Nâng cao chất lượng ảnh là một trong các công việc rất cần thiết của xử lý ảnh. Trong đó ảnh viễn thám thường có kích thước lớn và độ phân giải không gian đa dạng, khi đó việc phân tích trở lên phức tạp hơn. Do vậy quá tiền xử ảnh rất quan trọng, ảnh hưởng đến kết quả phân tích ảnh. Một số nghiên về nâng cao chất lượng ảnh dựa trên các phương pháp như khử nhiễu, histogram, tăng độ tương phản, nâng cao mức xám, . Trong bài này, chúng tôi sẽ cải tiến một nghiên cứu trước đây trong nâng cao chất lượng ảnh viễn thám dựa vào việc tăng cường độ tương phản sử dụng phân cụm bán giám sát mờ
7 trang |
Chia sẻ: Thục Anh | Ngày: 11/05/2022 | Lượt xem: 405 | Lượt tải: 0
Nội dung tài liệu Nâng cao chất lượng ảnh viễn thám dựa trên phân cụm bán giám sát mờ, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Huế, ngày 07-08/6/2019
DOI: 10.15625/vap.2019.00042
NÂNG CAO CHẤT LƯỢNG ẢNH VIỄN THÁM DỰA TRÊN PHÂN CỤM
BÁN GIÁM SÁT MỜ
Nguyễn Tu Trung, Trần Mạnh Tuấn, Đặng Thị Thu Hiền, Nguyễn Huy Đức, Kiều Tuấn Dũng,
Nguyễn Văn Nam, Đỗ Oanh Cường
DS Lab – Khoa Công nghệ thông tin, Trường Đại học Thủy Lợi
trungnt@tlu.edu.vn, tmtuan@tlu.edu.vn, hiendt@tlu.edu.vn, ducnghuy@tlu.edu.vn, dungkt@tlu.edu.vn,
namnv@tlu.edu.vn, cuongdo@tlu.edu.vn
TÓM TẮT: Nâng cao chất lượng ảnh là một trong các công việc rất cần thiết của xử lý ảnh. Trong đó ảnh viễn thám thường có kích
thước lớn và độ phân giải không gian đa dạng, khi đó việc phân tích trở lên phức tạp hơn. Do vậy quá tiền xử ảnh rất quan trọng,
ảnh hưởng đến kết quả phân tích ảnh. Một số nghiên về nâng cao chất lượng ảnh dựa trên các phương pháp như khử nhiễu,
histogram, tăng độ tương phản, nâng cao mức xám,. Trong bài này, chúng tôi sẽ cải tiến một nghiên cứu trước đây trong nâng
cao chất lượng ảnh viễn thám dựa vào việc tăng cường độ tương phản sử dụng phân cụm bán giám sát mờ.
Từ khóa: tăng cường độ tương phản, ảnh viễn thám, nâng cao chất lượng ảnh, phân cụm bám giám sát mờ, phân tích ảnh
I. GIỚI THIỆU
Ảnh viễn thám cho phép thu thập thông tin về một đối tượng, một khu vực. Tuy nhiên, ảnh viễn thám thường có
kích thước lớn và độ phân giải không gian đa dạng. Độ phân giải không gian càng cao thì ảnh càng chi tiết. Nó cũng có
thể chứa nhiễu. Để khử nhiễu và tăng cường chất lượng ảnh, chúng ta cần sử dụng các phương pháp nâng cao chất
lượng ảnh. Nâng cao chất lượng là bước cần thiết trong xử lý ảnh nhằm hoàn thiện một số đặc tính của ảnh như lọc
nhiễu, làm trơn, tăng cường độ tương phản, điều chỉnh mức xám, nổi biên ảnh. Nâng cao chất lượng ảnh gồm hai công
đoạn khác nhau là tăng cường ảnh và khôi phục ảnh. Nhiễu trong ảnh viễn thám bao gồm nhiễu thông thường giống
ảnh màu và các nhiễu mang tính đặc trưng như sương mù, đám mây,... Trong các bài toán xử lý ảnh, để thu được kết
quả tốt cần phải có quá trình tiền xử lý để nâng cao chất lượng ảnh đầu vào. Quá trình này bao gồm các công đoạn khôi
phục và tăng cường ảnh. Khôi phục ảnh thực hiện loại bỏ hay giảm thiểu các ảnh hưởng của môi trường tác động lên
ảnh nhằm giảm bớt các biến dạng của ảnh và đưa ảnh về trạng thái gần như ban đầu. Tăng cường ảnh làm nổi bật các
đặc trưng của ảnh giúp cho các bước tiếp theo được hiệu quả hơn. Theo [7], các kĩ thuật tăng cường ảnh chia làm ba
nhóm chính. Một là, nhóm các kĩ thuật xử lý ảnh dựa trên histogram mà tiêu biểu là cân bằng histogram và đặc tả
histogram. Hai là, nhóm các kĩ thuật xử lý ảnh dựa trên tiếp cận logic mờ với một số kĩ thuật được trình bày trong phần
III của bài báo này. Ba là, các kĩ thuật xử lý ảnh tăng cường dựa trên tối ưu. Trong này, Aman Tusia và cộng sự [10] đã
thực hiện một phân tích hiệu năng của hệ mờ loại 2 cho việc tăng cường ảnh sử dụng thuật toán tối ưu cuckoo.
