Luận án: Nghiên cứu nâng cao độ tương phản ảnh theo tiếp cận đại số gia tử
Nghiên cứu nâng cao tương phản ánh theo tiếp cận đại số gia tử: Khám phá sâu sắc các phương pháp tiên tiến, đóng góp cho lĩnh vực.
Luan An
Luận án tiến sĩ
Năm xuất bản
Số trang
139
Thời gian đọc
21 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
40 Point
Tổng quan nhanh
- Chủ đề:
- 1. Tăng Cường Tương Phản Ảnh: Tổng Quan & Giải Pháp Mờ
- Số trang:
- 139 trang
- Trường:
- Học viện Khoa học và Công nghệ
- Chuyên ngành:
- Cơ sở toán học cho tin học
- Tác giả:
- Nguyễn Văn Quyền
- Năm:
- 2018
Tóm tắt nội dung luận án
I. Tăng Cường Tương Phản Ảnh Tổng Quan Giải Pháp Mờ
Ảnh số thường gặp vấn đề tương phản thấp. Điều này làm giảm khả năng nhận diện chi tiết. Chất lượng ảnh số bị ảnh hưởng nghiêm trọng. Cần thiết phải có các phương pháp nâng cao tương phản. Các kỹ thuật truyền thống đã được sử dụng. Tuy nhiên, chúng thường gặp hạn chế. Chúng có thể gây nhiễu hoặc mất thông tin ảnh. Logic mờ cung cấp một hướng tiếp cận mới. Nó xử lý sự không chắc chắn của dữ liệu ảnh. Xử lý ảnh mờ trở thành giải pháp tiềm năng. Đại số gia tử củng cố nền tảng này. Nó cho phép mô hình hóa các quy tắc phức tạp. Các thuật toán nâng cao tương phản ảnh được cải thiện. Điều này giúp tăng cường tương phản ảnh một cách hiệu quả. Kết quả là ảnh có chất lượng cao hơn. Thông tin thị giác được truyền tải rõ ràng hơn.
1.1. Vấn đề tương phản ảnh thấp
Ảnh chụp trong điều kiện ánh sáng yếu hoặc môi trường phức tạp thường thiếu độ tương phản. Các đối tượng trong ảnh khó phân biệt. Chi tiết ảnh bị mờ. Vấn đề này giảm giá trị thông tin của ảnh. Nó gây khó khăn cho các ứng dụng thị giác máy tính. Yêu cầu xử lý ảnh mờ là cấp thiết. Mục tiêu là phục hồi thông tin. Mục tiêu là làm rõ các đặc điểm bị ẩn.
1.2. Các phương pháp nâng cao truyền thống
Nhiều phương pháp truyền thống đã được phát triển. Các kỹ thuật như cân bằng histogram (HE) được áp dụng rộng rãi. Các phương pháp biến đổi điểm ảnh cũng phổ biến. Tuy nhiên, chúng thường có nhược điểm. HE đôi khi làm tăng nhiễu. Nó cũng có thể làm mất chi tiết vùng sáng hoặc tối. Các phương pháp này cần cải tiến. Cần một cách tiếp cận linh hoạt hơn.
1.3. Tiềm năng của logic mờ trong xử lý ảnh
Logic mờ mang lại lợi thế độc đáo. Nó xử lý thông tin không chắc chắn hoặc không rõ ràng. Ảnh số chứa nhiều dữ liệu như vậy. Logic mờ cho phép mô hình hóa độ mờ. Các khái niệm như tập mờ, hàm thuộc mờ được sử dụng. Điều này giúp phát triển các thuật toán tăng cường tương phản mới. Chúng ít bị ảnh hưởng bởi nhiễu. Chúng bảo toàn chi tiết ảnh tốt hơn.
