Sử dụng phân bố Wigner với bậc phù hợp để xử lý ảnh nhìn đêm

Kỹ thuật điều khiển & Điện tử

SỬ DỤNG PHÂN BỐ WIGNER VỚI BẬC PHÙ HỢP
ĐỂ XỬ LÝ ẢNH NHÌN ĐÊM
Vũ Quốc Thủy 1*, Nguyễn Văn Thành1, Tạ Tường Vi2, Lý Nguyên Lê1
Tóm tắt: Bài báo trình bày phương pháp nâng cao chất lượng ảnh nhìn đêm
bằng phân bố Wigner cùng với việc lựa chọn các tham số và số bậc biến đổi thích
hợp. Thuật toán này được áp dụng để xử lý ảnh cho các hệ thống quan sát, ngắm
bắn đêm trong các điều kiện thời tiết khắc nghiệt như: độ tương phản ánh sáng yếu,
sương mù, tuyết rơi… Các kết quả thu được đã chỉ ra rằng, với việc lựa chọn các
tham số cùng với số bậc biến đổi thích hợp chất lượng ảnh nhìn đêm được cải thiện
rõ rệt nhờ phân bố Wigner.
Từ khóa: Ảnh nhìn đêm, Phân bố Wigner.

1. ĐẶT VẤN ĐỀ
Xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ. Đây là một ngành
khoa học mới so với nhiều ngành khoa học khác nhưng tốc độ phát triển rất nhanh,
kích thích các trung tâm nghiên cứu, ứng dụng, đặc biệt là máy tính chuyên dụng
riêng. Hiện nay có khá nhiều thuật toán xử lý ảnh nhằm cải thiện, nâng cao chất
lượng ảnh như: thuật toán lọc nhiễu thích nghi, thuật toán cân bằng lược đồ
Histogram, thuật toán lọc nhiễu Gauss, phép biến đổi Wavelet, kỹ thuật hình ảnh
có độ phân giải cao, thuật toán tìm biên theo toán tử Laplace, thuật toán lọc nhiễu
xung, … Mỗi phương pháp có khả năng xử lý các tạp nhiễu khác nhau. Vì vậy việc
kết hợp các thuật toán xử lý ảnh đã biết, nghiên cứu và ứng dụng các thuật toán
mới là một những yêu cầu cần thiết. Trong bài báo này chúng tôi trình bày một
thuật toán xử lý ảnh khác dựa trên phân bố Wigner. Phân bố Wigner là một phép
biến đổi sang miền thời gian-tần số. Kỹ thuật này có khả năng loại bỏ nhiễu trong
các ảnh thu được từ hệ thống quan sát ngắm bắn đêm. Nhờ đó nâng cao cự li quan
sát, tăng khả năng phân biệt và xác định mục tiêu. Kết quả thuật toán được đánh
giá theo phương pháp quan sát trực quan và đánh giá định lượng theo tham số
trung bình phương sai MSE (Mean Square Error).

2. TỔNG QUAN VỀ HỆ THỐNG XỬ LÝ ẢNH

Hình 1. Các giai đoạn chính trong xử lý ảnh.