Nhiều phương pháp tăng độ tương phản truyền thống sử dụng cách tiếp cận toàn cục để tăng cường tất cả mức
độ sáng của ảnh. Tuy nhiên, thường khó để tăng cường tất cả các đối tượng xuất hiện trong ảnh vệ tinh, bởi vì thông tin
tương phản cục bộ và chi tiết có thể bị mất trong các vùng sáng và tối. Trong [5, 6], các tác giả đã kết hợp giữa logic
mờ [12] và các công thức hiệu chỉnh mức xám để tăng cường độ tương phản của ảnh y tế. Phương pháp tăng cường
ảnh mờ [2] xem xét ma trận thành viên và các biểu thức điều chỉnh mức xám để tăng cường độ tương phản. Mặc dù
vậy, phương pháp này vẫn sử dụng tiếp cận toàn cục nên vẫn chưa giải quyết được vấn đề của các phương pháp truyền
thống. Ngoài ra, phương pháp tăng cường ảnh mờ vẫn chọn các giá trị cho các ngưỡng cận dưới, trung bình và cận trên
một cách thủ công nên không phải lúc nào cũng chọn được giá trị tốt. Điều này ảnh hưởng đến kết quả tăng cường ảnh.
Trong [6], các tác giả đã đề xuất một phương pháp tăng cường ảnh dựa trên tiếp cận cục bộ. Trong [9], các tác giả đề
xuất một số kĩ thuật tiền xử lý trong việc sử dụng phân cụm dữ liệu. Ngô Thành Long và cộng sự [4] sử dụng mờ loại 2
kết hợp với phân cụm mờ trong phân đoạn ảnh viễn thám. Ngoài ra , Lê Hoàng Sơn và cộng sự [8] đã sử dụng phân
cụm mờ bán giám sát trong phân đoạn ảnh X-quang nha khoa.
Do vậy đóng góp chính của bài báo này là trình bày mô hình nâng cao chất lượng ảnh viễn thám sử dụng
phương pháp phân cụm mờ bán giám sát. Nghiên cứu này có ý nghĩa trong việc tìm ra một thuật toán có hiệu quả để
nâng cao chất lượng ảnh viễn thám, từ đó hỗ trợ cho quá trình xử lý ảnh viễn thám.
Phần tiếp theo của bài báo được tổ chức như sau: trong phần II, chúng tôi trình bày tóm tắt các lý thuyết sử
dụng. Phần III trình bày lược đồ nâng cao chất lượng ảnh vệ tinh dựa trên phân cụm mờ bán giám sát. Phần IV là một
số kết quả thực nghiệm của phương pháp đã trình bày trên bộ dữ liệu thực tế và một vài độ đo đánh giá hiệu năng của
các thuật toán đã trình bày. Cuối cùng là kết luận và các hướng phát triển trong thời gian tới.
II. MỘT SỐ KIẾN THỨC LÝ THUYẾT LIÊN QUAN
Trong phần này, mục 2.1 sẽ trình bày về bài toán nâng cao chất lượng ảnh viễn thám. Mục 2.2 sẽ trình bày về
phân cụm bán giám sát mờ.
