Hàng đầu tiên,từ trái qua phải :đối tƣợng không nhiễu ;đối tƣợng với nhiễu trắng ;xấp xỉ wedgelet ;sai lệch còn lại giữa ƣớc lƣợng và đối tƣợng gốc.Độ chênh lêch cịn lại khơng chứa mơ hình rõ ràng.Hàng thứ hai và ba minh họa các RDP đi kèm đối tƣợng khơng tạp âm và hình ảnh nhiễu tƣơng ứng.Lƣu ý rằng trong ảnh sạch,trang trí RDP xảy ra tại các đƣờng bao của những đốm.Hai RDP là phù hợp thô khá tốt,mặc dù một ảnh tạp âm hơn.
III.3.4 Chuỗi cục bộ của các phân đoạn đƣờng thẳng
III.3.4.1 Xấp xỉ nhanh GLTR đối với việc phát hiện đoạn thẳng
Chúng ta đã đề xuất một vấn đề thay thế :tối đa hóa trên beamlet hơn là trên các chùm.Tập hợp của beamlet chỉ là thay vì , việc tính tốn kết quả trở nên dễ quản lý hơn.Chúng ta thấy rằng ý tƣởng đơn giản này có hiệu năng đáng kể trong việc phát hiện đoạn thẳng,nhƣng khơng hồn tồn đạt đƣợc mức hiệu năng của GLTR.
Để có đƣợc hiệu năng tốt hơn,chúng ta có thể tìm kiếm một xấp xỉ tốt hơn để thống kê chùm tối đa với tính tốn phức tạp bậc giống nhau nhƣ thống kê beamlet tối đa Ý tƣởng của chúng ta là để thích nghi chuỗi cùng một số beamlet để làm các xấp xỉ không cặp đôi tốt hơn đối với các chùm.Bỏ qua chi phí của chính biến đổi beamlet,chiến lƣợc tính tốn có thể hoạt động trong vịng lặp và có thể loại bỏ dƣới xấp xỉ trong trƣờng hợp tƣơng tự nhƣ đối với .
Thuật toán đƣợc đƣa ra bởi ý tƣởng sử dụng hệ số beamlet lớn nhất để xác định beamlet triển vọng nhƣ „„hạt giống‟‟ ;chúng tôi khám phá nhiều chùm không cặp đôi trong lân cận của mỗi beamlet triển vọng-mỗi chuỗi hạt giống,chúng ta tìm tối ƣu trong đó.Bởi vì các đặc tính hình học của đƣờng và các khoảng con cặp đôi,tối đa tổng thể giữa các tập hợp con,chúng ta khám phá có thể rất gần thống kê chùm tối đa . Một ví dụ cho thấy tính khả thi của phƣơng án này đƣợc đƣa ra trong hình 3.20. Một đoạn thẳng mờ đƣợc nhúng vào một ảnh nhiều tạp âm,tại một mức độ không xa từ ngƣỡng tuyệt đối của sự phát hiện. Hình minh họa beamlet đi qua ngƣỡng sàng lọc .Trong số hàng ngàn beamlet tỏng tháp,chỉ vài chục vƣợt qua giai đoạn sàng lọc.Các chuỗi mọc lên bắt đầu từ tập hợp giới hạn này là một ý tƣởng thực tế xuất xuất.
Hình 3-17.Minh họa ý tưởng mầm beamlet trong việc phát hiện một đoạn thẳng.
Beamlet vƣợt qua các ngƣỡng sàng lọc ban đầu đƣợc mô tả.Số trong dấu ngoặc ([,]) cho biết số beamlet tại mỗi tỷ lệ vƣợt qua ngƣỡng sàng lọc.
Để đƣa ra một mơ tả thuật tốn chính thức,chúng ta nhớ lại rằng hệ thống beamlet có một tham số xác định biểu thị khoảng cách giữa các điểm đầu cuối beamlet liền kề,tiêu biểu là một độ rộng điểm ảnh ,nhƣng cũng nhỏ hơn trong các ứng dụng nhất định.Chúng ta hãy nói về bộ sƣu tập các chùm (có thể bao gồm beamlet tự nhiên, hoặc một hỗn hợp các chùm và beamlet…) là cộng tuyến nếu nhƣ tồn tại một đƣờng thẳng duy nhất mà cung cấp một xấp xỉ cho tất cả các thành viên của bộ sƣu tập.Ví dụ nếu mỗi chùm nằm trong khoảng cách Hausdorff của dịng phổ biến.Ngồi ra,chúng ta nói rằng một beamlet là một khoảng con của một chùm nếu beamlet nằm trong một khoảng cách Hausdorff của chùm.