II. Đại Số Gia Tử Nền Tảng Xử Lý Ảnh Mờ Hiệu Quả
Đại số gia tử là một công cụ toán học mạnh mẽ. Nó mở rộng khái niệm tập mờ. Nó cung cấp cấu trúc cho việc lý luận xấp xấp xỉ. Nền tảng này rất quan trọng trong xử lý ảnh mờ. Đại số gia tử cho phép xử lý dữ liệu không chính xác. Nó mô hình hóa các mối quan hệ phức tạp. Các khái niệm như hàm thuộc mờ là trung tâm. Chúng định lượng mức độ thuộc về một tập hợp. Điều này hữu ích cho các thuật toán nâng cao tương phản. Đại số gia tử hỗ trợ xây dựng luật mờ. Nó cải thiện quá trình fuzzification và defuzzification. Kết quả là hệ thống xử lý ảnh thông minh hơn. Hệ thống này có khả năng thích nghi cao. Nó mang lại chất lượng ảnh số tốt hơn.
2.1. Khái niệm cơ bản về đại số gia tử
Đại số gia tử là một cấu trúc đại số. Nó bao gồm một tập hợp cùng các phép toán. Các phép toán này giống như phép toán tập hợp. Tuy nhiên, chúng áp dụng cho các giá trị mờ. Nó khác với đại số Boolean truyền thống. Đại số gia tử cung cấp khuôn khổ chặt chẽ. Nó dùng để làm việc với các tập mờ. Các toán tử t-norm và t-conorm là ví dụ.
2.2. Định lượng ngữ nghĩa trong đại số gia tử
Định lượng ngữ nghĩa là một khía cạnh quan trọng. Nó liên quan đến việc gán ý nghĩa cho các thuật ngữ mờ. Điều này giúp chuyển đổi ngôn ngữ tự nhiên. Nó thành các biểu thức toán học. Trong xử lý ảnh, điều này có nghĩa là. Các khái niệm như "sáng", "tối", "trung bình" được định lượng. Đại số gia tử giúp quá trình này nhất quán. Nó làm cho hệ thống logic mờ hoạt động chính xác.
2.3. Lập luận xấp xỉ dựa trên đại số gia tử
Lập luận xấp xỉ là cốt lõi của logic mờ. Nó cho phép suy luận từ các luật mờ. Đại số gia tử cung cấp cơ chế cho quá trình này. Nó giúp xử lý các luật mờ có dạng "IF-THEN". Các hàm thuộc mờ được sử dụng để fuzzification. Kết quả đầu ra được defuzzification. Quá trình này tạo ra giá trị đầu ra rõ ràng. Nó ứng dụng vào việc điều chỉnh pixel ảnh.
III. Thuật Toán Tăng Cường Tương Phản Ảnh Đa Kênh Mới
Nghiên cứu này đề xuất thuật toán nâng cao tương phản mới. Thuật toán áp dụng tiếp cận đại số gia tử. Nó đặc biệt hiệu quả với ảnh đa kênh. Việc xử lý ảnh mờ được thực hiện thông qua biến đổi kênh. Các dải động mức xám được ước lượng chính xác. Phân cụm mờ FCM được sử dụng. Điều này giúp xác định các vùng có mức độ tương phản khác nhau. Hàm biến đổi dạng chữ S được thiết kế đặc biệt. Hàm này dựa trên logic mờ. Nó điều chỉnh độ sáng tối của pixel. Hàm này tăng cường tương phản một cách có chọn lọc. Toán tử tăng cường mới được xây dựng. Nó dựa trên các nguyên tắc của đại số gia tử. Quá trình fuzzification và defuzzification được tối ưu. Điều này đảm bảo bảo toàn thông tin. Đồng thời nó tăng cường chi tiết ảnh. Thuật toán này cải thiện đáng kể chất lượng ảnh số.
3.1. Biến đổi ảnh đa kênh và lược đồ xám mờ
Ảnh đa kênh (ví dụ: ảnh màu RGB) cần xử lý đặc biệt. Mỗi kênh được biến đổi độc lập hoặc kết hợp. Phương pháp này sử dụng lược đồ xám mờ. Phân cụm mờ FCM (Fuzzy C-Means) hỗ trợ. Nó ước lượng nhiều dải động mức xám. Điều này cho phép điều chỉnh cục bộ. Nó giữ được sự hài hòa tổng thể của ảnh.