N2
h
T
lư
n
th
lư
h
t
t
L
th
guyễn Tu Trung
.1 . Nâng cao
Bài toá
iệu chỉnh ảnh
Việc nâ
hực hiện tăng
ợng ảnh như
hiễu thông th
ường, chúng
ợng ảnh viễn
Theo [7
istogram và đ
ối ưu. Các kỹ
Trong
ăng cường m
oRSIE_FCM
Theo lư
eo, một mô h
Ý
Giãn
Biến đổ
Trong đ
, Trần Mạnh Tu
chất lượng ả
n xử lý ảnh v
có thể thực h
ng cao chất l
cường chất l
dãn tương p
ường giống ả
ta có thể dùn
thám, cũng c
], các kĩ thuậ
ặc tả histogra
thuật tăng cư
nội dung ngh
ức xám của
[6] được biểu
u đồ trong H
ình hiệu chỉn
nghĩa
mức xám
i Hyperbol
ó:
ấn, Đặng Thị Th
nh viễn thám
iễn thám với
iện việc nâng
ượng ảnh viễ
ượng ảnh nhằ
hản, lọc khôn
nh màu và cá
g các phương
ó thể dùng cá
t tăng cường
m. Hai là, cá
ờng có thể áp
iên cứu này, c
ảnh. Khi đó
diễn như tro
ình 2, ảnh vi
h mức xám đư
Bảng
u Hiền, Nguyễn
ảnh đầu vào l
cao chất lượn
n thám là mộ
m hỗ trợ giải
g gian để làm
c nhiễu man
pháp khử nh
c phương phá
Hình 1.
ảnh chia làm
c kĩ thuật dựa
dụng trên từn
húng tôi tập
lưu đồ thuậ
ng Hình 2.
Hình 2. Lưu
ễn thám đầu
ợc xây dựng
1. Các hàm bi
Huy Đức, Kiều
à ảnh viễn th
g ảnh viễn th
t khâu quan
đoán và phân
nổi các mẫu
g tính đặc trư
iễu thông thư
p tăng tính tư
Cân bằng lược
ba loại. Một
trên tiếp cận
g kênh với cá
trung vào việ
t toán tăng
đồ thuật toán L
vào được cục
. Các hàm hiệ
ến đổi mức xám
Cô
൬ 2݁ିଵ
Tuấn Dũng, Ng
ám, thực hiện
ám. Sau đó tiế
trọng trợ giúp
tích ảnh. Có
trên ảnh,.
ng (sương m
ờng như các p
ơng phản (Hì
đồ màu
là, các kĩ thuậ
logic mờ. Ba
c ảnh đa cấp x
c nâng cao ch
cường ảnh v
oRSIE_FCM
bộ hóa dựa t
u chỉnh mức x
theo từng cụm
ng thức biến
255 ∗ ି௨ೇ
55
െ 1൰ ൣ݁
ିఓమሺ
uyễn Văn Nam,
hiệu chỉnh ả
n hành xử lý
cho quá trìn
nhiều chức n
Nhiễu trong
ù, đám mây,.
hương pháp
nh 1).
t histogram m
là, các kĩ th
ám.
ất lượng ảnh
iễn thám dự
rên thuật toá
ám được liệt
đổi Ti(g)
௪ೇ
ି௪ೇ
ሻ െ 1൧
Đỗ Oanh Cường
nh viễn thám
ảnh viễn thám
h xử lý ảnh
ăng trong nân
ảnh viễn thám
..). Đối với n
lọc. Để tăng c
à tiêu biểu l
uật tăng cườn
viễn thám dự
a trên tiếp c
n phân cụm F
kê trong bảng
331
. Quá trình
.
viễn thám.
g cao chất
bao gồm
hiễu thông
ường chất
à cân bằng
g dựa trên
a trên việc
ận cục bộ
CM. Tiếp
1.
3
b
m
t
2
c
T
c
p
n
l
đ
đ
th
32
+ g là g
+ ݑ݁
+ ݈ݓ݁
+ ܸ là
+ μ là
Các ngư
ằng 95% tổng
ột cụm cho t
Cuối cù
ổng hợp này c
.2. Phân cụm
Phân cụ
ho các đối tượ
Các kỹ
rong bài báo,
ụm mờ (FCM
hân cụm mờ
gười dùng cu
ink và Cannot
Yasuno
ược bổ sung v
ược xác định
Trong đ
m là số
C là số
ukj là đ
kX
Vj là tâ
Với điề
ỏa mãn
iá trị mức xá
ݎ là cận trê
ݎ là cận dướ
tâm cụm i.
