CÔNG NGHỆ IMAGE FUSION TRONG XỬ LÝ ẢNH VIỄN THÁM

MỞ ĐẦU Ngày 23/7/1972, NASA đã phóng vệ tinh ERTS (Earth Technology Satellite), tiền thân của hệ thống vệ tinh Landsat sau này. Từ đó, vệ tinh này đã cung cấp những hình ảnh đa phổ dạng số về bề mặt trái đất, đã mở ra một trang mới của công nghệ xử lý ảnh số trong nghiên cứu tài nguyên, môi trường. Hơn 3 thập kỷ qua, một số nước khác trên thế giới như Nga, Pháp, Nhật, Ấn Độ cũng đã phóng các v ệ tinh để phục vụ cho mục đích điều tra về tài nguyên, môi trường. Đứng trước xu thế công nghệ phát triển, Việt Nam cũng đang hướng dần đến việc ứng dụng công nghệ ảnh viễn thám trong việc quản lý và bảo vệ môi trường. Chẳng hạn, thành lập dự án “Ứng dụng công nghệ thông tin và ảnh viễn thám để cảnh báo và phát hiện sớm cháy rừng ở Việt Nam giai đo ạn 2005-2010”. Vào ngày 19/04/2008, Việt Nam đã phóng thành công vệ tinh Vinasat-1 lên quỹ đạo địa tĩnh, qua đó đánh giá sự phát triển của ngành truyền thông và công nghệ thông tin trong tương lai của đất nước. Do vậy, công nghệ xử lý ảnh viễn thám là một trong những công nghệ phổ biến hiện nay và đang ngày càng được nghiên cứu để có được những giải pháp tối ưu hơn. Một công nghệ thiết yếu phục vụ cho việc xử lý ảnh viễn thám, đó là công nghệ Image fusion. IMAGE FUSION là một trong những công nghệ xử lý ảnh được nghiên cứu nhiều trong những năm qua. Không những ứng dụng trong viễn thám, chúng còn ứng dụng trong nhiều lĩnh vực khác như địa chất, y học, công nghệ thông tin, quân sự, v.v. Trong công nghệ thông tin hiện nay, các hãng sản xuất phần mềm đã xuất bản nhiều phần mềm xử lý ảnh chuyên dụng, tích hợp nhiều phương pháp xử lý ảnh và một trong những phương pháp đó là Image fusion. Với vai trò quan trọng của công nghệ Image fusion trong lĩnh vực xử lý ảnh viễn thám và các lĩnh vực khác, luận văn này sẽ hướng đến việc nghiên cứu các thuật toán, giải pháp để xác định, so sánh cũng như phát triển các phương pháp Image fusion. Từ đó, chúng ta sẽ có thể phát huy được hiệu quả của công nghệ này trong lĩnh vực xử lý ảnh.

NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS NGUYỄN HỮU PHƯƠNG

Thành phố Hồ Chí Minh – 09/2009

MỤC LỤC

Trang

Mục lục 1

Danh mục các từ tiếng Anh viết tắt 5

Danh mục các bảng biểu 6

Danh mục các hình vẽ, đồ thị 7

MỞ ĐẦU 10

Chương 1: TỔNG QUAN VỀ ẢNH VIỄN THÁM 11

1.1 Khái niệm về ảnh viễn thám 11

1.2 Giới thiệu về ảnh viễn thám MODIS (Moderate Resolution Spectroradiometer) 12

1.2.1 Khái niệm về ảnh MODIS 12

1.2.2 Quy trình xử lý ảnh MODIS 13

1.2.3 Các ứng dụng của ảnh viễn thám MODIS 14

Chương 2: TỔNG QUAN VỀ CÔNG NGHỆ IMAGE FUSION 17

2.1 Khái niệm về Image Fusion 17

2.2 Quá trình phát triển của công nghệ Image fusion 18

2.2.1 Phân tích Image fusion 19

2.2.2 Sự kết hợp ảnh toàn sắc và ảnh đa phổ trong image fusion 20

2.3 Fusion dữ liệu đa bộ cảm ứng 26

2.3.1 Khái niệm về fusion dữ liệu đa bộ cảm ứng 26

2.3.2 Mô hình của fusion nhiều bộ cảm ứng 26

2.4 Cấu trúc fusion 28

2.4.1 Các cấu trúc fusion 28

2.4.2 Sự ảnh hưởng của cấu trúc fusion đến sự thực thi image fusion 31

2.4.3 Các thử nghiệm 35

2.5 Đánh giá khách quan sự đáp ứng fusion 37

2.5.1 Ý nghĩa của sự đáp ứng fusion 37

2.5.2 Đánh giá kết quả fusion 38

2.5.3 Đánh giá khách quan sự thích nghi của fusion 40

2.5.4 Các công nghệ Image fusion 43

2.6 Một số ứng dụng của Image Fusion 44

2.6.1 Công dụng của image fusion 44

2.6.2 Các ngành nghiên cứu liên quan đến image fusion 45

Chương 3: PHÂN TÍCH CÁC PHƯƠNG PHÁP IMAGE FUSION 46

3.1 Quan điểm chung của phương pháp fusion ảnh viễn thám 46

3.2 Phương pháp fusion dựa vào phân đoạn vùng 47

3.2.1 Đo mức bức xạ 49

3.2.2 Đo mức độ cân bằng 50

3.2.3 Quyết định lựa chọn các hệ số và kết hợp 51

3.3 Phương pháp Spatial frequency 53

3.3.1 Khái niệm phương pháp Spatial frequency 53

3.3.2 Thực hiện phương pháp Spatial frequency trong image fusion 54

3.4 Phương pháp Laplacian pyramid 55

3.4.1 Khái niệm về phương pháp Laplacian pyramid 55

3.5 Phương pháp CEMIF 60

3.5.1 Khái niệm về phương pháp CEMIF 60

3.5.2 Xử lý ngưỡng thích nghi 61

3.6 Phương pháp phân tích các thành phần chính - PCA 62

Chương 4: BIẾN ĐỔI WAVELET TRONG IMAGE FUSION 67

4.1 Khái niệm về phương pháp biến đổi Wavelet trong image fusion 67

4.2 Phân tích biến đổi Wavelet trong image fusion 68

4.2.1 Xác định vùng cơ sở image fusion 69

4.2.2 Biến đổi Wavelet rời rạc trường hợp fusion ảnh toàn sắc và ảnh đa phổ.70 4.2.3 Biến đổi Wavelet rời rạc trong image fusion 73

4.2.4 Dual – Tree Complex Wavelet Transform trong image fusion 76

Chương 5: LỌC NHIỄU CHO DỮ LIỆU IMAGE FUSION 78

5.1 Khái niệm về hiện tượng nhiễu trong ảnh 78

5.2 Lọc Median ứng dụng trong lọc nhiễu muối tiêu (salt and pepper) 78

5.3 Ứng dụng lọc Wiener cho lọc nhiễu Gaussian 80

5.4 Ứng dụng lọc Rank để lọc nhiễu speckle 82

5.4.1 Khái niệm nhiễu speckle 82

5.4.2 Bộ lọc Rank 83

Chương 6: SỰ TIẾP CẬN ĐÁNH GIÁ VỀ IMAGE FUSION 85

6.1 Mục đích tiếp cận đánh giá image fusion 85

6.2 Phương pháp đánh giá image fusion 85

Chương 7: THỰC NGHIỆM 89

7.1 Diễn giải chương trình mô phỏng 89

7.2 Mô tả quá trình thực nghiệm 90

7.3 Tiến trình thực hiện fusion 91

7.3.1 Chọn ảnh để thực hiện fusion 91

7.3.2 Chuyển ảnh màu thành ảnh xám 92

7.3.3 Làm mờ ảnh vào 93

7.3.4 Cộng nhiễu vào ảnh 95

7.3.5 Quá trình lọc nhiễu 96

7.3.6 Quá trình thực hiện phương pháp fusion 96

7.4 Nhận xét các phương pháp fusion 105

7.4.1 Phương pháp fusion cấu trúc thứ bậc 105

7.4.2 Phương pháp fusion cấu trúc tổng hợp 108

7.4.3 Ảnh hưởng nhiễu lên quá trình fusion 111

7.5 Kết luận quá trình mô phỏng thực nghiệm 120

7.5.1 Phương pháp Wavelet 120

7.5.2 Phương pháp CEMIF 120

7.5.3 Phương pháp Spatial frequency 121

7.5.4 Phương pháp Laplacian pyramid 121

7.5.5 Phương pháp PCA 121

7.5.6 Phương pháp lọc nhiễu 122

Chương 8: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 123

8.1 Kết luận công nghệ Image fusion trong xử lý ảnh viễn thám 123

8.2 Những ưu điểm và khuyết điểm của các phương pháp image fusion 124

8.3 Hướng phát triển 126

Chương 9: TÀI LIỆU THAM KHẢO 127

9.1 Tài liệu trích dẫn 127

9.2 Tài liệu tiếng Việt 128

9.3 Tài liệu tiếng Anh 128

DANH MỤC CÁC TỪ TIẾNG ANH VIẾT TẮT

TÊN TIẾNG ANH

Computationally Efficient Pixel-level Image Fusion Method Dual – Tree Complex Wavelet Transform

Discrete wavelet frame

Discrete Wavelet Transform

Earth Technology Satellite Intensity - Hue - Saturation Moderate Resolution Spectroradiometer Mean Square Error

Principal Component Analysis Point Spread function

Peak Signal to Noise Ratio Root Mean Square Error Signal to Noise Ratio Universal Transverse Mercator

