Tổng quan về luận án

Nghiên cứu "Phân đoạn mờ và khôi phục thông tin trong ảnh RGB-D" của nghiên cứu sinh Nguyễn Mậu Uyên (dưới sự hướng dẫn của PGS. Đào Thanh Tĩnh, cùng sự cộng tác của TS. Tăng Văn Hạ và PGS. Ngô Thành Long tại Học viện Kỹ thuật Quân sự) giải quyết bài toán cốt lõi trong thị giác máy tính hiện đại: nâng cao chất lượng dữ liệu chiều sâu và phân đoạn đối tượng trong không gian ba chiều môi trường trong nhà. Sự ra đời của các cảm biến quang-hồng ngoại thương mại như Microsoft Kinect mang lại dữ liệu RGB-D (Red-Green-Blue kết hợp Depth) với chi phí thấp, mở ra bước đột phá cho các hệ thống robot tự hành, dẫn đường cho người khiếm thị và giám sát y tế. Tuy nhiên, rào cản kỹ thuật nghiêm trọng là dữ liệu chiều sâu 16-bit thường xuyên bị suy hao chất lượng nghiêm trọng do nhiễu vật lý, bề mặt phản xạ và hiện tượng che khuất quang học, dẫn đến tỷ lệ mất thông tin có thể lên đến 50% như Zhang Y. và cộng sự [128] đã công bố.

Khoảng trống nghiên cứu (research gap) trọng tâm nằm ở sự thiếu hụt các mô hình toán học mềm dẻo có khả năng mô hình hóa sự không chắc chắn (uncertainty) bậc cao tại ranh giới vật thể và cơ chế liên kết động giữa khôi phục điểm ảnh mất thông tin với phân đoạn phân cụm. Nghiên cứu xác lập 4 câu hỏi nghiên cứu và giả thuyết khoa học tương ứng:

  • RQ1 & H1: Làm thế nào để giảm thiểu độ phức tạp tính toán khi áp dụng phân cụm mờ loại 2 cho ảnh chiều sâu có mật độ điểm ảnh lớn? Giả thuyết: Cơ chế phân cụm trừ mờ loại 2 khoảng cải tiến (AIT2FSC) trên nhóm điểm ảnh đại diện sẽ giảm thời gian xử lý đa thức mà vẫn bảo toàn độ chính xác phân đoạn.
  • RQ2 & H2: Mối quan hệ không chắc chắn giữa điểm mất thông tin và lân cận 8 điểm có thể mô hình hóa tối ưu bằng công cụ nào? Giả thuyết: Hệ suy luận mờ dựa trên logic mờ loại 2 khoảng (IT2FS) kết hợp biên không chắc chắn (FOU) xử lý được các trường hợp góc tới lớn ($\theta > 70^\circ$) và mất biên tốt hơn phép nội suy tuyến tính.
  • RQ3 & H3: Làm thế nào để tối ưu hóa tốc độ hội tụ khi khôi phục ảnh độ sâu bị mất thông tin diện rộng? Giả thuyết: Thuật toán xấp xỉ gradient bước dài (Accelerated Proximal Gradient - APG) trong miền wavelet sẽ giảm số bước lặp và tăng chỉ số PSNR vượt trội so với phương pháp Proximal Gradient (PG) truyền thống.
  • RQ4 & H4: Việc tiền xử lý khôi phục ảnh độ sâu đóng góp định lượng như thế nào vào độ chính xác phát hiện đối tượng? Giả thuyết: Tích hợp mô hình khôi phục FDR/APG trước bước phân cụm ODBC sẽ nâng cao trực tiếp chỉ số F1-Score và Accuracy (ACC) trong nhận dạng vật cản.

Nghiên cứu giới hạn phạm vi trong môi trường trong nhà, sử dụng camera hồng ngoại Microsoft Kinect V1 (độ phân giải $480 \times 640$ điểm ảnh, dữ liệu độ sâu 16-bit nguyên với độ phân giải khoảng cách 1mm, dải đo từ 0 đến 4000mm hoặc 15000mm) cùng hệ thống benchmark chuẩn quốc tế NYU Depth v2 [106], Berkeley B3DO [58] và WashU RGB-D [70].

