Khử nhiễu ảnh bảo toàn biên sườn bằng phương pháp hỗn hợp Curvelet và khuếch tán phi tuyến

Trong bài báo này, trình bày thuật toán khử nhiễu ảnh bằng phương pháp hỗn hợp Curvelet và khuếch tán phi tuyến. Đối với ảnh nói riêng và tín hiệu 1D, 2D, 3D, MD (nhiều chiều) nói chung, các điểm đột biến chứa đựng thông tin quan trọng cần bảo toàn.
Nội dung trích xuất từ tài liệu:
Khử nhiễu ảnh bảo toàn biên sườn bằng phương pháp hỗn hợp Curvelet và khuếch tán phi tuyến Hội thảo quốc gia 2014 về Điện tử, Truyền thông và Công nghệ thông tin (ECIT2014)Khử nhiễu ảnh bảo toàn biên sườn bằng phươngpháp hỗn hợp Curvelet và Khuếch tán phi tuyến Đặng Phan Thu Hương, Nguyễn Thúy Anh, Nguyễn Hữu Trung Trường Đại học Bách Khoa Hà Nội Hà Nội, Việt Nam Email: trung.nguyenhuu@hust.edu.vn Tóm tắt—Trong bài báo này, chúng tôi trình bày thuật bảo không tạo ra cực trị địa phương tại bất kỳ thời điểmtoán khử nhiễu ảnh bằng phương pháp hỗn hợp Curvelet nào để không xuất hiện thành phần phụ không mongvà khuếch tán phi tuyến. Đối với ảnh nói riêng và tín hiệu muốn (artifact) ở tín hiệu được khuếch tán. Nguyên lý1D, 2D, 3D, MD (nhiều chiều) nói chung, các điểm đột biến này còn đảm bảo, cực trị toàn cục dọc theo tiến trìnhchứa đựng thông tin quan trọng cần bảo toàn. Bằng việc của tín hiệu theo thời gian bị giới hạn bởi cực trị toànkết hợp giữa Curvelet và khuếch tán phi tuyến có thể tận cục ở tín hiệu khởi tạo với tín hiệu có bất kỳ chiều, và làdụng các ưu điểm và hạn chế các nhược điểm của từng hàm không giảm (cực trị là minimum) hoặc không tăngphương pháp. Đặc biệt, tăng cường tính bền vững của (cực trị là maximum) nhằm đảm bảo tính bền vững củakhuếch tán phi tuyến trên cơ sở biến đổi Curvelet và tăng khuếch tán phi tuyến.cường hiệu quả loại trừ nhiễu có khả năng bảo toàn biênsườn nhờ biến đổi Curvelet. Kết quả mô phỏng chỉ rõ hiệu Gần đây, trong [5] các tác giả đã đề xuất mộtquả bảo toàn đường biên của phương pháp hỗn hợp so với phương pháp kết hợp (combined) Curvelet và khuếchphương pháp truyền thống khác. tán phi tuyến tận dụng các ưu điểm và hạn chế các nhược điểm của từng phương pháp. Cụ thể, phương Từ khóa—Loại trừ nhiễu, Biến đổi Curvelet, pháp kết hợp đề xuất bao gồm hai bước: (1) áp dụngKhuếch tán phi tuyến, Đường biên. biến đổi Curvelet shrinkage và (2) khuếch tán phi tuyến ảnh đã làm mềm bằng Curvelet. Phương pháp nhằm I. GIỚI THIỆU giảm hiệu ứng tần số cao (pseudo-Gibbs). Nhưng, hai Loại trừ nhiễu và tăng cường ảnh là các nhiệm vụ bước của quá trình là độc lập và bước (1) chính là quyquan trọng trong xử lý ảnh nhằm khôi phục tin cậy ảnh trình làm trơn quy tắc hóa (regularization) làm hỏng cácquan sát được dưới tác động của các loại nhiễu. Đã có biên sườn đáng lẽ phải bảo toàn của ảnh.nhiều phương pháp, nhiều thuật toán tối ưu đề xuất xửlý tín hiệu trong miền tần số (lọc Wiener), miền Bài báo này đề xuất phương pháp hỗn hợp (mixed)Wavelet, làm trơn Gauss,… loại trừ nhiễu mà vẫn bảo khử nhiễu ảnh gồm ba bước lồng ghép chính: Bước 1:toàn các thuộc tính quan trọng của ảnh đầu vào [1][2]. Tạo thông tin cấu trúc ảnh bằng tensor khuếch tán phi tuyến. Bước 2: Tiến hành Curvelet shrinkage nhưng loại Biến đổi Curvelet, kế thừa từ biến đổi Wavelet, hiệu trừ hướng có biên sườn vì quy trình Curvelet shrinkagequả trong việc biểu diễn các đột biến dọc theo các biên cho phép làm trơn theo hướng. Bước 3: Khuếch tán phisườn trong ảnh. Đã có nhiều nghiên cứu ứng dụng biến tuyến ảnh nhận được từ bước 1 và hiệu chỉnh biên sườnđổi Curvelet loại trừ nhiễu ảnh thông thường, ảnh cộng bằng biến đổi Wavelet 1D từ thông tin nhận được từhưởng từ (MR), ảnh CT mang lại kết quả tốt [3]. bước 1. Các hệ số rời rạc của biến đổi Curvelet có thể nhận được bằng nhiều cách. Trong đó, thuật toán tối ưu Cùng với biến đổi Curvelet, còn có các công cụ xử về mặt tính toán thực hiện bởi biến đổi FFT 2D [5]lý ảnh được xây dựng từ phương trình vi phân từng được sử dụng trong thuật toán đề xuất.phần (PDE). Phần lớn các nghiên cứu áp dụng phươngtrình vi phân từng phần để loại trừ nhiễu tín hiệu (1D, Bố cục của bài báo như sau. Sau phần giới thiệu,2D, 3D, MD) đều nhằm vào việc bảo vệ các thuộc tính phần II trình bày cơ sở lý thuyết về biến đổi Curvelet,đột biến của tín hiệu – các điểm kỳ dị (singularities). tính toán hệ số Curvelet rời rạc theo FFT, khuếch tánĐối với ảnh 2D, đó là các biên sườn (edges). Theo cách phi tuyến, đề xuất mô hình hỗn hợp Curvelet và khuếchtiếp cận tiên đề, xuất hiện tập các tiên đề riêng dẫn đến tán phi tuyến. Phần III trình bày các kết quả mô phỏngnghiệm của phương trình vi phân từng phần ứng dụng thuật toán. Phần IV là kết luận và hướng phát triển.trong loại trừ nhiễu tín hiệu. Các tiên đề có cấu trúc vàhình thái nhằm đảm bảo quá trình trở thành semigroup II. CƠ SỞ LÝ THUYẾTđủ mềm mại [4]. Nguyên lý “Minimum–Maximum” là A. Biến đổi Curveletmột trong các tiên đề quan trọng, trong đó, phải đảmISBN: 978-604-67-0349-5 379 Hội thảo quốc gia 2014 về Điện tử, Truyền thông và Công nghệ thông tin (ECIT2014) Biến đổi Curvelet là hướng tiếp cận mới trong xử lý ...