intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Hợp nhất hình ảnh đa tiêu cự

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:3

15
lượt xem
3
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Hợp nhất hình ảnh đa tiêu cự là một kỹ thuật hiệu quả để mở rộng độ sâu trường ảnh của ống kính quang học bằng cách tạo ra một hình ảnh có độ nét toàn bộ ảnh từ một tập hợp các hình ảnh có độ nét tập trung chỉ một phần trong cùng một cảnh.

Chủ đề:
Lưu

Nội dung Text: Hợp nhất hình ảnh đa tiêu cự

  1. 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
  2. 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  uM1  vN1 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
  3. 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
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2