh gốc (ảnh ngõ vào của BEMD)
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
(4.3)
(4.4)
Hình 4.15: Hai IMF đầu tiên theo hai hướng phân giải dọc và ngang
4.2.2 Giải thuật phân giải dữ liệu theo EBEMD
Việc phân giải ảnh nên đƣợc thực hiện theo hai chiều trực giao nhau. Giả sử tín hiệu với không gian hai chiều f(m,n) hay ảnh f(x,y), sau khi đƣợc phân giải theo một chiều sử dụng EEMD với sự trợ giúp của nhiễu trắng với biên độ hữu hạn (nhƣng không phải là vi phân), giả sử nhƣ theo hƣớng y, ta đạt đƣợc thành phần ( ) giống nhƣ trong biểu thức (3.15). Ta phân giải tiếp theo các hàng của ( ) sử dụng phƣơng pháp EEMD thực hiện giống nhƣ các phần trƣớc đó. Quá trình chi tiết nhƣ sau:
Hàng thứ n của thành phần thứ j ( ) của f(m,n) và kết quả thực hiện EEMD của nó là, ( ) ( ) Và ( ) ∑ ( ) ∑( ) (adsbygoogle = window.adsbygoogle || []).push({});
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY … (4.5) (4.6) ( ) ( )
Quá trình phân giải hoàn tất,
( ) ∑ ∑ ( )
4.2.2.1 Qui trình sắp xếp xuyên suốt quá trình thực hiện EBEMD
Theo các biểu thức của quá trình phân giải của EEMD dựa trên BEMD cần phải đƣa ra một kế hoạch sắp xếp hợp lý để các hàng, cột và các pixel của ảnh không bị lệch và đảo chiều ở kết quả cuối cùng. Trong tất cả các thành phần của kết quả phân giải dựa trên EEMD theo hai hƣớng trực giao, thì sự kết hợp của các thành phần dựa trên việc so sánh hay sắp xếp giữa các scale nhỏ nhất (đơn vị hàng hay cột tƣơng ứng) sẽ cho ra kết quả tốt hơn, đặc biệt là với phƣơng pháp kết hợp này, mỗi IMF tạo ra sẽ chứa các đặc trƣng của ảnh theo cả hai hƣớng.
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
4.2.2.2 Giản đồ thực hiện
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
Kết quả mô phỏng thực hiện EBEMD trên ảnh
Hình 4.19: Dạng trình sóng của các IMFs sau phân giải bằng EBEMD với số lần thử 50. Từ IMF1 đến IMF5
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 4 TẬP HỢP CÁC THỰC NGHIỆM PHÂN HỦY …
Hình 4.20: Các IMFs dạng ảnh sau khi phân giải sử dụng phương pháp EBEMD với với số lần thử 50. Từ IMF1 đến IMF5
Từ kết quả trên thấy rõ rằng hai IMFs đầu tiên hoàn toàn chứa các cạnh nét theo cả hai chiểu ngang và dọc một cách rõ rệt.
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
CHƢƠNG 5
DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP DWT, EMD, BEMD, EEMD VÀ EBEMD
5.1 Giới thiệu về dung hợp ảnh
Mục đích chính của việc dung hợp ảnh chính là tăng cƣờng sự quan sát của ảnh. Trong một số ứng dụng thì việc dung hợp ảnh rất có ý nghĩa, chẳng hạn nhƣ trong an ninh thì việc dung hợp giữa ảnh hồng ngoại và ảnh thƣờng, trong việc nâng cao chất lƣợng ảnh thì có dung hợp giữa các ảnh của cùng một cảnh để kết hợp các chi tiết rõ nét của ảnh này mà các ảnh còn lại không có đồng thời cũng làm tăng cƣờng độ phân giải của ảnh. Trọng tâm là dung hợp giữa ảnh hồng ngoại và ảnh thƣờng ứng dụng trong an ninh. Đầu tiên ảnh hồng ngoại đƣợc chụp, sau đó là ảnh thƣờng của cùng một cảnh, ảnh thƣờng cung cấp các thông tin bề ngoài của đối tƣợng quan sát (nghi vấn) còn ảnh hồng ngoại sẽ phát hiện ra vũ khí giấu bên trong lớp quần áo nếu có, nhƣ vậy ảnh dung hợp sẽ cho ta cái nhìn toàn diện về đối tƣợng tình nghi, về hình dạng của vũ khí, vị trí và diện mạo của kẻ tình nghi. Một ứng dụng khác của ảnh hồng ngoại gần và phƣơng pháp dung hợp là nhận dạng khuôn mặt.