Literature Review và Positioning

Lịch sử xử lý ảnh RGB-D ghi nhận sự phân nhánh rõ rệt giữa hai trường phái thu nhận độ sâu: hệ thống Stereo Camera thụ động dựa trên thị sai quang học [126] và camera chuyên dụng chủ động Time-of-Flight (ToF) hoặc tia quét cấu trúc hồng ngoại [45], [52]. Nghiên cứu của Zhang J. [126] đã chỉ rõ điểm yếu của Stereo Camera là suy giảm độ chính xác nghiêm trọng khi hoạt cảnh thiếu kết cấu (textureless) hoặc mất quá nhiều chi phí tính toán khi không gian giàu đặc trưng. Ngược lại, camera Kinect V1 sử dụng nguồn phát hồng ngoại (IP) và camera thu nhận hồng ngoại (IR) cung cấp bản đồ độ sâu độc lập với ánh sáng môi trường [12], nhưng lại phát sinh hiện tượng mất thông tin đặc trưng (hình thành các vùng pixel đen mang giá trị 0).

                      ┌────────────────────────────────────────┐
                      │    Dữ liệu RGB-D (Microsoft Kinect)    │
                      │  $480 \times 640$, 16-bit Depth, 1mm   │
                      └──────────────────┬─────────────────────┘
                                         │
                 ┌───────────────────────┴───────────────────────┐
                 ▼                                               ▼
  ┌─────────────────────────────┐                 ┌─────────────────────────────┐
  │   Khôi phục ảnh độ sâu      │                 │  Phát hiện & Phân đoạn      │
  │   - Logic mờ FDR (IT2F)     │────────┬───────▶│  - Loại bỏ mặt phẳng nền    │
  │   - Gradient bước dài (APG) │        │        │  - Phân cụm trừ mờ AIT2FSC  │
  └─────────────────────────────┘        │        └──────────────┬──────────────┘
                 │                       │                       │
                 ▼                       │                       ▼
  ┌─────────────────────────────┐        │        ┌─────────────────────────────┐
  │ Đánh giá chất lượng:        │        └───────▶│ Đánh giá mục tiêu:          │
  │ PSNR, MSE, Tốc độ hội tụ    │                 │ ACC, F1-Score, Khoảng cách  │
  └─────────────────────────────┘                 └─────────────────────────────┘

Trong bài toán khôi phục ảnh độ sâu (Depth Inpainting), các tranh luận học thuật diễn ra gay gắt giữa hai luồng quan điểm:

  1. Trường phái tất định và tối ưu hóa lồi: Herrera C. và cộng sự [46] đề xuất phương pháp inpainting kết hợp gradient màu sắc và khoảng cách không gian ($\omega_{dst}, \omega_{clr}$) thông qua hệ số hiệu chỉnh tuyến tính $a_k, b_k$. Cùng hướng tiếp cận, Schöner H. [103] và Zhang H. [125] tận dụng thông tin biên của ảnh RGB để lấp đầy vùng khuyết. Tuy nhiên, nhóm nghiên cứu Nguyen C. và cộng sự [91] đã phản biện rằng các mô hình tất định thất bại khi góc tới chùm tia hồng ngoại $\theta > 70^\circ$, gây ra hiện tượng tán xạ và làm mờ biên vật thể nghiêm trọng.
  2. Trường phái biểu diễn thưa và Soft Computing: Ruhnke M. [101] và Elhamifar E. [35] sử dụng biểu diễn thưa trong không gian đa chiều, trong khi Banerjee T. [4] và Cai W. [11] khẳng định logic mờ là công cụ tối ưu để mô hình hóa tính bất định khi ranh giới vùng khuyết không rõ ràng.

So sánh với hai nghiên cứu quốc tế điển hình, nghiên cứu định vị sự vượt trội rõ rệt:

  • So với mô hình Inpainting có hướng dẫn màu của Herrera C. và cộng sự [46], nghiên cứu không phụ thuộc cứng nhắc vào phân bố màu RGB (vốn dễ bị nhiễu do bóng đổ và hoa văn bề mặt) mà xây dựng mô hình xấp xỉ mờ FDR (Fuzzy Depth Reconstruction) trên miền lân cận 8 điểm, kết hợp độ đo khoảng cách và độ tương đồng hình học.
  • So với thuật toán phân cụm mờ c-Means (FCM) của Bezdek J. [10] và Mountain Clustering của Yager R. [117], thuật toán AIT2FSC của nghiên cứu giải quyết triệt để vấn đề phụ thuộc vào việc chọn số cụm tiên nghiệm $c$ và giảm thiểu độ nhạy cảm với tâm cụm ngẫu nhiên ban đầu.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Nghiên cứu tạo bước tiến quan trọng trong lý thuyết tính toán mềm (Soft Computing) ứng dụng vào thị giác máy tính thông qua việc mở rộng các lý thuyết nền tảng:

  • Mở rộng lý thuyết Tập mờ loại 2 của Zadeh L. [120] và Mendel J. [80]: Thay vì sử dụng hàm thuộc loại 1 đơn trị $\mu_A(x) \in [0, 1]$, nghiên cứu ứng dụng cấu trúc Tập mờ loại 2 khoảng (Interval Type-2 Fuzzy Sets - IT2FS) với hàm thuộc cơ bản và hàm thuộc thứ cấp $f_x(u) = 1, \forall u \in J_x$. Điều này cho phép thiết lập biên không chắc chắn FOU (Footprint of Uncertainty) được giới hạn bởi cận trên $\bar{\mu}{\tilde{A}}$ (UMF) và cận dưới $\underline{\mu}{\tilde{A}}$ (LMF), phản ánh chân thực sai số đo đạc từ chùm tia hồng ngoại.
  • Chuyển dịch mô hình tối ưu hóa phân cụm: Cải tiến hàm mục tiêu phân cụm trừ (Subtractive Clustering) của Chiu S. [60]. Thuật toán truyền thống tính toán mật độ dữ liệu $P_{x_i}$ trên toàn bộ $N$ điểm ảnh với độ phức tạp $\mathcal{O}(N^2)$. Nghiên cứu đề xuất chuyển đổi không gian tính toán sang tập các nhóm điểm ảnh đồng nhất cục bộ, tái định nghĩa bán kính ảnh hưởng lân cận $r_a$ và tốc độ suy giảm mật độ $r_b$:

$$P_{x_i}^{(k+1)} = P_{x_i}^{(k)} - P_{c_k} \exp\left( - \frac{|x_i - c_k|^2}{(r_b/2)^2} \right)$$

  • Mô hình hóa khôi phục độ sâu phi tuyến: Chứng minh toán học rằng sự liên hệ giữa vùng mất thông tin $\Omega$ và miền biên lân cận $\partial\Omega$ mang bản chất quan hệ mờ đa trị, vượt qua giới hạn của các toán tử nội suy tuyến tính bậc nhất.
                   TẬP MỜ LOẠI 2 KHOẢNG (IT2FS)
         1.0 ┬───────────────────────────────────────────
             │                 ╭─────────╮   <-- UMF (Cận trên)
             │                ╱  FOU      ╲
   Độ thuộc  │               │ (Biên không │
   $\mu(x)$  │               │  chắc chắn) │
             │               │   ╭─────╮   │
             │               │  ╱       ╲  │ <-- LMF (Cận dưới)
             │              ╱  │         │  ╲
         0.0 ┴─────────────┴───┴─────────┴───┴──────────
                            Không gian đặc trưng $X$

Khung phân tích độc đáo

Khung phân tích của nghiên cứu được tích hợp chặt chẽ từ 3 trụ cột lý thuyết: (1) Lý thuyết logic mờ loại 2 khoảng, (2) Lý thuyết xấp xỉ tối ưu hóa không lồi trong miền biến đổi Wavelet, và (3) Hình học xạ ảnh 3D không gian Euclid.

╔═══════════════════════════════════════════════════════════════════════╗
║                      KHUNG PHÂN TÍCH TÍCH HỢP                         ║
╠═══════════════════════════════════════════════════════════════════════╣
║ 1. Xử lý hình học không gian (Euclidean 3D Transformation)           ║
║    - Chuyển đổi tọa độ pixel (u,v,d) -> Không gian thực (X,Y,Z)       ║
║    - Phân tích Histogram độ sâu -> Loại bỏ mặt phẳng nền di chuyển    ║
╠═══════════════════════════════════════════════════════════════════════╣
║ 2. Khôi phục thông tin tối ưu (Wavelet & Soft Computing)             ║
║    - Thuật toán FDR: Suy luận mờ trên lân cận 8 điểm                  ║
║    - Thuật toán APG: Cực tiểu hóa hàm chi phí với toán tử Proximal    ║
╠═══════════════════════════════════════════════════════════════════════╣
║ 3. Phân cụm và Nhận dạng đối tượng (AIT2FSC & ODBC)                  ║
║    - Khởi tạo mật độ tiềm năng trên nhóm điểm ảnh                     ║
║    - Phân đoạn mờ loại 2 khoảng và xác định hộp bao đối tượng 3D      ║
╚═══════════════════════════════════════════════════════════════════════╝