106

V. Q. Thủy, …, L. N. Lê, “Sử dụng phân bố Wigner … để xử lý ảnh nhìn đêm.”


Nghiên cứu khoa học công nghệ

Quá trình xử lý ảnh được xem như là quá trình xử lý ảnh đầu vào nhằm cho ra
kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh
“tốt hơn” hoặc một kết luận. Các bước cần thiết trong quá trình xử lý ảnh được mô
tả trên hình 1.
Trước hết là quá trình thu nhận ảnh. Ảnh có thể thu nhận qua camera. Thường
ảnh thu nhận qua camera là tín hiệu tương tự (loại camera ống kiểu CCIR), nhưng
cũng có thể là tín hiệu số hóa (loại CCD – Charge Coupled Device).
Ngoài ra, ảnh cũng có thể thu nhận từ vệ tinh qua các bộ cảm ứng (sensor) hay
ảnh, tranh được quét trên scanner.
Tiếp theo là quá trình số hóa (digitalizer) để biến đổi tín hiệu tương tự sang tín
hiệu rời rạc(lấy mẫu) và số hóa bằng lượng hóa, trước khi chuyển sang giai đoạn
xử lý, phân tích hay lưu trữ lại.
Quá trình phân tích ảnh thực chất bao gồm nhiều công đoạn nhỏ. Trước hết là
công việc tăng cường ảnh. Do những nguyên nhân khác nhau: có thể do chất lượng
thiết bị thu nhận ảnh, do nguồn sáng hay do nhiễu mà ảnh có thể bị suy biến. Do
vậy, cần phải tăng cường và khôi phục ảnh để làm nổi bật một số đặc tính của
ảnhhay làm cho ảnh gần giống với trạng thái gốc – trạng thái trước khi ảnh bị biến
dạng. Giai đoạn tiếp theo là phát hiện các đặc tính như: biên, phân vùng ảnh, trích
chọn các đặc tính,v.v…

Cuối cùng, tùy theo mục đích của ứng dụng mà sẽ là giai đoạn nhận dạng,phân
lớp hay các quyết định khác.
Hiện nay, có rất nhiều phương pháp nâng cao chất lượng ảnh được áp dụng
trong các hệ thống nhìn đêm như: lọc trung vị, cân bằng lược đồ histogram, lọc
nhiễu Gauss, cân bằng độ sáng trên ngưỡng thích nghi... Trong phần dưới đây,
chúng tôi xin trình bày một phương pháp nâng cao chất lượng ảnh bằng phân bố
Wigner.
* Lọc trung vị thích nghi
Bộ lọc trung vị thích nghi được ứng dụng rộng rãi giống như một phương thức
phát triển so với bộ lọc trung vị chuẩn. Bộ lọc thực hiện xử lý không gian để xác
định các điểm ảnh bị ảnh hưởng bởi nhiễu xung. Bộ lọc phân loại các điểm ảnh
giống như tạp so với mỗi điểm trong ảnh với các lân cận xung quanh của nó. Kích
thước của lân cận thay đổi, ngưỡng được so sánh. Mỗi điểm ảnh khác biệt từ mỗi
điểm chính của nó. Các điểm nhiễu tạp sau đó được thay thế với trung vị của điểm
ảnh trong lân cận phải đi qua bảng kiểm tra nhiễu tạp. Kết quả chúng ta sẽ thu
được một ảnh mới chất lượng tốt hơn rất nhiều với đa số các nhiễu xung bị loại bỏ.
*Cân bằng lược đồ histogram thích nghi
Cân bằng histogram tự thích nghi là một phương pháp xử lý ảnh được cải tiến
từ phương pháp cân bằng histogram thông thường, là một phương pháp tối ưu làm
tăng cường độ tương phản của từng vùng trên ảnh. Mấu chốt của vấn đề là phương
pháp không gian, chia ảnh thành nhiều vùng hình chữ nhật, và sử dụng phương
pháp cân bằng histogram chuẩn cho từng vùng đó. Con số tối ưu nhất của việc
phân chia vùng và kích cỡ vùng phụ thuộc vào ảnh cần xử lý, thông thường lựa
chọn việc chia ảnh thành các vùng 8×8 điểm ảnh. Trong thuật toán này, việc xử
dụng các phương trình tuyến tính để làm mịn điểm chuyển tiếp giữa các vùng được
vận dụng, và là việc làm quan trọng phải được vận dụng hợp lý. Kết quả là ảnh
Tạp chí Nghiên cứu KH&CN quân sự, Số 54, 4 - 2018

