Nâng cao chất lượng ảnh viễn thám dựa trên phân cụm bán giám sát mờ

Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Huế, ngày 07-08/6/2019 DOI: 10.15625/vap.2019.00042 NÂNG CAO CHẤT LƯỢNG ẢNH VIỄN THÁM DỰA TRÊN PHÂN CỤM BÁN GIÁM SÁT MỜ Nguyễn Tu Trung, Trần Mạnh Tuấn, Đặng Thị Thu Hiền, Nguyễn Huy Đức, Kiều Tuấn Dũng, Nguyễn Văn Nam, Đỗ Oanh Cường DS Lab – Khoa Công nghệ thông tin, Trường Đại học Thủy Lợi trungnt@tlu.edu.vn, tmtuan@tlu.edu.vn, hiendt@tlu.edu.vn, ducnghuy@tlu.edu.vn, dungkt@tlu.edu.vn, namnv@tlu.edu.vn, cuongdo@tlu.edu.vn TÓM TẮT: Nâng cao chất lượng ảnh là một trong các công việc rất cần thiết của xử lý ảnh. Trong đó ảnh viễn thám thường có kích thước lớn và độ phân giải không gian đa dạng, khi đó việc phân tích trở lên phức tạp hơn. Do vậy quá tiền xử ảnh rất quan trọng, ảnh hưởng đến kết quả phân tích ảnh. Một số nghiên về nâng cao chất lượng ảnh dựa trên các phương pháp như khử nhiễu, histogram, tăng độ tương phản, nâng cao mức xám,. Trong bài này, chúng tôi sẽ cải tiến một nghiên cứu trước đây trong nâng cao chất lượng ảnh viễn thám dựa vào việc tăng cường độ tương phản sử dụng phân cụm bán giám sát mờ. Từ khóa: tăng cường độ tương phản, ảnh viễn thám, nâng cao chất lượng ảnh, phân cụm bám giám sát mờ, phân tích ảnh I. GIỚI THIỆU Ảnh viễn thám cho phép thu thập thông tin về một đối tượng, một khu vực. Tuy nhiên, ảnh viễn thám thường có kích thước lớn và độ phân giải không gian đa dạng. Độ phân giải không gian càng cao thì ảnh càng chi tiết. Nó cũng có thể chứa nhiễu. Để khử nhiễu và tăng cường chất lượng ảnh, chúng ta cần sử dụng các phương pháp nâng cao chất lượng ảnh. Nâng cao chất lượng là bước cần thiết trong xử lý ảnh nhằm hoàn thiện một số đặc tính của ảnh như lọc nhiễu, làm trơn, tăng cường độ tương phản, điều chỉnh mức xám, nổi biên ảnh. Nâng cao chất lượng ảnh gồm hai công đoạn khác nhau là tăng cường ảnh và khôi phục ảnh. Nhiễu trong ảnh viễn thám bao gồm nhiễu thông thường giống ảnh màu và các nhiễu mang tính đặc trưng như sương mù, đám mây,... Trong các bài toán xử lý ảnh, để thu được kết quả tốt cần phải có quá trình tiền xử lý để nâng cao chất lượng ảnh đầu vào. Quá trình này bao gồm các công đoạn khôi phục và tăng cường ảnh. Khôi phục ảnh thực hiện loại bỏ hay giảm thiểu các ảnh hưởng của môi trường tác động lên ảnh nhằm giảm bớt các biến dạng của ảnh và đưa ảnh về trạng thái gần như ban đầu. Tăng cường ảnh làm nổi bật các đặc trưng của ảnh giúp cho các bước tiếp theo được hiệu quả hơn. Theo [7], các kĩ thuật tăng cường ảnh chia làm ba nhóm chính. Một