Điều kiện biên xác định (boundary conditions): Hệ thống vận hành tối ưu trong phạm vi khoảng cách từ 0.8m đến 4.0m, góc nghiêng trục quang học camera so với mặt sàn dao động dưới $15^\circ$, và giả định môi trường trong nhà có mặt phẳng sàn di chuyển chiếm tỷ trọng phân bố lớn trong biểu đồ histogram chiều sâu.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ triết lý thực chứng hiện đại (Post-positivism / Computational Empiricism), kết hợp giữa chứng minh toán học giải thuật và kiểm chứng thực nghiệm lặp trên các tập dữ liệu đa dạng. Thiết kế nghiên cứu đa tầng (Multi-level experimental design) bao gồm:

  • Tầng 1 - Cấp độ điểm ảnh và lân cận cục bộ: Khảo sát phân bố sai số, tính toán ma trận ma trận gradient và hệ số suy giảm thông tin trên cửa sổ trượt $3 \times 3$ và lân cận 8 điểm.
  • Tầng 2 - Cấp độ vùng và đối tượng: Đánh giá khả năng phân cụm, tách biên bề mặt và loại bỏ mặt phẳng sàn di chuyển.
  • Tầng 3 - Cấp độ toàn khung hình và chuỗi hoạt cảnh: Đánh giá tốc độ xử lý thời gian thực trên chuỗi 15 khung hình tịnh tiến liên tiếp.
       THIẾT KẾ ĐA TẦNG (MULTI-LEVEL EXPERIMENTAL DESIGN)
┌─────────────────────────────────────────────────────────────┐
│ Tầng 3: Toàn khung hình (Global Frame Level)                │
│ - Chuỗi 15 bước di chuyển tịnh tiến ($\Delta d = 50mm$)      │
│ - Đánh giá thời gian thực & độ trễ hội tụ toàn cục          │
├─────────────────────────────────────────────────────────────┤
│ Tầng 2: Vùng & Đối tượng (Region & Superpixel Level)        │
│ - Phân đoạn mặt sàn (Floor plane isolation)                 │
│ - Tách đối tượng bằng thuật toán AIT2FSC                    │
├─────────────────────────────────────────────────────────────┤
│ Tầng 1: Cục bộ & Điểm ảnh (Pixel & Local 8-Neighborhood)    │
│ - Khôi phục giá trị khuyết qua luật mờ FDR                  │
│ - Tối ưu hóa gradient bước dài APG trong miền Wavelet       │
└─────────────────────────────────────────────────────────────┘

Quy trình nghiên cứu rigorous

Quy trình xử lý thực nghiệm được chuẩn hóa qua 4 giai đoạn logic khép kín:

  1. Tiền xử lý và loại bỏ nền di chuyển: Dựa trên phân tích phân bố lược đồ histogram của ảnh chiều sâu $D(x,y)$, xác định đỉnh mật độ tương ứng với mặt phẳng sàn. Loại bỏ các điểm ảnh thuộc mặt phẳng này giúp triệt tiêu thành phần chiếm đa số không gian dữ liệu nhưng không chứa vật cản.
  2. Khôi phục dữ liệu độ sâu (FDR & APG): Đối với các vùng mất thông tin biên, áp dụng thuật toán xấp xỉ mờ FDR. Đối với các vùng mất thông tin diện rộng do phản xạ hoặc vượt ngưỡng đo, áp dụng phương pháp tối ưu hóa gradient bước dài APG trên hệ số Wavelet nhằm tái thiết ma trận độ sâu nguyên bản.
  3. Phân cụm mờ loại 2 khoảng cải tiến (AIT2FSC): Tính toán hàm mật độ $P_v$ trên các nhóm điểm ảnh đại diện, tự động xác định số tâm cụm $c$ và vị trí tối ưu $c_k$ mà không cần khởi tạo ngẫu nhiên như thuật toán K-means hay FCM.
  4. Hậu xử lý và trích xuất thực thể 3D: Nhóm các cụm liền kề có độ tương đồng không gian Euclid để xác định hộp bao vật thể, ước lượng khoảng cách từ thiết bị đến bề mặt vật cản.

Độ tin cậy và giá trị nội tại (Internal validity) của nghiên cứu được kiểm soát thông qua kỹ thuật đo lường chéo (cross-triangulation) giữa hai loại mặt nạ: mặt nạ ngẫu nhiên (random masks) mô phỏng nhiễu ngẫu nhiên và mặt nạ thiết lập (custom/structural masks) mô phỏng mất thông tin cấu trúc dạng vệt lớn do đặc tính góc phản xạ của cảm biến Kinect.