DANH MỤC CÁC BẢNG BIỂU

Bảng 7.1: Bảng chọn vị trí kích thước làm mờ ảnh vào

Bảng 7.2: Kết quả fusion cấu trúc thứ bậc và cấu trúc tổng hợp của họ wavelet

Bảng 7.3: Kết quả fusion cấu trúc thứ bậc sử dụng họ wavelet dau6

Bảng 7.4: Kết quả fusion cấu trúc tổng hợp sử dụng họ wavelet bi97

Bảng 7.5: Thống kê kết quả fusion của phương pháp CEMIF

Bảng 7.6: Các thông tin vị trí làm mờ ảnh vào

Bảng 7.7: Thống kê kết quả fusion cấu trúc thứ bậc của phương pháp CEMIF đối với ảnh nhiễu gaussian đã được lọc trong chương trình mô phỏng

Bảng 7.8: Thống kê kết quả fusion của phương pháp Spatial frequency lựa chọn kích thước khối với ngưỡng bằng 1

Bảng 7.9: Thống kê kết quả fusion của phương pháp Spatial frequency lựa chọn ngưỡng với kích thước khối là 8

Bảng 7.10: Thống kê kết quả fusion của phương pháp Laplacian pyramid thực hiện nhiều mức tỷ lệ

Bảng 7.11: Kết quả fusion phương pháp Laplacian pyramid chọn nhiều giá trị

Bảng 7.12: Thống kê kết quả fusion của phương pháp PCA

Bảng 7.13: So sánh kết quả các phương pháp fusion cấu trúc thứ bậc

Bảng 7.14: So sánh kết quả các phương pháp fusion cấu trúc tổng hợp

Bảng 7.15: Bảng tỷ số RMSE của ba ảnh ngõ vào bị nhiễu muối tiêu so với ảnh gốcBảng 7.16: Đánh giá kết quả lọc nhiễu muối tiêu của ba ảnh ngõ vào thông qua tỷ số RMSE so với ảnh gốc

Bảng 7.17: Bảng đánh giá kết quả các phương pháp fusion trong trường hợp lọc nhiễu trước khi fusion

Bảng 7.18: Kết quả các phương pháp fusion trường hợp lọc nhiễu sau khi fusionBảng 8.1: Tổng kết nhận xét các phương pháp image fusion

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Hình 1.1: Quan sát cháy rừng ở Canada ngày 30/7/2009

Hình 1.2: Động đất ở Nyiragongo Volcano nước Cộng hòa Dân chủ Congo vào 27/06/2009

Hình 1.3: Ảnh MODIS thu được vào lúc 13 giờ 15 phút ngày 06/02/2007 (ảnh nhỏ dưới) và so sánh cùng thời điểm 05/02/2006 tại Quảng Nam (ảnh nhỏ trên).Hình 2.1: Khái niệm cơ bản của image fusion

Hình 2.2: Đặc tính của tín hiệu, nét đặc trưng và mức quyết định image fusion

Hình 2.3: Mô tả hai ảnh toàn sắc và ảnh đa phổ

Hình 2.4: Giải thuật cơ bản sự kết hợp ảnh toàn sắc và ảnh đa phổ trong image fusion

Hình 2.5: Mô tả tọa độ điểm của bản đồ và ảnh cần nắn chỉnh hình học

Hình 2.6: Dùng ảnh cân bằng làm trung gian của phép biến đổi

Hình 2.7: Mô hình fusion đa bộ cảm ứng

Hình 2.8: Cấu trúc image fusion thứ bậc

Hình 2.9: Cấu trúc fusion tổng hợp

Hình 2.10: Cấu trúc fusion tùy ý

Hình 2.11: Biến đổi wavelet trong image fusion

Hình 2.12: Bốn ảnh gốc từ tập dữ liệu

Hình 2.13: Các ảnh đã trộn khi đặc trưng năng lượng chuẩn được sử dụng: (a) ảnh

đã trộn theo cấu trúc thứ bậc; (b) ảnh đã trộn theo cấu trúc tổng hợp; (c) ảnh lỗi của chúng; (d) ảnh lỗi bị khuếch đại được tạo bởi nhân ảnh gốc bị lỗi lên 4 lầnHình 2.14: Các ảnh đã trộn khi rút ra đặc trưng: (a) ảnh đã trộn theo cấu trúc thứ bậc; (b) ảnh đã trộn theo cấu trúc tổng hợp; (c) ảnh lỗi của chúng; (d) ảnh lỗi bị khuếch đại được tạo bởi nhân ảnh gốc bị lỗi lên 4 lần

Hình 2.15: Cấu trúc của hai phương pháp đánh giá thích nghi fusion: (a) hướng tới thích nghi, (b) phản hồi thích nghi

Hình 3.1: Mô hình lấy mẫu lại tuyến tính

Hình 3.2: Lược đồ tổng quát một số quá trình image fusion.

Hình 3.3: Cấu trúc của Laplacian pyramid

Hình 3.4: Tiến trình tạo ra Gaussian pyramid

Hình 3.5: Tổng hợp các bước trong mã hóa và giải mã Laplacian pyramid

Hình 3.6: Mô tả image fusion dùng phương pháp pyramid

Hình 3.7: Mô tả kết quả 3 phương pháp pyramid ứng dụng trong image fusion: (a) Fusion sử dụng Laplacian pyramid, (b) Fusion sử dụng Ratio of Low Pass pyramid, (c) Fusion sử dụng Contrast pyramid

Hình 3.8: Dò tìm background và foreground

Hình 3.9: Các bước triển khai trước khi áp dụng phân tích thành phần chính

Hình 4.1: Sơ đồ khối biến đổi wavelet trong image fusion

Hình 4.2: Mô tả quy luật fusion dựa vào pixel

Hình 4.3: Bản đồ quyết định fusion

Hình 4.4: Mô tả phương pháp fusion dùng biến đổi khung wavelet rời rạc cho ảnh toàn sắc và ảnh đa phổ

Hình 4.5: Lưu đồ biến đổi Wavelet rời rạc

Hình 4.6: Lưu đồ biến đổi wavelet rời rạc ngược

Hình 4.7: Hình minh họa kết quả quá trình biến đổi Wavelet rời rạc

Hình 4.8: Mô tả kết quả fusion dùng phương pháp biến đổi Wavelet rời rạc họ Daubechies db6 mức 2

Hình 4.9: Mô tả biến đổi DT-CWT trong image fusion

Hình 5.1: Mô tả kỹ thuật lọc trung vị

Hình 5.2: Minh họa lọc Median: (a): Ảnh gốc, (b): Lọc Median 3 x 3, (c): lọc weight median 3 x 3 (c=3)

Hình 7.1: Lưu đồ trình tự thực hiện image fusion

Hình 7.2: Giao diện chương trình mô phỏng

Hình 7.3: Mô tả ảnh gốc chuyển qua ảnh xám: (a): Ảnh gốc, (b): Ảnh xám

Hình 7.4: Mô tả ba ảnh ngõ vào được làm mờ: (a): ảnh gốc, (b): ảnh mờ ngõ vào 1, (c): ảnh mờ ngõ vào 2 và (d): ảnh mờ ngõ vào 3

Hình 7.5: Mô tả hình ảnh các phương pháp fusion cấu trúc thứ bậc: (a): ảnh gốc, (b): phương pháp Spatial frequency, (c): phương pháp Laplacian pyramid, (d): phương pháp Wavelet, (e): phương pháp CEMIF và (f): phương pháp PCA.Hình 7.6: Mô tả histogram các phương pháp fusion cấu trúc thứ bậc: (a): ảnh gốc, (b): phương pháp Spatial frequency, (c): phương pháp Laplacian pyramid, (d): phương pháp Wavelet, (e): phương pháp CEMIF và (f): phương pháp PCA.Hình 7.7: Mô tả hình ảnh các phương pháp fusion cấu trúc tổng hợp: (a): ảnh gốc, (b): phương pháp Laplacian pyramid, (c): phương pháp Wavelet, (d): phương pháp CEMIF, (e): phương pháp PCA và (f): phương pháp Spatial frequency.Hình 7.8: Mô tả histogram các phương pháp fusion cấu trúc tổng hợp: (a): ảnh gốc, (b): phương pháp Laplacian pyramid, (c): phương pháp Wavelet, (d): phương pháp CEMIF, (e): phương pháp PCA và (f): phương pháp Spatial frequency.Hình 7.9: Mô phỏng ảnh nhiễu muối tiêu và kết quả lọc nhiễu median cửa sổ 5 x 5: (a1): ảnh vào 1 được làm mờ và cộng nhiễu, (a2): ảnh vào 2 được làm mờ và cộng nhiễu, (a3): ảnh vào 3 được làm mờ và cộng nhiễu, (b1): ảnh vào 1 được lọc nhiễu, (b2): ảnh vào 2 được lọc nhiễu, (b3): ảnh vào 3 được lọc nhiễu

Hình 7.10: Ảnh gốc và histogram ảnh gốc: (a): Ảnh gốc, (b): Histogram ảnh gốcHình 7.11: So sánh kết quả fusion thu được từ hai phương pháp lọc nhiễu trước fusion và lọc nhiễu sau fusion

Hình 7.12: So sánh kết quả histogram của ảnh fusion thu được từ hai phương pháp lọc nhiễu trước fusion và lọc nhiễu sau fusion