Ở hình (5.1), ảnh dung hợp cho ta cái nhìn tổng quan về việc phát hiện vũ khí đƣợc giấu bên trong lớp áo của kẻ tình nghi.
Hình 5.1: a-Ảnh quan sát; b-Ảnh hồng ngoại; c-Ảnh dung hợp
Việc dung hợp ảnh dựa trên các giải thuật phân tích ảnh nhƣ DWT, EMD,… và phƣơng pháp dung hợp các thành phần phân rã của ảnh nhƣ phƣơng pháp trung bình
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
mean, phƣơng pháp cực đại max hay cực tiểu min để làm tăng cƣờng hay giảm bớt các thành phần mong muốn.
5.2 Dung hợp ảnh dựa trên phƣơng pháp biến đổi wavelet rời rạc (Discrete wavelet transform-DWT)
DWT phân tích ảnh ra thành các thành phần bao gồm thành phần xấp xỉ (thành phần tập trung năng lƣợng và tần số thấp) và các thành phần chi tiết. Nhƣ vậy, việc dung hợp các thành phần chi tiết khác nhau giữa hai ảnh sẽ cho ra ảnh dung hợp với đầy đủ thông tin hơn, thêm vào đó việc cân bằng giữa các thành phần xấp xỉ sẽ cho độ tƣơng phản của ảnh tốt hơn làm tăng độ quan sát của ảnh đáng kể. (adsbygoogle = window.adsbygoogle || []).push({});
Trong MATLAB, việc phân rã một ảnh dựa trên hàm dwt2,
[cA, cH, cV, cD]=dwt2(X,’wname’) (5.1) [cA, cH, cV, cD]=dwt2(X, Lo_D, Hi_D) (5.2) Trong đó ‘wname’ là tên của dạng biến đổi wavelet tƣơng ứng với hàm cơ bản sử dụng trong các bộ lọc, ở đây ta sử dụng ‘haar’ hay ‘db2’, Lo_D và Hi_D là các bộ lọc phân giải thông thấp và thông cao. Việc biến đổi wavelet có thể thực hiện theo nhiều mức, tùy theo cấu trúc và kích thƣớc của ảnh để có thể tách đƣợc các thành phần chi tiết một cách riêng rẽ. Sau đó, tại mỗi mức phân giải, các thành phần tƣơng ứng sẽ đƣợc dung hợp với nhau theo phƣơng thức: cực đại tuyệt đối tại mỗi pixel của cả hai ảnh để đạt đƣợc các hệ số xấp xỉ (cA), và cực tiểu tuyệt đối tại mỗi pixel của cả hai ảnh cho ba thành phần phân rã (cH, cV, cD). Với T là ảnh hồng ngoại (thermal image) và V là ảnh màu quan sát (visual), và C là hệ số của ảnh dung hợp,
‘max’: D = abs(T) ≥ abs(V); C = T(D) + V(~D) (5.3) ‘min’: D = abs(T) ≤ abs(V); C = T(D) + V(~D) (5.4)
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
IDWT sử dụng wavelet ‘wname’ để tính toán cấu trúc của ảnh ở từng mức phân giải dựa trên các ngõ vào là các thành phần phân rã của ảnh ở các mức tƣơng ứng, ma trận xấp xỉ cA, và các ma trận chi tiết cH, cV, cD (lần lƣợt dọc, ngang, chéo). Lo_R và Ho_R là các bộ lọc tái tạo thông thấp và thông cao, cũng sử dụng các hàm cơ bản nhƣ ‘haar’ và ‘db2’ có mối liên hệ tƣơng quan với các bộ lọc phân giải ở trên.