Data và phân tích

Nghiên cứu sử dụng 4 nguồn dữ liệu thực nghiệm quy chuẩn:

  1. NYU Depth Dataset v2 (Đại học New York): Hơn 1449 ảnh RGB-D trong nhà được gán nhãn chi tiết cấu trúc phòng, đồ đạc.
  2. WashU RGB-D Object Dataset (Đại học Washington): Tập dữ liệu chuẩn phục vụ kiểm thử nhận dạng đối tượng 3D trên bàn quay và hoạt cảnh thực tế [70].
  3. Berkeley B3DO Dataset (Đại học California, Berkeley): Dữ liệu đối tượng 3D trong môi trường tự nhiên [58].
  4. Bộ dữ liệu thực nghiệm Phòng thí nghiệm: Thu nhận trực tiếp từ camera Kinect V1 gồm chuỗi 15 bước di chuyển, mỗi bước dịch chuyển chính xác 50mm, quang trục camera đặt song song với mặt phẳng sàn để mô phỏng chính xác quá trình di chuyển của robot hoặc người khiếm thị.

Công cụ và môi trường phân tích: Toàn bộ giải thuật được cài đặt và mô phỏng trên nền tảng MATLAB và C++ kết hợp OpenCV, giao tiếp trực tiếp với phần cứng Kinect thông qua Microsoft Kinect SDK.

Thuật toán Cơ sở dữ liệu thử nghiệm Tỷ lệ mất thông tin Chỉ số PSNR (dB) Số bước lặp hội tụ ACC / F1-Score
PG chuẩn NYU / WashU / Lab Mặt nạ ngẫu nhiên 28.45 185 -
APG đề xuất NYU / WashU / Lab Mặt nạ ngẫu nhiên 34.12 42 -
PG chuẩn NYU / WashU / Lab Mặt nạ thiết lập 24.18 240 -
APG đề xuất NYU / WashU / Lab Mặt nạ thiết lập 31.85 58 -
FDR đề xuất NYU / WashU Vùng biên mất tin 33.60 Single-pass -
FCM chuẩn B3DO / NYU / Lab - - 45 78.2% / 0.76
AIT2FSC + FDR B3DO / NYU / Lab - - 12 91.6% / 0.89

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Sự vượt trội về tốc độ và chất lượng của thuật toán APG: Thử nghiệm trên bảng dữ liệu so sánh chỉ số PSNR cho thấy thuật toán APG đạt giá trị trung bình vượt trội hơn PG từ 5.67 dB đến 7.67 dB trên cả hai loại mặt nạ. Đặc biệt, số bước lặp hội tụ của APG giảm từ 3.5 đến 4.4 lần so với PG (từ 185 bước xuống 42 bước trên mặt nạ ngẫu nhiên), chứng minh tính khả thi cho việc xử lý trực tuyến.
  2. Mô hình khôi phục mờ FDR bảo toàn độ cong bề mặt: Khác với các phương pháp lọc trung vị (median filter) hoặc lọc song phương (bilateral filter) thường làm phẳng các góc cạnh, thuật toán FDR sử dụng hệ luật suy luận mờ IF-THEN dựa trên độ thuộc loại 2 khoảng giúp khôi phục chính xác các điểm mất thông tin biên mà không gây nhòe hoặc mất chi tiết hình học của vật cản.
  3. AIT2FSC giảm thiểu không gian tính toán mà không làm giảm độ chính xác: Bằng cách phân cụm trên nhóm điểm ảnh đại diện thay vì từng pixel đơn lẻ, AIT2FSC giảm số phép tính toán ma trận khoảng cách hàm mũ tới hơn 70%, đồng thời giải quyết bài toán không cần xác định trước số lượng cụm $c$ như phương pháp FCM cổ điển.
  4. Tác động cộng hưởng trực tiếp của tiền xử lý khôi phục lên độ chính xác nhận dạng: Kết quả thực nghiệm tại Bảng 3.11 khẳng định tỷ lệ chính xác phát hiện đối tượng (ACC) tăng từ 78.2% lên 91.6% và F1-score tăng tương ứng từ 0.76 lên 0.89 khi ảnh chiều sâu đầu vào được xử lý qua bước khôi phục thông tin FDR/APG kết hợp loại bỏ mặt phẳng nền sàn.
          SO SÁNH TỐC ĐỘ HỘI TỤ VÀ CHẤT LƯỢNG KHÔI PHỤC
  PSNR (dB)
    35 ┬                                     ╭────────── APG (Đề xuất)
       │                                ╭────╯          (PSNR = 34.12 dB, 42 lặp)
    30 ┼                           ╭────╯
       │                      ╭────╯
    25 ┼─────────────────╭────╯───────────────────────── PG (Truyền thống)
       │            ╭────╯                              (PSNR = 28.45 dB, 185 lặp)
    20 ┼───────╭────╯
       │  ╭────╯
     0 ┴──┴──────┴───────┴───────┴───────┴───────┴──────
       0  20     40      60      80     100     180   Số bước lặp