MỞ ĐẦU

Ngày 23/7/1972, NASA đã phóng vệ tinh ERTS (Earth Technology Satellite), tiền thân của hệ thống vệ tinh Landsat sau này Từ đó, vệ tinh này đã cung cấp những hình ảnh đa phổ dạng số về bề mặt trái đất, đã mở ra một trang mới của công nghệ xử lý ảnh số trong nghiên cứu tài nguyên, môi trường Hơn 3 thập kỷ qua, một số nước khác trên thế giới như Nga, Pháp, Nhật, Ấn Độ cũng đã phóng các

vệ tinh để phục vụ cho mục đích điều tra về tài nguyên, môi trường

Đứng trước xu thế công nghệ phát triển, Việt Nam cũng đang hướng dần đến việc ứng dụng công nghệ ảnh viễn thám trong việc quản lý và bảo vệ môi trường Chẳng hạn, thành lập dự án “Ứng dụng công nghệ thông tin và ảnh viễn thám để cảnh báo và phát hiện sớm cháy rừng ở Việt Nam giai đoạn 2005-2010” Vào ngày 19/04/2008, Việt Nam đã phóng thành công vệ tinh Vinasat-1 lên quỹ đạo địa tĩnh, qua đó đánh giá sự phát triển của ngành truyền thông và công nghệ thông tin trong tương lai của đất nước

Do vậy, công nghệ xử lý ảnh viễn thám là một trong những công nghệ phổ biến hiện nay và đang ngày càng được nghiên cứu để có được những giải pháp tối

ưu hơn Một công nghệ thiết yếu phục vụ cho việc xử lý ảnh viễn thám, đó là công nghệ Image fusion

IMAGE FUSION là một trong những công nghệ xử lý ảnh được nghiên cứu nhiều trong những năm qua Không những ứng dụng trong viễn thám, chúng còn ứng dụng trong nhiều lĩnh vực khác như địa chất, y học, công nghệ thông tin, quân

sự, v.v Trong công nghệ thông tin hiện nay, các hãng sản xuất phần mềm đã xuất bản nhiều phần mềm xử lý ảnh chuyên dụng, tích hợp nhiều phương pháp xử lý ảnh

và một trong những phương pháp đó là Image fusion Với vai trò quan trọng của công nghệ Image fusion trong lĩnh vực xử lý ảnh viễn thám và các lĩnh vực khác, luận văn này sẽ hướng đến việc nghiên cứu các thuật toán, giải pháp để xác định, so sánh cũng như phát triển các phương pháp Image fusion Từ đó, chúng ta sẽ có thể

phát huy được hiệu quả của công nghệ này trong lĩnh vực xử lý ảnh

Chương 1: TỔNG QUAN VỀ ẢNH VIỄN THÁM

Luận văn đi sâu vào các nghiên cứu về công nghệ Image fusion, tuy nhiên việc nghiên cứu về công nghệ này lại được trình bày trong ứng dụng xử lý ảnh viễn thám Do vậy, trong chương này sẽ trình bày một cách tổng quan về công nghệ ảnh viễn thám và việc ứng dụng chúng vào thực tiễn trong các ngành khoa học nghiên cứu về tài nguyên và môi trường Từ đó, có thể nhận rõ sự cần thiết phải xây dựng

và nghiên cứu thêm về công nghệ Image fusion nhằm giúp ích cho ngành viễn thám trong tương lai

1.1 Khái niệm về ảnh viễn thám

Viễn thám là kỹ thuật thu nhận thông tin về các đối tượng cần nghiên cứu mà không cần tiếp xúc trực tiếp với đối tượng đó Về bản chất, nó là công nghệ nhằm xác định và nhận biết các đối tượng hoặc các điều kiện môi trường thông qua các đặc trưng riêng về phản xạ hoặc bức xạ điện từ Tuy nhiên những năng lượng như

từ trường, trọng trường cũng có thể được sử dụng Viễn thám không chỉ tìm hiểu bề mặt của Trái Đất hay các hành tinh mà nó còn có thể thăm dò được cả trong các lớp sâu bên trong các hành tinh

Để thu nhận dữ liệu viễn thám, các nhà nghiên cứu sử dụng bộ cảm biến để cảm nhận sóng điện từ phản xạ hay bức xạ từ các đối tượng quan sát Bộ cảm biến này được chia ra làm hai loại là bộ cảm biến chủ động và bộ cảm biến bị động Bộ cảm biến bị động thu nhận bức xạ do vật thể phản xạ hoặc phát xạ từ nguồn phát tự nhiên như Mặt Trời Bộ cảm biến chủ động lại thu năng lượng do vật thể phản xạ từ một nguồn cung cấp nhân tạo Các hình ảnh thu được từ các đối tượng quan sát đó được gọi là ảnh viễn thám Ảnh viễn thám được phân làm nhiều loại, chẳng hạn:

- Ảnh quang học là loại ảnh được tạo ra bởi việc thu nhận các bước sóng ánh sáng nhìn thấy (bước sóng 0.4 – 0.76 micromet)

- Ảnh hồng ngoại là loại ảnh được tạo ra bởi việc thu nhận các bước sóng hồng ngoại phát ra từ vật thể (bước sóng 8 – 14 micromet)

- Ảnh radar là loại ảnh được tạo ra bởi việc thu nhận các bước sóng trong dải sóng cao tần (bước sóng lớn hơn 2 cm)

Ảnh viễn thám có thể được lưu theo các kênh ảnh đơn (ảnh trắng đen) ở dạng

số trong máy tính hoặc các kênh ảnh được tổ hợp (ảnh màu) hoặc có thể in ra giấy, tùy theo mục đích người sử dụng

1.2 Giới thiệu về ảnh viễn thám MODIS (Moderate Resolution

Spectroradiometer)

Tùy từng vệ tinh sẽ cung cấp các tập dữ liệu ảnh viễn thám khác nhau, chẳng hạn: vệ tinh TERRA và AQUA thì cho dữ liệu ảnh MODIS, vệ tinh LANDSAT 7 ETM cho dữ liệu ảnh LANDSAT của Mỹ, ảnh vệ tinh ASTER của Nhật Bản, ảnh SPOT 1 – 4 và SPOT 5 của Pháp, ảnh MERIS của vệ tinh ENVISAT Các loại tập

dữ liệu ảnh này sẽ được xử lý theo các tiêu chuẩn khác nhau Vì luận văn chỉ tập trung xử lý trên dữ liệu ảnh của vệ tinh TERRA và AQUA, do đó phần thuyết minh chỉ đề cập đến các vấn đề về tập dữ liệu ảnh MODIS

1.2.1 Khái niệm về ảnh MODIS

MODIS là một đầu đo viễn thám chủ yếu của các vệ tinh TERRA và AQUA Trong khoảng thời gian một ngày đêm, các đầu đo của các vệ tinh này sẽ quét gần hết Trái đất trừ một số giải hẹp ở vùng xích đạo Các dải này sẽ được phủ hết vào ngày hôm sau Trong mỗi phiên thu, hệ thống sẽ thu được dữ liệu tại 36 băng phổ (nếu phiên thu được thực hiện vào ban ngày) hoặc tại các băng từ 20 đến 36 là các băng hồng ngoại nhiệt (nếu phiên thu được thực hiện vào ban đêm) Theo thiết kế, các dữ liệu MODIS được sử dụng để nghiên cứu các biến động toàn cầu cũng như các hiện tượng xảy ra trên mặt đất, trong lòng đại dương và ở tầng thấp của khí quyển Các dữ liệu MODIS cũng đóng một vai trò rất quan trọng trong việc xây dựng các mô hình tương tác cho các hiện tượng xảy ra trên toàn bộ Trái đất Các mô hình này có thể được sử dụng để dự báo trước những biến động của môi trường

MODIS là một đầu đo bức xạ có độ nhạy cao Việc sử dụng dữ liệu của băng phổ nào là tuỳ thuộc vào yêu cầu của người sử dụng Các kênh phổ này có độ phân

giải không gian khác nhau: 2 kênh có độ phân giải 250m, 5 kênh có độ phân giải 500m, 29 kênh còn lại có độ phân giải 1000m Với góc chụp là 550 và độ cao quỹ đạo của Vệ tinh TERRA là 705km, độ rộng của dải quét là 2330km Chính điều này cho phép dữ liệu MODIS phủ kín toàn bộ Trái đất chỉ trong khoảng thời gian một – hai ngày

Đầu đo MODIS quan sát Trái đất một cách liên tục tại 36 kênh phổ khác nhau trong khoảng từ vùng bước sóng nhìn thấy cho đến dải hồng ngoại nhiệt Do khả năng cung cấp thông tin một cách liên tục và đa phổ nên đầu đo MODIS cho phép các nhà khoa học có được những dữ liệu cần thiết để ứng dụng trong rất nhiều lĩnh vực khác nhau

Như vậy, các dữ liệu MODIS sẽ giúp các nhà hoạch định chính sách trên thế giới đưa ra các giải pháp tối ưu để khai thác tài nguyên thiên nhiên và bảo vệ môi trường Các nhà khoa học ứng dụng thường sử dụng vệ tinh MODIS do khả năng quan trắc hằng ngày và vệ tinh sử dụng đầu dò radar (ALOS, Radasat, ENVISAT) Các loại vệ tinh này sẽ hỗ trợ và bổ xung cho nhau Ví dụ như radar sẽ hỗ trợ khả năng chụp xuyên mây so với MODIS, trong khi đó MODIS với độ phủ rộng, đa phổ

và quan trắc hằng ngày sẽ cung cấp nhiều thông tin về không gian và thời gian cũng như nhiều ứng dụng khác cho radar