107

Kỹ thuật điều khiển & Điện tử

nhận được có độ nét cao, độ tương phản lớn, dễ dàng quan sát và nhận biết được
đối tượng trong ảnh.
*Lọc nhiễu Gauss thích nghi
Nhiễu Gauss là một nhiễu khá phổ biến. Nguyên nhân là do dòng điện không
mong muốn gây ra trong mạch điện dưới tác động của chuyển động nhiệt của các
hạt mang điện trong mạch điện (các điện tử). Nhiễu Gauss có hàm mật độ xác suất
tuân theo phân bố chuẩn Gauss. Bản chất của phương pháp này là tìm điểm nhiễu
trong ma trận ảnh, sau đó, thay thế điểm ảnh đó bằng một giá trị khác tươn ứng
tính theo thuật toán thích nghi. Nhiễu Gauss là nhiễu khá phổ biến, tuy không làm
ảnh biến đổi hoàn toàn nhưng chất lượng ảnh sẽ bị giảm đi rất nhiều gây khó khăn
cho người quan sát. Đặc biệt là trong điều kiện đêm tối, ngoài các yếu tố như độ
tương phản thấp, cường độ ảnh sang yếu thì các nguồn nhiễu Gauss cũng nhiều
hơn. Kết quả thu được tuy ảnh có mờ đi đôi chút nhưng toàn bộ ảnh trơn hơn, việc
nhận dạng đối tượng cũng dễ dàng, đặc biệt là đối với các bức ảnh có tỷ lệ nhiễu
cao thì tính hiệu quả càng rõ ràng hơn.
Trên đây, chúng ta đã xem xét một số phương pháp xử lý ảnh được áp dụng
trong các hệ thống nhìn đêm. Mỗi phương pháp có một ưu và nhược điểm khác
nhau và có phạm vi ứng dụng khác nhau. Chúng ta sẽ tiếp tục xem xét kỹ hơn một
phương pháp nâng cao chất lượng ảnh nhìn đêm nhờ phân bố Wigner trong các
phần tiếp theo.
3. PHÂN BỐ WIGNER
Phân bố Wigner là hàm biến đổi một tín hiệu không gian biến thiên theo thời
gian sang tín hiệu biến thiên trong miền thời gian tần số. Phân bố Wigner của 2 tín
hiệu không gian f(t) và g(t) được xác định bởi hàm số:
Trong đó,
ω- Tần số;
t- Thời gian;

g*- Hàm số phức liên hợp của hàm g(t).

k
k
WD f , g (t ,  )   e  j k f (t  ) g * (t  )dk
(1)
2
2

Phân bố Auto-Wigner của hàm phức liên tục f(t) được xác định bởi công thức:

k
k
(2)
WD f , g (t ,  )   e  j k f (t  ) f * (t  )dk
2
2

Phân bố Auto-Wigner của hàm thực liên tục f(t) xác định bởi phương trình:

k
k
WD f , g (t ,  )   e  j k f (t  ) f (t  )dk
(3)
2
2

Trên miền rời rạc, hàm phân bố Wigner được xác định bởi phương trình:


WD f (t ,  ) 

e

 j k

f (t  k ) f * (t  k )

(4)

k 

Phân bố Auto-Wigner của hàm rời rạc được xác định bởi phương trình:


WD f , g (t ,  ) 

e

 j k

f (t  k ) g * (t  k )

(5)

k 

108

V. Q. Thủy, …, L. N. Lê, “Sử dụng phân bố Wigner … để xử lý ảnh nhìn đêm.”

Nghiên cứu khoa học công nghệ

Nếu f(t) là hàm thực, phân bố Auto-Wigner được xác định bởi phương trình:


WD f (t ,  ) 

e

 j k

f (t  k ) f (t  k )

(6)

k 

Phương trình (6) sẽ được sử dụng trong việc ứng dụng phân bố Wigner vào
lĩnh vực xử lý ảnh.
Ảnh được xem là một không gian hai chiều với 2 biến không gian x,y. Khi đó,
mỗi điểm ảnh (pixel) là một điểm trong không gian có tọa độ (x,y). Khi đó, phân
bố Wigner sẽ mở rộng cho không gian 2 chiều và sẽ là một hàm 4 biến. Trong đó,
2 biến miền không gian là x và y, và 2 biến miền tần số là u và v. Hàm phân bố
Wigner được biểu diễn dưới dạng:
4 N '/2 M '/2   |k ,l|
(7)
WD( x, y, u , v) 
  e cos( ) f ( x  k , y  l ) f ( x  k , y  l )

