Xem mẫu
- Tuyển tập Hội nghị Khoa học thường niên năm 2020. ISBN: 978-604-82-3869-8
HỢP NHẤT HÌNH ẢNH ĐA TIÊU CỰ
Đinh Phú Hùng
Trường Đại học Thủy lợi, email: hungdp@tlu.edu.vn
1. GIỚI THIỆU phương pháp đề xuất này có thể giúp cải thiện
độ tương phản, loại bỏ nhiễu và làm tăng độ
Hợp nhất hình ảnh đa tiêu cự là một kỹ
sắc nét cho hình ảnh tổng hợp.
thuật hiệu quả để mở rộng độ sâu trường ảnh
của ống kính quang học bằng cách tạo ra một 2. KIẾN THỨC NỀN TẢNG
hình ảnh có độ nét toàn bộ ảnh từ một tập hợp
các hình ảnh có độ nét tập trung chỉ một phần 2.1. Biến đổi Haar
trong cùng một cảnh. Trên thực tế, một số Biến đổi Haar được đề xuất bởi nhà toán
phương pháp tiếp cận giải bài toán này thường học người Hungari Alfréd Haar. Phương
sử dụng một số phép biến đổi như DWT pháp này được sử dụng rất nhiều trong các
(Discrete Wavelet Transform) [1], LP bài toán xử lý ảnh như nén ảnh, tăng cường
(Laplacian Pyramids) [2], gặp phải vấn đề là chất lượng ảnh, tổng hợp hình ảnh… Phương
hình ảnh tổng hợp thu được có thể chưa đạt pháp này biến đổi ảnh thành các thành phần
được chất lượng tốt. Để giải quyết vấn đề, bài miền số thấp và cao. Ở cấp độ biến đổi thứ
báo này đề xuất một phương pháp mới để cải
nhất, phép biến đổi Haar sẽ biến đổi ảnh
thiện những vấn đề gặp phải ở trên. Phương
thành 4 thành phần LL, LH, HL và HH. Các
pháp này gồm hai giai đoạn: giai đoạn thứ
thành phần này thường được sử dụng trong
nhất là tổng hợp hình ảnh và giai đoạn thứ hai
quá trình tổng hợp ảnh.
là tăng cường chất lượng cho hình ảnh tổng
hợp. Trong giai đoạn thứ nhất, việc tổng hợp
hình ảnh này dựa trên phép biến đổi DWT.
Hai hình ảnh I1 và I2 được biến đổi Haar để
thu được các thành phần trên miền tần số sau
đó được tổng hợp lại với nhau theo một quy
tắc cụ thể và được biến đổi Haar ngược để thu Hình 1. Minh họa biến đổi Haar cấp 1
được hình ảnh tổng hợp. Trong giai đoạn thứ 2.2. Giải thuật tối ưu hóa bầy đàn
hai, từ hình ảnh tổng hợp thu được tiến hành
tạo ra các hình ảnh tạm thời mà nó được tăng Phương pháp PSO được đề xuất bởi J.