3.2. Thiết kế hàm biến đổi dạng chữ S mờ
Hàm biến đổi dạng chữ S là lựa chọn phổ biến. Nó dùng để tăng cường tương phản. Nghiên cứu này đề xuất một phiên bản mờ. Hàm này điều chỉnh cường độ pixel. Nó tăng cường các vùng tối và sáng vừa phải. Vùng giữa được nén. Điều này dựa trên hàm thuộc mờ. Nó mang lại sự linh hoạt. Nó giảm thiểu hiện tượng bão hòa màu.
3.3. Xây dựng toán tử tăng cường dựa trên đại số gia tử
Toán tử tăng cường là cốt lõi của thuật toán. Nó được xây dựng dựa trên các phép toán đại số gia tử. Các quy tắc mờ được định nghĩa. Chúng xác định cách tăng cường tương phản. Toán tử này xử lý thông tin mờ. Nó áp dụng các phép biến đổi một cách thông minh. Điều này đảm bảo chất lượng ảnh số được cải thiện.
IV. Đánh Giá Chất Lượng Ảnh Số Độ Đo Thuần Nhất Mới
Việc đánh giá chất lượng ảnh số là rất quan trọng. Nó xác định hiệu quả của các thuật toán. Các độ đo truyền thống có thể chưa đủ. Chúng không phản ánh chính xác sự cải thiện. Đặc biệt là với các phương pháp xử lý ảnh mờ. Nghiên cứu này xây dựng độ đo thuần nhất mới. Độ đo này dựa trên tiếp cận đại số gia tử. Nó cung cấp cái nhìn khách quan hơn. Độ đo mới phản ánh mức độ đồng nhất của vùng ảnh. Nó nhạy cảm với sự thay đổi của tương phản. Độ đo HA-HRM được đề xuất. Nó ứng dụng để đánh giá chất lượng ảnh đã tăng cường. Kết quả cho thấy sự ưu việt của phương pháp. Nó giúp xác định mức độ tăng cường tối ưu. Điều này đảm bảo chất lượng ảnh số được cải thiện rõ rệt.
4.1. Sự cần thiết của các chỉ số đánh giá ảnh
Các thuật toán nâng cao tương phản cần được kiểm chứng. Các chỉ số đánh giá khách quan là thiết yếu. Chúng đo lường các khía cạnh khác nhau. Ví dụ như độ sắc nét, độ nhiễu, và tương phản. Các độ đo này giúp so sánh các phương pháp. Chúng hướng dẫn phát triển thuật toán tốt hơn. Việc đánh giá chất lượng ảnh số là một thách thức.
4.2. Xây dựng độ đo thuần nhất dựa trên ĐSGT
Độ đo thuần nhất mới được đề xuất. Nó tận dụng cấu trúc của đại số gia tử. Nó sử dụng các toán tử t-norm. Độ đo này đo lường mức độ tương đồng giữa các pixel. Nó trong một vùng cục bộ. Đại số gia tử giúp định lượng sự "thuần nhất" mờ. Điều này chính xác hơn so với độ đo nhị phân truyền thống.
4.3. Ứng dụng độ đo vào nâng cao tương phản ảnh màu
Độ đo thuần nhất mới được áp dụng. Nó dùng để đánh giá ảnh màu đã tăng cường. Các kênh màu được phân tích riêng biệt. Sau đó, kết quả được tổng hợp. Độ đo này giúp tối ưu hóa tham số. Nó cũng giúp so sánh hiệu quả giữa các thuật toán. Nó khẳng định ưu điểm của việc sử dụng logic mờ trong xử lý ảnh.
V. Kết Quả Nâng Cao Chất Lượng Ảnh So Sánh Ứng Dụng
Các thí nghiệm được thực hiện trên nhiều tập dữ liệu. Các tập dữ liệu này bao gồm ảnh đa kênh. Ảnh có độ tương phản thấp ban đầu. Mục tiêu là chứng minh hiệu quả của thuật toán. Phương pháp dựa trên đại số gia tử được so sánh. Nó được so sánh với các thuật toán nâng cao tương phản khác. Các chỉ số đánh giá khách quan được sử dụng. Độ đo thuần nhất mới cũng được áp dụng. Kết quả thực nghiệm cho thấy sự ưu việt rõ ràng. Ảnh được tăng cường có chất lượng cao hơn. Chi tiết ảnh được bảo toàn tốt hơn. Màu sắc tự nhiên hơn. Hiện tượng nhiễu được giảm thiểu đáng kể. Khả năng ứng dụng của phương pháp rất rộng. Nó có thể dùng trong y tế, giám sát, và xử lý ảnh thông thường. Luận án này đóng góp vào lĩnh vực xử lý ảnh mờ. Nó mở ra hướng nghiên cứu mới. Hướng nghiên cứu về sử dụng đại số gia tử.