MN l  N '/2 k  M '/2
Trong đó,
uk vl
  4 (  ) ;
M N
  |k ,l |
e
- Nhân Wigner;
MxN - Kích thước ảnh;
M’xN’- Kích thước cửa sổ;
f- Là hàm mức xám.
Để tăng dải ảnh xử lý chúng ta thêm vào hệ số khuếch đại α. Khi đó, phương
trình trở thành:
4 N '/2 M '/2   |k ,l|
(8)
WD( x, y, u , v) 
  e cos( ) f ( x  k , y  l ) f ( x  k , y  l )
MN l  N '/2 k  M '/2
Phương trình (8) cho ta phân bố Wigner bậc 1. Phân bố Wigner bậc 2 được xác
định bằng cách tính phân bố Wigner bậc 1 trên đầu ra của phân bố Wigner bậc 1 từ
ảnh gốc. Tương tự phân bố Wigner bậc n được xác định bằng cách tính phân bố
Wigner bậc 1 trên đầu ra của phân bố Wigner bậc (n-1). Việc lựa chọn bậc của
phân bố Wigner dựa trên mức độ tạp nhiễu trong ảnh. Vấn đề này sẽ được trình
bày kỹ hơn trong phần sau của bài báo.
4. THUẬT TOÁN DÙNG PHÂN BỐ WIGNER VÀO XỬ LÝ ẢNH
Lưu đồ thuật toán phân bố Wigner trong xử lý ảnh được trình bày trên hình 2.
Các bước sử dụng phân bố Wigner để nâng cao chất lượng ảnh nhìn đêm:
- Thu ảnh từ camera,
- Xác định kích thước ảnh đầu vào MxN,
- Chọn kích thước cửa sổ M’xN’,

- Tính phân bố Wigner với nhân là hàm số mũ,
- Hiệu chỉnh hệ số tỷ lệ (hệ số khuếch đại) α phù hợp với ảnh,
- Xác định mức độ nhiễu tạp trong ảnh,
- Xác định bậc biến đổi Wigner phù hợp với mức độ nhiễu,
- Lưu trữ ảnh mới nhận được làm dữ liệu cho các quá trình xử lý tiếp theo.

Tạp chí Nghiên cứu KH&CN quân sự, Số 54, 4 - 2018

109


Kỹ thuật điều khiển & Điện tử
Begin

Xác định kích thước ảnh gốc MxN;
Lựa chọn kích thước cửa sổ M’xN’;

i=0; j=0;

Xác định giá trị hàm mức xám của điểm ảnh f(i,j);
Xác định giá trị hàm Wigner WD(i,j) theo công thức
đối với điểm ảnh (i,j);

j=j+1;

f(i,j)=WD(i,j);

i
Đúng

i=i+1;

Đúng

j
End

Hình 2. Lưu đồ thuật toán biến đổi Wigner.
Trên hình 3 là chương trình thuật toán phân bố Wigner bậc 1 được lập trình
trên phần mềm LabView của hãng National Instruments. Từ phương trình phân bố
Wigner (10) chúng ta thấy rằng giá trị hàm phân bố Wigner phụ thuộc rất nhiều
vào các tham số hệ số khuếch đại α, nhân Wigner e   |k ,l| và hệ số cos( ) .
Trong quá trình xử lý ảnh chúng ta cần lựa chọn các hệ số phù hợp với từng ảnh
với mức độ nhiễu tương ứng nhằm nâng cao chất lượng ảnh. Nhìn vào phương trình
(10) chúng ta thấy rằng giá trị hàm phân bố Wigner phụ thuộc tuyến tính vào hệ số
khuếch đại α, nhân Wigner e   |k ,l| và hệ số cos( ) . Các giá trị này cần được tính
toán theo từng ảnh thực tế. Nếu mức độ nhiễu là cao cần tăng các hệ số này nhằm
làm nổi phần thông tin có ích trong ảnh và làm suy yếu các phần nền không cần
thiết. Tuy nhiên, nếu tăng nhiều quá chúng ta sẽ làm bão hòa thông tin trong ảnh từ
đó làm ảnh chuyển hoàn toàn thành màu trắng. Khi đó, thông tin có ích cũng sẽ mất
theo và ảnh lúc đó không những không được nâng cao mà còn bị làm xấu đi.
110

