Tăng cường chất lượng ảnh tối dựa trên không gian màu HSI và tối ưu hóa bầy đàn PSO

Tuyển tập Hội nghị Khoa học thường niên năm 2018. ISBN: 978-604-82-2548-3

TĂNG CƯỜNG CHẤT LƯỢNG ẢNH TỐI DỰA TRÊN
KHÔNG GIAN MÀU HSI VÀ TỐI ƯU HÓA BẦY ĐÀN PSO
Đinh Phú Hùng
Khoa Công nghệ Thông tin, email:

1. GIỚI THIỆU

2. KIẾN THỨC NỀN TẢNG

Tăng cường chất lượng ảnh là một trong
những nhiệm vụ quan trọng của xử lý ảnh. Nó
bao gồm các kỹ thuật như: tăng cường độ
tương phản, khử nhiễu, và làm nổi biên. Các
bức ảnh chụp vệ tinh có thể không đạt được
chất lượng tốt như bị tối và mờ trong những
trường hợp về điều kiện thời tiết không thuận
lợi như có sương mù và thiếu ánh sáng. Bài
báo này đề xuất một phương pháp mới tăng
cường chất lượng ảnh thông qua kết hợp các
phương pháp tăng cường chất lượng ảnh cơ
bản. Ảnh tối ban đầu trên miền RGB được
chuẩn hóa để đưa về miền [0, 1], sau đó được
chuyển sang miền HSI. Từ kênh cường độ
sáng I, tiến hành tạo ra các ảnh được tăng
cường sử dụng các kĩ thuật cơ bản: ảnh I1 sử
dụng kỹ thuật cân bằng Histogram, ảnh I2 sử
dụng kỹ thuật cải thiện độ tương phản bằng
hàm logarit, ảnh I3 sử dụng kĩ thuật cải thiện độ
tương phản bằng hàm logarit ngược, và ảnh I4

sử dụng kĩ thuật Laplace để tăng cường độ sắc
nét. Giải thuật tối ưu hóa bầy đàn PSO sẽ được
áp dụng để tìm ra các tham số tối ưu:  1 ,  2 ,
 3 , 4 tương ứng với các ảnh I1, I2, I3, I4 nhằm
tối ưu hóa hàm chỉ số tương phản Michelso

2.1. Giải thuật tối ưu hóa bầy đàn

Phương pháp tối ưu bầy đàn được đề xuất
bởi J. Kennedy [1] và đồng nghiệp, là một
trong những thuật tốn xây dựng dựa trên khái
niệm trí tuệ bầy đàn để tìm kiếm lời giải cho
các bài tốn tối ưu hóa trên một khơng gian
tìm kiếm nào đó. Phương pháp tối ưu bầy đàn
là một dạng của các thuật tốn tiến hóa quần
thể, với sự tương tác giữa các cá thể trong một
quần thể để khám phá một không gian tìm
kiếm. PSO là kết quả của sự mơ hình hóa việc
đàn chim bay đi tìm kiếm thức ăn cho nên nó
thường được xếp vào các loại thuật tốn có sử
dụng trí tuệ bầy đàn. Thuật tốn này đã được
áp dụng thành công trong nhiều lĩnh vực.
PSO được khởi tạo bằng một nhóm cá thể
ngẫu nhiên và sau đó tìm nghiệm tối ưu bằng
cách cập nhật các thế hệ. Trong mỗi thế hệ,
mỗi cá thể được cập nhật theo hai vị trí tốt
nhất là Pbest và Gbest . Trong đó, giá trị thứ
nhất là vị trí tốt nhất mà nó đã từng đạt được
cho tới thời điểm hiện tại, gọi là Pbest . Một
nghiệm tối ưu khác mà cá thể này bám theo

là nghiệm tối ưu tồn cục Gbest, đó là vị trí tốt
nhất trong cả q trình tìm kiếm cả quần thể
từ trước tới thời điểm hiện tại. Nói cách khác,
2
J  Q  H  
 H1  H 2  , với H1 là entropy mỗi cá thể trong quần thể cập nhật vị trí của