1.2.2 Quy trình xử lý ảnh MODIS

Trạm thu tại viện Vật lý dùng phần mềm SCANEX Receiver để thu trực tiếp

dữ liệu MODIS dưới dạng các file *.PDS (được gọi là dữ liệu mức 1O) Để hiển thị

và tiền xử lý sơ bộ các dữ liệu này sẽ dùng phần mềm ScanView Các file dữ liệu thô *.PDS được tiền xử lý bằng phần mềm IMAPP Để có được các dữ liệu dưới dạng có thể xử lý được bằng các phần mềm xử lý ảnh viễn thám thông dụng Bằng phần mềm này các nhà nghiên cứu sẽ giải nén, định chuẩn bức xạ và gắn kết tọa độ địa lý các dữ liệu Các dữ liệu thu được sau khi xử lý bằng phần mềm IMAPP được gọi là các dữ liệu mức 1A và 1B

Dữ liệu mức 1A (EOS MOD01) được tạo ra khi ta giải nén dữ liệu mức 1O Trong các file ảnh MOD01, dữ liệu được ghi lại dưới dạng quét vạch giúp cho việc đọc ảnh được nhanh hơn Mỗi một file *.PDS khi chuyển đổi sang mức 1A vẫn giữ nguyên toàn bộ mức ban đầu Dữ liệu mức 1B (EOS MOD02) là các dữ liệu đã được định chuẩn và được gắn thêm các thông tin về vị trí địa lý Dữ liệu với độ phân giải khác nhau được chia thành các file dạng khác nhau:

- MOD021KM (36 kênh có độ phân giải 1km)

- MOD02HKM (7 Kênh có độ phân giải 500m)

- MOD02QKM (2 kênh có độ phân giải 250m)

- MOD02OBC (dữ liệu đã được định chuẩn ngay trên vệ tinh)

- MOD03 (các thông tin về tọa độ địa lý)

Các dữ liệu ở mức 1A và 1B được ghi dưới dạng 16 bits Giá trị tối đa tương ứng là file 12 bits cho mức 1A và file 15 bits cho mức 1B Tất cả các file mức 1A được lưu dưới dạng *.HDF Các dữ liệu mức 1B đã được định chuẩn độ sáng chói tại tất cả 36 kênh và định chuẩn độ phản xạ tại các kênh phản xạ (từ kênh 1 đến kênh 19 và kênh 26)

1.2.3 Các ứng dụng của ảnh viễn thám MODIS

Hiện nay, dữ liệu vệ tinh MODIS đã được ứng dụng thành công trên nhiều lĩnh vực của nhiều quốc gia Chẳng hạn, giám sát lũ lụt ở Campuchia, cháy rừng ở Idaho – Montana, phá rừng ở Miền Nam Brazil Tại Bắc Mỹ, do lãnh thổ rộng lớn nên ứng dụng này được được triển khai nhiều lĩnh vực như: vấn đề cháy rừng, lũ lụt, đánh bắt cá xa bờ, theo dõi lớp phủ rừng Ngoài ra, còn có các chương trình liên kết đa quốc gia sử dụng ảnh MODIS để theo dõi cháy rừng, theo dõi lớp phủ rừng nhiệt đới Ví dụ, trong hình 1.1 là sự phát hiện và giám sát 68 đám cháy ảnh hưởng ước lượng là 94,107 hecta đất ở Yukon Territory nước Canada vào ngày 30/07/2009 của Trung tâm phòng chống cháy rừng Canada thông qua ảnh MODIS được chụp từ

vệ tinh Terra của NASA [1]

Hình 1.1: Quan sát cháy rừng ở Canada ngày 30/7/2009

Dữ liệu vệ tinh MODIS với độ phân giải thấp (250m, 500m, 1000m), do đó việc ứng dụng MODIS trong nghiên cứu môi trường ở cấp độ vĩ mô với quy mô cấp vùng, quy mô toàn cầu và với tần số thu nhận ảnh cao từ một đến hai ngày Dữ liệu này thích hợp cho việc dự báo các biến động môi trường do thiên nhiên và con người tạo nên Chẳng hạn, hình 1.2 mô tả sự giám sát động đất nước Cộng hòa Dân chủ Congo [1]

Hình 1.2: Động đất ở Nyiragongo Volcano nước Cộng hòa Dân chủ Congo vào

27/06/2009

Ở nước ta với lợi ích về tần số thu và nhận ảnh, kích thước của ảnh và giá cả hợp lý của dữ liệu MODIS nên Việt Nam đã ứng dụng nhiều ảnh vệ tinh MODIS trong nhiều lĩnh vực khác nhau như: cảnh báo cháy rừng, dự báo thời tiết, quan sát diễn biến ngập lụt Viện Vật lý và Điện tử của Viện Khoa học và Công nghệ Việt Nam đã sử dụng ảnh viễn thám MODIS quan trắc sự cố tràn dầu tại tỉnh Quảng Nam vào cuối tháng 1 năm 2007 như mô tả trong hình 1.3 [2]

Hình 1.3: Ảnh MODIS thu được vào lúc 13 giờ 15 phút ngày 06/02/2007 (ảnh nhỏ dưới) và so sánh cùng thời điểm 05/02/2006 tại Quảng Nam (ảnh nhỏ trên)

Tóm lại, với phần giới thiệu tổng quan về ảnh viễn thám và dữ liệu ảnh MODIS cho thấy vai trò quan trọng của ảnh viễn thám trong lĩnh vực nghiên cứu các tài nguyên và môi trường Đây chính là một trong những lý do tại sao luận văn chọn lĩnh vực xử lý ảnh viễn thám cho việc nghiên cứu image fusion

Chương 2: TỔNG QUAN VỀ CÔNG NGHỆ IMAGE FUSION

Chương này sẽ giới thiệu về khái niệm, quá trình phát triển và một vài phân tích chủ yếu của Image fusion Đây là các vấn đề cơ bản giúp ích nhiều cho việc định hướng nghiên cứu các giải pháp, thuật toán áp dụng cho phương pháp này Fusion là từ tiếng Anh có thể tạm dịch là sự trộn lẫn các thông tin hay một nội dung nào đó, sau đó trích lọc lấy ra một hoặc nhiều thông tin hay nội dung mà chúng ta mong muốn Để tránh lặp lại việc giải thích cũng như nhằm đơn giản hóa câu từ trong luận văn, trong suốt quá trình đề cập đến các vấn đề liên quan đến từ “fusion”, luận văn không dịch trực tiếp từ này mà để nguyên bản từ tiếng Anh

2.1 Khái niệm về Image Fusion

Image fusion là tiến trình kết hợp 2 hoặc nhiều ảnh vào trong một ảnh đơn, loại bỏ thông tin dư thừa và giữ lại những nét đặc trưng quan trọng của mỗi ảnh gốc Image fusion thường yêu cầu các hình ảnh thu được từ các phương tiện khác nhau hoặc các mục tiêu cần quan sát [3]

Hình 2.1: Khái niệm cơ bản của image fusion Trong hình 2.1, phần thông tin chung của hai bộ cảm ứng A và B là không cần thiết Phần cần thiết là chúng ta phải bổ sung thông tin ở hai phần không chồng lên nhau

để được thông tin mong muốn

Các công nghệ fusion được áp dụng từ các phương pháp như: phương pháp ước tính hiệu suất mức pixel gọi tắt là CEMIF (Computationally Efficient Pixel-level Image Fusion Method), phương pháp Laplacian pyramid, Spatial frequency, phân tích các thành phần chính gọi tắt là PCA (Principal Component Analysis) hay biến đổi Wavelet Các phương pháp khác nhau trong image fusion có thể được áp dụng tùy thuộc vào các hình ảnh được trộn lẫn trong miền không gian hoặc chúng được biến đổi trong miền khác và được trộn lẫn trong miền đó

2.2 Quá trình phát triển của công nghệ Image fusion

Đầu tiên, image fusion được thực hiện ngay trên ảnh gốc để tìm ra những tác động trên bề mặt phẳng của ảnh Như vậy, chúng sẽ hạn chế sự tương phản giữa các pixel trên ảnh

Với việc ra đời của pyramid transform giữa năm 1980, một số phương pháp phức tạp bắt đầu nảy sinh Thông qua đó, một số nhà nghiên cứu nhận thấy rằng trong miền biến đổi, việc biến đổi pyramid phù hợp với fusion hơn Do vậy, biến đổi pyramid đã trở nên phổ biến và hữu dụng Ý tưởng cơ sở ban đầu là nhằm tạo biến đổi pyramid của hình ảnh đã được trộn lẫn từ các biến đổi pyramid của ảnh nguồn, sau đó sử dụng biến đổi pyramid ngược để thu lại ảnh đã được trộn lẫn Điều này có nghĩa là trích lọc lại thông tin cần thiết của ảnh đã trộn lẫn sao cho ảnh thu được gần giống với ảnh gốc

Một số mô hình của phân tích pyramid được dùng phát triển image fusion, như: Laplacian pyramid, Ratio of low pass Pyramid, Gradient Pyramid Bên cạnh

đó, các nhà nghiên cứu còn ứng dụng các phương pháp khác như Spatial frequency, CEMIF fusion hay PCA fusion để thử nghiệm nhằm tìm ra giải pháp tối ưu nhất Và theo đó, với sự ra đời và phát triển lý thuyết wavelet, con người bắt đầu ứng dụng

sự phân tích theo nhiều mức tỷ lệ của wavelet để thay thế cho phân tích pyramid của hình ảnh Thật sự, biến đổi wavelet có thể là một mô hình đặc biệt của phân tích pyramid Chúng làm cho việc xử lý image fusion thuận tiện hơn, tuy nhiên con người cần phải có nhiều nghiên cứu hơn nữa về lĩnh vực này