V. Q. Thủy, …, L. N. Lê, “Sử dụng phân bố Wigner … để xử lý ảnh nhìn đêm.”


Nghiên cứu khoa học công nghệ

Hình 3. Chương trình thuật toán biến đổi Wigner.
Việc lựa chọn số bậc phân bố Wigner cũng đóng vai trò quan trọng trong quá
trình xử lý ảnh. Trước tiên là ảnh hưởng đến thời gian xử lý ảnh. Số bậc càng cao
thời gian xử lý càng nhiều và ngược lại. Hơn nữa, phân bố Wigner có tác dụng làm
nổi phần tín hiệu và triệt nhiễu nền. Tùy vào mức độ nhiễu khác nhau mà chúng ta
sử dụng phân bố Wigner bậc 1, bậc 2 hay bậc cao hơn. Sự khác biệt của phân bố
Wigner so với các thuật toán khác được thấy rõ ràng khi mức độ nhiễu lớn. Theo
đó, đối với các ảnh bị nhiễu thấp thì việc khôi phục ảnh là không cần thiết. Ảnh khi
đó được làm trơn và nét hơn tuy nhiên một số thông tin có ích sẽ bị làm mờ đi
thậm chí làm mất. Đối với ảnh có mức độ nhiễu trung bình chúng ta sẽ sử dụng
phân bố Wigner bậc 1. Nếu mức độ nhiễu là cao chúng ta sẽ sử dụng phân bố
Wigner bậc 2 hoặc cao hơn để khôi phục ảnh. Khi sử dụng phân bố Wigner trong
xử lý ảnh chúng ta vẫn phải chấp nhận một số lượng thông tin ảnh bị làm mờ tuy
nhiên phần thông tin chính sẽ được làm nổi bật và nâng cao. Vì thế, việc phát triển
thuật toán đến mức thích nghi tới từng vùng nhỏ của ảnh là rất cần thiết đồng thời
cần kết hợp với một số thuật toán xử lý ảnh khác nhằm nâng cao tối đa hiệu quả
của quá trình xử lý ảnh.
5. THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
Trong phần thực nghiệm chúng tôi đã xử lý ảnh bị làm giảm chất lượng dưới
sự ảnh hưởng của nhiễu Gauss. Đánh giá chất lượng phương pháp theo tham số
trung bình phương sai (MSE). Độ tương phản của ảnh được đánh giá theo phương
pháp chủ quan (tức là quan sát trực tiếp bằng mắt thường).
1 m 1 n 1
MSE 
[ I (i, j )  K (i, j )]2

mn i 0 j 0
Trong đó:
Mxn: kích thước ảnh;

Tạp chí Nghiên cứu KH&CN quân sự, Số 54, 4 - 2018

111


Kỹ thuật điều khiển & Điện tử

I,K: hàm mức xám ảnh gốc và ảnh sau khi xử lý.
Ở đây, chúng tôi sử dụng ảnh có kích thước 137x103 và đối tượng quan sát là
chiếc ô-tô trong điều kiện đêm tối. Để mô phỏng các trường hợp khác nhau ảnh
được sử dụng có nhiễu Gaussian với tỷ lệ tín/tạp (SNR) thay đổi. Ở đây, chúng tôi
tính toán và tối iu hóa giá trị các hệ số trong phương trình (8) nhằm đạt được ảnh
có chất lượng tốt nhất. Trong tất cả trường hợp chúng tôi lựa chọn: θ = 1, kích
thước cửa sổ 5x5, α = 11.5, λ = 0.5. Nhiễu thêm vào ảnh có mức độ 10%, 30%,
100%. Đối với mỗi ảnh nhiễu, tỷ số tín/tạp SNR theo đơn vị dB được tính theo
biểu thức:
max I
SNR  20 log10
(9)
MSE
Trong đó: max I là giá trị mức xám lớn nhất ( max I =255).
Khi đó, tỷ số SNR tương ứng là: 20dB, 10Db và 0dB.
Dưới đây là kết quả thu được khi xử lý ảnh nhiễu bằng biến đổi Wigner.
Bảng 1. Kết quả thực nghiệm thu được khi xử lý ảnh nhiễu bằng biến đổi Wigner.