giá trị độ thu
ỡng ݑ݁ݎ
diện tích đư
rước.
ng, ảnh tăng
ó dạng tổng q
ܶሺ݃ሻ ൌ
bán giám sá
m dữ liệu [1]
ng thuộc cùn
thuật phân c
nhóm nghiên
) được Bezd
bán giám sát
ng cấp. Thông
-link; một ph
ri et al. [11]
ào hàm mục
như sau:
ó:
mờ hóa;
cụm, N là số
ộ thuộc của p
rR là phẩn tử
m của cụm j.
u kiện ràng b
ܷ ൌ ൛ݑ
NÂNG CAO
m gốc.
n của việc giã
i của việc giã
ộc của mức x
ߤ ൌ
ۖە
۔
ۖۓ
1,
, ݈ݓ݁ݎ đượợc bao các đư
Hìn
cường được t
uát như sau:
∑ μ ܶሺ݃ୀଵ
t mờ
là quá trình
g một cụm là
ụm: phân cụm
cứu tập trung
ek [1] đề xuấ
được xây dựn
tin bổ trợ [1
ần dữ liệu đượ
đã đề xuất m
tiêu của FCM
ܬሺܷ, ܸሻ
phần tử dữ li
hần tử dữ liệu
thứ k của X
uộc (3), khi
∑ ݑୀଵ ൌ
|ݑ ∈ ሾ0,1ሿ,
CHẤT LƯỢNG
n cụm i.
n cụm i.
ám g theo cụm
0, ݃ ൏ ݈
݃ െ ݈ݓ݁
ݑ݁ݎ െ ݈
ݑ݁ݎ
c xác định bằ
ờng y = 0 và
h 3. Hàm phân
ổng hợp từ cá
g | g’ = T(g
, ݈ݓ݁ݎ, ݈ݓ
0
nhóm một tập
tương đồng,
cứng, phân
vào thuật to
t dựa trên việ
g dựa trên cá
3] cho phân c
c gán nhãn v
ột thuật toán p
nhằm cải thi
ൌ ∑ ∑ୀଵேୀଵ
ệu, r là số chi
Xk từ cụm j; XX , 21
đó hàm độ th
1; ݑ
݇ ൌ 1,ܰ, ݆ ൌ
ẢNH VIỄN T
i và được tín
ݓ݁ݎ
ݎ
ݓ݁ݎ
,
݃ 255
݈
ng cách chọn
y = ݀ሺ݃ሻ. Tr
bố và các ngư
c giá trị đầu r
). Trong đó,
݁ݎሻ
ܶሺ݃ሻ 255
các đối tượn
còn các đối tư
cụm mờ, phâ
án phân cụm m
c tối ưu hóa k
c thuật toán p
ụm mờ bán g
à độ thuộc đư
hân cụm mờ
ện hiệu quả tr
|ݑ െ ̄ݑ|
ều của dữ liệu
NX,..., ;
uộc bổ trợ củ
∈ ሾ0,1ሿ;
1, ܥൟ, ∑ୀଵ
HÁM DỰA T
h theo công t
ݓ݁ݎ ݃
sao cho vùng
ong đó, ݀ሺ݃ሻ
ỡng theo từng c
a của hàm bi
g tương tự nh
ợng thuộc các
n cụm bán g
ờ và phân cụ
hoảng cách c
hân cụm mờ k
iám sát có 3 d
ợc xác định tr
bán giám sát
ong quá trình
||ܺ െ ܸ||ଶ
;
a phần tử ܺ
∀݇ ൌ 1,ܰ
ݑ 1, ൫∀݇
RÊN PHÂN CỤ
hức
ݑ݁ݎ
gạch chéo tr
là hàm phân
ụm
ến đổi mức xá
au trong tập d
cụm khác nh
iám sát, phân
m mờ bán gi
ác điểm dữ l
ết hợp với cá
ạng cơ bản g
ước.
với thông tin
phân cụm. K
→ ݉݅݊
với cụm ܥ l
ൌ 1,ܰ൯
M BÁN GIÁM
ong Hình 3 c
bố của mức x
m theo từng
ữ liệu vào cá
au sẽ ít tương
cụm bán giá
ám sát. Thuật
iệu với tâm.