Tổng quát quá trình dung hợp dựa trên biến đổi wavelet : với hai ảnh ngõ vào và , dung hợp theo quy tắc , sau đó áp dụng biến đổi ngƣợc của wavelet , ảnh dung hợp là I(x,y),
( ( ( ) ( )))
Hình 5.2: Mô tả quá trình dung hợp dựa trên biến đổi wavelet
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
Hình 5.3: Dung hợp ảnh dựa trên biến đổi wavelet a-ảnh 1; b-ảnh 2; c-wavelet của ảnh 1; d-wavelet của ảnh 2; e-các wavelet sau khi dung hợp; f-ảnh dung hợp a c d e f b
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
5.3 Dung hợp ảnh dựa trên phƣơng pháp thực nghiệm phân hủy EMD
Đây là một kỹ thuật dung hợp khác trong đó sự phân giải ảnh dựa trên biến đổi EMD (empirical mode decomposition),
Hình 5.4: Sơ đồ phân giải ảnh sử dụng EMD
Việc dung hợp đƣợc thực hiện ở một mức phân giải nào đó và các IMFs tƣơng ứng của hai ảnh sau khi dung hợp sẽ đƣợc tái cấu trúc để thu đƣợc ảnh dung hợp. Quá trình dung hợp đƣợc thực hiện dựa trên phƣơng pháp trọng số nhằm làm nổi bật các cạnh, nét đặc trƣng từ cả hai phƣơng thức bằng cách làm giảm đi các thông tin giống nhau và do đó làm tăng thông tin và nội dung hiển thị của ảnh dung hợp. Nói cách khác, phƣơng pháp trọng số làm nổi bật những chi tiết mong muốn và tối thiểu hóa các chi
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
tiết không mong muốn trong ảnh dung hợp. Các bƣớc thực hiện dung hợp giữa ảnh hồng ngoại và ảnh thƣờng nhƣ sau,
Phân giải các ảnh thành các IMFs sử dụng giải thuật EMD
Dung hợp các IMFs tƣơng ứng của hai ảnh dựa trên quy tắc trung bình có trọng số. Số IMFs dung hợp sẽ bằng với số IMFs của từng ảnh, và số lƣợng IMFs tùy thuộc vào đặc trƣng của ảnh sẽ đƣợc phân giải thành các IMFs cho tới khi IMFs cuối cùng không còn phân giải đƣợc nữa. Tuy nhiên, thông thƣờng chỉ phân giải tới IMF thứ 8, vì các IMFs sau đó không có ý nghĩa nhiều về mặt vật lý.
Khôi phục cấu trúc của các IMFs dung hợp và thành phần còn dƣ để thu đƣợc ảnh dung hợp của ảnh hồng ngoại và ảnh thƣờng với các nét đặc trƣng nổi bật mong muốn của cả hai ảnh.
Hình 5.5: Giản đồ quá trình dung hợp các IMFs sử dụng phương pháp trọng số (weighted average) với các hệ số khác nhau cho mỗi IMFs tương ứng
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
Việc lựa chọn các hệ số dung hợp tùy theo thành phần mà ta muốn làm nổi bật hay giảm bớt, các lựa chọn thông thƣờng là,
‘mean’ với
‘max’ hay ‘min’ với
Phƣơng pháp dung hợp các thành phần sau khi phân giải đƣợc ứng dụng cho mọi phƣơng pháp phân giải tùy thuộc vào đặc tính của ành và các thành phần phân rã. Sau đây là kết quả dung hợp của hai ảnh ngõ vào với các vùng nhòe và vùng nổi khác nhau, bằng cách dung hợp ta sẽ đƣợc ảnh rõ nét cho toàn bộ cảnh. Các phƣơng pháp phân giải đƣợc lần lƣợt thực hiện để so sánh kết quả, EMD, BEMD, EEMD, EBEMD.
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
5.3.1 Két quả cho Phƣơng pháp phân giải EMD (adsbygoogle = window.adsbygoogle || []).push({});
Hình 5.6: a-Ảnh ngõ vào 1 và các IMFs; b- Ảnh ngõ vào 2 với các IMFs
a
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
Hình 5.7: Ảnh dung hợp
5.3.2 Kết quả cho phân giải theo BEMD
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
Hình 5.9: Phân rã theo chiều ngang và theo chiều dọc ảnh 1, sau đó dung hợp các IMFs của cả hai chiều
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
Hình 5.10: Phân rã theo chiều ngang và theo chiều dọc ảnh 2, sau đó dung hợp các IMFs của cả hai chiều
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
5.4 Dung hợp ảnh dựa trên phƣơng pháp tập hợp EMD (EEMD) với sự trợ giúp của nhiễu
Quá trình thực hiện với độ lệch chuẩn của nhiễu so với tín hiệu là 0.2, số lần thử là 50. Hai ảnh ngõ vào nhƣ hình (5.7),
5.4.1 Kết quả các IMF của ảnh 1
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
5.5 Dung hợp ảnh dựa trên phƣơng pháp tập hợp EMD theo hai chiều
Các ảnh ngõ vào sẽ đƣợc phân giải theo từng hàng bằng EEMD, sau đó sẽ sắp xếp lại theo chiến lƣợc thành các ma trận với thành phần là các IMF tƣơng ứng. Ma trận thu đƣợc sẽ đƣợc tiếp tục biến đổi theo cột bằng EEMD, và cuối cùng là sắp xếp lại theo chiến lƣợc thành các ma trận IMF của ảnh.
5.5.1 Kết quả các IMF cho ảnh 1