là, nhóm các kĩ thuật xử lý ảnh dựa trên histogram mà tiêu biểu là cân bằng histogram và đặc tả histogram. Hai là, nhóm các kĩ thuật xử lý ảnh dựa trên tiếp cận logic mờ với một số kĩ thuật được trình bày trong phần III của bài báo này. Ba là, các kĩ thuật xử lý ảnh tăng cường dựa trên tối ưu. Trong này, Aman Tusia và cộng sự [10] đã thực hiện một phân tích hiệu năng của hệ mờ loại 2 cho việc tăng cường ảnh sử dụng thuật toán tối ưu cuckoo. Nhiều phương pháp tăng độ tương phản truyền thống sử dụng cách tiếp cận toàn cục để tăng cường tất cả mức độ sáng của ảnh. Tuy nhiên, thường khó để tăng cường tất cả các đối tượng xuất hiện trong ảnh vệ tinh, bởi vì thông tin tương phản cục bộ và chi tiết có thể bị mất trong các vùng sáng và tối. Trong [5, 6], các tác giả đã kết hợp giữa logic mờ [12] và các công thức hiệu chỉnh mức xám để tăng cường độ tương phản của ảnh y tế. Phương pháp tăng cường ảnh mờ [2] xem xét ma trận thành viên và các biểu thức điều chỉnh mức xám để tăng cường độ tương phản. Mặc dù vậy, phương pháp này vẫn sử dụng tiếp cận toàn cục nên vẫn chưa giải quyết được vấn đề của các phương pháp truyền thống. Ngoài ra, phương pháp tăng cường ảnh mờ vẫn chọn các giá trị cho các ngưỡng cận dưới, trung bình và cận trên một cách thủ công nên không phải lúc nào cũng chọn được giá trị tốt. Điều này ảnh hưởng đến kết quả tăng cường ảnh. Trong [6], các tác giả đã đề xuất một phương pháp tăng cường ảnh dựa trên tiếp cận cục bộ. Trong [9], các tác giả đề xuất một số kĩ thuật tiền xử lý trong việc sử dụng phân cụm dữ liệu. Ngô Thành Long và cộng sự [4] sử dụng mờ loại 2 kết hợp với phân cụm mờ trong phân đoạn ảnh viễn thám. Ngoài ra , Lê Hoàng Sơn và cộng sự [8] đã sử dụng phân cụm mờ bán giám sát trong phân đoạn ảnh X-quang nha khoa. Do vậy đóng góp chính của bài báo này là trình bày mô hình nâng cao chất lượng ảnh viễn thám sử dụng phương pháp phân cụm mờ bán giám sát. Nghiên cứu này có ý nghĩa trong việc tìm ra một thuật toán có hiệu quả để nâng cao chất lượng ảnh viễn thám, từ đó hỗ trợ cho quá trình xử lý ảnh viễn thám. Phần tiếp theo của bài báo được tổ chức như sau: trong phần II, chúng tôi trình bày tóm tắt các lý thuyết sử dụng. Phần III trình bày lược đồ nâng cao chất lượng ảnh vệ tinh dựa trên phân cụm mờ bán giám sát. Phần IV là một số kết quả thực nghiệm của phương pháp đã trình bày trên bộ dữ liệu thực tế và một vài độ đo đánh giá hiệu năng của các thuật toán đã trình bày. Cuối cùng là kết luận và các hướng phát triển trong thời gian tới. II. MỘT SỐ KIẾN THỨC LÝ THUYẾT LIÊN QUAN Trong phần