Implications đa chiều

  • Đóng góp lý thuyết (Theoretical Advances): Nghiên cứu đã hợp nhất thành công lý thuyết biểu diễn thưa trong miền biến đổi với lý thuyết tập mờ loại 2 khoảng, cung cấp một công cụ giải tích mạnh mẽ cho các bài toán xử lý tín hiệu đa kênh chứa nhiễu bất định.
  • Đổi mới phương pháp luận (Methodological Innovations): Quy trình kết hợp "Loại bỏ nền hình học $\rightarrow$ Khôi phục độ sâu mờ $\rightarrow$ Phân cụm trừ cải tiến" tạo ra một chuẩn mực tiền xử lý mới cho các hệ thống thị giác máy tính dựa trên dữ liệu đám mây điểm 3D và voxel.
  • Ứng dụng thực tiễn (Practical Applications):
    1. Thiết bị hỗ trợ người khiếm thị: Cung cấp giải pháp định vị vật cản chính xác cao với độ trễ thấp, cho phép cảnh báo bằng âm thanh hoặc rung theo thời gian thực.
    2. Robot tự hành trong nhà (AGV / Service Robots): Giúp robot lập bản đồ không gian (SLAM) chính xác ngay cả khi di chuyển qua các bề mặt sàn phản xạ hoặc môi trường kính trong suốt.
  • Khuyến nghị chính sách và quy chuẩn (Policy & Standards): Đề xuất tích hợp các chuẩn kiểm thử dữ liệu độ sâu dựa trên chỉ số PSNR và ma trận nhầm lẫn 3D vào các tiêu chuẩn an toàn kỹ thuật cho thiết bị trợ thị y tế và xe tự hành công nghiệp.

Limitations và Future Research

Nghiên cứu thẳng thắn thừa nhận các giới hạn kỹ thuật nội tại:

  • Giới hạn phần cứng và miền hoạt động: Dữ liệu thu nhận chủ yếu dựa trên cảm biến Microsoft Kinect V1 sử dụng chùm tia hồng ngoại cấu trúc. Do đó, các thuật toán chưa được tối ưu hóa hoàn toàn cho các cảm biến LiDAR tầm xa hoặc camera ToF thế hệ mới trong môi trường ngoài trời có ánh sáng mặt trời cường độ cao.
  • Giả định về mặt phẳng nền: Kỹ thuật loại bỏ mặt sàn dựa trên phân tích histogram độ sâu hoạt động hoàn hảo trên các bề mặt sàn phẳng đơn liên thông, nhưng sẽ gặp thách thức khi môi trường có địa hình phức tạp như cầu thang nhiều bậc, bề mặt gồ ghề hoặc độ dốc thay đổi liên tục.
  • Độ phức tạp tính toán của logic mờ loại 2 tổng quát: Mặc dù AIT2FSC và IT2FS đã giảm đáng kể chi phí xử lý thông qua dạng khoảng (interval), việc mở rộng lên tập mờ loại 2 tổng quát (General Type-2 Fuzzy Sets) vẫn đòi hỏi tài nguyên tính toán lớn, khó triển khai trên các vi điều khiển nhúng công suất cực thấp.

Chương trình nghiên cứu tiếp theo (Future Research Agenda):

  1. Tối ưu hóa thuật toán AIT2FSC và FDR trên phần cứng song song nhúng (GPU NVIDIA Jetson / FPGA) để đạt tốc độ xử lý trên 30 khung hình/giây (fps).
  2. Mở rộng khung phân tích sang xử lý dữ liệu động dạng chuỗi video RGB-D (Dynamic Scene Segmentation), kết hợp luồng quang học (Optical Flow) và bộ lọc Kalman.
  3. Nghiên cứu kết hợp mạng nơ-ron tích chập sâu (Deep CNNs) với các lớp suy luận mờ loại 2 (Fuzzy-Neural Networks) nhằm tự động học các hàm thuộc và tham số bán kính $r_a, r_b$.
  4. Thử nghiệm trên các môi trường ngoại thất phức tạp và tích hợp vào hệ thống xe tự hành đa cảm biến.

Tác động và ảnh hưởng

Công trình của Nguyễn Mậu Uyên đã tạo ra dấu ấn học thuật và thực tiễn rõ rệt, được bảo trợ bởi các công bố khoa học uy tín gồm 02 bài báo trên tạp chí chuyên ngành và 04 báo cáo khoa học tại các hội thảo chuyên ngành trong nước và quốc tế.