Thuật toán : Tối đa hóa chùm xấp xỉ bởi Chuỗi beamlet.Thuật toán này phụ thuộc
vào các tham số và mà phải đƣợc xác định một cách thích hợp.
1. Sàng lọc tháp beamlet.
Thu đƣợc biến đổi beamlet của ảnh.
Chọn tất cả beamlet đạt .Đặt chúng ở trong một list của khoảng triển vọng.
Nếu chứa nhiều hơn khoảng nhƣ vậy,hiển thị Reject và kết thúc.
2. Tìm kiếm các lân cận của Beamlet triển vọng.
Đối với mỗi beamlet ,
- Xây dựng một danh sách của - một chuỗi cộng tuyến mở rộng đến độ sâu .
- Đối với mỗi chuỗi
Tính . Nếu vƣợt quá ,hiển thị Reject và dừng lại.
- Kết thúc.
3. Kết thúc: Khơng tính tốn vượt quá
- In Accept và dừng lại.
Trong mô tả trên,chúng ta đề cập đến .Đây là tập hợp của chuỗi độ sâu có gốc là ,tức là bộ sƣu tập của tất cả chuỗi beaemlet mà
(a) Có nhƣ một tối đa - khoảng con.
(b) Liên quan chỉ đến các beamlet đƣợc tạo ra từ các ô vuông ở hầu hết các mức mịn hơn ô vuông quy định .
(c) Là cộng tuyến .
Chuỗi này có thể đƣợc xem nhƣ phần tiếp nối của mà có nhƣ phần đáng kể nhất của chúng.Hình 3-21 minh họa một vài chuỗi xây dựng từ một beamlet nhất định .
Hình 3-18. Chuỗi cộng tuyến mọc lên từ một beamlet.
Hình 3-18 minh họa một số chuỗi đƣợc làm nên sử dụng ô vuông ở tỷ lệ giống nhau và các ô vuông nhiều nhƣ hai tỷ lệ.
III.3.5 Phát hiện và trích xuất đối tƣợng
Chúng ta nghiên cứu vấn đề của việc ƣớc lƣợng một đối tƣợng bị cô lập trong một ảnh rất nhiễu. Các đối tƣợng khác không trong suốt một khu vực trong ảnh,trong đó ảnh là một hằng số ,biên độ nhỏ,trong khi bên ngồi đối tƣợng ảnh bằng khơng. Nhiễu rất lớn đƣợc thêm vào.
Chúng ta tìm thấy một khu vực trong đó giải quyết vấn đề tối ƣu hóa tỷ lệ tích phân trên khu vực đến căn bậc hai vùng trong khu vực. Cụ thể, chúng ta giải quyết chính xác vấn đề tối ƣu hóa tỷ lệ với I là một thƣớc đo xử phạt phức tạp của tích phân trên khu vực và L –một đại diện cho căn bậc hai của vùng trong khu vực- là độ dài của đƣờng bao khu vực. Sử dụng lý thuyết dòng chảy mạng,vấn đề kiểu này đƣợc gọi là chi phí tối thiểu đối với vấn đề chu kỳ tỷ lệ thời gian ( MCTTRC),và có thể đƣợc giải quyết nhƣ một vấn đề chƣơng trình tuyến tính (LP);chúng ta có thể sử dụng một trong hai phƣơng pháp điểm bên trong hoặc các phƣơng pháp đơn để giải quyết nó. Các kết quả đƣa ra bên dƣới cho thấy hiệu quả đáng ngạc nhiên trong môi trƣờng cực nhiễu. Mặc dù rõ ràng beamlet liên quan đến phát hiện sợi,chúng đang có thuật tốn tối ƣu lý thuyết đồ thị cũng liên quan tới việc nhận dạng đối tƣợng. Nó có thể đƣợc thấy bằng cách thích nghi với đồ thị beamlet. Có hai điều quan trọng. Đầu tiên, mỗi chu kỳ trong đồ thị beamlet tƣơng ứng với chuỗi đa giác của beamlet mà là chu kỳ trong ảnh và do đó bao quanh một khu vực. Thứ hai, bằng việc áp dụng tích phân từng phần,vector biến đổi beamlet của ảnh vector bao gồm thành phần ,phần thẳng đứng sơ khai của ảnh và thành phần ,phần ngang sơ khai của ảnh, chứa đựng thơng tin về
tích phân của ảnh trên khu vực. Do đó,bằng việc tìm kiếm các chu kỳ tối ƣu một tỷ lệ beamlet tích phân trên chiều dài,thu đƣợc một khu vực tối ƣu xấp xỉ điểm số phát hiện thực nghiệm của GLTR. Một sự quan sát quan trọng,chúng ta đã thực hiện trong trƣờng hợp đồ thị beamlet ( mà không phát sinh trong trƣờng hợp lân cận) là kết quả vấn đề tới ƣu hóa là một hình thức của vấn đề chu kỳ tỷ số chi phí trên thời gian,và do đó một khu vực tối ƣu toàn bộ với đƣờng bao đƣợc làm bằng một chuỗi beamlet có thể thu đƣợc bằng lập trình tuyến tính.