cường bởi các các kĩ thuật xử lý ảnh cơ bản Kennedy [3] và đồng nghiệp. Phương pháp
như cân bằng Histogram thích nghi (giúp tăng này khởi tạo bằng một nhóm cá thể ngẫu
độ tương phản), lọc nhiễu bằng trung vị (giúp nhiên và sau đó tìm nghiệm tối ưu bằng cách
giảm nhiễu cho ảnh). Sau đó, giải thuật tối ưu cập nhật các thế hệ. Trong mỗi thế hệ, mỗi cá
PSO (Particle swarm optimization) [3] được thể được cập nhật theo hai vị trí tốt nhất là
sử dụng để tìm ra các hệ số tối ưu cho các Pbest và Gbest. Trong đó, giá trị thứ nhất là vị
hình ảnh tạm thời đó với hàm mục tiêu là hàm trí tốt nhất mà nó đã từng đạt được cho tới
chỉ số tương phản Michelson. Hình ảnh tăng thời điểm hiện tại, gọi là Pbest. Một nghiệm
cường thu được dựa trên tổng của các hình tối ưu khác mà cá thể này bám theo là
ảnh tạm thời nhân với các hệ số tối ưu tìm nghiệm tối ưu toàn cục Gbest, đó là vị trí tốt
được tương ứng. Thực nghiệm cho thấy, nhất trong cả quá trình tìm kiếm cả quần thể
48
- Tuyển tập Hội nghị Khoa học thường niên năm 2020. ISBN: 978-604-82-3869-8
từ trước tới thời điểm hiện tại. Cụ thể, vận 2.3.3. Nội dung thông tin
tốc và vị trí của mỗi cá thể được cập nhật Nội dung thông tin diễn tả lượng thông
theo các công thức sau: điệp mà bức ảnh chứa trong đó. Thông số này
Vi k 1 Vi k c1 r1 Pbest
k
_i Xi
k
còn được gọi là entropy và được tính bằng
công thức:
k
c2 r2 Gbest X ik (1) E pi * log 2 pi
i
X ik 1
X ik
Vi k 1
(2) Trong đó: pi - tần suất xuất hiện của điểm
Trong đó: ảnh thứ i.
X ik Vị trí cá thế thứ i tại thế hệ k. 2.3.4. Độ sắc nét của ảnh
Vi k Vận tốc cá thế thứ i tại thế hệ k. Độ sắc nét của ảnh được tính bằng công
X ik 1 Vị trí cá thế thứ i tại thế hệ k+1. thức:
1
Vi k 1 Vận tốc cá thế thứ i tại thế hệ k+1. G 2
Guv và Guv u v
2
k
M N
Pbest i Vị trí tốt nhất của cá thể thứ i tại Trong đó:
thế hệ k. u = I (u, v) – I (u + 1, v)
k
Gbest Vị trí tốt nhất trong quần thể tại thế v = I (u, v) – I (u, v + 1)
hệ k. I (u, v) - giá trị điểm ảnh tại hàng u, cột v
của ảnh.
= 0.729 là hệ số quán tính.
I (u + 1, v) - giá trị điểm ảnh tại hàng u + 1,
c1, c2: Các hệ số gia tốc, nhận giá trị từ 1.5
cột v của ảnh.
đến 2.5
I (u, v + 1) - giá trị điểm ảnh tại hàng u,
r1, r2: Các số ngẫu nhiên nhận giá trị trong
cột v + 1 của ảnh.
khoảng [0, 1]
M, N lần lượt là số hàng, cột của ma trận I.
2.3. Các chỉ số đánh giá
2.3.1. Độ sáng của ảnh 3. GIẢI THUẬT ĐỀ XUẤT
Công thức tính giá trị trung bình (chỉ số về Đầu vào:
độ sáng) của ảnh là: - Ảnh thứ nhất I1
1 - Ảnh thứ hai I2
uM1 vN1 I( u ,v ) Đầu ra:
M N
- Hình ảnh kết hợp I
Trong đó:
Bước 1: Các hình ảnh I1 và I2 được chuẩn
- giá trị trung bình
hóa về miền [0, 1]
M, N lần lượt là tổng số hàng, cột của ma
Bước 2: Các hình ảnh I1 và I2 được biến
trận I.
đổi Haar sang miền tần số như sau: hình ảnh
I(u,v) - phần tử hàng u, cột v của ma trận.
I1 biến đổi thành 4 thành phần (LL1, LH1,
2.3.2. Độ tương phản của ảnh HL1, HH1) và hình ảnh I2 (LL2, LH2, HL2,
Công thức tính độ tương phản (phương HH2) tương ứng.
sai) của ảnh: Bước 3: Tạo ra các thành phần mới
2 LL, LH, HL, HH như sau: thành phần
1 1
2 2
u ,v I u ,v u ,v I u ,v LL = (LL1 + LL2)/2. Các thành phần còn lại
M N M N LH = max (LH1, LH2), HL = max (HL1, HL2)
Trong đó: và thành phần HH = max (HH1, HH2).