2.2.1 Phân tích Image fusion

Khi đề cập đến công nghệ Image fusion thường phải chú ý đến tập dữ liệu kèm theo chúng Tập dữ liệu này là thông tin cần thiết để phục vụ cho việc thực hiện các mục tiêu fusion hình ảnh Do vậy, để tiến hành nghiên cứu về Image fusion, phải phân loại các kỹ thuật fusion dữ liệu và mô tả hình ảnh hoặc chủ đề fusion trên 3 mô hình: tín hiệu, nét đặc trưng và mức quyết định được thể hiện như hình 2.2

Hình 2.2: Đặc tính của tín hiệu, nét đặc trưng và mức quyết định image fusion Nếu hình ảnh ở dạng 2 chiều thì tín hiệu là một pixel Nếu ảnh bao gồm thông tin 3 chiều như địa hình hoặc dữ liệu X quang thì tín hiệu là một giá trị để đo thể tích Phải nghiên cứu kỹ việc thu nhận các tín hiệu và kết hợp chúng lại với nhau, điển hình là áp dụng công nghệ Image fusion Trong không gian tín hiệu, đối với cả hai tính chất là nét đặc trưng và mức quyết định của fusion, thông tin tín hiệu của chúng không được kết hợp lại Tuy nhiên, sau đó dữ liệu của chúng vẫn được

khai thác Chẳng hạn, chúng ta có thể chia nhỏ hình ảnh ra thành từng phân đoạn và trích lọc nét đặc trưng

Image fusion quy định rằng: hình ảnh 2 chiều hoặc 3 chiều có kết quả không gian tương ứng là tín hiệu, pixel, hoặc thể tích dữ liệu ảnh Chúng phải thể hiện được kết quả hoặc một tiến trình xử lý ảnh cho người dùng Cụ thể, các pixel tương ứng có thể chỉ được thực hiện với các hình ảnh đã được bảo đảm, hay những nét đặc trưng trong hình Tiến trình xử lý ảnh bao gồm xác định nét đặc trưng và dò tìm các thuộc tính, sau đó trích lọc và phân nhỏ chúng Các hàm cấp cao hơn sử dụng các đặc tính bao gồm phân loại vật thể, nhận dạng và xác định Vấn đề chính của một số công nghệ Image fusion là xử lý các pixel cân bằng tương ứng từ mỗi hình ảnh, thông qua đó làm nổi bật nét đặc trưng đã được xử lý [4]

Image fusion là một công nghệ cần phải được nghiên cứu tỉ mỉ đến từng khía cạnh ứng dụng Một ví dụ về lợi ích của image fusion là giảm dữ liệu khi muốn gửi thông tin từ vệ tinh về mặt đất Hình ảnh kết hợp từ các bộ cảm ứng như là hệ thống

vệ tinh và radar nên giảm tỷ lệ xử lý dữ liệu và tăng thêm dữ liệu truyền đi Như vậy, chúng sẽ tự hiệu chỉnh và xác định đúng mục tiêu

2.2.2 Sự kết hợp ảnh toàn sắc và ảnh đa phổ trong image fusion

Thông thường các vệ tinh tài nguyên thường có hai hệ thống thu nhận ảnh, một hệ thống thu nhận ảnh trong toàn bộ dải sóng nhìn thấy gọi là ảnh toàn sắc và một hệ thống thu nhận ảnh theo nhiều khoảng phản xạ phổ khác nhau gọi là ảnh đa phổ Trong cùng một vệ tinh, hệ thống thu nhận ảnh toàn sắc thường cho độ phân giải hình học cao hơn ảnh đa phổ Tuy nhiên, do ảnh toàn sắc là ảnh mức xám, vì vậy khi giải đoán ảnh thì ảnh đa phổ lại cho ta nhận biết các đối tượng với màu sắc trực quan hơn Để kết hợp ưu điểm của hai loại ảnh này (độ phân giải cao của ảnh toàn sắc kết hợp với màu sắc của ảnh đa phổ) phải tiến hành xử lý tăng cường ảnh bằng các thuật toán biến đổi Tăng cường ảnh có nghĩa là tập hợp các kỹ thuật nhằm hoàn thiện trạng thái quan sát của một ảnh Bên cạnh việc tăng cường ảnh, chúng ta

sử dụng công nghệ Image fusion để có thể hợp nhất một ảnh toàn sắc có độ phân

giải cao với một ảnh đa phổ Kết quả ảnh fusion thu được bao gồm thông tin không gian độ phân giải cao của ảnh toàn sắc và thông tin màu của ảnh đa phổ Thông qua lợi ích image fusion, chúng ta thấy rõ phương pháp này vẫn phổ biến để phân tích

dữ liệu ảnh

Hình 2.3: Mô tả hai ảnh toàn sắc và ảnh đa phổ

Để có thể mô tả lại các điểm khác nhau của các hình ảnh tại một khu vực, nhiều ứng dụng của tập dữ liệu ảnh viễn thám đòi hỏi phải có hai hoặc nhiều ảnh có cùng kích thước ở khu vực đó Ví dụ hình 2.3, chúng ta sử dụng ảnh toàn sắc độ phân giải cao 10m và ảnh đa phổ 20m, yêu cầu cơ bản là trộn chúng lại dùng tập dữ liệu kép để lấy ảnh tốt hơn với nhiều chi tiết hơn Trong trường hợp này, có hai cách phổ biến để kết hợp chúng:

- Cách 1: Tăng cường sự toàn sắc vào đúng phần mờ của ảnh đa phổ với việc tăng độ bão hòa của các màu

- Cách 2: Tăng cường sự toàn sắc vào đúng phần mờ ảnh đa phổ Tăng cường

ở đây có thể chọn lựa tùy vào trường hợp, chẳng hạn: tăng cường các đặc trưng, đường biên, các dòng của ảnh đa phổ

Tiếp theo, chúng ta sẽ đề cập đến vấn đề tiêu chuẩn hóa và sự kết hợp của các dải kênh Một bức ảnh thu được sẽ chịu ảnh hưởng bởi nhiều yếu tố Do vậy, cường độ ảnh phụ thuộc vào các hệ số bên ngoài, chẳng hạn: các góc chiếu của mặt trời, định hướng bề mặt, đổ bóng, tiêu chuẩn hóa dải kênh được chia ra từng phần cường độ và hệ số phản xạ để rút ra các đặc trưng thích hợp Những vấn đề này

được thực hiện bởi việc chia cường độ của dải toàn sắc cho mỗi thành phần ảnh của tổng mật độ ba dải kênh của ảnh đa phổ Hệ số tỷ lệ chia cường độ x là Ip/Id, với Ip

là cường độ của ảnh toàn sắc và Id là tổng mật độ ba dải kênh của ảnh đa phổ R + G + B

Có nhiều phương pháp kết hợp ảnh toàn sắc và ảnh đa phổ Chẳng hạn, kết hợp ảnh toàn sắc và ảnh đa phổ bằng phương pháp tăng cường ảnh toàn sắc và tăng cường ảnh đa phổ, chúng ta thực hiện các bước cơ bản:

- Bước 1: Tính toán tất cả các thành phần ảnh là tổng của các dải (R,G,B) với việc mô tả toàn bộ cường độ ảnh

- Bước 2: Kết quả thu được từ bước 1 trộn với việc tăng cường ảnh toàn sắc để lấy mức tỷ lệ

- Bước 3: Trộn kết quả mức tỷ lệ và tăng cường ảnh đa phổ

Ngoài ra, còn một phương pháp điển hình khác là sự kết hợp tăng cường ảnh toàn sắc với không tăng cường ảnh đa phổ

Giải thuật cơ bản của sự kết hợp ảnh toàn sắc và ảnh đa phổ trong image fusion được mô tả trong hình 2.4

Hình 2.4: Giải thuật cơ bản sự kết hợp ảnh toàn sắc và ảnh đa phổ trong image

fusion

Tiến trình thực hiện kết hợp ảnh toàn sắc và ảnh đa phổ gồm 7 giai đoạn cơ bản:

- Giai đoạn đầu tiên, ảnh toàn sắc và ảnh đa phổ đều qua hệ thống biến đổi định dạng dữ liệu Hệ thống định dạng này sẽ xác định rõ đặc tính của bức ảnh, biến đổi chúng theo định dạng chung của hai hệ thống định dạng của ảnh toàn sắc và ảnh đa phổ

- Giai đoạn hai, chúng được đưa qua hệ thống nắn chỉnh hình học Trong ảnh viễn thám có hai loại sai số cơ bản: sai số về phổ (liên quan đến độ sáng của các pixel) và sai số về hình học (liên quan đến hình dạng của ảnh) Để hiểu

rõ hơn về công dụng của hệ thống nắn chỉnh hình học này, luận văn sẽ sơ lược về nguyên nhân của hai sự sai số về phổ và sai số về hình học Sai số về phổ xuất phát từ các nguyên nhân như: ảnh hưởng của bầu khí quyển (do hấp thụ năng lượng, tán xạ năng lượng) hay do lỗi của các bộ cảm ứng thu ảnh Việc hiệu chỉnh các sai số về phổ thường được làm bởi nhà cung cấp cấp ảnh

