Nghiên cứu phương pháp tăng cường độ tương phản ảnh viễn thám - Ngô Hoàng Huy

Cụng nghệ thụng tin & Khoa học mỏy tớnh N.H. Huy, N.T. Trung, N.V. Thanh, “Nghiờn cứu phương phỏp ảnh viễn thỏm.” 126 NGHIấN CỨU PHƯƠNG PHÁP TĂNG CƯỜNG ĐỘ TƯƠNG PHẢN ẢNH VIỄN THÁM Ngụ Hoàng Huy1, Nguyễn Tu Trung1*, Nguyễn Văn Thanh2 Tóm tắt: Các phương pháp tăng cường ảnh dựa trên phân cụm mờ cho ảnh với chất lượng cao hơn rõ rệt so với các phương pháp truyền thống. Tuy nhiên, các phương pháp này mới chỉ xử lý trên từng kênh ảnh nên không bảo tồn được màu của ảnh sau tăng cường. Bài báo này trình bày một thuật toán tăng cường ảnh mới với sự kết hợp hai mức phân cụm mờ và mô hình hiệu chỉnh mức xám đa kênh có thể khắc phục được các nhược điểm trên. Từ khóa: Tăng cường ảnh, Mờ hóa, Giải mờ, ảnh viễn thám. 1. mở đầu ảnh viễn thám thường có kích thước lớn và độ phân giải cao. Nó cũng có thể chứa nhiễu. Để khử nhiễu và tăng cường 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. Nâng cao chất lượng ảnh gồm hai công đoạn khác nhau: 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, ... Với các nhiễu đặc thù cần có phương pháp khử nhiễu đặc thù như phương pháp loại bỏ sương mù, đám mây sử dụng thuật toán Mallat [4]. Đối với nhiễu thông thường, chúng ta có thể dùng các phương pháp khử nhiễu thông thường như Lọc nhiễu, hay làm trơn ảnh; Tăng độ tương phản, điều chỉnh mức xám của ảnh; Làm nổi biên ảnh. Nhiều phương pháp tăng độ tương phản truyền thống áp dụng tiếp cận toàn cục để tăng cường tất cả mức độ sáng của ảnh [2]. Tuy nhiên, thường khó để tăng cường tất cả các lớp phủ đất 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 [2]. Trong [3][8], các tác giả đã kết hợp giữa thuật toán phân cụm mờ [1] và các biểu thức điều chỉnh mức xám để tăng cường độ tương phản của ảnh y tế. Trong [2], Chen và cộng sự cũng kết hợp giữa thuật toán phân cụm mờ và một biểu thức điều chỉnh mức xám để tăng cường độ tương phản của ảnh viễn thám. Tuy nhiên, các phương pháp tăng cường ảnh dựa trên phân cụm mờ trong [2], [3] chỉ xử lý trên từng kênh ảnh nên không bảo tồn được màu của ảnh sau tăng cường. Với vấn đề phân cụm mờ, trong [9], các tác giả cũng đưa ra so sánh giữa phân cụm c-means mờ và thuật toán phân cụm mờ dựa trên entropy. Trong nghiên cứu này, chúng tôi đề xuất một thuật toán tăng cường ảnh mới dựa trên phân cụm mờ với việc xử lý đồng thời nhiều kênh ảnh kết hợp tính ngưỡng tự động theo từng cụm. Các phần còn lại của bài báo này được trình bày như sau. Phần 2 trình bày thuật toán tăng cường ảnh viễn thám kích thước lớn dựa trên kĩ thuật mờ. Thử nghiệm và đánh giá được trình bày trong phần 3. Phần 4 là kết luận bài báo. 2. thuật toán tăng cường ảnh viễn thám dựa trên thuật toán mờ Tăng cường ảnh mờ dựa trên việc ánh xạ mức xám vào mặt phẳng mờ, sử dụng hàm biến đổi thành viên [7]. Mục tiêu là để sinh một ảnh có độ tương phản cao hơn ảnh gốc [3]. Trong những năm gần đây, một số nhà nghiên cứu đã áp dụng khái niệm mờ để phát triển các thuật toán mới cho việc tăng cường ảnh. Lưu đồ thuật toán dựa trên mờ được mô tả như trong hình 1. Nghiờn cứu khoa học cụng nghệ Tạp chớ Nghiờn cứu KH&CN quõn sự, Số 40, 12 - 2015 127 Hình 1. Thuật toán tăng cường ảnh dựa trên thuật toán mờ . Thành viên ik) được ước lượng với khoảng cách giữa điểm ảnh thứ k và tâm cụm thứ i, và bị ràng buộc như sau:                 n k ik c i ik ik n 1 1 0 1 10    (2) Trung tâm cụm Vi và và giá trị ik có thể được tính theo công thức sau:        n k m k n k k m k i x V 1 1   , 1 ≤ i ≤ c (3)     1 1 1 2 ) , , (                      c j m jk ik k Vxd Vxd  , 1 ≤ i ≤ c, 1 ≤ k ≤ n (4) Do đó, Jm có thể được cực tiểu bởi việc lặp thông qua đẳng thức (3) và (4). Bước đầu tiên của việc lặp là khởi tạo số cụm c cố định, tham số mờ m, một ngưỡng hội tụ ε, sau đó tính toán ik và Vi sử dụng đẳng thức (3) và (4) tương ứng. Việc lặp kết thúc khi sự thay đổi 2.1. Mờ hoá từng kênh với FCM Phân cụm c-Means mờ [1] là thuật toán được dùng rộng rãi của phân lớp mờ. Trong khi xem xét logic tập mờ, thuật toán được phát triển dựa trên phân cụm k-Means. Trong thuật toán này, mỗi điểm ảnh không về duy nhất cụm nào và được biểu diễn bởi nhiều thành viên của mỗi cụm. Thuật toán phân cụm được thực hiện với sự tối ưu lặp của việc cực tiểu hàm mục tiêu mờ (Jm) được định nghĩa như sau [5], [6].        c i n k ik m ikm VxdJ 1 1 2 , (1) trong đó: c - số cụm; n - số pixel của ảnh; ik - giá trị thành viên của pixel thứ k và trung tâm cụm thứ i; m - trọng số mũ, tham số mờ; xk - vector thứ k; Vi - vector trung tâm của cụm thứ i; d2(xk,Vi) - khoảng cách giữa xk và Vi. Cụng nghệ thụng tin & Khoa học mỏy tớnh N.H. Huy, N.T. Trung, N.V. Thanh, “Nghiờn cứu phương phỏp ảnh viễn thỏm.” 128 trong Vi giữa hai lần lặp nhỏ hơn ε. Cuối cùng, mỗi điểm ảnh được phân lớp vào một sự kết hợp các thành viên của các cụm. Trong [2], Chen và các tác giả mới chỉ sử dung FCM [1] cho từng kênh ảnh. 2.2. Xây dung mô hình biến đổi mức xám cho mỗi kênh Sau khi phân cụm, ảnh được chuyển từ không gian mức xám vào không gian thành viên [2]. Trong giai đoạn này, chúng ta sẽ xây dựng mô hình biến đổi mức xám để tăng cường mỗi cụm. Mô hình giãn mức xám mà Chen đưa ra [2] được cho bởi công thức sau: liui li i bb bg gm ,, , *255)(    (5) trong đó: mi(g) - giá trị xám được giãn; g - giá trị xám gốc; bi,u - giới hạn trên của việc giãn cụm i; bi,l - giới hạn dưới của việc giãn cụm i. 2.3. Giải mờ với mô hình biến đổi mức xám cho mỗi kênh Giải mờ là quá trình chuyển đổi ảnh từ không gian thành viên trở lại không gian mức xám. Dựa trên mô hình biến đổi mức xám cho mỗi cụm đã xây dựng trong phần 2.2, các giá trị xám ban đầu của mỗi điểm ảnh của từng ô sẽ được tăng cường thành giá trị mới [2]. Hàm tăng cường này có dạng như sau: ))()( 1 gmgm i c i ik    (6) 255)(0  gm trong đó: c - số cụm; ik - giá trị thành viên với cụm i của điểm ảnh k; g - giá trị xam gốc; mi(g) - hàm ánh xạ cụm i. Hình 2. Thuật toán tăng cường ảnh viễn thám cải tiến. 3.2. Xây dựng mô hình biến đổi mức xám đa kênh Trong [2][3], Chen và các tác giả xây dựng các công thức biến đổi mức xám cho từng kênh ảnh. Các công thức này được tổng quát hoá theo từng cụm trong bảng 1. 3. thuật toán tăng cường ảnh viễn thám dựa trên thuật toán mờ cảI tiến Trong phần này, chúng tôi đề xuất sơ đồ thuật toán tăng cường dựa trên phân cụm mờ cải tiến từ thuật toán tăng cường ảnh trong [2][3] cho việc xử lý đồng thời nhiều kênh được mô tả trong hình 2. 3.1. Mờ hoá đa kênh với FCM Trong [2][3], Chen và các tác giả mới chỉ sử dung FCM [1] cho từng kênh ảnh. Thuật toán FCM [1] vốn có thể tiến hành phân cụm với đa kênh. Và thực tế, thuật toán này được sử dụng rất hiệu quả khi phân cụm ảnh màu thông thường. Có thể vì Chen và các tác giả chỉ xây dựng được hàm biến đổi mức xám cho từng kênh ảnh nên đã không tận dụng hết được khả năng của kĩ thuật phân cụm này. Vì vậy, chúng tôi đã cải tiến hàm biến đổi mức xám (xem phần 2.2) để sử dụng tiện ích này cho việc phân cụm trực tiếp đa kênh ảnh viễn thám. Nghiờn cứu khoa học cụng nghệ Tạp chớ Nghiờn cứu KH&CN quõn sự, Số 40, 12 - 2015 129 Bảng 1. Các công thức biến đổi mức xám. trong đó: g - giá trị xám gốc; bi,u - giới hạn trên của việc giãn cụm i; bi,l - giới hạn dưới của việc giãn cụm i; Vi = tâm cụm i. Từ đây, ta có thể xây dựng một lớp công thức biến đổi tổng quát hơn như sau: Các công thức biến đổi Ti(g) theo từng cụm trong [2][3] được hợp nhất vào công thức giải mờ: Ti(g,Vi,bi,l,bi,u) (7) Vector cận trên bi,u và vector cận dưới bi,l (phát biểu cho 3 kênh ảnh) xác định bởi hai tham số tỷ lệ pu và pl như sau:        ),,)1((,, ),,(,, 1 0 321 13 , 2 , 1 ,, 1 0 321 13 , 2 , 1 ,,           L g iuiuiuiuili L g ililililili ggghphbbbb ggghphbbbb (8)               1 0 3 1 0 2 1 0 1321 )(,)(,)(),,( L g i L g i L g ii ghghghgggh (9) trong đó, hi(g1,g2,g3) là phân bố của các điểm ảnh nhiều kênh theo lớp i. Cụng nghệ thụng tin & Khoa học mỏy tớnh N.H. Huy, N.T. Trung, N.V. Thanh, “Nghiờn cứu phương phỏp ảnh viễn thỏm.” 130 3.3. Giải mờ mô hình biến đổi mức xám đa kênh Chen và các tác giả chỉ xây dựng hàm biến đổi mức xám cho từng kênh ảnh [2][3]. Do vậy, việc mờ hoá ảnh cũng chỉ thực hiện trên từng kênh (xem phần 2.1). Giả sử mỗi điểm ảnh P có 3 giá trị xám ứng với mỗi kênh là (g1, g2, g3). Việc mờ hoá theo từng kênh dẫn tới g1, g2, g3 sẽ có tương ứng 3 tập giá trị độ thuộc với tập các cụm theo từng kênh mà không liên quan đến nhau. Điều này dẫn tới việc đánh mất mỗi quan hệ của 3 giá trị này trong một điểm ảnh. Từ đó, các giá trị màu mới sau biến đổi T(g1) , T(g 2) , T(g3) cũng bị mất đi tính chất này. Vì vậy, dẫn đến việc không bảo tồn được màu cho ảnh. Chi khi chúng ta tiến hành mờ hoá trên nhiều kênh đồng thời, mỗi điểm P(g1, g2, g3) hay mỗi g1, g2, g3 có cùng 1 tập giá trị độ thuộc với cùng 1 tập các cụm. Điều này nghĩa là quan hệ trong cùng điểm ảnh được không bị phá vỡ. Dựa trên công thức (6) và việc áp dụng FCM cho nhiều kênh đồng thời (xem phần 2.1) chúng tôi hiệu chỉnh lại hàm biến đổi mức xám cho nhiều kênh đồng thời và phát biểu cho 3 kênh ảnh như sau: ),,(),,(),,( 321 , 3 , 2 , 1321 gggTgggggg  (10)    c i uiliiiik bbVgggTgggT 1 ,,321321 ),,,,,(),,(  (11) trong đó: (g1, g2, g3) - các giá trị xám gốc trong cùng điểm ảnh; bi,u – giới hạn trên của việc giãn cụm i; bi,l = giới hạn dưới của việc giãn cụm i; Vi - tâm cụm i. 4. kết quả THựC NGHIệM Theo [2] và [3] cho thấy có thể đánh giá độ tương phản hay chất lượng của hình ảnh thông qua chỉ số Entropy, trong phần này chúng tôi cũng sử dụng chỉ số Entropy để so sánh chất lượng của các ảnh: ảnh gốc, ảnh tăng cường sử dụng thuật toán mờ của Chen, và ảnh tăng cường sử dụng thuật toán của chúng tôi, chúng tôi sử dụng phần mềm Matlab phiên bản 2010 để lấy ra chỉ số Entropy của các ảnh. Shannon Entropy (hoặc entropy thông tin) là một phương pháp đo tính không chắc chắn của thông tin [2]. Các giá trị của entropy chứng tỏ rằng thông tin của ảnh là phong phú hơn khi entropy cao hơn [2]. Trong [2], qua việc so sánh chỉ số Entropy, Chen và các cộng sự đã chỉ ra phương pháp do họ đề xuất cho ảnh có chất lượng tốt hơn các phương pháp cân bằng Histogram và giãn tương phản tuyến tính. Trong phần này, chúng tôi cũng dùng Entropy để so sánh chất lượng ảnh sinh ra bởi thuật toán của Chen và cải tiến của chúng tôi. Trong [2], các tác giả so sánh trung bình Entropy trên các kênh ảnh của các ảnh khác nhau. Công thức tính Entropy được đưa ra trong [2] và được biểu diễn trong công thức (12) dưới đây. Trong thử nghiệm này, chúng tôi cũng tính Entropy trung bình của ảnh gốc, ảnh tăng cường bởi thuật toán của Chen và thuật toán cải tiến. (12) trong đó : L - số mức xám; Pi – xác suất của mức i trong histogram. Chúng tôi tiến hành thử ngiệm với 5 mẫu ảnh viễn thám có các chỉ số Entropy khác nhau. ở mỗi thử nghiệm từ ảnh gốc ban đầu, sử dụng phương pháp tăng cường của Chen và phương pháp tăng cường do chúng tôi đề xuất sẽ tạo ra hai ảnh tăng cường tương ứng là “ảnh tăng cường bởi Chen” và “ảnh tăng cường cải tiến”. Trong các thử nghiệm này về mặt trực quan, ta có thể thấy ảnh sau tăng cường sử dụng thuật toán của Chen bị biến dạng về màu. Trong khi đó, kết quả của phương pháp cải tiến không làm biến đổi về màu sắc mà chỉ tăng cường độ tương phản của ảnh làm ảnh được tăng cường nổi bật hơn so với ảnh gốc. Các ảnh gốc và ảnh cải tiến tương ứng của chúng bằng hai phương pháp tăng cường được cho trong bảng sau: Nghiờn cứu khoa học cụng nghệ Tạp chớ Nghiờn cứu KH&CN quõn sự, Số 40, 12 - 2015 131 Bảng 2. So sánh trực quan của ảnh gốc và ảnh cải tiến trong các thực nghiệm. Mẫu Hình ảnh Gốc Tăng cường bởi Chen Tăng cường cải tiến Mẫu 1 Mẫu 2 Mẫu 3 Mẫu 4 Bảng 3. So sánh Entropy của ảnh gốc và ảnh cải tiến trong các thực nghiệm. Mẫu Entropy của ảnh Gốc Tăng cường bởi Chen Tăng cường cải tiến Mẫu 1 4.78 6.19 7.52 Mẫu 2 5.14 6.99 7.13 Mẫu 3 4.21 7.53 7.66 Mẫu 4 4.34 7.74 7.78 5. kết luận Qua 4 thử nghiệm trong mục 4, chúng tôi đã chỉ ra rằng về mặt trực quan phương pháp tăng cường ảnh cải tiến của chúng tôi cho ảnh có chất lượng tốt màu và sắc nét hơn của Cụng nghệ thụng tin & Khoa học mỏy tớnh N.H. Huy, N.T. Trung, N.V. Thanh, “Nghiờn cứu phương phỏp ảnh viễn thỏm.” 132 Chen, hơn nữa thông qua việc sử dụng chỉ số Entropy