Ảnh nhiễu với SNR 20 dB

Biến đổi Wigner bậc 1

Biến đổi Wigner bậc 2

Ảnh nhiễu với SNR 10 dB

Biến đổi Wigner bậc 1

Biến đổi Wigner bậc 2

Ảnh nhiễu với SNR 0 dB

Biến đổi Wigner bậc 1

Biến đổi Wigner bậc 2

112

V. Q. Thủy, …, L. N. Lê, “Sử dụng phân bố Wigner … để xử lý ảnh nhìn đêm.”


Nghiên cứu khoa học công nghệ

Chúng tôi tiếp tục thực hiện xử lý ảnh nhiễu trên nhờ các thuật toán khác đã
trình bày trong phần 3 của bài báo. Kết quả được đưa ra trong bảng 2.
Bảng 2. Kết quả thực nghiệm thu được khi xử lý ảnh nhiễu bằng các bộ lọc
nhiễu thích nghi.

Ảnh nhiễu với SNR 10 dB

Ảnh sau khi sử dụng thuật toán lọc
trung vị thích nghi

Ảnh sau khi sử dụng thuật toán lọc
nhiễu Gauss thích nghi

Ảnh sau khi sử dụng thuật toán cân
bằng histogram thích nghi

Kết quả này được lập trình và xử lý mô phỏng trên phần mềm LABVIEW của
National Instruments và đã được thử nghiệm trên thiết bị quan sát đêm tầm xa. Ảnh
từ hệ thống quan sát đêm tầm xa được đưa tới module chuyển đổi ADC (analog to
digital) để nhận được ảnh số hóa, tín hiệu số được chuyển tới mạch FPGA
ZYNQ7000 của Xilinx để xử lý. Tín hiệu số sau khi xử lý được chuyển tới module
DAC(digital to analog) để đưa ra tín hiệu video tương tự hiển thị ra màn hình.
Từ kết quả trên ta thấy rằng ảnh đã được xử lý bằng phân bố Wigner độ tương
phản của ảnh đã được tăng nên rõ rệt và độ mịn ảnh cũng được cải thiện đáng kể.
Tác dụng của thuật toán này thể hiện rõ ràng nhất khi mức độ nhiễu càng lớn. Theo
kết quả thực nghiệm chúng ta thấy rằng rất khó có thể phát hiện đối tượng trong
điều kiện đêm tối khi cường độ nhiễu quá lớn. Các thuật toán lọc nhiễu: lọc trung
vị thích nghi, lọc nhiễu Gauss thích nghi, cân bằng Histogram thích nghi tỏ ra
không hiệu quả khi mức độ nhiễu là lớn. Tuy nhiên, khi sử dụng phân bố Wigner
chất lượng ảnh đã được cải thiện một cách đáng kể từ đó giúp người quan sát có
thể phát hiện được mục tiêu. Điều đó chứng minh được hiệu quả của thuật toán
dưới điều kiện nhiễu.