5.1. Thử nghiệm và tập dữ liệu sử dụng
Các thử nghiệm sử dụng tập dữ liệu ảnh đa dạng. Chúng bao gồm ảnh tự nhiên, ảnh y tế. Các ảnh này đều có vấn đề tương phản. Mức độ mờ khác nhau được chọn. Điều này đảm bảo tính tổng quát của kết quả. Môi trường thử nghiệm được kiểm soát chặt chẽ. Nó đảm bảo tính công bằng.
5.2. So sánh hiệu quả với các phương pháp hiện có
Thuật toán được so sánh với các phương pháp tiên tiến. Bao gồm các kỹ thuật dựa trên histogram, và các phương pháp mờ khác. Kết quả định lượng và định tính được phân tích. Các chỉ số như PSNR, SSIM, và độ đo thuần nhất mới được dùng. So sánh này khẳng định tính hiệu quả của phương pháp. Nó cho thấy sự vượt trội trong nhiều trường hợp.
5.3. Tiềm năng ứng dụng và cải tiến tương lai
Phương pháp này có tiềm năng lớn. Nó có thể áp dụng trong nhiều lĩnh vực. Ví dụ như cải thiện ảnh chụp X-quang, MRI. Hoặc tăng cường ảnh vệ tinh, ảnh camera giám sát. Các cải tiến trong tương lai có thể bao gồm. Việc tối ưu hóa tham số tự động. Việc tích hợp các mô hình học sâu. Việc mở rộng cho xử lý video.
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (139 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộBỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ NGUYỄN VĂN QUYỀN NGHIÊN CỨU NÂNG CAO ĐỘ TƢƠNG PHẢN ẢNH THEO TIẾP CẬN ĐẠI SỐ GIA TỬ LUẬN ÁN TIẾN SĨ TOÁN HỌC Hà Nội – 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA VÀ CÔNG NGHỆ NGUYỄN VĂN QUYỀN NGHIÊN CỨU NÂNG CAO ĐỘ TƢƠNG PHẢN ẢNH THEO TIẾP CẬN ĐẠI SỐ GIA TỬ Chuyên ngành: Cơ sở Toán học cho Tin học Mã số : 9 46 01 10 LUẬN ÁN TIẾN SĨ TOÁN HỌC NGƢỜI HƢỚNG DẪN KHOA HỌC: 1. NGUYỄN TÂN ÂN Hà Nội – 2018 i LỜI CAM ĐOAN Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả. Các kết quả nghiên cứu và các kết luận trong luận án này là trung thực, không sao chép từ bất kỳ một nguồn nào và dƣới bất kỳ hình thức nào. Việc tham khảo các nguồn tài liệu đã đƣợc thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định.
Tác giả luận án Nguyễn Văn Quyền ii LỜI CẢM ƠN Luận án đƣợc hoàn thành dƣới sự hƣớng dẫn tận tình của TS. Trần Thái Sơn và PGS. Nguyễn Tân Ân. Lời đầu tiên, xin bày tỏ lòng kính trọng và biết ơn sâu sắc tới hai Thầy.
Tôi xin chân thành cảm ơn PGS. Nguyễn Cát Hồ, TS. Ngô Hoàng Huy đã đóng góp những ý kiến quý báu cả về học thuật và kinh nghiệm nghiên cứu giúp đỡ tôi trong suốt quá trình thực hiện luận án. Tôi xin chân thành cảm ơn Ban lãnh đạo Học viện Khoa học và Công nghệ, Bộ phận quản lý nghiên cứu sinh - Học viện Khoa học và Công nghệ đã tạo mọi điều kiện thuận lợi trong quá trình hoàn thành và bảo vệ luận án.