này, mục 2.1 sẽ trình bày về bài toán nâng cao chất lượng ảnh viễn thám. Mục 2.2 sẽ trình bày về phân cụm bán giám sát mờ. N2 h T lư n th lư h t t L th guyễn Tu Trung .1 . Nâng cao Bài toá iệu chỉnh ảnh Việc nâ hực hiện tăng ợng ảnh như hiễu thông th ường, chúng ợng ảnh viễn Theo [7 istogram và đ ối ưu. Các kỹ Trong ăng cường m oRSIE_FCM Theo lư eo, một mô h Ý Giãn Biến đổ Trong đ , Trần Mạnh Tu chất lượng ả n xử lý ảnh v có thể thực h ng cao chất l cường chất l dãn tương p ường giống ả ta có thể dùn thám, cũng c ], các kĩ thuậ ặc tả histogra thuật tăng cư nội dung ngh ức xám của [6] được biểu u đồ trong H ình hiệu chỉn nghĩa mức xám i Hyperbol ó: ấn, Đặng Thị Th nh viễn thám iễn thám với iện việc nâng ượng ảnh viễ ượng ảnh nhằ hản, lọc khôn nh màu và cá g các phương ó thể dùng cá t tăng cường m. Hai là, cá ờng có thể áp iên cứu này, c ảnh. Khi đó diễn như tro ình 2, ảnh vi h mức xám đư Bảng u Hiền, Nguyễn ảnh đầu vào l cao chất lượn n thám là mộ m hỗ trợ giải g gian để làm c nhiễu man pháp khử nh c phương phá Hình 1. ảnh chia làm c kĩ thuật dựa dụng trên từn húng tôi tập lưu đồ thuậ ng Hình 2. Hình 2. Lưu ễn thám đầu ợc xây dựng 1. Các hàm bi Huy Đức, Kiều à ảnh viễn th g ảnh viễn th t khâu quan đoán và phân nổi các mẫu g tính đặc trư iễu thông thư p tăng tính tư Cân bằng lược ba loại. Một trên tiếp cận g kênh với cá trung vào việ t toán tăng đồ thuật toán L vào được cục . Các hàm hiệ ến đổi mức xám Cô ൬ 2݁ିଵ Tuấn Dũng, Ng ám, thực hiện ám. Sau đó tiế trọng trợ giúp tích ảnh. Có trên ảnh,. ng (sương m ờng như các p ơng phản (Hì đồ màu là, các kĩ thuậ logic mờ. Ba c ảnh đa cấp x c nâng cao ch cường ảnh v oRSIE_FCM bộ hóa dựa t u chỉnh mức x theo từng cụm ng thức biến 255 ∗ ௚ି௟௢௨௣௣௘௥ೇ೔ 55 െ 1൰ ൣ݁ ିఓమሺ௚ uyễn Văn Nam, hiệu chỉnh ả n hành xử lý cho quá trìn nhiều chức n Nhiễu trong ù, đám mây,. hương pháp nh 1). t histogram m là, các kĩ th ám. ất lượng ảnh iễn thám dự rên thuật toá ám được liệt đổi Ti(g) ௪௘௥ೇ೔ ି௟௢௪௘௥ೇ೔ ሻ െ 1൧ Đỗ Oanh Cường nh viễn thám ảnh viễn thám h xử lý ảnh ăng trong nân ảnh viễn thám ..). Đối với n lọc. Để tăng c à tiêu biểu l uật tăng cườn viễn thám dự a trên tiếp c n phân cụm F kê trong bảng 331 . Quá trình . viễn thám. g cao chất bao gồm hiễu thông ường chất à cân bằng g dựa trên a trên việc ận cục bộ CM. Tiếp 1. 