theo vị trí tốt nhất của nó và cả quần thể tính
của ảnh trước khi tăng cường, và 2 , , H2 lần tời thời điểm hiện tại. Cụ thể sau mỗi cập
lượt là phương sai, trung bình, và entropy của nhật các thế hệ, vận tốc và vị trí của mỗi cá
ảnh sau khi tăng cường. Tạo ra ảnh Ith được thể được cập nhật theo các công thức sau:
k
k
biểu diễn tổng hợp từ các ảnh I1, I2, I3, I4 và các
Vik 1   Vik  c1  r1   Pbest
_ i  Xi 
tham số tối ưu 1, 2, 3, 4 tương ứng. Sau đó
(1)
kết hợp các kênh H, S, và Ith rồi chuyển ngược
 c2  r2   G kbest  X ki 
trở lại miền RGB để thu được ảnh tăng cường.
X ki 1  X ki  Vik 1
(2)
Thực nghiệm cho thấy phương pháp đề xuất
không chỉ cải thiện tốt về độ tương phản mà trong đó:
X ki : Vị trí cá thế thứ i tại thế hệ k.
còn cho đường biên của ảnh sắc nét.
142

Tuyển tập Hội nghị Khoa học thường niên năm 2018. ISBN: 978-604-82-2548-3

2.2.4. Độ sắc nét của ảnh

Vik : Vận tốc cá thế thứ i tại thế hệ k.
X ki 1 : Vị trí cá thế thứ i tại thế hệ k+1.
Vik 1 : Vận tốc cá thế thứ i
k
Pbest
_i : Vị trí tốt nhất của

tại thế hệ k+1.
cá thể thứ i tại

Độ sắc nét của ảnh được tính bằng cơng
thức:
G

1
G uv và G uv  u 2  v 2

M N

thế hệ k.
trong đó:
G kbest : Vị trí tốt nhất trong quần thể tại thế
u = I (u, v) – I (u + 1, v)
hệ k.
v = I (u, v) – I (u, v + 1)
 = 0.729 là hệ số quán tính.

I (u, v) là giá trị điểm ảnh tại hàng u, cột v
c 1 , c 2 : Các hệ số gia tốc, nhận giá trị từ 1.5 của ảnh.
đến 2.5
I (u + 1, v) là giá trị điểm ảnh tại hàng u + 1,
r1 , r2 : Các số ngẫu nhiên nhận giá trị trong cột v của ảnh.
khoảng [0, 1]
I (u, v + 1) là giá trị điểm ảnh tại hàng u,
cột v + 1 của ảnh.
2.2. CÁC CHỈ SỐ ĐÁNH GIÁ
M, N lần lượt là số hàng, cột của ma trận I.
2.2.1. Độ sáng của ảnh
Cơng thức tính giá trị trung bình (chỉ số về 3. GIẢI THUẬT ĐỀ XUẤT
độ sáng) của ảnh là:
Đầu vào: Ảnh màu Iin
M
N
1
Đầu ra: Ảnh màu đã được tăng cường Ien

I  u, v 


u

1
v

1
M N
Bước 1: Ảnh màu ban đầu Iin được chuẩn

trong đó:
hóa về miền [0, 1] thu được ảnh Is
 là giá trị trung bình
Bước 2: Biến đổi ảnh Is từ miền RGB sang
M, N lần lượt là tổng số hàng, cột của ma miền HSI, giữ nguyên các kênh H, S và sử
trận I.
dụng kênh cường độ sáng I cho các bước tiếp
I(u,v) là phần tử hàng u, cột v của ma trận. theo
Bước 3: Tạo ra các ảnh được tăng cường
2.2.2. Độ tương phản của ảnh
độ tương phản I1 , I2, I3 thông qua các phương
Cơng thức tính độ tương phản (phương pháp cơ bản như: cân bằng Histogram, biến
sai) của ảnh:
đổi logarit, và biến đổi logarit ngược. Tạo ra
2
1
ảnh được tăng cường về độ sắc nét I4 bằng
 1