trung bình của các ảnh trong các mẫu 1,2,3,4 cũng cho thấy chỉ số Entropy trung bình của ảnh sinh ra bởi thuật toán cải tiến của chúng tôi là cao hơn của ảnh sinh ra bởi thuật toán của Chen. Trong nghiên cứu này, chúng tôi đề đề xuất một thuật toán mới cho tăng cường ảnh viễn thám. Đầu tiên, ảnh được mờ hoá đa kênh bằng việc tận dụng khả năng phân cụm đa kênh vốn có của thuật toán phân cụm mờ. Tiếp đó, ảnh được xử lý tăng cường sử dụng phân cụm mờ với sự kết hợp nhiều công thức giải mờ khác nhau và xử lý trên nhiều kênh đồng thời. Kết quả thử nghiệm cho thấy phương pháp cải tiến cho chất lượng ảnh tăng cường cao hơn so với phương pháp gốc do Chen và các cộng sự đề xuất. Tài liệu tham khảo [1]. J.C. Bezdek, R. Ehrlich, W.Full, FCM: “The fuzzy c-Means clustering algorithm", Computers & Geosciences Vol. 10, No. 2-3, (1984), pp. 191-203. [2]. Chi-Farn Chen, Hung-Yu Chang, Li-Yu Chang, “A fuzzy-based method for remote sensing image contrast enhancement", The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVII. Part B2, Beijing 2008, pp. 995-999. [3]. A.E. Hasanien, A, Badr, “A Comparative Study on Digital Mamography Enhancement Algorithms Based on Fuzzy Theory", Studies in Informatics and Control, Vol.12, No.1, March 2003, pp. 21-31. [4]. Zhu Xifang, Wu Feng, “An Improved Approach to Remove Cloud and Mist from Remote Sensing Images Based on Mallat Algorithm", International Symposium on Photoelectronic Detection and Imaging 2007, Beijing 2007, pp. 662510.1-662510.9. [5]. Bezdek, J. C., “Pattern Recognition with Fuzzy Objective Function Algorithm". New York: Plenum Press, 1981, pp. 15-21. [6]. Ross, T. J.. “Fuzzy logic with engineering applications, Fuzzy classifying", Hoboken, NJ: John Wiley, 2004, pp. 379 -387. [7]. Gordon R, Rangayan R M, “Feature enhancement of film mammograms using fixed and adaptive neighbourhoods", Applied Optics,v.23,1984, pp. 560-564. [8]. Ngô Hoàng Huy, Nguyễn Tu Trung, Đặng Trần Đức, “Nâng cao chất lượng ảnh DICOM màu dựa trên phân đoạn mờ", FAIR, 2013, pp. 354-359. [9]. Subhagata Chattopadhyay và cộng sự, “A comparative study of fuzzy c-means algorithm and entropy-base fuzzy clustering algorithms”, Computing and Informatics, Vol. 30, 2011, pp. 701-720. ABSTRACT Research method to enhance the contrast of remote sensing images The image enhancement methods based on fuzzy clustering make image which quality higher clearly the traditional methods. However, the methods only process on each band, socolors of image isn’t conserved after enhancement. This paper presents a new algorithm of image enhancement with ombination of two fuzzy clustering levels and grey adjust model which can surmount the above disadvantages. Keywords: Image enhancement, Blur, Defuzzification, Remote sensing images. Nhận bài ngày 01 tháng 7 năm 2014 Hoàn thiện ngày 03 tháng 12 năm 2014 Chấp nhận đăng ngày 10 tháng 02 năm 2015 Địa chỉ: 1 Viện Công nghệ thông tin, Viện Hàn Lâm Khoa học và Công nghệ Việt Nam; 2NCS Viện Khoa học cụng nghệ quõn sự; *Email: trungnt.sremis@gmail.com