Xin cảm ơn các đồng nghiệp tại Phòng Nhận dạng và Công nghệ tri thức, Viện Công nghệ Thông tin đã đóng góp những ý kiến thiết thực để tôi hiệu chỉnh lại các tiếp cận nghiên cứu của mình. Xin cảm ơn Ban Giám hiệu Trƣờng Đại học Hải Phòng, các đồng nghiệp tại Phòng Quản lý sau đại học – Trƣờng Đại học Hải Phòng đã luôn động viên giúp đỡ tôi trong công tác để tôi có thời gian tập trung nghiên cứu và thực hiện luận án. Đặc biệt tôi xin bày tỏ lòng biết ơn sâu sắc tới Cha, Mẹ, Vợ và các anh, chị em trong gia đình, những ngƣời luôn dành cho những tình cảm nồng ấm và sẻ chia những lúc khó khăn trong cuộc sống, luôn động viên giúp đỡ tôi trong quá trình nghiên cứu. Luận án cũng là món quà tinh thần mà tôi trân trọng gửi tặng đến các thành viên trong Gia đình.
Tôi xin trân trọng cảm ơn! iii MỤC LỤC LỜI CAM ĐOAN .II MỤC LỤC. III DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÝ HIỆU. VI DANH MỤC CÁC BẢNG. IX DANH MỤC HÌNH VẼ.
Tính cấp thiết của đề tài. Mục tiêu, phạm vi nghiên cứu của luận án. Phƣơng pháp và nội dung nghiên cứu. Cấu trúc luận án.
Kết quả đạt đƣợc của luận án. TỔNG QUAN VỀ NÂNG CAO ĐỘ TƢƠNG PHẢN ẢNH VÀ TIẾP CẬN ĐẠI SỐ GIA TỬ GIẢI HỆ LUẬT MỜ. Đại số gia tử: một số vấn đề cơ bản. Các khái niệm cơ bản về đại số gia tử.
Vấn đề định lƣợng ngữ nghĩa trong đại số gia tử. Phƣơng pháp lập luận xấp xỉ dựa trên ĐSGT. Khả năng xấp xỉ hàm của phƣơng pháp HA-IRMd và ứng dụng. Khả năng xấp xỉ hàm.
Ứng dụng việc xấp xỉ hàm trong xây dựng luật. Phƣơng pháp lập luận tối ƣu dựa trên ĐSGT. Hệ tham số của phƣơng pháp nội suy gia tử. Tổng quan về nâng cao độ tƣơng phản ảnh.
Tăng cƣờng độ tƣơng phản ảnh dựa trên logic mờ. Một số thuật toán tăng cƣờng theo tiếp cận mờ. Một số thuật toán nâng độ sáng tối của điểm ảnh. Toán tử tăng cƣờng.
Tăng cƣờng với toán tử Hyperbol. Tăng cƣờng dựa trên suy diễn hệ luật mờ (Fuzzy rule). Một số độ đo chất lƣợng tăng cƣờng ảnh. Thuật toán nâng cao độ tƣơng phản ảnh của Cheng.
Các chỉ số đánh giá. Tập dữ liệu thực nghiệm. BIẾN ĐỔI ẢNH ĐA KÊNH VÀ XÂY DỰNG HÀM BIẾN ĐỔI CHỮ S THEO TIẾP CẬN ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG NÂNG CAO ĐỘ TƢƠNG PHẢN ẢNH ĐA KÊNH. Biến đổi ảnh đa kênh.
Ƣớc lƣợng nhiều dải động mức xám dựa vào phân cụm mờ FCM. Lƣợc đồ xám mờ với phân cụm FCM. Ƣớc lƣợng nhiều dải động mức xám dựa vào lƣợc đồ xám mờ. Biến đổi kênh ảnh.
Nâng cao độ tƣơng phản ảnh kết hợp với biến đổi ảnh. Thử nghiệm phép biến đổi mờ hóa ảnh sử dụng thuật toán 2. Thiết kế hàm biến đổi độ xám dạng chữ S với tiếp cận mờ. Đánh giá việc xây dựng hàm biến đổi mức xám dạng chữ S.
