Đối với phƣơng pháp DWT, thì đây là phƣơng pháp ra đời từ rất sớm và đƣợc ứng dụng rất hiệu quả đối với việc xử lý ảnh nhƣ nén ảnh, dung hợp ảnh,… Và do phƣơng pháp này có thể ứng dụng trên dữ liệu hai chiều dựa trên các bộ lọc phân giải và bộ lọc tái tạo của các hàm cơ bản, nên nó hoạt động rất hiệu quả đối với ảnh. Tuy nhiên, phƣơng pháp này thực sự không hiệu quả đối với dữ liệu không tuyến tính và không ổn định. Các bộ lọc trƣợt trên từng pixel theo hàng và theo cột, nhƣng về tổng quan thì không hình thành đƣợc mối liên hệ với toàn bộ pixel hay ít nhất là các khối 8x8 hay 16x16 của ảnh.
EMD có ƣu điểm hơn so với DWT, nó là một phƣơng pháp thích nghi, rất hiệu quả trên các dữ kiệu không tuyến tính và không ổn định. Kết quả phân giải và dung hợp của DWT và EMD một cách trực quan thì không khác nhau nhiều, tuy nhiên, thời gian chạy mô phỏng của DWT nhanh hơn nhiều so với EMD, và EMD là phƣơng pháp một chiều, nên việc phân giải thành các IMF sẽ không hoàn toàn chứa hết các thành phần cạnh nét của ảnh.
BEMD vừa đáp ứng đƣợc tính thích nghi, vừa ứng dụng đƣợc trên dữ liệu hai chiều, nó đƣợc xây trên nền tảng EMD, áp dụng EMD cho từng hàng hay cột theo thứ tự (không cần có sự ƣu tiên về hƣớng), do đó, nó có sự liên kết giữa các pixel lân cận tốt hơn EMD (vector hóa ảnh). Kết quả phân giải của BEMD cho thấy rõ các cạnh nét của ảnh theo cả hai hƣớng một cách rõ ràng.
Sự phát triển của EEMD và EBEMD là đồng thời để khắc phục những khó khăn mà EMD và BEMD tồn tại, đó là hiện tƣợng mode mixing xảy ra khi dữ liệu có sự gián đoạn giữa các scale. Với sự trợ giúp của nhiễu với biên độ hữu hạn (nhƣng không phải vi phân), nó tạo ra các scale tham khảo trong suốt quá trình phân giải dữ liệu thành các IMF. Nhiễu thêm vào sẽ làm cho tỷ số tín hiệu trên nhiễu giảm, nhƣng không ảnh hƣởng nhiều đến kết quả, đồng thời các nhiễu thêm vào mỗi lần thử là ngẫu nhiên và không có mối liên hệ, nên sẽ khử lẫn nhau nếu số lần thử đủ lớn. Do đó, kết quả của EEMD và trên hết là kết quả của EBEMD tốt hơn, nhƣng thời gian chạy mô phỏng rất lâu, khối lƣợng tính toán lớn.
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 5 DUNG HỢP ẢNH, SO SÁNH CÁC PHƢƠNG PHÁP…
Bảng 5.1: So sánh thời gian xử lý giữa các phương pháp EMD, BEMD, EEMD và EBEMD, trong đó là độ lêch chuẩn giữa nhiễu và dữ liệu, N là số lần thử.
Phƣơng pháp Thời gian mô phỏng (s) Tỷ số tín hiệu trên nhiễu PSNR
EMD 12.4489
EEMD với , N=1 56.8936 11.6158 EEMD với , N=5 170.7431 157.1870 EEMD với , N=10 276.1218 162.7116 EEMD với , N=50 1.2751e+003 169.0290
BEMD 29.7338 EBEMD với , N=1 154.6750 45.8916 EBEMD với , N=5 746.7924 139.0026 EBEMD với , N=10 1.4900e+003 192.0493 EBEMD với , N=50 7.8744e+003 254.0527
LUẬN VĂN TỐT NGHIỆP CHƢƠNG 6 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN ĐỀ TÀI
CHƯƠNG 6
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI