Nghiên cứu phát triển kỹ thuật khử nhiễu ảnh dựa trên biểu diễn thưa & hồi quy

MẪU 14/KHCN (Ban hành kèm theo Quyết định số 3839 /QĐ-ĐHQGHN ngày 24 tháng10 năm 2014 của Giám đốc Đại học Quốc gia Hà Nội) ĐẠI HỌC QUỐC GIA HÀ NỘI BÁO CÁO TỔNG KẾT KẾT QUẢ THỰC HIỆN ĐỀ TÀI KH&CN CẤP ĐẠI HỌC QUỐC GIA Tên đề tài: Nghiên cứu phát triển một số kĩ thuật khử nhiễu ảnh dựa trên biểu diễn thưa và mô hình hồi quy tuyến tính Mã số đề tài: QG18.04 Chủ nhiệm đề tài: TS. Đỗ Thanh Hà Hà Nội, 2020 PHẦN I. THÔNG TIN CHUNG 1. Tên đề tài: Nghiên cứu phát triển một số kĩ thuật khử nhiễu ảnh dựa trên biểu diễn thưa và mô hình hồi quy tuyến tính 1.

Danh sách chủ trì, thành viên tham gia thực hiện đề tài TT Chức danh, học vị, họ và tên Đơn vị công tác Vai trò thực hiện đề tài 1 Đỗ Thanh Hà, TS ĐHKHTN Nghiên cứu chính (Chủ nhiệm đề tài) 2 Vũ Tiến Dũng, TS ĐHKHTN Thư ký khoa học 3 Nguyễn Thị Bích Thuỷ, TS ĐHKHTN Thành viên 4 Nguyễn Thị Minh Huyền, TS ĐHKHTN Thành viên 5 Hà Mỹ Linh, Nghiên cứu sinh ĐHKHTN Thành viên 6 Trần Thị Huyền, Cử nhân Trường THPT Lý Thái Tổ, Hà Nội Thành viên 1. Đơn vị chủ trì: 1. Thời gian thực hiện: 1. Theo hợp đồng: 24 tháng từ 03 tháng 01 năm 2018 đến 03 tháng 01 năm 2020 1.

Gia hạn (nếu có): đề tài không gia hạn 1. Thực hiện thực tế: 24 tháng từ 03 tháng 01 năm 2018 đến 03 tháng 01 năm 2020 1. Những thay đổi so với thuyết minh ban đầu (nếu có): (Về mục tiêu, nội dung, phương pháp, kết quả nghiên cứu và tổ chức thực hiện; Nguyên nhân; Ý kiến của Cơ quan quản lý) 1. Tổng kinh phí được phê duyệt của đề tài: 300 triệu đồng.

TỔNG QUAN KẾT QUẢ NGHIÊN CỨU Viết theo cấu trúc một bài báo khoa học tổng quan từ 6-15 trang (báo cáo này sẽ được đăng trên tạp chí khoa học ĐHQGHN sau khi đề tài được nghiệm thu), nội dung gồm các phần: 1. Đặt vấn đề Một trong những vấn đề quan trọng, thách thức đã và đang thu hút nhiều sự quan tâm của các nhà khoa học trong cộng đồng xử lý ảnh và học máy đó là khử nhiễu. Mục đích là nâng cao chất lượng ảnh bằng cách loại bỏ đi các nhiễu trên ảnh. Thực tế nhiễu trên ảnh thường xuất hiện trong quá trình quét ảnh, số hoá ảnh hoặc như trong hệ thống xe ôtô không người lái thì nhiễu trên ảnh thu được từ camera thường xuất hiện do điều kiện môi trường bên ngoài tác động: thời tiết có mưa hoặc sương mù; máy ảnh trên xe bị bụi; hay hình ảnh thu được từ camera bị nhoè do quá trình 1 chuyển động của xe trên đường v.

Nhiễu sẽ ảnh hưởng trực tiếp đến hiệu năng của các ứng dụng như nhận dạng mẫu, trích chọn đặc trưng, phân vùng đối tượng trên ảnh, v. Do đó, khử nhiễu ảnh đóng một vai trò quan trọng và thường được xem là bước tiền xử lý không thể thiếu trong các hệ thống nhận dạng và các ứng dụng cụ thể như xe không người lái. Nhiều phương pháp giảm nhiễu đã được nghiên cứu và công bố, tuy nhiên vấn đề này vẫn còn là một thách thức, đặc biệt khi ảnh thu được trong điều kiện xấu với độ nhiễu cao. Nhìn chung, các phương pháp khử nhiễu được chia thành hai nhóm: nhóm các phương pháp lọc miền không gian và nhóm các phương pháp lọc miền tần số.