Xây dựng toán tử tăng cƣờng dựa trên đại số gia tử. So sánh với kết quả của các phƣơng pháp gián tiếp. Kết quả khác. XÂY DỰNG ĐỘ ĐO THUẦN NHẤT MỚI THEO TIẾP CẬN ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG NÂNG CAO ĐỘ TƢƠNG PHẢN ẢNH ĐA KÊNH.
Xây dựng độ đo thuần nhất. Độ thuần nhất của Cheng. Độ đo thuần nhất với toán tử t-norm. Xây dựng độ đo thuần nhất với tiếp cận ĐSGT.
Nâng cao độ tƣơng phản ảnh mầu với độ đo thuần nhất đề xuất. Tính độ thuần nhất kênh ảnh. Đánh giá độ đo HA-HRM. Các kết quả và luận giải.
101 DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ. 102 TÀI LIỆU THAM KHẢO. 112 vi DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÝ HIỆU Từ viết tắt Tên đầy đủ (và tạm dịch) ĐLNN Định lƣợng ngữ nghĩa ĐSGT ĐSGT ĐTP Độ tƣơng phản NCĐTP Nâng cao độ tƣơng phản LLXX Lập luận xấp xỉ ACO Ant Colony Optimization Tối ƣu đàn kiến AS hoặc Ant Colony System ACS (Hệ kiến) AIVHE Adaptively Increasing the Value of lƣợc đồ xám (Tăng giá trị lƣợc đồ xám thích ứng) FAM Fuzzy Associative Memory (Bộ nhớ kết hợp mờ) FCM Fuzzy C-mean (Thuật toán phân cụm mờ C-mean) FMCR Fuzzy multiple conditional reasoning (Hệ mờ đa điều kiện) HA Hedge algebra (Đại số gia tử) HA-IRMd Hedge Algebras-based Interpolative Reasoning Method (Phƣơng pháp lập luận nội suy dựa trên đại số gia tử) HA-HRM Hedge Algebras – Homogeneity Measure HE Histogram equalization (Cân bằng lƣợc đồ xám) HIS Hệ biểu diễn mầu HIS HSV Hệ biểu diễn mầu HSV (Hue, Saturation, Value) NINT New Intensifycation RGB Hệ biểu diễn mầu RGB (Red, Green, Blue) SAM Semantic Associative Memory (Bộ nhớ kết hợp ngữ nghĩa) SQMs Ánh xạ định lƣợng ngữ nghĩa YIQ Hệ biểu diễn mầu YIQ vii Ký hiệu Ký hiệu Tên đầy đủ I Ảnh đa kênh nói chung M, N MxN là kích thƣớc theo pixel của ảnh đầu vào. I 1, K K kênh ảnh {I1,I2,…,IK} của ảnh I IR,IG,IB Kênh ảnh R, G và B của ảnh mầu trong biểu diễn mầu RGB IS,IH,IV Kênh ảnh H, S và V của ảnh mầu trong biểu diễn mầu HSV Lk,min, Lk,max Miền giá trị mức xám của kênh ảnh thứ k của ảnh đầu vào Giá trị mức xám nhỏ nhất theo kênh Ik của ảnh I, thông thƣờng Lk,min Lk,min = 0 Giá trị mức xám lớn nhất theo kênh Ik của ảnh I, thông thƣờng Lk,max Lk,max = 255 H is I k Lƣợc đồ xám của một kênh ảnh Ik H i s I ( g ) = # { ( i ,j ) :I k ( i ,j ) = g } k D dxd là kích thƣớc cửa sổ lân cận có tâm là điểm ảnh (i, j).