c thông tin b
ồm các ràng b
bổ trợ là hàm
hi đó hàm mụ
à ݑ ∈ ሾ0,1ሿ
SÁT MỜ
ó diện tích
ám ݃ theo
cụm. Hàm
(1)
c cụm sao
đồng.
m sát mờ.
toán phân
Thuật toán
ổ trợ được
uộc Must-
độ thuộc
c tiêu [11]
(2)
đồng thời
(3)
NC
m
lư
th
th
đ
m
s
guyễn Tu Trung
Khi đó
Các giá
݉ 1:
݉ ൌ 1:
Các bư
lustering) đư
Input
Output
SSSFC
1:
2:
3:
4:
5:
6:
7:
III. MÔ HÌN
Dựa trê
ột cải tiến bằ
u đồ thuật to
ay vì được c
u được tập t
ược hàm hàm
ô hình hiệu c
au tăng cường
, Trần Mạnh Tu
dựa vào điều
trị của ݑ đư
ݑ ൌ ቊ
ݑ
ݑ
ớc thực hiện
ợc trình bày n
Tập dữ liệu
maxStep > 0.
Ma trận U v
t = 0
Khởi tạo ng
Repeat
t = t + 1
Tính ݑ
Tính ܸሺ௧ା
Until ฮܸሺ௧ሻ
H NÂNG C
n mô hình nâ
ng cách sử d
án tăng cườn
ục bộ hóa bởi
âm cụm và m
d(g)FCM, ta t
hỉnh mức xám
so với việc s
ấn, Đặng Thị Th
kiện (3) và hà
ܸ ൌ ∑ ห௨ೖೕೖಿసభ∑ ห௨ೖೖಿసభ
ợc xác định t
ݑ ൌ ݑ
1 െ ∑ୀ
, ݐ݄݁ݎݓ݅ݏ
thuật toán ph
hư trong Bản
Bảng 2. Th
X gồm N p
à tâm cụm V
ẫu nhiên ܸሺ௧ሻ
(݇ ൌ 1,ܰ;݆ ൌ
ଵሻ(݆ ൌ 1, ܥ) b
െ ܸሺ௧ିଵሻฮ
AO CHẤT L
ng cao chất l
ụng phân cụm
g ảnh viễn thá
FCM, sẽ đượ
a trận độ thu
hu được hàm
cũng thay đ
ử dụng thuật
Hìn
u Hiền, Nguyễn
m mục tiêu (2
ି௨̄ೖೕหೖ
ೕି௨̄ೖೕห
, ݆
heo 2 trường
൫1 െ ∑ୀଵ
ݑ, ݇ ൌ ܽݎଵ
݁.
ân cụm mờ
g 2 dưới đây.
uật toán Semi-
hần tử, số cụ
.
; (݆ ൌ 1, ܥ)
1, ܥ) bởi côn
ởi công thức
ߝ or t > maxS
ƯỢNG ẢNH
ượng ảnh viễn
bán giám sá
m dựa trên p
c cục bộ hóa
ộc mới từ việ
d(g)SemiFCM, c
ổi. Từ đây, c
toán FCM gố
h 4. Lưu đồ th
Huy Đức, Kiều
) ta có:
ൌ 1, ܥ
hợp sau
ݑ൯
൭ భቛೖషೇೕ
∑ ൬ భฮೖష
సభ
݃݉݅݊ ‖ܺ െ
chuẩn bản giá
Supervised Sta
m C, ma trận
g thức (5) vớ
(4)
tep
VIỄN THÁ
thám LoRSI
t mờ thay ch
hân cụm bán
bởi một thuật
c áp dụng thu
ác tham số ݑ
ác giá trị mức
c.
uật toán LoRSI
Tuấn Dũng, Ng
ቛ൱
మ
షభ
ೇฮ
൰
మ
షభ
, ݇ ൌ
ܸ‖ଶ
, ݇ ൌ 1,
m sát (SSSF
ndard Fuzzy Cl
độ thuộc bổ
i ݉ 1 hoặc
M DỰA TRÊ
E_FCM [6] đ
o thuật toán p
giám sát mờ.
toán phân cụ
ật toán Semi
݁ݎ và ݈ݓ
xám đầu ra t
E_SemiFCM
uyễn Văn Nam,
1,ܰ, ݆ ൌ 1, ܥ
ܰ, ݆ ൌ 1, ܥ.