3 b m t 2 c T c p n l đ đ th 32 + g là g + ݑ݌݌݁ + ݈݋ݓ݁ + ௜ܸ là + μ௜ là Các ngư ằng 95% tổng ột cụm cho t Cuối cù ổng hợp này c .2. Phân cụm Phân cụ ho các đối tượ Các kỹ rong bài báo, ụm mờ (FCM hân cụm mờ gười dùng cu ink và Cannot Yasuno ược bổ sung v ược xác định Trong đ m là số C là số ukj là đ kX  Vj là tâ Với điề ỏa mãn iá trị mức xá ݎ௏೔ là cận trê ݎ௏೔ là cận dướ tâm cụm i. giá trị độ thu ỡng ݑ݌݌݁ݎ௏೔ diện tích đư rước. ng, ảnh tăng ó dạng tổng q ܶሺ݃ሻ ൌ bán giám sá m dữ liệu [1] ng thuộc cùn thuật phân c nhóm nghiên ) được Bezd bán giám sát ng cấp. Thông -link; một ph ri et al. [11] ào hàm mục như sau: ó: mờ hóa; cụm, N là số ộ thuộc của p rR là phẩn tử m của cụm j. u kiện ràng b ܷ ൌ ൛ݑ௞௝ NÂNG CAO m gốc. n của việc giã i của việc giã ộc của mức x ߤ ൌ ۖە ۔ ۖۓ 1, , ݈݋ݓ݁ݎ௏೔ đượợc bao các đư Hìn cường được t uát như sau: ∑ μ௜ ௜ܶሺ݃௖௜ୀଵ t mờ là quá trình g một cụm là ụm: phân cụm cứu tập trung ek [1] đề xuấ được xây dựn tin bổ trợ [1 ần dữ liệu đượ đã đề xuất m tiêu của FCM ܬሺܷ, ܸሻ phần tử dữ li hần tử dữ liệu thứ k của X uộc (3), khi ∑ ݑ௞௝஼௝ୀଵ ൌ |ݑ௞௝ ∈ ሾ0,1ሿ, CHẤT LƯỢNG n cụm i. n cụm i. ám g theo cụm 0, ݃ ൏ ݈݋ ݃ െ ݈݋ݓ݁ ݑ݌݌݁ݎ௏೔ െ ݈݋ ݑ݌݌݁ݎ௏೔ c xác định bằ ờng y = 0 và h 3. Hàm phân ổng hợp từ cá g | g’ = T(g , ݈݋ݓ݁ݎ௏೔, ݈݋ݓ 0 ൑ nhóm một tập tương đồng, cứng, phân vào thuật to t dựa trên việ g dựa trên cá 3] cho phân c c gán nhãn v ột thuật toán p nhằm cải thi ൌ ∑ ∑஼௝ୀଵே௞ୀଵ ệu, r là số chi Xk từ cụm j; XX , 21 đó hàm độ th 1; ݑ௞௝ ݇ ൌ 1,ܰ, ݆ ൌ ẢNH VIỄN T i và được tín ݓ݁ݎ௏೔ ݎ௏೔ ݓ݁ݎ௏೔ , ൑ ݃ ൑ 255 ݈݋ ng cách chọn y = ݀ሺ݃ሻ. Tr bố và các ngư c giá trị đầu r ). Trong đó, ݁ݎ௏೔ሻ ܶሺ݃ሻ ൑ 255 các đối tượn còn các đối tư cụm mờ, phâ án phân cụm m c tối ưu hóa k c thuật toán p ụm mờ bán g à độ thuộc đư hân cụm mờ ện hiệu quả tr |ݑ௞௝ െ ̄ݑ௞௝|௠ ều của dữ liệu NX,..., ; uộc bổ trợ củ ∈ ሾ0,1ሿ; 1, ܥൟ, ∑஼௝ୀଵ HÁM DỰA T h theo công t ݓ݁ݎ௏೔ ൑ ݃ ൑ sao cho vùng ong đó, ݀ሺ݃ሻ ỡng theo từng c a của hàm bi g tương tự nh ợng thuộc các n cụm bán g ờ và phân cụ hoảng cách c hân cụm mờ k iám sát có 3 d ợc xác định tr bán giám sát ong quá trình ||ܺ௞ െ ௝ܸ||ଶ ; a phần tử ܺ௞ ∀݇ ൌ 1,ܰ ݑ௞௝ ൑ 1, ൫∀݇ RÊN PHÂN CỤ hức ݑ݌݌݁ݎ௏೔ gạch chéo tr là hàm phân ụm ến đổi mức xá au trong tập d cụm khác nh iám sát, phân m mờ bán gi ác điểm dữ l ết hợp với cá ạng cơ bản g ước. với thông tin phân cụm. K → ݉݅݊ với cụm ܥ௝ l ൌ 1,ܰ൯ M BÁN GIÁM ong Hình 3 c bố của mức x m theo từng ữ liệu vào cá au sẽ ít tương cụm bán giá ám sát. Thuật iệu với tâm. c thông tin b ồm các ràng b bổ trợ là hàm hi đó hàm mụ à ݑ௞௝ ∈ ሾ0,1ሿ SÁT MỜ ó diện tích ám ݃ theo cụm. Hàm (1) c cụm sao đồng. m sát mờ. toán phân Thuật toán ổ trợ được uộc Must- độ thuộc c tiêu [11] (2) đồng thời (3) NC m lư th th đ m s guyễn Tu Trung Khi đó Các giá ݉ ൐ 1: ݉ ൌ 1: Các bư lustering) đư Input Output SSSFC 1: 2: 3: 4: 5: 6: 7: III. MÔ HÌN Dựa trê ột cải tiến