Tách ảnh dùng biến đổi Wavelet và phân tích thành phần độc lập

Phân tích thành phần độc lập (Independent Component Analysis – ICA), thuộc các thuật toán học không giám sát, được nghiên cứu và ứng dụng nhiều trong vài chục năm trở lại đây. Một lĩnh vực ứng dụng của ICA là tách nguồn mù (Blind Source Separation – BSS), trong đó từ các tín hiệu trộn lẫn ta tìm lại các tín hiệu nguồn nguyên thủy trong lúc không biết được chính sự trộn. Thường các tín hiệu trộn quan sát phải được tiền xử lý bởi một, hoặc hơn, phương pháp phù hợp trước khi đưa vào ước lượng bởi mô hình ICA. Bài báo này trình bày việc tách ảnh bằng tiền xử lý biến đổi wavelet rời rạc (DWT) kết hợp với ước lượng ICA dùng thuật toán InfoMax và FastICA. Chúng tôi thử nghiệm trên nhiều loại ảnh dùng các DWT và thuật toán ICA khác nhau để so sánh về hiệu quả. | TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 11, SOÁ 09 - 2008 TÁCH ẢNH DÙNG BIẾN ĐỔI WAVELET VÀ PHÂN TÍCH THÀNH PHẦN ĐỘC LẬP Võ Minh Sơn, Nguyễn Hữu Phương Trường Đại học Khoa học Tự nhiên, ĐHQG-HCM (Bài nhận ngày 29 tháng 03 năm 2007, hòan chỉnh sửa chữa ngày 01 tháng 03 năm 2008) TÓM TẮT: Phân tích thành phần độc lập (Independent Component Analysis – ICA), thuộc các thuật toán học không giám sát, được nghiên cứu và ứng dụng nhiều trong vài chục năm trở lại đây. Một lĩnh vực ứng dụng của ICA là tách nguồn mù (Blind Source Separation – BSS), trong đó từ các tín hiệu trộn lẫn ta tìm lại các tín hiệu nguồn nguyên thủy trong lúc không biết được chính sự trộn. Thường các tín hiệu trộn quan sát phải được tiền xử lý bởi một, hoặc hơn, phương pháp phù hợp trước khi đưa vào ước lượng bởi mô hình ICA. Bài báo này trình bày việc tách ảnh bằng tiền xử lý biến đổi wavelet rời rạc (DWT) kết hợp với ước lượng ICA dùng thuật toán InfoMax và FastICA. Chúng tôi thử nghiệm trên nhiều loại ảnh dùng các DWT và thuật toán ICA khác nhau để so sánh về hiệu quả. Từ khóa: Phân tích thành phần độc lập, tách nguồn mù, tách ảnh, biến đổi wavelet rời rạc. THIỆU Xem trường hợp có nhiều tín hiệu nguyên thủy, gọi tín hiệu nguồn, được trộn lẫn thành nhiều tín hiệu trộn. Từ các tín hiệu trộn quan sát được này ta muốn phục hồi các tín hiệu nguồn riêng rẽ. Đây là bài toán tách nguồn mù (Blind Source Separation – BSS) mà phân tích thành phần độc lập (Independent Component Analysis – ICA) là một phương pháp hiệu quả. Tín hiệu trong bài này là các ảnh. Các tín hiệu nguồn là các thành phần độc lập và việc phục hồi chúng thường được gọi là ước lượng (estimation) ICA. Bài toán ICA không thể giải bằng toán học thông thường vì số lượng ẩn nhiều hơn số phương trình, mà được giải bằng các phương pháp thống kê. Để tăng hiệu quả, ICA thường được hỗ trợ bởi ít nhất một tiền xử lý mà trong bài này là biến đổi wavelet rời rạc (Discrete Wavelet Transform – DWT). Tổ chức tiếp theo bài báo như sau: Mục 2 là mô hình ICA

Không thể tạo bản xem trước, hãy bấm tải xuống
TỪ KHÓA LIÊN QUAN
TÀI LIỆU MỚI ĐĂNG
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.