ở giai đoạn tiền xử lý Sai số về hình học có thể từ các nguyên nhân sau: Trái đất quay trong khi chụp ảnh, một số bộ cảm ứng có tốc độ quét thấp hay có góc quét quá rộng, độ cong của mặt đất, lỗi hình học của chính bộ cảm ứng,

sự thay đổi về vị trí, cao độ, vận tốc của vệ tinh trong quá trình chụp Đối với

hệ thống nắn chỉnh hình học có thể chọn hai kỹ thuật cơ bản Kỹ thuật thứ nhất là thiết lập một quan hệ toán học giữa các pixel của ảnh với tọa độ các điểm tương ứng trên mặt đất (thông qua bản đồ), dùng phép biến hình để hiệu chỉnh Kỹ thuật thứ hai là xây dựng một mô hình phản ánh bản chất và mức độ của các sai số hình học, sau đó dùng mô hình này để tính toán công thức toán học dùng để khử sai Trong thực tế, người ta phải áp dụng nhiều phép khử sai số hệ thống cùng một lúc Phép khử sai này thường được thực hiện trước bởi nhà cung cấp ảnh viễn thám Ảnh viễn thám thường đã được nắn chỉnh sai số hệ thống và đăng ký theo một hệ tọa độ địa lý nào đó, chẳng hạn như lưới chiếu hệ thống UTM (Universal Transverse Mercator) Tuy nhiên, độ chính xác về hình học của ảnh trong trường hợp này thường không đáp ứng được yêu cầu của người dùng Do vậy, người dùng sẽ nắn chỉnh thêm dùng phép biến đổi hình học và các điểm khống chế Để hiểu rõ về nắn ảnh dùng điểm không chế, chúng ta ví dụ: giả định đã có một bản đồ (hoặc một ảnh) của vùng nghiên cứu và đã được nắn chỉnh Xác định hai hệ tọa độ (x,y) của bản đồ và (u,v) của ảnh cần nắn chỉnh, cùng hai hàm biến đổi tọa

độ u = f(x,y) và v = g(x,y) Hai hệ tọa độ và các điểm khống chế như ví dụ hình 2.5

Hình 2.5: Mô tả tọa độ điểm của bản đồ và ảnh cần nắn chỉnh hình học

Trong thực tế, phép nội suy và phép lấy mẫu lại được sử dụng để tính toán giá trị của các pixel, là ảnh của (x,y) qua hàm f và g Các đa thức bậc 1, 2 và

3 thường được sử dụng và bộ hàm f, g thường được gọi là phép biến đổi hình học

- Giai đoạn 3: Loại bỏ đi các thành phần dư thừa trong ảnh Việc loại bỏ này tức là loại bỏ các pixel không cần thiết để làm giảm kích thước hình ảnh

- Giai đoạn 4: Các thông tin đặc trưng hình ảnh sẽ được làm nổi bật bằng cách tăng cường độ các pixel

- Giai đoạn 5: Hai dữ liệu của ảnh toàn sắc và ảnh đa phổ sẽ qua hệ thống ghi lại hình học chính xác của dữ liệu ảnh này Từ giai đoạn đầu tiên đến giai đoạn 5 được xem là giai đoạn tiền xử lý hai ảnh

- Giai đoạn 6: Xử lý trộn cân bằng, đây là một trong những phần quan trọng nhất để thu được kết quả ảnh như mong muốn Với hai ảnh của hai vùng kế cận có thể chồng lên nhau, về nguyên tắc phải làm cho độ sáng của hai ảnh gần nhau đến mức có thể được Để thực hiện vấn đề này có thể dùng ảnh cân bằng làm trung gian của phép biến đổi Hình 2.6 mô tả về phương pháp dùng ảnh cân bằng làm trung gian của phép biến đổi

Hình 2.6: Dùng ảnh cân bằng làm trung gian của phép biến đổi

Theo hình 2.6, ánh xạ y= f− 1g(x) biến đổi ảnh A thành ảnh B Ảnh B gọi là

ảnh liên quan Trong thực hành, phép biến đổi được thực hiện thông qua ánh

xạ chồng chất histogram của ảnh A với chồng chất histogram của ảnh B

Trong trường hợp này, có thể thay ảnh B bằng một hàm toán học biểu thị

một sự phân bố nào đó, chẳng hạn như hàm phân bố chuẩn [5]

- Giai đoạn sau cùng của hệ thống là xử lý lần cuối và áp dụng kết quả thu

được Xử lý lần cuối nhằm khôi phục ảnh ngõ ra gần giống với ảnh gốc

2.3 Fusion dữ liệu đa bộ cảm ứng

2.3.1 Khái niệm về fusion dữ liệu đa bộ cảm ứng

Fusion dữ liệu đa bộ cảm ứng là chức năng kết hợp các nguồn khác nhau của

thông tin cho các hệ thống thông minh Thông tin là các tín hiệu được phân phối bởi

các bộ cảm ứng khác nhau và các hình ảnh từ nhiều phương thức khác nhau Các

nội dung và phương pháp của chúng được thu thập bằng các nội dung về trọng số

trung bình, các mạng nơron, lọc băng con, và các quy luật cơ bản khác Cách đây

không lâu, phương pháp logic mờ và biểu đồ hình chóp cũng đã được sử dụng

2.3.2 Mô hình của fusion nhiều bộ cảm ứng

Mô hình của fusion nhiều bộ cảm ứng là sự tích hợp nhiều hệ thống thông

minh với các bộ cảm ứng khác nhau Từ đó, chúng ta thu được những thông tin cần

thiết cho quá trình quan sát và nhận dạng thông tin Các loại fusion thường thực

hiện trong các hệ thống bao gồm: fusion mức tín hiệu, fusion mức hình ảnh, fusion mức đặc trưng, fusion mức ký hiệu Fusion nhiều bộ cảm ứng thường áp dụng trong

mô hình hệ thống quan sát Chẳng hạn, tham khảo mô hình của hình 2.7

Hình 2.7: Mô hình fusion đa bộ cảm ứng Hình 2.7 cho ta thấy rõ sự tích hợp các tính năng trong một hệ thống và nhiệm vụ của từng chức năng bao gồm: dò tìm, phân đoạn ảnh, đo lường và nhận dạng Fusion mức tín hiệu áp dụng trong giai đoạn dò tìm hệ thống Trong phân đoạn ảnh, fusion mức hình ảnh được áp dụng Tiếp theo, tại phần đo lường áp dụng fusion mức đặc trưng Cuối cùng là fusion mức ký hiệu trong nhận dạng hệ thống

Trong một hệ thống quan sát gồm nhiều hệ thống con, mỗi hệ thống con có một chức năng và nhiệm vụ riêng Tuy nhiên, các hệ thống con này sẽ trộn lẫn những thông tin giống nhau để so sánh và trích lọc những thông tin đồng nhất Chẳng hạn, trong hệ thống dò tìm, tín hiệu thu được từ hai radar, sau đó chúng trộn lẫn và trích lọc các tín hiệu để tìm ra tín hiệu tối ưu nhất và biến đổi tín hiệu sang hình ảnh Sau

đó, các hình ảnh thu được từ bộ cảm ứng hồng ngoại sẽ được fusion tại hệ thống phân đoạn Ở hệ thống này, với phương pháp fusion mức hình ảnh sẽ trích lọc được những đặc trưng cần thiết, sau đó fusion với những đặc trưng thu được từ bộ cảm ứng quang học tại hệ thống đo lường Quá trình fusion này gọi là fusion mức đặc trưng Tiếp theo, từ những đặc trưng thu được, nhận dạng được mục tiêu từ fusion mục tiêu đó với mục tiêu được tìm thấy từ bộ cảm ứng sóng radio Giai đoạn này gọi là fusion mức ký hiệu Cuối cùng mục tiêu nhận dạng được là chiếc xe tăng như hình trên

2.4 Cấu trúc fusion

Trong trường hợp có nhiều hơn hai ảnh nguồn, phương pháp trộn ảnh có thể

có nhiều hướng khác nhau, nhưng các chuỗi fusion khác nhau sẽ sinh ra các kết quả fusion khác nhau Trong quá trình sử dụng một số phương pháp image fusion để trộn các ảnh gốc lại với nhau, luận văn sẽ đề cập đến 3 phương pháp trộn ảnh cơ bản và được gọi là 3 cấu trúc fusion Cấu trúc thứ nhất gọi là cấu trúc fusion thứ bậc, cấu trúc thứ hai gọi là cấu trúc fusion tổng hợp, và cấu trúc còn lại gọi là cấu trúc fusion tùy chọn

2.4.1 Các cấu trúc fusion

Đề cập đến quá trình chung của một ảnh fusion gồm có N ảnh gốc S={Si, i =

1, …, N} và M các cấu trúc fusion T = {Ti, i = 1, …, M) Khi sử dụng một số giải thuật image fusion cho mỗi cấu trúc Ti sẽ trộn các ảnh gốc S vào trong các ảnh kết quả Ki, Fi = {Fij, j = 1, …, Kj} Theo cách đó, các ảnh đã trộn trình bày theo công thức (2.1)

F={Ti(S), i = 1, …, M} = {Fij, i =1, …, M, j = 1, …, Ki} (2.1)

2.4.1.1 Cấu trúc fusion thứ bậc

Hình 2.8 minh họa cấu trúc fusion thứ bậc tập trung vào các ảnh nguồn đã trộn trong một lệnh đặt sẵn, mỗi lần chỉ hai ảnh nguồn có thể được trộn Cấu trúc này thích hợp cho các công nghệ fusion mà thiết kế chỉ chú trọng đến hai ảnh nguồn