Các phương pháp lọc miền không gian thường cho kết quả tốt, tuy nhiên các phương pháp này có nhược điểm đó là độ sắc nét của cạnh trên ảnh sẽ bị mờ đi sau quá trình xử lý. Một số bộ lọc như Wiener thì lại cần thông tin về kiểu nhiễu trên ảnh trong khi thông tin này thường không biết hoặc rất khó để ước lượng. Gần đây một số bộ lọc mới như bộ lọc trung vị có trọng số, bộ lọc RCRS (Rank Conditioned Rank Selection) đã được phát triển nhằm khắc phục nhược điểm của các bộ lọc trước đó. Tuy nhiên các bộ lọc mới thường chỉ cho kết quả tốt với một số kiểu nhiễu nhất định và không một phương pháp nào đủ hiệu quả với những kiểu nhiễu xuất hiện do quá trình in ấn, sao chép, quét ảnh hay do quá trình thu ảnh trên camera của xe tự hành.

Gần đây, các phương pháp lọc miền tần số như biến đổi thưa và phân tích đa phân giải cũng cho kết quả khử nhiễu khá tốt. Ngoài ra việc ứng dụng thành công biến đổi thưa để xoá nhiễu trên các cạnh trong ảnh đã chỉ ra rằng biến đổi thưa có thể được sử dụng hiệu quả cho mục đích khử nhiễu. Do biến đổi thưa biểu diễn ảnh dưới dạng tổ hợp tuyến tính các hàm cơ bản trên từ điển cho trước, nên hiệu năng của các phương pháp này phụ thuộc vào hai yếu tố: yếu tố thứ nhất là hiểu biết về kiểu ảnh nhằm đưa ra lựa chọn phù hợp cho các hàm cơ bản và yếu tố thứ hai là kiểu nhiễu trên ảnh. Bên cạnh đó, các biến đổi thưa như curvelet, contourlet, wedgelet, v.

là những từ điển được định nghĩa trước dựa trên dạng ảnh cụ thể nên chúng không thể áp dụng được cho một kiểu ảnh mới với mô hình nhiễu bất kì. Để khắc phục những hạn chế này, đề tài tập trung nghiên cứu ứng dụng của biểu diễn thưa để khử nhiễu ảnh. Theo cách tiếp cận mới, các hàm cơ bản được xác định thông qua quá trình học trên các ảnh nhiễu nên sẽ có khả năng thích nghi tốt hơn với các đặc tính của ảnh cũng như các kiểu nhiễu tồn tại trên ảnh. Kết quả từ đề tài sẽ là đóng góp mới cả về lý thuyết lẫn ứng dụng trong lĩnh vực xử lý ảnh.

Về mặt lý thuyết, thuật toán mới đề xuất cho phép giải bài toán khử nhiễu trên nhiều kiểu ảnh với các kiểu nhiễu khác nhau. Thuật toán này hướng tới góp phần cải thiện đáng kể các kết quả khử nhiễu của các thuật toán trước đây. Ngoài ra việc xây dựng công thức xác định giá trị tham số năng lượng nhiễu dựa theo mô hình hồi quy tuyến tính cũng là một hướng nghiên cứu hoàn toàn mới trong cộng đồng xử lý ảnh. Về mặt ứng dụng, đề tài sẽ xây dựng một chương trình phần mềm nhằm 2 sinh một cơ sở dữ liệu gồm các ảnh nhiễu, đóng vai trò là dữ liệu chuẩn cho việc kiểm định chất lượng của các phương pháp khử nhiễu.

Mục tiêu Để đạt được mục tiêu là đưa ra một phương pháp khử nhiễu mới hiệu quả, có khả năng ứng dụng thực tế cao đặc biệt là có khả năng xử lý trong thời gian thực, tác giả đề xuất đề tài đã tìm hiểu, nghiên cứu thế mạnh của các cách tiếp cận khác nhau. Bên cạnh đó, với hơn 7 năm kinh nghiệm nghiên cứu về ứng dụng của biểu diễn thưa trong các bài toán xử lý ảnh, tác giả đề xuất đề tài nhận thấy cách tiếp cận sử dụng biểu diễn thưa là một trong những hướng nghiên cứu tiềm năng cho kết quả khử nhiễu tốt hơn các thuật toán khử nhiễu tốt nhất hiện nay như curvelet hay học sâu. Ngoài ra thời gian tính toán nhanh cũng là một lợi thế của biểu diễn thưa so với các phương pháp sử dụng học sâu khi ứng dụng trong các bài toán thực như bài toán xe tự hành. Mục tiêu chung: - Đề xuất một phương pháp khử nhiễu ảnh mới sử dụng biểu diễn thưa.