bằ u đồ thuật to ay vì được c u được tập t ược hàm hàm ô hình hiệu c au tăng cường , Trần Mạnh Tu dựa vào điều trị của ݑ௞௝ đư ݑ௞௝ ൌ ቊ ݑ ݑ ớc thực hiện ợc trình bày n Tập dữ liệu maxStep > 0. Ma trận U v t = 0 Khởi tạo ng Repeat t = t + 1 Tính ݑ௞௝ Tính ௝ܸሺ௧ା Until ฮܸሺ௧ሻ H NÂNG C n mô hình nâ ng cách sử d án tăng cườn ục bộ hóa bởi âm cụm và m d(g)FCM, ta t hỉnh mức xám so với việc s ấn, Đặng Thị Th kiện (3) và hà ௝ܸ ൌ ∑ ห௨ೖೕೖಿసభ∑ ห௨ೖೖಿసభ ợc xác định t ݑ௞௝ ൌ ݑ௞௝ ௞௝ ൅ 1 െ ∑஼௝ୀ ௞௝, ݋ݐ݄݁ݎݓ݅ݏ thuật toán ph hư trong Bản Bảng 2. Th X gồm N p à tâm cụm V ẫu nhiên ௝ܸሺ௧ሻ (݇ ൌ 1,ܰ;݆ ൌ ଵሻ(݆ ൌ 1, ܥ) b െ ܸሺ௧ିଵሻฮ ൑ AO CHẤT L ng cao chất l ụng phân cụm g ảnh viễn thá FCM, sẽ đượ a trận độ thu hu được hàm cũng thay đ ử dụng thuật Hìn u Hiền, Nguyễn m mục tiêu (2 ି௨̄ೖೕห೘௑ೖ ೕି௨̄ೖೕห೘ , ݆ heo 2 trường ൅ ൫1 െ ∑஼௜ୀଵ ݑ௞௝, ݇ ൌ ܽݎଵ ݁. ân cụm mờ g 2 dưới đây. uật toán Semi- hần tử, số cụ . ; (݆ ൌ 1, ܥ) 1, ܥ) bởi côn ởi công thức ߝ or t > maxS ƯỢNG ẢNH ượng ảnh viễn bán giám sá m dựa trên p c cục bộ hóa ộc mới từ việ d(g)SemiFCM, c ổi. Từ đây, c toán FCM gố h 4. Lưu đồ th Huy Đức, Kiều ) ta có: ൌ 1, ܥ hợp sau ݑ௞௝൯ ൭ భቛ೉ೖషೇೕ ∑ ൬ భฮ೉ೖష ಴೔సభ ݃݉݅݊௜ ‖ܺ௞ െ chuẩn bản giá Supervised Sta m C, ma trận g thức (5) vớ (4) tep VIỄN THÁ thám LoRSI t mờ thay ch hân cụm bán bởi một thuật c áp dụng thu ác tham số ݑ݌ ác giá trị mức c. uật toán LoRSI Tuấn Dũng, Ng ቛ൱ మ ೘షభ ೇ೔ฮ ൰ మ ೘షభ , ݇ ൌ ௜ܸ‖ଶ , ݇ ൌ 1, m sát (SSSF ndard Fuzzy Cl độ thuộc bổ i ݉ ൐ 1 hoặc M DỰA TRÊ E_FCM [6] đ o thuật toán p giám sát mờ. toán phân cụ ật toán Semi ݌݁ݎ௏೔ và ݈݋ݓ xám đầu ra t E_SemiFCM uyễn Văn Nam, 1,ܰ, ݆ ൌ 1, ܥ ܰ, ݆ ൌ 1, ܥ. C- Semi-Sup ustering trợ ܷ, ngưỡn công thức (6 N PHÂN CỤ ã trình bày ở hân cụm mờ Với thuật toá m bán giám s FCM. Như v ݁ݎ௏೔ liên quan hay đổi, dẫn Đỗ Oanh Cường . ervised Stand g ߝ, số lần lặ ) với ݉ ൌ 1. M BÁN GIÁ trên, chúng FCM. Hình 4 n mới này, ản át mờ. Khi đó ậy, thay vì ch đến từng cụ đến sự thay đ 333 (4) (5) (6) ard Fuzzy p tối đa M SÁT tôi đề xuất biểu diễn h đầu vào, , chúng ta úng ta thu m đưa vào ổi của ảnh 3 4 v h p 1 L tr ả S k h V T 4 n L s ả 34 .1. Mô tả thự Chúng ới kết quả củ iện trước một hần tử có độ t Mô tả d 5/02/2001, b ANDSATET ung. Các ảnh nh viễn thám Độ đo hannon Entro iện trong khô àm H được đ ới xử lý ảnh, rong đó: n là số pi là xá .2. Kết quả t Do khu hau. Các thử Bảng 3 oRSIE_FCM áng và độ tươ nh sau tăng cư c nghiệm tôi tiến hành a thuật toán L phân cụm FC huộc lớn nhấ ữ liệu: Tập d ao gồm các M+ gồm 7 kê này được thu trên nền phần đánh giá: Để py (hoặc entr ng gian mẫu, ịnh nghĩa để đ n đưa ra bởi mức xám; c xuất của mứ hực nghiệm ôn khổ bài bá nghiệm này b thể hiện ản và thuật toán ng phản đều t ờng bởi thuậ NÂNG CAO cài đặt thuật t oRSIE_FCM M. Từ ma tr t, các giá trị c ữ liệu phục v ảnh ranh giớ nh [12]: Chàm thập khi thàn mềm GRASS đo chất lượ opy thông tin xác suất mỗi o độ không c số mức xám. ܪ ൌ c i trong hist o có hạn, nh ao gồm các ản h đầu vào v SemiFCM v ốt hơn so với t toán sử dụng Bản CHẤT LƯỢNG IV. KẾT QU oán LoRSIE_ cùng trên bộ ận U thu đượ òn lại gán lại ụ cho thử ngh i từng huyệ , Lục, Đỏ, C h viên của nh ”. Đây là đề tà ng của ảnh g ) là một phươ sự kiện là pi hắc chắn của െ∑ ݌௜l௡ିଵ௜ୀ଴ ogram. óm tác giả trì h vệ tinh khu à ảnh kết q ới tổ hợp 3 k ảnh gốc. Tuy SemiFCM l g 3. Tăng cườn ẢNH VIỄN T Ả THỰC N SemiFCM tr dữ liệu này. T c, xác định ܷ bằng 0. iệm là loại ản n và một ản ận hồng ngoạ óm tác giả th i cấp nhà nướ ốc và các ản ng pháp đo t (i = 1, 2, , không gian m n ሺ݌௜ሻ nh bày các kế vực huyện C uả khi tăng ênh Chàm, Lụ nhiên, nếu qu à tốt hơn một g ảnh với FCM HÁM DỰA T GHIỆM ên bộ dữ liệu rong các thử như sau với h LANDSAT h theo ranh i, Hồng ngoại am gia thực h c, thuộc Chươ h tăng cường ính không ch n), mỗi pi ≥ ẫu [3]. Giá tr t quả thử ngh ao Phong, Đà cường chất c, Đỏ. Chúng an sát kỹ hơn chút so với th và SemiFCM RÊN PHÂN CỤ cụ thể LAND nghiệm, ܷ đ mỗi điểm ảnh ETM+ chụp giới tỉnh củ trung, Hồng iện đề tài “Ph ng trình KHC chúng tôi s ắc chắn của th 0, và tổng củ ị của H được iệm trên bốn Bắc, Kim Bô lượng ảnh k ta thấy, các , chúng ta sẽ uật toán sử dụ M BÁN GIÁM SAT ETM+ ược tính bằng , giữ nguyên khu vực Hòa a tỉnh Hòa B ngoại nhiệt, H át triển phần N Vũ trụ. ử dụng chỉ s ông tin. Giả a pi bằng 1. D tính theo côn mẫu ảnh đầu i và Lạc Thủ hi áp dụng ảnh sau tăng thấy độ tươn ng FCM. SÁT MỜ và so sánh cách thực giá trị của Bình ngày ình. Ảnh ồng ngoại mềm xử lý ố Entropy. sử có n sự o đó, một g thức (7). (7) vào khác y. thuật toán cường, độ g phản của Nguyễn Tu Trung, Trần Mạnh Tuấn, Đặng Thị Thu Hiền, Nguyễn Huy Đức, Kiều Tuấn Dũng, Nguyễn Văn Nam, Đỗ Oanh Cường 335 Kết quả thực nghiệm khi tăng cường chất lượng ảnh theo giá trị chỉ số ở các huyện Cao Phong, Đà Bắc, Kim Bôi, Lạc Thủy được chỉ ra ở các bảng 4, 5, 6 và 7 với việc áp dụng các thuật toán sử dụng FCM và SemiFCM. Dựa vào kết quả thực nghiệm này chúng ta có thể thấy rất rõ giá trị Entropy ứng với các kênh của ảnh sau tăng cường bởi thuật toán sử dụng SemiFCM là cao hơn thuật toán LoRSIE_FCM. Điều này chứng tỏ chất lượng ảnh sau tăng cường thuật toán sử dụng SemiFCM là tốt hơn so với ảnh sau tăng cường thuật