C- Semi-Sup
ustering
trợ ܷ, ngưỡn
công thức (6
N PHÂN CỤ
ã trình bày ở
hân cụm mờ
Với thuật toá
m bán giám s
FCM. Như v
݁ݎ liên quan
hay đổi, dẫn
Đỗ Oanh Cường
.
ervised Stand
g ߝ, số lần lặ
) với ݉ ൌ 1.
M BÁN GIÁ
trên, chúng
FCM. Hình 4
n mới này, ản
át mờ. Khi đó
ậy, thay vì ch
đến từng cụ
đến sự thay đ
333
(4)
(5)
(6)
ard Fuzzy
p tối đa
M SÁT
tôi đề xuất
biểu diễn
h đầu vào,
, chúng ta
úng ta thu
m đưa vào
ổi của ảnh
3
4
v
h
p
1
L
tr
ả
S
k
h
V
T
4
n
L
s
ả
34
.1. Mô tả thự
Chúng
ới kết quả củ
iện trước một
hần tử có độ t
Mô tả d
5/02/2001, b
ANDSATET
ung. Các ảnh
nh viễn thám
Độ đo
hannon Entro
iện trong khô
àm H được đ
ới xử lý ảnh,
rong đó:
n là số
pi là xá
.2. Kết quả t
Do khu
hau. Các thử
Bảng 3
oRSIE_FCM
áng và độ tươ
nh sau tăng cư
c nghiệm
tôi tiến hành
a thuật toán L
phân cụm FC
huộc lớn nhấ
ữ liệu: Tập d
ao gồm các
M+ gồm 7 kê
này được thu
trên nền phần
đánh giá: Để
py (hoặc entr
ng gian mẫu,
ịnh nghĩa để đ
n đưa ra bởi
mức xám;
c xuất của mứ
hực nghiệm
ôn khổ bài bá
nghiệm này b
thể hiện ản
và thuật toán
ng phản đều t
ờng bởi thuậ
NÂNG CAO
cài đặt thuật t
oRSIE_FCM
M. Từ ma tr
t, các giá trị c
ữ liệu phục v
ảnh ranh giớ
nh [12]: Chàm
thập khi thàn
mềm GRASS
đo chất lượ
opy thông tin
xác suất mỗi
o độ không c
số mức xám.
ܪ ൌ
c i trong hist
o có hạn, nh
ao gồm các ản
h đầu vào v
SemiFCM v
ốt hơn so với
t toán sử dụng
Bản
CHẤT LƯỢNG
IV. KẾT QU
oán LoRSIE_
cùng trên bộ
ận U thu đượ
òn lại gán lại
ụ cho thử ngh
i từng huyệ
, Lục, Đỏ, C
h viên của nh
”. Đây là đề tà
ng của ảnh g
) là một phươ
sự kiện là pi
hắc chắn của
െ∑ lିଵୀ
ogram.
óm tác giả trì
h vệ tinh khu
à ảnh kết q
ới tổ hợp 3 k
ảnh gốc. Tuy
SemiFCM l
g 3. Tăng cườn
ẢNH VIỄN T
Ả THỰC N
SemiFCM tr
dữ liệu này. T
c, xác định ܷ
bằng 0.
iệm là loại ản
n và một ản
ận hồng ngoạ
óm tác giả th
i cấp nhà nướ
ốc và các ản
ng pháp đo t
(i = 1, 2, ,
không gian m
n ሺሻ
nh bày các kế
vực huyện C
uả khi tăng
ênh Chàm, Lụ
nhiên, nếu qu
à tốt hơn một
g ảnh với FCM
HÁM DỰA T
GHIỆM
ên bộ dữ liệu
rong các thử
như sau với
h LANDSAT
h theo ranh
i, Hồng ngoại
am gia thực h
c, thuộc Chươ
h tăng cường
ính không ch
n), mỗi pi ≥
ẫu [3]. Giá tr
t quả thử ngh
ao Phong, Đà
cường chất
c, Đỏ. Chúng
an sát kỹ hơn
chút so với th
và SemiFCM
RÊN PHÂN CỤ
cụ thể LAND
nghiệm, ܷ đ
mỗi điểm ảnh
ETM+ chụp
giới tỉnh củ
trung, Hồng
iện đề tài “Ph
ng trình KHC
chúng tôi s
ắc chắn của th
0, và tổng củ
ị của H được
iệm trên bốn
Bắc, Kim Bô
lượng ảnh k
ta thấy, các
, chúng ta sẽ
uật toán sử dụ
M BÁN GIÁM
SAT ETM+
ược tính bằng
, giữ nguyên
khu vực Hòa
a tỉnh Hòa B
ngoại nhiệt, H
át triển phần
N Vũ trụ.