Hình 3-22 cho thấy một số kết quả mô phỏng. Ảnh trên cùng là đối tƣợng không nhiễu. Hàng thứ hai chứa các ảnh nhiễu tại SNR khác nhau. Hàng thứ ba chứa các kết quả của chạy chƣơng trình thuật tốn tuyến tính với khơng xử phạt trên đƣờng bao phức tạp. Hàng thứ tƣ và năm chứa các kết quả khi một hình thức xử phạt đƣợc xác định trên beamlet đƣợc thêm vào,và tham số xử phạt là 2 hoặc 4. Chúng ta nhận thấy rằng với số lƣợng hình phạt đầy đủ về sự phức tạp của đƣờng bao,chúng ta thực sự có đƣợc các ƣớc lƣợng với các đƣờng bao đơn giản hơn.
Hình 3-19. Mơ phỏng trên các ảnh hình trịn.
Các giá trị trong mũi tên < > là các giá trị của ,độ lệch tiêu chuẩn nhiễu. Các giá trị trong ngoặc [ ] là các giá trị của ,tham số xử phạt. Các giá trị trong ngoặ đơn ( ) là số lƣợng các beamlet trong các giả pháp cuối cùng.
CHƢƠNG IV. ỨNG DỤNG BEAMLET TRONG XỬ LÝ ẢNH VỈA HÈ IV.1 Giới thiệu IV.1 Giới thiệu
Một trở ngại cho việc phát hiện và phân loại tự động mặt đƣờng là các hình ảnh mặt đƣờng thƣờng thu đƣợc dƣới các điều kiện ánh sáng đƣợc phân bố không đồng đều.Để nhận diện các mẫu với độ trung thực trên bề mặt đƣờng,đó là cần thiết để chuyên đổi tất cả các ảnh nguồn sang một điều kiện ánh sáng tiêu chuẩn.
Nhìn chung,các vật chiếu sáng và phản xạ bề mặt xác định giá trị mật độ điểm ảnh trong một ảnh.Đối với hệ thống phát hiện vết nứt vỉa hè tự động,do điều kiện ánh sáng không đồng đều và phản xạ của vỉa hè,nền thƣờng có cƣờng độ khác nhau trong những khu vực khác nhau.Xem xét một điểm ảnh P trong một ảnh vỉa hè.Mật độ của nó có thể đƣợc hiểu là bao gồm
(1) Biên độ cao,tần số cao thành phần nền không đồng đều ; (2) Biên độ cao,và tần số cao vỉa hè hoặc thành phần không đều ;
(3) Một cách ngẫu nhiên,từ biên độ thấp tới trung bình,thành phần nhiễu tần số cao ,gây ra bởi vật liệu không đồng nhất.
Công thức đƣợc chỉ ra :
(4.1) Hình 4-1 chỉ ra rằng một ảnh vỉa hè khơng có vết nứt.Đồ thị (b) và (c) mức xám trung bình trong hƣớng x và y của đồ thị (a) tƣơng ứng.Có thể thấy rằng trong hƣớng x,mức xám tăng dần dần từ trái sang phải,trong khi theo hƣớng y,nó giảm từ đỉnh xuống đáy.