toán LoRSIE_FCM. Bảng 4. Giá trị Entropy của ảnh sau tăng cường huyện Cao Phong Kênh Tăng cường với LoRSIE_FCM Tăng cường với SemiFCM 1 3.44578672451698 3.75960630294584 2 3.53055329114634 3.87734956539595 3 3.57985248661498 3.92747171506403 Bảng 5. Giá trị Entropy của ảnh sau tăng cường huyện Đà Bắc Kênh Tăng cường với LoRSIE_FCM Tăng cường với SemiFCM 1 2.45684844447667 3.50167678500134 2 2.66391133356626 3.49133354235306 3 2.65419094174343 3.44077893674379 Bảng 6. Giá trị Entropy của ảnh sau tăng cường huyện Kim Bôi Kênh Tăng cường với LoRSIE_FCM Tăng cường với SemiFCM 1 4.1858282177615 4.49061166054001 2 4.19923187498745 4.53125963217986 3 4.27514951159837 4.54546630160856 Bảng 7. Giá trị Entropy của ảnh sau tăng cường huyện Lạc Thủy Kênh Tăng cường với LoRSIE_FCM Tăng cường với SemiFCM 1 2.40240944416823 3.11144330891485 2 2.61518856088777 3.22093197523361 3 2.77044329227435 3.24632169784426 IV. KẾT LUẬN Trong bài báo này, chúng tôi tập trung nghiên cứu về bài toán nâng cao chất lượng ảnh viễn thám dựa trên phân cụm bán giám sát mờ. Đóng góp chính của bài báo là đã sử dụng phân cụm bán giám sát mờ áp dụng cho nâng cao chất lượng ảnh viễn thám trong quá trình cục bộ hóa ảnh viễn thám. Ngoài ra, nhóm tác giả cũng đã cài đặt thực nghiệm thuật toán đề xuất với các ảnh viễn thám thu thập ở khu vực Hòa Bình. Các kết quả thực nghiệm cũng chỉ ra các giá trị Entropy của phương pháp SemiFCM có giá trị tốt hơn với kết quả nhận được khi áp dụng thuật toán LoRSIE_FCM. Từ nghiên cứu này, chúng tôi sẽ tiếp tục nghiên cứu các thông số khác để nâng cao chất lượng ảnh. Đồng thời nghiên cứu này còn mở ra hướng nghiên cứu phát triển cho các thuật toán sử dụng phân cụm dựa trên các tập mờ nâng cao. LỜI CẢM ƠN Nghiên cứu này được tài trợ bởi Quỹ Khoa học và Công nghệ Trường Đại học Thủy lợi trong đề tài mã số: TLU.STF.19-02. TÀI LIỆU THAM KHẢO [1]. Bezdek, J. C. (1981). Pattern recognition with fuzzy objective function algorithms. Kluwer Academic Publishers. [2]. Hassanien, A. E., & Badr, A. (2003). A comparative study on digital mamography enhancement algorithms based on fuzzy theory. Studies in informatics and control, 12(1), 21-32. [3]. Jaynes, E. T. (1957). Information theory and statistical mechanics. Physical review, 106(4), 620-630. [4]. Ngo, L. T., Mai, D. S., & Pedrycz, W. (2015). Semi-supervising Interval Type-2 Fuzzy C-Means clustering with spatial information for multi-spectral satellite image classification and change detection. Computers & geosciences, 83, 1-16. [5]. Nguyễn Tu Trung, Đặng Văn