                   CÁC TRỤ CỘT TÁC ĐỘNG CHIẾN LƯỢC
┌────────────────────────────────────────────────────────────────────────┐
│ TÁC ĐỘNG HỌC THUẬT (ACADEMIC IMPACT)                                   │
│ - 02 bài báo tạp chí chuyên ngành & 04 báo cáo hội thảo quốc tế        │
│ - Mở rộng lý thuyết Logic mờ loại 2 khoảng trong thị giác 3D           │
├────────────────────────────────────────────────────────────────────────┤
│ TÁC ĐỘNG CÔNG NGHIỆP & ROBOTICS (INDUSTRIAL TRANSFORMATION)            │
│ - Ứng dụng trong hệ thống dẫn đường AGV / AMR nhà máy thông minh      │
│ - Giảm 70% chi phí tính toán tiền xử lý đám mây điểm 3D                │
├────────────────────────────────────────────────────────────────────────┤
│ TÁC ĐỘNG XÃ HỘI & Y TẾ (SOCIETAL & HEALTHCARE BENEFITS)                │
│ - Thiết bị trợ thị cảnh báo vật cản thời gian thực cho người khiếm thị │
│ - Giám sát người già đột quỵ, phát hiện té ngã qua camera Kinect       │
└────────────────────────────────────────────────────────────────────────┘

Về mặt công nghiệp và xã hội, nghiên cứu cung cấp một giải pháp phần mềm có thể nhúng trực tiếp vào các thiết bị hỗ trợ người khuyết tật giá rẻ, giải quyết bài toán nhân văn sâu sắc cho cộng đồng người khiếm thị tại Việt Nam. Trong lĩnh vực sản xuất thông minh, giải pháp phân đoạn và khôi phục độ sâu góp phần nâng cao độ tin cậy của robot tự hành trong kho vận (AMR/AGV), giảm thiểu rủi ro va chạm và tối ưu hóa lộ trình di chuyển trong không gian hẹp.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới nghiên cứu học thuật (Doctoral & Academic Researchers): Cung cấp tài liệu tham khảo chuyên sâu về việc kết hợp giữa lý thuyết tối ưu hóa gradient bước dài (APG) và logic mờ loại 2 khoảng (IT2FS), mở ra các hướng đề tài mới trong thị giác máy tính và biểu diễn bất định.
  • Kỹ sư R&D Robotics và Tự động hóa: Tiếp cận thuật toán phân cụm AIT2FSC và kỹ thuật loại bỏ mặt sàn có mã nguồn giải thuật tối ưu, sẵn sàng tích hợp vào hệ điều hành Robot (ROS) cho bài toán điều hướng và tránh vật cản.
  • Các tổ chức phát triển công nghệ hỗ trợ người khuyết tật: Nắm bắt quy trình kỹ thuật hoàn chỉnh để chế tạo các thiết bị dẫn đường di động nhỏ gọn, chi phí thấp nhưng có độ chính xác định vị vật cản cao.
  • Các cơ quan quản lý và hoạch định tiêu chuẩn: Có căn cứ khoa học định lượng để xây dựng bộ tiêu chuẩn đánh giá chất lượng các hệ thống thị giác nhân tạo ứng dụng trong y tế và giao thông thông minh.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc mô hình hóa bài toán phục hồi điểm ảnh mất độ sâu dưới dạng bài toán suy luận mờ loại 2 khoảng (IT2FS), mở rộng trực tiếp lý thuyết tập mờ loại 2 của Zadeh L. [120] và Mendel J. [80]. Bằng cách xác lập biên không chắc chắn FOU trên cửa sổ lân cận 8 điểm, mô hình FDR đã chuyển đổi quan hệ mất thông tin từ trạng thái tất định sang không gian mờ phi tuyến, giải quyết triệt để sự nhập nhằng hình học tại các vùng biên vật thể có góc nghiêng lớn ($\theta > 70^\circ$).

2. Đổi mới phương pháp luận thể hiện như thế nào khi so sánh với ít nhất 2 nghiên cứu quốc tế trước đây?

So với phương pháp Inpainting gradient màu của Herrera C. và cộng sự [46], giải pháp của luận án không bị phụ thuộc vào phân bố màu RGB (loại bỏ hiện tượng gán nhầm độ sâu do hoa văn bề mặt). So với thuật toán phân cụm mờ FCM truyền thống của Bezdek J. [10] và Subtractive Clustering chuẩn của Chiu S. [60], thuật toán cải tiến AIT2FSC thực hiện phân cụm trên nhóm điểm ảnh đại diện, giúp giảm hơn 70% khối lượng tính toán ma trận mật độ và tự động xác định số lượng cụm $c$ tối ưu mà không cần tham số khởi tạo ngẫu nhiên.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và có dữ liệu chứng minh cụ thể?

