Hợp nhất hình ảnh đa tiêu cự

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.
Nội dung trích xuất từ tài liệu:
Hợp nhất hình ảnh đa tiêu cự 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 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 ...