(a) Ảnh vỉa hè
(b) Đồ thị mức xám trung bình theo trục x
(c) Đồ thị mức xám trung bình theo trục y
Thông tin về độ sáng là phần quan trọng nhất của việc phát hiện vết nứt.Để trích xuất các đặc trƣng vết nứt,ảnh cần đƣợc lấy ngƣỡng.Tuy nhiên,thành phần biên độ lớn và nền khơng đồng đều có thể che đi thành phần hiểm họa .Mức độ nền không đồng đều phải đƣợc loại bỏ để nền tảng có một cƣờng độ trung bình đồng đều,trong khi các vết nứt duy trì ở mức cƣờng độ thấp hơn.
Hình 4.2 (a) là một ảnh vỉa hè với một vết nứt dọc.Mức độ xám trung bình theo hƣớng x thay đổi tại các vị trí khác nhau,nó có nghĩa nền sáng lên dần dần.Để trích xuất thơng tin hiểm họa với độ trung thực từ ảnh ban đầu,cần thiết chuyển đổi thành phần nền thành một cƣờng độ cơ bản không đổi ,
(4.2) với là một giá trị mức xám đƣợc lựa chọn tùy ý.
(a) Ảnh vỉa hè
(c) Đồ thị mức xám theo hƣớng y
Hình 4.2. Mẫu ảnh vỉa hè với vết nứt dọc
IV.2 Thuật toán xử lý ảnh vỉa hè nâng cao
Sau khi có đƣợc ảnh vỉa hè,các ành vỉa hè đƣợc xử lý để trích xuất các thông tin. Bốn bƣớc cần thiết cho việc phát hiện vỉa hè.
Hình 4.3 Các bước của quá trình xử lý ảnh vỉa hè
Nâng cao ảnh
Các ảnh vỉa hè bao gồm nền,nhiễu,và các vết nứt. Nhiễu trong ảnh,các đối tƣợng trên đƣờng,các thành phần vỉa hè và nền không đồng đều gây ra những khó khăn cho việc nhận dạng vết nứt và thậm chí thất bại trong quá trình lấy ngƣỡng. Để nhận ra sự lâm nguy với sự trung thực trên các bề mặt đƣờng,nhiều thuật toán đƣợc phát triển để loại trừ nhiễu và chuẩn hóa nền
Lấy ngƣỡng
Lấy ngƣỡng là kỹ thuật đƣợc sử dụng để phân loại các đối tƣợng từ nền. Từ khi các vết nứt luôn tối hơn các khu vực xung quanh,giá trị lấy ngƣỡng nên là một giá trị tƣơng đối thấp. Ngƣỡng mờ là kỹ thuật lấy ngƣỡng đƣợc thực hiện bằng Ảnh vỉa hè đầu vào Nâng cao ảnh Lấy ngƣỡng
Kết nối vết nứt Phân loại
việc xác định một hàm mờ và chiếu ảnh vỉa hè vào một vùng vết nứt mờ giữa 0 và 1.
Liên kết vết nứt
Các ảnh nhị phân trích xuất từ ảnh vỉa hè ln ln nhiễu. Các vết nứt trong ảnh nhị phân là khơng liên tục. Để có đƣợc thơng tin kích thƣớc của các vết nứt,các điểm nứt rời rạc cần đƣợc kết nối. Ngoài ra,bằng việc thiết lập một ngƣỡng đối với kích thƣớc vết nứt ,nhiễu có thể bị loại bỏ.
Phân loại
Theo chiều dài,độ rộng và hƣớng,các vết nứt đƣợc phân loại thành 4 loại : ngang, dọc,chéo và khối. Các loại khác nhau của lâm nguy vỉa hè đƣợc chỉ ra trong hình sau :
(a) Vết nứt dọc (b) Vết nứt ngang
Hầu hết các thuật toán cho việc loại bỏ nền khơng đồng đều sử dụng các thuộc tính thống kê của các ảnh vỉa hè hiểm họa.Trƣớc tiên,ảnh vỉa hè đƣợc chia thành các cửa sổ hình chữ nhật,giá trị trung bình của mỗi cửa sổ đƣợc kiểm tra,và sau đó một hệ số nhân đƣợc tính tốn cho mỗi cửa sổ có thể chuyển đổi giá trị trung bình của mỗi cửa sổ tới một giá trị mục tiêu.Phƣơng pháp này dựa trên giả định rằng sự chiếu sáng của ảnh vỉa hè đƣợc thay đổi mƣợt mà.Khi có sự giảm đột ngột,cửa sổ đƣợc coi nhƣ có vết nứt,và giá trị trung bình của cửa sổ đƣợc thay thế bởi trung bình các cửa sổ lân cận.Tuy nhiên,nếu có các vết nứt mà qua nhiều cửa sổ,thuật tốn này khơng làm việc.