Phát hiện bất ngờ nhất là thuật toán tối ưu hóa gradient bước dài APG trong miền Wavelet đạt được bước nhảy vọt về tốc độ hội tụ (chỉ mất 42 bước lặp so với 185 bước của PG trên mặt nạ ngẫu nhiên) trong khi chỉ số PSNR vẫn duy trì ở mức vượt trội ($34.12 \text{ dB}$ so với $28.45 \text{ dB}$). Điều này chứng minh rằng việc kết hợp toán tử proximal với bước nhảy quán tính không chỉ đẩy nhanh tốc độ hội tụ mà còn triệt tiêu hiệu quả hiện tượng bão hòa cục bộ trong bài toán khôi phục ma trận độ sâu.

4. Luận án có cung cấp quy trình tái lặp thực nghiệm (Replication Protocol) hoàn chỉnh không?

Quy trình thực nghiệm được mô tả chi tiết với đầy đủ các tham số giải thuật: bán kính lân cận $r_a, r_b$, ngưỡng phân định $\bar{\varepsilon}, \underline{\varepsilon}$, bước dịch chuyển chính xác 50mm trên chuỗi 15 khung hình thực nghiệm, cùng các công thức tính toán hàm mục tiêu, hàm thuộc UMF/LMF và tiêu chuẩn dừng giải thuật $|U^{(t)} - U^{(t+1)}| \le \varepsilon$. Toàn bộ thử nghiệm đều đối soát trên các tập dữ liệu công khai NYU v2 [106] và WashU [70].

5. Chương trình nghiên cứu 10 năm tiếp theo được định hình ra sao?

Chương trình nghiên cứu dài hạn tập trung vào 3 trọng tâm: (1) Kiến trúc lai giữa Mạng nơ-ron sâu và Logic mờ loại 2 (Deep Fuzzy Networks) cho bài toán nhận dạng thời gian thực; (2) Tự động hóa thích nghi tham số mờ trong môi trường ngoài trời chịu ảnh hưởng của thời tiết khắc nghiệt; và (3) Triển khai hệ thống thị giác nhúng toàn phần trên chip neuromorphic/FPGA cho robot siêu nhẹ và thiết bị trợ thị đeo tay thông minh.

Kết luận

Luận án tiến sĩ của tác giả Nguyễn Mậu Uyên đã giải quyết trọn vẹn và xuất sắc mục tiêu khoa học đặt ra, đóng góp 5 giá trị đột phá cho lĩnh vực Xử lý ảnh và Hệ thống thông tin:

  1. Xây dựng thành công thuật toán phân cụm trừ mờ loại 2 khoảng cải tiến (AIT2FSC), giảm thiểu độ phức tạp tính toán và tự động tối ưu hóa số lượng tâm cụm trên không gian ảnh độ sâu RGB-D.
  2. Đề xuất mô hình xấp xỉ mờ khôi phục thông tin (FDR) dựa trên tập mờ loại 2 khoảng, xử lý hiệu quả các trường hợp mất thông tin phức tạp tại biên đối tượng do góc quét lớn.
  3. Phát triển thuật toán gradient bước dài (APG) trong miền biến đổi Wavelet, nâng cao chất lượng khôi phục ảnh độ sâu (PSNR đạt tới $34.12 \text{ dB}$) và tăng tốc độ hội tụ gấp hơn 4 lần so với phương pháp PG truyền thống.
  4. Thiết lập quy trình hoàn chỉnh phát hiện và ước lượng khoảng cách vật thể trong nhà thông qua kỹ thuật loại bỏ mặt phẳng nền di chuyển kết hợp phân đoạn mờ.
  5. Chứng minh bằng thực nghiệm định lượng rằng việc tiền xử lý khôi phục ảnh chiều sâu giúp cải thiện trực tiếp độ chính xác phát hiện đối tượng (ACC đạt $91.6%$, F1-Score đạt $0.89$).

Công trình mở ra các hướng nghiên cứu liên ngành giá trị giữa lý thuyết tính toán mềm (Soft Computing) và thị giác máy tính 3D, khẳng định vị thế khoa học tiên phong và mang lại giá trị ứng dụng thực tiễn to lớn cho cộng đồng và nền công nghiệp tự hành tương lai.