Đức, Vũ Văn Thỏa (2016), Một số cải tiến kĩ thuật phân cụm cho ảnh viễn thám, Tạp chí Công nghệ thông tin và Truyền thông, Bộ Thông tin và Truyền thông, số 16 (36). [6]. Nguyễn Tu Trung, Vũ Văn Thoả, Đặng Văn Đức (2015), Một phương pháp tăng cường độ tương phản ảnh viễn thám dựa trên tiếp cận cục bộ, Chuyên san các công trình nghiên cứu, Tạp chí Công nghệ thông tin và Truyền thông, Bộ Thông tin và Truyền thông, Kỳ 3, tập V-2, số 14 (34). 336 NÂNG CAO CHẤT LƯỢNG ẢNH VIỄN THÁM DỰA TRÊN PHÂN CỤM BÁN GIÁM SÁT MỜ [7]. Sharo, T. A., & Raimond, K. (2013). A Survey on Color Image Enhancement Techniques. IOSR J. Eng, 3, 20-24. [8]. Son, L. H., Tuan, T. M. (2017). Dental segmentation from X-ray images using semi-supervised fuzzy clustering with spatial constraints. Engineering Applications of Artificial Intelligence, 59, 186-195. [9]. Sudhavani, G., Srilakshmi, M., Rao, P. V., & Prasad, K. S. (2014). Comparison of fuzzy contrast enhancement techniques. International Journal of Computer Applications, 95(22). pp. 0975 – 8887. [10]. Tusia, A., & KUMAR, D. N. (2014). Performance analysis of type-2 fuzzy system for image enhancement using optimization. International Journal of Enhanced Research in Science Technology & Engineering, 3(7), 108-116. [11]. Yasunori, E., Yukihiro, H., Makito, Y., & Sadaaki, M. (2009, August). On semi-supervised fuzzy c-means clustering. In Fuzzy Systems, 2009. FUZZ-IEEE 2009. IEEE International Conference on (pp. 1119-1124). IEEE. [12]. Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8, 338-353. [13]. Zhang, H., & Lu, J. (2009). Semi-supervised fuzzy clustering: A kernel-based approach. Knowledge-Based Systems, 22(6), 477-481. IMPROVING THE QUALITY OF MULTISPECTRAL IMAGES USING SEMI-SUPERVISED FUZZY CLUSTERING Nguyen Tu Trung, Tran Manh Tuan, Dang Thi Thu Hien, Nguyen Huy Duc, Kieu Tuan Dung, Nguyen Van Nam, Do Oanh Cuong ABSTRACT: Improving the quality of images is one of necessary stages in image processing. Multispectral images are the images with a large size and high spatial resolution. Therefore, the analysis of multispectral images is complex. The results of pre- processing progess are very important. These results affect directly to the results of image analysis progress. There were some researches related to the improvement of image quality such as noise reduction, contrast increment, histogram techniques, etc. In this paper, we propose an novel method in order to improve the quality of multispectral images by contrast increasing approach using semi-supervised clustering.