f1,f2 f1, f2 (0, 1): Tham số xác định dải động mức xám K Số kênh ảnh cần xử lý của ảnh đầu vào fcut (0, 1): Tham số xác định C dải động mức xám của một fcut kênh ảnh ij Giá trị trung bình mức xám tại điểm ảnh (i, j) Giá trị mức xám không thuần nhất tại điểm ảnh (i, j) Độ xám tại điểm ảnh (i, j) Độ tƣơng phản tại điểm ảnh (i, j) eij Giá trị cƣờng độ biên tại điểm ảnh (i, j) vij Độ lệch chuẩn mức xám lấy tại lân cận điểm ảnh gij R4,ij Moment bậc 4 tại điểm ảnh (i, j) Hij Giá trị entropy đại điểm ảnh (i, j) viii ij Đo độ thuần nhất tại điểm ảnh (i, j) H O ij Giá trị kết nhập dạng f(Eij, Hij, Vij, R4,ij) tại điểm ảnh (i, j) ij Số mũ khuếch đại tại điểm ảnh (i, j) CM Chỉ số độ tƣơng phản ảnh trực tiếp AX ĐSGT tuyến tính AX ĐSGT tuyến tính đầy đủ (h), fm(x) Độ đo tính mờ gia tử h và của hạng từ x Giá trị định lƣợng theo điểm của giá trị ngôn ngữ Khoảng tính mờ của giá trị ngôn ngữ T t(0, 1): Tham số của phép nâng độ khuếch đại K Số kênh ảnh cần xử lý của ảnh đầu vào C Số cụm cần phân cụm của tổ hợp kênh ảnh đầu vào. Giá trị độ thuộc cụm thứ c của điểm ảnh (i, j), đầu ra của thủ i,j,c tục phân cụm FCM fcut (0, 1): Tham số xác định C dải động mức xám của một fcut kênh ảnh ix DANH MỤC CÁC BẢNG Số hiệu Tên bảng Trang bảng 2.1 So sánh giá trị Havg trên kênh R, G và B của các ảnh là kết 54 quả của phép mờ hóa – biến đổi ảnh 2.2 Bảng kết quả so sánh các chỉ số khách quan giữa thuật 67 toán trong [17] và thuật toán đề xuất 2.3 So sánh kết quả phép nâng cao ĐTP ảnh mở rộng của Hint 69 (%) và của Cheng áp dụng cho ảnh mầu RGB và HSV 2.4 Giá trị chỉ số Eavg và Havg của ảnh đầu ra khi áp dụng Hint 70 và bốn phƣơng pháp gián tiếp của 27 ảnh trong biểu diễn mầu HSV, trong đó các giá trị tốt nhất đƣợc in đậm 3. Các phép kết nhập giá trị địa phƣơng khác nhau 82 3.2 Mối quan hệ dấu của các gia tử 84 3.3 Bảng giá trị độ đo tính mờ và SQM tƣơng ứng với AG, 84 AE, AT 3.4 Bảng giá trị tính toán minh họa độ đo tính mờ và SQM 86 tƣơng ứng với AG, AE, AT 3.5 Bảng giá trị các mốc nội suy dựa trên toán tử AND của hệ 87 luật (3.6 Các tham số cơ sở của ĐSGT Agr, Aep và Aho 93 3.7 Giá trị chỉ số CMR cho từng ảnh và các phƣơng pháp kết 95 nhập để tạo giá trị thuần nhất 3.8 Giá trị chỉ số CMG cho từng ảnh và các phƣơng pháp kết 95 nhập để tạo giá trị thuần nhất 3.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Nguyễn Văn Quyền (2018). Nâng cao tương phản ảnh bằng đại số gia tử [Luận án tiến sĩ, Học viện Khoa học và Công nghệ]. LuanAn.net. https://luanan.net/tai-lieu-khac/nghien-cuu-nang-cao-tuong-phan-anh-dai-so-gia-tu
Câu hỏi thường gặp
Luận án "Nâng cao tương phản ảnh bằng đại số gia tử" nghiên cứu về vấn đề gì?
Nghiên cứu nâng cao tương phản ánh theo tiếp cận đại số gia tử: Khám phá sâu sắc các phương pháp tiên tiến, đóng góp cho lĩnh vực.
Luận án "Nâng cao tương phản ảnh bằng đại số gia tử" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Học viện Khoa học và Công nghệ. Năm bảo vệ: 2018.
Luận án "Nâng cao tương phản ảnh bằng đại số gia tử" thuộc chuyên ngành gì?
Luận án "Nâng cao tương phản ảnh bằng đại số gia tử" thuộc chuyên ngành Cơ sở Toán học cho Tin học. Danh mục: Tài liệu khác.
Luận án "Nâng cao tương phản ảnh bằng đại số gia tử" có bao nhiêu trang?
Luận án "Nâng cao tương phản ảnh bằng đại số gia tử" có 139 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Nâng cao tương phản ảnh bằng đại số gia tử" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.