Tạp chí Nghiên cứu KH&CN quân sự, Số 54, 4 - 2018

113


Kỹ thuật điều khiển & Điện tử

Chất lượng ảnh được đánh giá nhờ hệ số trung bình phương sai MSE (9). Kết
quả được tính toán và đưa ra trong bảng 3:
Bảng 3. Kết quả đánh giá chất lượng ảnh sử dụng phân bố Wigner bậc 1 và
bậc 2 theo phương pháp MSE.
Nhiễu SNR
MSE
MSE ảnh MSE ảnh
Hệ số cải
Hệ số cải
của ảnh xử lý WD
xử lý
thiện với
thiện với
%
dB
nhiễu
bậc 1
WD bậc
WD bậc 1
WD bậc 2
2
%
%
10

20

0,272

0,179

0,275

34,12

-1,4

30

10

0,652

0,212

0,245

67,47

62,41

100

0

1,12

0,458

0,225

59,21

79,92

6. KẾT LUẬN
Bài báo này trình bày ứng dụng của phân bố Wigner vào lĩnh vực xử lý ảnh
nhìn đêm, giới thiệu các tham số và cách lựa chọn tham số nhằm tăng cường chất
lượng ảnh, và phương pháp dùng nhân Kernel để triệt nhiễu lớn. Thuật toán này
nhằm nâng cao chất lượng ảnh nhìn đêm trong điều kiện sương mù hoặc có tuyết
rơi khi mức độ nhiễu lớn. Từ thực nghiệm chứng tỏ rằng kỹ thuật này có tác dụng
khá tốt và có thể được ứng dụng vào hệ thống xử lý ảnh nhìn đêm trong điều kiện
Việt Nam.
Lời cảm ơn: Nhóm tác giả cảm ơn sự tài trợ về kinh phí của Đề tài “Nghiên cứu, thiết
kế, chế thử Module xử lý ảnh tích hợp với hệ thống quan sát đêm theo nguyên lý khuếch
đại ánh sáng mờ” cấp Viện KH&CN Quân sự, giúp đỡ về ý tưởng khoa học của TS Phạm
Vũ Thịnh.

TÀI LIỆU THAM KHẢO
[1]. Zhang Yu, Wang Xiqin, Peng Yingningn, “New image enhancement algorithm
for night vision,” ICIP 99. Proceedings. 1999 International Conference on
Image Processing,Volume 1, Issue, 1999 Page(s):201-203
[2]. Sale D., Schultz R.R.; Szczerba R.J., “Super-resolution enhancement of night
vision image sequences,” 2000 IEEE International Conference on Systems,
July 2000, pp. 1633-1638.
[3]. Daniele Paolo Scarpazza, “A Brief Introduction to the Wigner Distribution”,
Stanford University, August 2003, pp. 1-5.
[4]. Vinay G. Vaidya, Rajeev Kaushal, “The Use of Wigner Distribution for Noise
Reduction in Medical Images and It’s Comparison with Fuzzy and Crisp
Methods”, Applied Machine Vision Coonference, Society of Maufacturing,

May 2002, pp. 22-36.
[5]. Vinay G. Vaidya, “The Use of Generalized Space Frequency Representaiton
for Motion Estiamation from Noisy Image Sequences”, Ph.D. Thesis under R.
M. Haralickn Electrical Engineering Dept., University of Washington,
September 2000, pp. 12-19.

114

V. Q. Thủy, …, L. N. Lê, “Sử dụng phân bố Wigner … để xử lý ảnh nhìn đêm.”


Nghiên cứu khoa học công nghệ

ABSTRACT
NIGHT VISION ENHANCEMENT USING WIGNER DISTRIBUTION
In this paper, a new method for improving and enhancing the quality
of night vision images by using adaptive Wigner distribution and selecting
the appropriate parameters, level of change is proposed. This algorithm is
applied to process the images of observation systems, night aiming devices
in extreme conditions such as low light contrast, fog, and snow. The
obtained simulation results showed that the quality of night vision images
is significantly improved by selecting the most appropriate parameters
and level of change.
Keywords: Night vision, Wigner distribution.

Nhận bài ngày 02 tháng 01 năm 2018
Hoàn thiện ngày 18 tháng 01 năm 2018
Chấp nhận đăng ngày 10 tháng 4 năm 2018
Địa chỉ: 1 Viện Vật lý kỹ thuật, Viện KH-CNQS;
2

Khoa CNTT, Đại học Lao động Xã hội.
*
Email:

Tạp chí Nghiên cứu KH&CN quân sự, Số 54, 4 - 2018

115