Điểm mạnh của phương pháp mới so với các cách tiếp cận khác đó là nó không cần bất kì giả thiết nào về kiểu nhiễu trên ảnh và nó có thể được áp dụng một cách hiệu quả với ảnh thu được từ camera gắn trên xe tự hành. Hơn nữa năng lượng nhiễu trên ảnh có thể được ước lượng sử dụng mô hình hồi quy tuyến tính. Đây là một hướng nghiên cứu hoàn toàn mới trong lĩnh vực khử nhiễu. - Xây dựng một chương trình phần mềm nhằm sinh một cơ sở dữ liệu gồm các ảnh nhiễu, đóng vai trò là dữ liệu chuẩn cho việc kiểm định chất lượng của các phương pháp khử nhiễu cũng như các ứng dụng xử lý ảnh khác.

Mục tiêu cụ thể: - Nghiên cứu, phân tích nhằm đánh giá ưu và nhược điểm của các phương pháp khử nhiễu sử dụng từ điển định nghĩa sẵn như curvelet, coutourlet, wedgelet, v. - Nghiên cứu các mô hình tạo nhiễu trên ảnh. Mục đích để hiểu rõ các phương thức phân bố nhiễu, sự ảnh hưởng của các tham số và hàm lan truyền nhiễu trong việc tạo nhiễu. Trên cơ sở đó hướng tới tìm ra một công thức cho phép ước lượng chính xác tham số năng lượng nhiễu.

Ngoài ra, qua quá trình nghiên cứu tìm hiểu này, đề tài sẽ xây dựng một chương trình phần mềm cho phép tạo một cơ sở dữ liệu gồm các ảnh nhiễu. - Nghiên cứu và tiến hành các thực nghiệm nhằm so sánh hiệu quả của các phương pháp tìm biểu diễn thưa và các phương pháp xây dựng từ điển học. Xác định bài toán khử nhiễu là bài toán 3 BPDN (Basic Pursuit Denoising) trong đó từ điển là từ điển học, được xây dựng từ các mảnh của ảnh nhiễu. - Sử dụng giá trị tham số năng lượng nhiễu ước lượng được ở trên và từ điển học nhằm đề xuất thuật toán khử nhiễu mới.

Để giảm thời gian tính toán trong các bài toán tìm nghiệm thưa cũng như giảm kích thước từ điển, phương pháp mới đề xuất sẽ làm việc trên các mảnh nhiễu của ảnh thay vì làm việc trên toàn bộ ảnh nhiễu. Do đó việc khôi phục lại ảnh từ những mảnh sau khi được khử nhiễu cũng cần được nghiên cứu. Phương pháp nghiên cứu - Nghiên cứu tính chất của biểu diễn thưa; các phương pháp tìm biểu diễn thưa của ảnh gồm các thuật toán greedy matching pursuits (Matching Pursuit (MP), Orthogonal-MP, Weak-MP), Basis Pursuit (Iterative Reweighted Least Squares (IRLS), linear-programming). So sánh thực nghiệm về độ chính xác, độ thưa của nghiệm thu được từ các phương pháp này.

- Nghiên cứu thuật toán xây dựng từ điển như thuật toán K-SVD, MOD (Method of Optimal Directions), ODL (Online Dictionary Learning) và RLS-DLA (the Recursive Least Squares Dictionary Learning Algorithm). Chạy thực nghiệm trên bộ dữ liệu chuẩn để tìm ra thuật toán học từ điển tốt. - Nghiên cứu một số mô hình tạo nhiễu như Kanungo, Noise Spread để có cơ sở cho việc sinh bộ ước lượng năng lượng nhiễu. - Kiểm thử thuật toán trên các bộ cơ sở dữ liệu khác nhau như GREC, DIBCO, Tobacco800, và bộ dữ liệu ảnh thực tế.

So sánh hiệu quả của phương pháp đề xuất với một số phương pháp nghiên cứu khác như bộ lọc trung vị, lọc hình thái, và curvelet.