2 - độ tương phản của ảnh. Bước 4: Biến đổi ngược Haar đối với 4
M, N lần lượt là số hàng, cột của ma trận. thành phần (LL, LH, HL, HH) thu được ảnh
I(u,v) - phần tử hàng u, cột v của ma trận tổng hợp I3.
49
- Tuyển tập Hội nghị Khoa học thường niên năm 2020. ISBN: 978-604-82-3869-8
Bước 5: Từ hình ảnh tổng hợp I3 thu được, ảnh kết hợp giữa hình ảnh Ii1 và hình ảnh Ii2
tạo ra các hình ảnh tạm thời Ihist và Imedian qua sử dụng phương pháp biến đổi DWT, ảnh
bằng phương pháp cân bằng Histogram thích Ii4 là hình ảnh sau khi sử dụng phương pháp
nghi và lọc trung vị tương ứng. đề xuất đối với ảnh Ii3 (hình 2).
Bước 6: Tạo ra hình ảnh kết hợp Khởi tạo tham số cho giải thuật tối ưu PSO
I * I hist * I median như sau:
với , (0,1) được xác định bằng cách sử - Số lượng cá thể: n = 100.
dụng phương pháp tối ưu hóa bầy đàn PSO - Hệ số c1 = c2 = 2.
2 - Hệ số quán tính = 0.729.
với hàm mục tiêu là J E E . Trong Kết quả đo độ sáng (), độ tương phản
1 2
(2), lượng thông tin entropy (E), độ sắc nét
đó, E1 và E2 lần lượt là Entropy của hình ảnh (G) của ảnh được mô tả trong bảng 1.
I3 và hình ảnh tăng cường I. Giá trị 2, lần
lượt là phương sai và trung bình của ảnh I. Bảng 1. Bảng kết quả thực nghiệm
STT Chỉ số đánh giá
4. KẾT QUẢ THỰC NGHIỆM Ảnh
2 E G
Dữ liệu thực nghiệm gồm bộ ảnh A: 10 I13 0.3074 0.0243 6.9759 0.0143
ảnh bao gồm 5 cặp ảnh đuợc lấy từ thư viện 1
ảnh trực tuyến1. I14 0.5114 0.0722 7.6532 0.0389
I23 0.4140 0.0197 7.1268 0.0443
I11 I12 I13 I14 2
I24 0.5182 0.0668 7.8994 0.0945
I33 0.3856 0.0300 7.2002 0.0227
3
I34 0.5378 0.0625 7.8409 0.0510
I43 0.4458 0.0380 7.3622 0.0288
I21 I22 I23 I24 4
I44 0.5551 0.0651 7.8639 0.0556
I53 0.4615 0.0674 7.6326 0.0792
5
I54 0.5583 0.0734 7.7990 0.1241
I31 I32 I33 I34
Kết quả thực nghiệm (bảng 1) cho thấy 4
chỉ số đánh giá cho kết quả tốt. Vì vậy,
phương pháp đề xuất này có hiệu quả trong
việc nâng cao chất lượng ảnh ở các khía cạnh
I41 I42 I43 I44
như: nâng cao độ tương phản, giảm nhiễu và
làm sắc nét đường biên ảnh.
5. TÀI LIỆU THAM KHẢO
I51 I52 I53 I54
[1] H. Li, B. Manjunath, S. Mitra, Multisensor
image fusion using the wavelet transform,
Graphical Models and Image Processing 57
(3) (1995) 235–245.
[2] L. Kou, L. Zhang, K. Zhang, J. Sun , Q.
Hình 2. Các ảnh trước và sau tăng cường Han, Z. Jin, A multi-focus image fusion
method via region mosaic on laplacian
Các hình ảnh Ii1 và Ii2 là hình ảnh với 2 tiêu pyramids, PLoS ONE 13 (5) (2018).
cự khác nhau tương ứng với i 1,5. Gọi Ii3 là [3] J. Kennedy, R. Eberhart, 1995, Particle
swarm optimization, IEEE International
1
https://github.com/yuliu316316/MFIF/tree/master/sourceimages/grayscale Conference on Neural Networks.
50
nguon tai.lieu . vn