Hình 2.8: Cấu trúc image fusion thứ bậc Với cấu trúc này, mỗi lần chỉ có hai ảnh được trộn lẫn Gọi thời gian trộn lẫn

F12 = t12 và thời gian trộn lẫn tạo ra F123 là t23 Từ đây ta có tổng thời gian t123 để ba ảnh S1, S2, S3 là bằng :

Nếu gọi t1…N là thời gian ảnh trộn lẫn F1…N được tạo ra thì ta có:

t1…N = t12 + t23 + … + t(N-1)N (2.3) Tuy nhiên, trường hợp thực hiện bước đầu tiên là fusion ảnh gốc S1 và S2 để tạo F12, kết quả ban đầu thỏa mãn điều kiện ngưỡng gần giống với ảnh gốc nhất thì quá trình thực hiện fusion có thể dừng lại Kết quả thời gian xử lý lúc này chỉ là t12

cho toàn bộ quá trình fusion Đây cũng là một đặc điểm thuận lợi của cấu trúc này

2.4.1.2Cấu trúc fusion tổng hợp

Hình 2.9 minh họa cấu trúc fusion có cấu tạo toàn bộ hay còn gọi là cấu trúc fusion tổng hợp Cấu trúc này có nghĩa là các ảnh gốc được trộn hết lại với nhau và sau đó cho ra một ảnh đã fusion

Hình 2.9: Cấu trúc fusion tổng hợp Với cấu trúc này, khi trộn tất cả các ảnh vào cùng nhau, thời gian xử lý ảnh trộn lẫn là phụ thuộc vào thuật toán tại ảnh trộn lẫn F1…N Giả sử, nếu dùng phương pháp trộn lẫn các pixel của các ảnh gốc S1, S2, S3, …, SN với nhau, bắt buộc thời gian xử lý sẽ phụ thuộc nhiều vào phương pháp áp dụng và số lượng pixel trộn vào Giả sử, cả hai cấu trúc fusion thứ bậc và fusion tổng hợp đều sử dụng một phương pháp fusion thì fusion tổng hợp sẽ xử lý trên toàn bộ các pixel của các ảnh gốc Do vậy, trong trường hợp cấu trúc fusion thứ bậc thực hiện đến F1…N, thời gian xử lý của chúng sẽ nhanh hơn so với cấu trúc fusion thứ bậc Vì đối với cấu trúc thứ bậc, sau thời gian fusion hai cặp ảnh vào, sau đó mới lấy kết quả này fusion tiếp tục với ảnh tiếp theo và lặp lại cho đến F1…N

2.4.1.3 Cấu trúc fusion tùy chọn

Trong một số ứng dụng, cả hai cấu trúc được đề cập nói trên được sử dụng cùng nhau để tạo nên một cấu trúc fusion khác gọi là cấu trúc fusion tùy chọn Cấu trúc này được minh họa trong hình 2.10

Hình 2.10: Cấu trúc fusion tùy ý Cấu trúc fusion tùy chọn thực hiện phụ thuộc vào yếu tố chủ quan của con người Do vậy, thời gian và phương pháp thực hiện phụ thuộc vào quá trình xử lý và nhận định của con người Thông qua đó, khó có thể so sánh thời gian hoạt động của chúng với các cấu trúc fusion khác

2.4.2 Sự ảnh hưởng của cấu trúc fusion đến sự thực thi image fusion

Khi thay đổi các cấu trúc fusion sẽ ảnh hưởng đến kết quả fusion Xét một tiến trình fusion là việc trộn một số ảnh gốc và xem xét các giải pháp về sự phân ly dựa trên công nghệ Image fusion, chẳng hạn biến đổi wavelet Theo nguyên lý của biến đổi wavelet trong image fusion (ở đây sử dụng biến đổi wavelet 2 tầng) có thể được minh họa trong hình 2.11 với S và D được gọi là những ảnh xấp xỉ và ảnh chi tiết tương ứng

Ảnh đã trộn

Thông qua hình 2.11, thông tin chi tiết từ ảnh gốc được phân tích thành các ảnh con xấp xỉ và chi tiết, sau đó là việc tái lập lại từ các ảnh con trộn lẫn tương ứng với ảnh đã trộn để hoàn tất việc tạo image fusion Ứng dụng biến đổi wavelet trong image fusion chủ yếu là dựa vào phương pháp trích lọc các nét đặc trưng, xác định trọng số và fusion Phương pháp trích lọc nét đặc trưng là xác định theo trọng số, trọng số này dựa vào sự tính toán của phạm vi thông tin cục bộ trong các ảnh con thông qua công thức (2.4):

) , , (

k j

E , được xem là năng lượng chuẩn được dùng như một phép đo thông tin ảnh Các trọng số của mỗi ảnh sẽ được tính toán khi thu được năng lượng thông tin E l, QI(j,k,l)

k

j = của ảnh xấp xỉ và ảnh chi tiết trong cửa sổ Trọng số được định nghĩa theo công thức (2.5):

) , , ( , ,

l k j

E , và lớn hơn trọng số tương đương

Image fusion được thể hiện trên các ảnh xấp xỉ và các ảnh chi tiết Các ảnh

đã trộn được định nghĩa như một tổng trọng số của các ảnh xấp xỉ L và các ảnh chi tiết trong công thức (2.7) và (2.8):

l J

l j k j

D

1

, ,

với SJ và Dk,j là các ảnh xấp xỉ và ảnh chi tiết tương ứng

Nếu ảnh thứ l bao gồm nhiều thông tin thì trọng số của nó phải cao hơn, đồng thời ảnh này phải phân phối nhiều thông tin để ảnh được trộn hoàn toàn

Trong các cấu trúc fusion theo thứ bậc, khi áp dụng biến đổi wavelet vào image fusion, sự ảnh hưởng đến việc thực hiện fusion là xác định trọng số Khi trộn lẫn đầu ảnh gốc S1 và S2, các ảnh con xấp xỉ và chi tiết có thể được thu theo công thức (2.9) và (2.10) tương ứng:

) ( )

, , , , , ,

1 , 3

1 1 , 2

1 1 , 1

1 2 , 3

1 2 , 2

1 2 , 1

1

) ( )

, , , , , ,

1 , 3

2 1 , 2

2 1 , 1

2 2 , 3

2 2 , 2

2 2 , 1

2

với DC(.) là tiến trình phân tích ảnh

Bây giờ lấy fusion của các ảnh con chi tiết 1

2 , 1

D và 2

2 , 1

D như ví dụ, số lượng tương ứng của thông tin có thể được thu thông qua các công thức (2.11) và (2.12):

) ( 1 2 , 1

2 , 1

1 2 , 1 1

2 , 1

1 2 , 1 2

1 2 , 1

1 2 , 1

1 2 , 1 2

,

Vì thế, ảnh đã trộn F12 từ S1 và S2 được thu từ ảnh con xấp xỉ và các ảnh con chi tiết

đã trộn là:

F12 = RC(S2, D1,2, D2,2, D3,2, D1,1, D2,1, D3,1) (2.16)

với RC(.) là tiến trình tạo lại ảnh

Sự phát triển fusion thứ bậc, một ảnh S3 phải được trộn với ảnh trung gian

F12 Sau việc phân tích, trích đặc trưng và xác định trọng số của S3 và F12, những trọng số của chúng (ở đây vẫn lựa chọn chi tiết ảnh con 3

2 , 1

D làm ví dụ) là:

))()(

2 , 1 2

, 1 1

2

,

1

12 12

D QI D

QI f

))()(

2 , 1 2

, 1 2

QI f

và ảnh con chi tiết đã trộn tương ứng là:

i i

f

2 , 1

2 2 , 1

1 2 , 1 3

1 2

ví dụ để khẳng định tại sao các cấu trúc image fusion khác nhau sẽ thực hiện fusion khác nhau, mặc dù kỹ thuật fusion được áp dụng là giống nhau

Trong cấu trúc fusion tùy chọn, bởi vì nó là sự kết hợp của cấu trúc fusion thứ bậc và fusion toàn bộ, các sự kết hợp khác nhau của các ảnh nguồn và các ảnh trung gian sẽ sinh ra các kết quả fusion khác nhau Ngoài ra, vẫn còn một số tình huống trong cấu trúc fusion thứ bậc và cấu trúc fusion tổng hợp có thể sinh ra ảnh

có kết quả image fusion đồng nhất Ở đây, chúng ta sử dụng hàm xác định trọng số tuyến tính như một ví dụ được mô tả lại, còn sử dụng một hàm không tuyến tính phân tích sẽ phức tạp hơn Bởi vậy, trong cấu trúc fusion thứ bậc là:

3 2 , 1 2 , 1

3 2 , 1

3 2 , 1 2

2 , 1

1 2 , 1

2 2 , 1

2 2 , 1

1 2 , 1

1 2 , 1 2 , 1

E E

D E E

E

D E D E E D

F

F

+

+ +

1 2 , 1 2

với những bức ảnh con chi tiết đã trộn từ hai cấu trúc fusion khác nhau, biến đổi wavelet giống nhau dựa vào công nghệ Image fusion tương đương nhau Do vậy, có thể kết luận rằng dưới các điều kiện đặc biệt, các cấu trúc fusion khác nhau có thể cho ra hiệu suất giống nhau [6, tr.479 - 483]