ử dụng chỉ s
ông tin. Giả
a pi bằng 1. D
tính theo côn
mẫu ảnh đầu
i và Lạc Thủ
hi áp dụng
ảnh sau tăng
thấy độ tươn
ng FCM.
SÁT MỜ
và so sánh
cách thực
giá trị của
Bình ngày
ình. Ảnh
ồng ngoại
mềm xử lý
ố Entropy.
sử có n sự
o đó, một
g thức (7).
(7)
vào khác
y.
thuật toán
cường, độ
g phản của
Nguyễn Tu Trung, Trần Mạnh Tuấn, Đặng Thị Thu Hiền, Nguyễn Huy Đức, Kiều Tuấn Dũng, Nguyễn Văn Nam, Đỗ Oanh Cường 335
Kết quả thực nghiệm khi tăng cường chất lượng ảnh theo giá trị chỉ số ở các huyện Cao Phong, Đà Bắc, Kim
Bôi, Lạc Thủy được chỉ ra ở các bảng 4, 5, 6 và 7 với việc áp dụng các thuật toán sử dụng FCM và SemiFCM. Dựa vào
kết quả thực nghiệm này chúng ta có thể thấy rất rõ giá trị Entropy ứng với các kênh của ảnh sau tăng cường bởi thuật
toán sử dụng SemiFCM là cao hơn thuật toán LoRSIE_FCM. Điều này chứng tỏ chất lượng ảnh sau tăng cường thuật
toán sử dụng SemiFCM là tốt hơn so với ảnh sau tăng cường thuật toán LoRSIE_FCM.
Bảng 4. Giá trị Entropy của ảnh sau tăng cường huyện Cao Phong
Kênh Tăng cường với
LoRSIE_FCM
Tăng cường với SemiFCM
1 3.44578672451698 3.75960630294584
2 3.53055329114634 3.87734956539595
3 3.57985248661498 3.92747171506403
Bảng 5. Giá trị Entropy của ảnh sau tăng cường huyện Đà Bắc
Kênh Tăng cường với
LoRSIE_FCM
Tăng cường với SemiFCM
1 2.45684844447667 3.50167678500134
2 2.66391133356626 3.49133354235306
3 2.65419094174343 3.44077893674379
Bảng 6. Giá trị Entropy của ảnh sau tăng cường huyện Kim Bôi
Kênh Tăng cường với
LoRSIE_FCM
Tăng cường với SemiFCM
1 4.1858282177615 4.49061166054001
2 4.19923187498745 4.53125963217986
3 4.27514951159837 4.54546630160856
Bảng 7. Giá trị Entropy của ảnh sau tăng cường huyện Lạc Thủy
Kênh Tăng cường với
LoRSIE_FCM
Tăng cường với SemiFCM
1 2.40240944416823 3.11144330891485
2 2.61518856088777 3.22093197523361
3 2.77044329227435 3.24632169784426
IV. KẾT LUẬN
Trong bài báo này, chúng tôi tập trung nghiên cứu về bài toán nâng cao chất lượng ảnh viễn thám dựa trên phân
cụm bán giám sát mờ. Đóng góp chính của bài báo là đã sử dụng phân cụm bán giám sát mờ áp dụng cho nâng cao chất
lượng ảnh viễn thám trong quá trình cục bộ hóa ảnh viễn thám. Ngoài ra, nhóm tác giả cũng đã cài đặt thực nghiệm
thuật toán đề xuất với các ảnh viễn thám thu thập ở khu vực Hòa Bình. Các kết quả thực nghiệm cũng chỉ ra các giá trị
Entropy của phương pháp SemiFCM có giá trị tốt hơn với kết quả nhận được khi áp dụng thuật toán LoRSIE_FCM. Từ
nghiên cứu này, chúng tôi sẽ tiếp tục nghiên cứu các thông số khác để nâng cao chất lượng ảnh. Đồng thời nghiên cứu
này còn mở ra hướng nghiên cứu phát triển cho các thuật toán sử dụng phân cụm dựa trên các tập mờ nâng cao.