2
2 
I

I









u,v
u,v
cách sử dụng toán tử Laplace.
M  N u, v
 M  N u, v

Bước 4: Tạo ra một ảnh tổng hợp Ith dựa
trong đó:
2
trên các ảnh I1 , I 2 , I3 và I4 như sau:
 là độ tương phản của ảnh.
I th  1  I1   2  I 2  3  I3   4  I 4
M, N lần lượt là số hàng, cột của ma trận.
I(u,v) là phần tử hàng u, cột v của ma trận.
Bước 5: Gọi H1 và H2 lần lượt là Entropy
của ảnh ban đầu I và ảnh tổng hợp Ith . Sử dụng
2.2.3. Nội dung thơng tin
giải thuật tối ưu hóa bầy đàn PSO để tìm gia
Nội dung thơng tin diễn tả lượng thông các giá trị  1, 2 , 3,  4 tối ưu với hàm mục
điệp mà bức ảnh chứa trong đó. Thơng số này
2
tiêu
cần
tối
ưu
hóa
là:
J


cịn được gọi là entropy và được tính bằng
 H1  H 2  .

cơng thức:
Bước 6: Tính I*th tối ưu dựa trên các giá trị
E    p i  log 2 p i
i
tối ưu 1* , *2 ,  3* , *4 :
trong đó, pi là tần suất xuất hiện của điểm
I*th  1* * I1   *2 * I 2  *3 * I 3  *4 * I 4
ảnh thứ i.
143


Tuyển tập Hội nghị Khoa học thường niên năm 2018. ISBN: 978-604-82-2548-3

Gọi Ii1 , Ii2, Ii3 lần lượt là ảnh ban đầu, ảnh
Bước 7: Chuyển đổi các kênh H, S và I*th
sau
khi sử dụng giải thuật của Himanshu [2],
về miền RGB thu được ảnh Ien đã được tăng
và ảnh sau khi sử dụng phương pháp đề xuất
cường.
đối với ảnh thực nghiệm thứ i (Xem Hình 1).
Khởi tạo tham số như sau:
4. KẾT QUẢ THỰC NGHIỆM
- Số lượng cá thể: n = 500.
Dữ liệu thực nghiệm gồm bộ ảnh A: 5 ảnh
- Hệ số: c 1 = c 2 = 2.

màu đuợc lấy từ các thu viện ảnh: NASA
- Hệ số quán tính  = 0.729.
Visible Earth Home1 , Gallery | SATPALDA2 ,
Kết quả đo độ sáng () độ tương phản
và CRISP-WorldView 3 . Các ảnh này được ( 2 ), lượng thơng tin entropy (E), độ sắc nét
chuyển về kích thước 256256 để tiến hành (G) của ảnh được mô tả trong Bảng 1. Các
thực nghiệm.
giá trị được bôi đậm trong Bảng 1 cho thấy
I11
I12
I13
phương pháp đề xuất cho kết quả tốt.
Bảng 1. Bảng kết quả thực nghiệm
STT Ảnh

I21

I21

I21

1

2

I31

I32

I33

3

4

I41

I42

I43
5

I11
I12
I13
I21
I22
I23
I31
I32
I33
I41
I42
I43
I51
I52
I53


0.1725

0.2870
0.4786
0.1306
0.3320
0.4909
0.3513
0.3807
0.5011
0.1539
0.3032
0.4936
0.2101
0.3437
0.4799

Chỉ số đánh giá
2
E
0.0266
0.0334
0.1100
0.0063
0.0256
0.0883
0.0168
0.0260
0.0805
0.0092
0.0219
0.0872

0.0191
0.0314
0.0883

6.6005
7.1632
7.6069
5.9470
6.5321
7.8254
6.9618
7.1551
7.9338
5.9383
6.5363
7.5980
6.6816
7.1435
7.8027

G
0.0687
0.0963
0.2166
0.0472
0.1114
0.2283
0.0429
0.0536
0.1038

0.0357
0.0662
0.1528
0.0528
0.0704
0.1408

5. TÀI LIỆU THAM KHẢO

I51

I52

I53

Hình 1. Các ảnh trước và sau tăng cường
1
2
3

[1] J. Kennedy, R. Eberhart, 1995, Particle
swarm optimization, IEEE International
Conference on Neural Networks.
[2] Himanshu Singh, Anil Kumar, L.K. Balyan,
G.K. Singh, 2017, Swarm intelligence
optimized piecewise gamma corrected
histogram equalization for dark image
enhancement, Computers and Electrical
Engineering.

ht tp://visibleearth.nasa.gov/
ht tp://www.satpalda.com/gallery/
ht tp://www.crisp.nus.edu.sg/

144