2.4.3 Các thử nghiệm

Để chứng minh sự lập luận về ảnh hưởng của cấu trúc fusion liên quan đến kết quả thực thi image fusion, chúng ta có thể xem qua việc thử nghiệm thực hiện image fusion sử dụng trên dữ liệu ảnh MODIS

Trong một tập dữ liệu thu được, chúng ta chọn ra bốn ảnh có kích thước giống nhau Sau đó dựa vào công nghệ Image fusion, dùng phương pháp biến đổi wavelet với hàm xác định trọng số tuyến tính để trộn bốn ảnh lại Hai đặc tính khác nhau của các phương pháp này được áp dụng vào trong quá trình thực hiện fusion Một đặc tính dựa vào năng lượng hình ảnh chuẩn và gọi là năng lượng thông tin

3 2 , 1

2 2 , 1

1 2 , 1

3 2 , 1

3 2 , 1

2 2 , 1

2 2 , 1

1 2 , 1

1 2 , 1 12

E E E

D E D E D E D

++

++

=

Các hình 2.14 là hai ảnh đã trộn khi sử dụng việc trích lọc đặc trưng mới và hình ảnh lỗi của chúng

Dựa vào các đặc trưng trên, khi quan sát các hình ảnh chúng ta có thể nhận ra hai ảnh đã fusion của hình 2.14 giống nhau Khi đề cập việc thiết kế hàm trích ra đặc trưng thì yêu cầu những cấu trúc fusion khác nhau sẽ tạo ra các fusion giống nhau Do vậy, ảnh lỗi của chúng là số 0 Tuy nhiên, những ảnh fusion trong hình 2.13a là khác nhau, khi hàm trích ra đặc trưng được thiết kế như một kiểu mới đến nỗi chúng không thỏa mãn yêu cầu nêu trên Bởi vậy, đây chính là thông tin trong ảnh lỗi [6, tr.483]

Hình 2.12: Bốn ảnh gốc từ tập dữ liệu

Hình 2.13: Các ảnh đã trộn khi đặc trưng năng lượng chuẩn được sử dụng: (a) ảnh

đã trộn theo cấu trúc thứ bậc; (b) ảnh đã trộn theo cấu trúc tổng hợp; (c) ảnh lỗi của chúng; (d) ảnh lỗi bị khuếch đại được tạo bởi nhân ảnh gốc bị lỗi lên 4 lần

Hình 2.14: Các ảnh đã trộn khi rút ra đặc trưng: (a) ảnh đã trộn theo cấu trúc thứ bậc; (b) ảnh đã trộn theo cấu trúc tổng hợp; (c) ảnh lỗi của chúng; (d) ảnh lỗi bị

khuếch đại được tạo bởi nhân ảnh gốc bị lỗi lên 4 lần Tóm lại, thông qua các cấu trúc image fusion và các tính năng riêng của chúng ta thấy cấu trúc image fusion thay đổi lẫn nhau, các hình ảnh fusion xuất hiện qua những cấu trúc fusion khác nhau sẽ cũng thay đổi lẫn nhau

2.5 Đánh giá khách quan sự đáp ứng fusion

2.5.1 Ý nghĩa của sự đáp ứng fusion

Trong việc thu nhận ảnh viễn thám, các nhà nghiên cứu thường áp dụng phương thức đa bộ cảm ứng để thu được nhiều thông tin từ cảnh quan cần quan sát Bên cạnh đó, tính chất thô trong một phạm vi của ứng dụng ảnh được tăng cường cải thiện Tuy nhiên, việc tăng cường cải thiện cũng chỉ đến một mức nào đó trong

dữ liệu thô mà chúng ta cần được xử lý Do vậy, vấn đề đặt ra ở đây là cần phải kết hợp một cách hiệu quả thông tin từ một số ảnh thu được qua các bộ cảm ứng Để giải quyết vấn đề này, công nghệ Image fusion kết hợp thông tin từ một số ảnh đa

bộ cảm ứng vào trong một ảnh được trộn Chúng xử lý các hệ số và hiển thị thông tin xác thực hơn Chẳng hạn, fusion số hạng tức là một trọng số kết hợp các ngõ vào

là phương pháp đơn giản nhất Đối với phương pháp này, nếu điều kiện trọng số là đúng thì có khả năng phương pháp này thu được kết quả tốt Các phương pháp phân tích đa tỷ lệ là phương pháp phổ biến hiện nay đề cập đến các hệ số Phương pháp này mục đích làm tăng việc xử lý bởi thông tin phân ly trong các tín hiệu rời rạc theo tỷ lệ và sự định hướng, chúng được gọi là ảnh hình chóp Các chi tiết ảnh được

mô tả sao cho các đặc trưng nổi bật được nhận dạng, bảo quản trong không gian của ảnh trộn, đồng thời chúng ta lựa chọn các biện pháp fusion phù hợp

2.5.2 Đánh giá kết quả fusion

Cùng với sự phát triển của các hệ thống fusion, gần đây các nhà khoa học còn đang tìm các định hướng đáng tin cậy cho việc đánh giá, so sánh hiệu suất của chúng Việc dư thừa các thuật toán đánh giá fusion đã được đề cập đến nhiều và được xem là một vấn đề chính cần phải tìm ra giải pháp Chúng ta có thể không tìm

ra được ảnh fusion lý tưởng, tức là ảnh hoàn toàn giống ảnh gốc bằng cách xác định kết quả thực tế thông qua biện pháp đơn giản là xác định thông số RMSE Tuy nhiên, đối với các ảnh có nhiều tiêu điểm, trong một số ứng dụng đặc biệt chúng ta cũng có thể xác định được ảnh fusion lý tưởng Một cách tiếp cận khác để đánh giá kết quả fusion là sử dụng ý kiến chủ quan Điều này có nghĩa là chúng ta sử dụng nhiều phương pháp tổng quát để xử lý quá trình fusion, sau đó thu được nhiều hình ảnh cần thiết Với khả năng quan sát hình ảnh bằng mắt thường, chúng ta sàn lọc và chọn ra ảnh được xem là gần giống với ảnh gốc nhất Với cách tiếp cận này, việc nhận định kết quả fusion chỉ mang tính chất cảm tính của mỗi người, do vậy kết quả đem lại sẽ không có tính thuyết phục cao

Trong thời gian gần đây, việc đo đạc fusion một cách khách quan được các nhà nghiên cứu quan tâm đến nhiều nhằm cung cấp một số thuật toán Các thuật toán này có khả năng yêu cầu không hiển thị dụng cụ đo hoặc cấu trúc phức tạp Chẳng hạn, sự đo đạc kích thước được tự động hoàn toàn, sự ước lượng mô tả dựa hoàn toàn vào các ảnh ngõ vào và ảnh đã trộn Chúng không cần một nền tảng thật

sự, và sản sinh ra một điểm số đơn giản để ánh xạ tốt kết quả fusion

Hầu hết các thuật toán fusion đều hợp nhất thông tin ngõ vào bất chấp việc

sử dụng các quy luật phức tạp Tuy nhiên, chúng ta phải tin tưởng vào các thuộc tính cố định của các ngõ vào và xác định lại các thông số phù hợp Các thuật toán có thể được kết hợp lại để thu được hiệu suất tối ưu cho các ứng dụng đa dạng, nhưng trường hợp này được sử dụng trong một số hoàn cảnh và yêu cầu phải có một tập

ảnh huấn luyện Nếu các điều kiện thật không giống như những gì đề cập thì việc lựa chọn các thông số, hiệu suất cũng không thể dự đoán được

Từ ý tưởng trong thuật toán fusion về việc chuyển thông tin ngõ vào vào trong một ảnh trộn nhằm giúp cho thông tin được chính xác hơn, các nhà nghiên cứu đã mô tả biên dựa vào việc đo đạc toàn bộ hiệu suất fusion QAB/F Việc fusion các ảnh vào A và B là kết quả của ảnh trộn F, cường độ pixel g, sự định hướng α (Є[0,π]) được trích lọc ở mỗi phạm vi (n,m) từ mỗi ảnh dùng thuật toán Sobel và thường liên quan đến cường độ và sự định hướng thay đổi các hệ số G và A Giữa mỗi ngõ vào và ảnh đã trộn ta có công thức (2.23)

,

, ,

m n

A m n

M A m n

F m n AF

m n

với M bằng 1 khi gF > gA và bằng -1 với trường hợp khác Để duy trì thông tin biên,

đo thông tin mô hình QAF bị mất giữa A và F với sự thay đổi các thông số hàm Σ được định nghĩa bởi các hằng số Γ, kg, σg, kα, và σα bằng công thức (2.24)

) (

) (

Γ

=

AF m n g

AF m n

Toàn bộ hiệu suất fusion QAB/F được đánh giá như tổng phạm vi thông tin duy trì ước lượng giữa mỗi ngõ vào và trộn lẫn QAF và QBF là trọng số bởi các hệ số quan trọng wA và wB thường định nghĩa như trọng số gradient cục bộ, tức là trọng số chỉ hướng biến thiên tăng cực đại của hàm ảnh:

B m n

A m n

B m n

AF m n m

n

A m n

AF m n AF

m

w Q w

Q Q

, ,

QAB/F nằm trong dãy [0,1], tương ứng với 0 biểu hiện ảnh hoàn toàn mất thông tin ngõ vào, với QAB/F = 1 biểu thị fusion lý tưởng Sự tăng lên của QAB/F được ước lượng thông qua thị giác khác nhau, đồng thời được biểu hiện thông qua sự tăng độ sáng trên các pixel của ảnh