LỜI CẢM ƠN
Nghiên cứu này được tài trợ bởi Quỹ Khoa học và Công nghệ Trường Đại học Thủy lợi trong đề tài mã số:
TLU.STF.19-02.
TÀI LIỆU THAM KHẢO
[1]. Bezdek, J. C. (1981). Pattern recognition with fuzzy objective function algorithms. Kluwer Academic Publishers.
[2]. Hassanien, A. E., & Badr, A. (2003). A comparative study on digital mamography enhancement algorithms based
on fuzzy theory. Studies in informatics and control, 12(1), 21-32.
[3]. Jaynes, E. T. (1957). Information theory and statistical mechanics. Physical review, 106(4), 620-630.
[4]. Ngo, L. T., Mai, D. S., & Pedrycz, W. (2015). Semi-supervising Interval Type-2 Fuzzy C-Means clustering with
spatial information for multi-spectral satellite image classification and change detection. Computers &
geosciences, 83, 1-16.
[5]. Nguyễn Tu Trung, Đặng Văn Đức, Vũ Văn Thỏa (2016), Một số cải tiến kĩ thuật phân cụm cho ảnh viễn thám, Tạp
chí Công nghệ thông tin và Truyền thông, Bộ Thông tin và Truyền thông, số 16 (36).
[6]. Nguyễn Tu Trung, Vũ Văn Thoả, Đặng Văn Đức (2015), Một phương pháp tăng cường độ tương phản ảnh viễn
thám dựa trên tiếp cận cục bộ, Chuyên san các công trình nghiên cứu, Tạp chí Công nghệ thông tin và Truyền
thông, Bộ Thông tin và Truyền thông, Kỳ 3, tập V-2, số 14 (34).
336 NÂNG CAO CHẤT LƯỢNG ẢNH VIỄN THÁM DỰA TRÊN PHÂN CỤM BÁN GIÁM SÁT MỜ
[7]. Sharo, T. A., & Raimond, K. (2013). A Survey on Color Image Enhancement Techniques. IOSR J. Eng, 3, 20-24.
[8]. Son, L. H., Tuan, T. M. (2017). Dental segmentation from X-ray images using semi-supervised fuzzy clustering
with spatial constraints. Engineering Applications of Artificial Intelligence, 59, 186-195.
[9]. Sudhavani, G., Srilakshmi, M., Rao, P. V., & Prasad, K. S. (2014). Comparison of fuzzy contrast enhancement
techniques. International Journal of Computer Applications, 95(22). pp. 0975 – 8887.
[10]. Tusia, A., & KUMAR, D. N. (2014). Performance analysis of type-2 fuzzy system for image enhancement using
optimization. International Journal of Enhanced Research in Science Technology & Engineering, 3(7), 108-116.
[11]. Yasunori, E., Yukihiro, H., Makito, Y., & Sadaaki, M. (2009, August). On semi-supervised fuzzy c-means
clustering. In Fuzzy Systems, 2009. FUZZ-IEEE 2009. IEEE International Conference on (pp. 1119-1124). IEEE.
[12]. Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8, 338-353.
[13]. Zhang, H., & Lu, J. (2009). Semi-supervised fuzzy clustering: A kernel-based approach. Knowledge-Based
Systems, 22(6), 477-481.
IMPROVING THE QUALITY OF MULTISPECTRAL IMAGES USING
SEMI-SUPERVISED FUZZY CLUSTERING
Nguyen Tu Trung, Tran Manh Tuan, Dang Thi Thu Hien, Nguyen Huy Duc, Kieu Tuan Dung,
Nguyen Van Nam, Do Oanh Cuong
ABSTRACT: Improving the quality of images is one of necessary stages in image processing. Multispectral images are the images
with a large size and high spatial resolution. Therefore, the analysis of multispectral images is complex. The results of pre-
processing progess are very important. These results affect directly to the results of image analysis progress. There were some
researches related to the improvement of image quality such as noise reduction, contrast increment, histogram techniques, etc. In
this paper, we propose an novel method in order to improve the quality of multispectral images by contrast increasing approach
using semi-supervised clustering.
Các file đính kèm theo tài liệu này:
- nang_cao_chat_luong_anh_vien_tham_dua_tren_phan_cum_ban_giam.pdf