Các ảnh vỉa hè đƣợc phân chia thành các cửa sổ nhỏ hơn. Xem xét các ảnh không vết nứt hoặc nhiễu,cƣờng độ của nền đƣợc coi là giá trị trung bình của cƣờng độ của mỗi cửa sổ.Nền có thể đƣợc thực hiện thống nhất bằng việc thay đổi giá trị trung bình của mỗi cửa sổ tới một giá trị mục tiêu B.Tuy nhiên,hình ảnh có vết nứt hoặc nhiễu,nó là cần thiết để loại bỏ ảnh hƣởng của các vết nứt hoặc nhiễu.Quá trình cải thiện hình ảnh đƣợc đề xuất cho một nền không đồng đều bao gồm các bƣớc sau đây:
1. Phân chia ảnh thành các cửa sổ hình chữ nhật.Kích thƣớc của cửa sổ có thể thay đổi với kích thƣớc và loại ảnh đầu vào.Ví dụ,hình 4-2(a) là 256*256, và nó đƣợc chia thành các cửa sổ nhỏ 16*16.Nhƣ minh họa trong hình 4-3 2. Đối với mỗi cửa sổ,tính tốn giá trị trung bình ( ),nhỏ nhất ( ) và
mức xám lớn nhất ( ).
3. Đối với mỗi cửa sổ,thiết lập một giới hạn trên ( ) và giới hạn dƣới ( ) cho các điểm với mức xám bên ngoài giới hạn đƣợc coi nhƣ những điểm đáng ngờ đối với nhiễu,các điểm ảnh vết nứt,hoặc các đối tƣợng khác trên đƣờng.Dải
đƣợc xác định theo phƣơng trình 4-3 và 4-4:
(4-3)
(4-4)
với là thành phần giới hạn.Nó có thể đƣợc thay đổi đối với các ảnh khác nhau.Từ các thí nghiệm,chúng ta thiết lập thành phần giới hạn là 60%.
Hình 4-4.Ảnh vỉa hè với các vết nứt ngang được chia thành các cửa sổ nhỏ.
4. Với việc miễn bỏ các điểm đáng ngờ,tính tốn lại giá trị trung bình của mức xám .Chú ý rằng đƣợc cập nhập giá trị trung bình của mỗi cửa sổ mà khơng có các thành phần nhiễu và các điểm ảnh vết nứt.
5. Hệ số biên độ hiệu chỉnh đƣợc tính tốn nhƣ , , với là giá trị nền mục tiêu,và trong thực nghiệm,giá trị trung bình của ảnh gốc đƣợc sử dụng nhƣ là .Sau đó các hình ảnh bị sửa đổi đƣợc thu bằng cách nhân hệ số với mỗi điểm của ảnh gốc,
(4-5)
với, là ảnh đƣợc cải thiện.Ảnh sau khi nâng cao đƣa ra một nền đồng đều theo cả hai hƣớng x và y.Tuy nhiên,nếu có nhiều điểm ảnh vết nứt trong một cửa sổ thì cƣờng độ của các điểm khơng nứt có thể tăng lên.Do đó,đối với tồn bộ các điểm ảnh có giá trị cƣờng độ cao hơn ,giá trị ban đầu của chúng không thay đổi hoặc đƣợc thay thế bằng giá trị .
Trong hình 4-4,ảnh đƣợc cải tiến của hình 4-2 đƣợc chỉ ra.Hình 4-4 (a) là ảnh vỉa hè nâng cao,đồ thị (b) và (c)chỉ ra cƣờng độ ảnh trung bình tƣơng ứng theo hƣớng x và y.Từ đồ thị (b) và (c),nó có thể thấy dễ dàng rằng sự chiếu sáng của ảnh sau khi cải tiến có một phân bố đều dọc theo các hƣớng.