Ứng dụng thuật toán khử sương mù trong giải pháp giám sát tình trạng giao thông, an ninh

Các hệ thống CCTV (Closed Circuit Televison) được sử dụng ngày một nhiều trong giám sát tình trạng giao thông, an ninh tại một số nhà ga, sân bay hoặc khu vực cảng- bến bãi… Tuy nhiên, hình ảnh và video ghi trong điều kiện thời tiết xấu như sương mù, khói bụi thường có chất lượng kém do sự tán xạ của các hạt khí quyển. Sự suy giảm chất lượng của hình ảnh làm giảm hiệu suất của các hệ thống xử lý hình ảnh và giám sát. Vì thế, việc phát triển một thuật toán hiệu quả có thể cải thiện chất lượng hình ảnh chụp trong điều kiện thời tiết xấu là rất quan trọng.

Trên thế giới, việc tối ưu các thuật toán khử sương mù đã được phát triển từ năm 2008 cho đến nay, He 2011[1] phát triển một thuật toán hiệu quả dựa trên dự đoán về kênh tối của hình ảnh sương mù. Bùi và Kim 2018[2] đã xây dựng các mô hình elip cho các cụm điểm ảnh sương mù trong không gian để loại bỏ chúng. Trong thời gian gần đây, với sự phát triển nhanh chóng của phương pháp học sâu (Deep learning), các thuật toán khử sương mù sử dụng phương pháp này đã mang lại kết quả rất tốt. Li 2017[3] sử dụng học sâu để trực tiếp thu lại hình ảnh rõ ràng từ hình ảnh sương mù mà không cần sử dụng bất kì mô hình toán học nào. Mặc dù các thuật toán nói trên có thể tạo ra kết quả ấn tượng, nhưng khó áp dụng trong thực tế vì độ phức tạp tính toán quá cao để đáp ứng yêu cầu ứng dụng trong thời gian thực, ví dụ như các hệ thống giám sát.

Tại Việt nam, số lượng các nghiên cứu về nâng cao chất lượng hình ảnh chụp trong điều kiện thời tiết xấu còn hạn chế. Hong và Thanh 2019[4] đề xuất thuật toán khử sương mù dựa trên điều chỉnh Gamma tương ứng nhằm tăng độ tương phản của hình ảnh trên 1 kênh màu cố định. Tương tự, Thanh 2019[5] sử dụng thuật toán cân bằng histogram kết hợp với cân bằng Gamma trên kênh màu HSV để nâng cao độ tương phản của hình ảnh. Nhìn chung, các thuật toán này cố gắng sử dụng các kỹ thuật khác nhau để cải thiện độ tương phản chi tiết và hiệu ứng hình ảnh. Việc không đánh giá và phân tích mô hình quang học của sương mù trong bài toán khiến chất lượng kết quả của các thuật toán trên không đạt chất lượng cao, và không thể đáp ứng được trong mọi điều kiện sương mù.

Để giải quyết các vấn đề trên, một thuật toán khử sương mù đáp ứng điều kiện thời gian thực dựa trên mô hình lọc dẫn hướng đa tầng được đề xuất. Trước tiên, hình ảnh sương mù đầu vào sẽ được giảm tỉ lệ để tạo nên một kim tự tháp hình ảnh. Dựa trên quan sát rằng bước tốn nhiều thời gian nhất cho việc khử sương mù đó là ước tính bản đồ truyền ánh sáng của hình ảnh, nó sẽ được tính toán ở cấp độ thô nhất của kim tự tháp hình ảnh. Sau đó, bản đồ truyền ánh sáng tương ứng với hình ảnh đầu vào sẽ được ước tính dựa trên bản đồ truyền thô này, bằng cách sử dụng bộ lọc dẫn hướng ở mỗi tầng của kim tự tháp để giữ chi tiết hình ảnh. Cuối cùng, hình ảnh đầu ra không có sương mù sẽ được tạo ra sử dụng bản đồ truyền ánh sáng thu được và mô hình quang học. Với thuật toán khử sương mù dựa trên mô hình lọc dẫn hướng đa tầng được đề xuất, độ phức tạp tính toán đã được tối ưu, do đó có thể áp dụng cho các ứng dụng thời gian thực mà vẫn giữ được chất lượng đầu ra. Hình 1 mô tả sơ đồ tổng quan của thuật toán.

Hình 1. Mô hình tổng quan của hệ thống

Hình. 2. Thể hiện một số kết quả ban đầu của thuật toán do tác giả đã phát triển tại đại học Dongguk, Hàn Quốc, dưới sự hướng dẫn của giáo sư Chul Lee, và đã được công bố tại hội nghị quốc tế về xử lý ảnh IWAIT, tổ chức tại Singapore năm 2019 [6]. Thuật toán có thể đạt tốc độ xử lý 30fs đối với ảnh có độ phân giải HD.

Hình 2. (a) Ảnh sương mù, (b) Ảnh đã khử sương mù sử dụng thuật toán đề xuất

Trong tương thời gian tới tại Việt Nam, chúng tôi sẽ tiếp tục nghiên cứu nhằm xây dựng một hệ thống giám sát tầm xa sử dụng công nghệ xử lý ảnh nhằm nâng cao chất lượng hình ảnh và video, tăng khả năng quan sát trong điều kiện thời tiết xấu như sương mù, khói bụi. Thiết bị có khả năng được ứng dụng trong các công việc giám sát tầm xa trên đất liền hoặc trên biển, mang lại hiệu quả cho lĩnh vực dân sinh, an ninh, bảo đảm an toàn xã hội.

Hình 3. Hệ thống phần cứng

Tài liệu tham khảo

[1] He, K., Sun J., and Tang, X.: Single image haze removal using dark channel prior. IEEE Trans. Pattern Anal. Mach. Intell., vol. 33, no. 12, pp. 2341–2353, (2011).

[2] Bui, T., M., and Kim, W.: Single image dehazing using color ellipsoid prior. IEEE Trans. Image Process., vol. 27, no. 2, pp. 999–1009, (2018).

[3] Li, B., Peng, X., Wang, Z., Xu, J., and Feng, D.: AOD-Net: All-in-one dehazing network. in Proc. IEEE Int’l Conf. Comput. Vis., pp. 4780–4788 (2017).

[4] Hong, N., Thanh, N.: A Single Image Dehazing Method Based on Adaptive Gamma Correction. in Proc. NAFOSTED Conference on Information and Computer Science (NICS) (2019).

[5] Thanh, L., Thanh, D., Hue, D., Prasath, V.: Single Image Dehazing Based on Adaptive Histogram Equalization and Linearization of Gamma Correction. in Proc. Asia-Pacific Conference on Communications (APCC), (2019).

[6] Nguyen, T.V., Vien, A.G., Lee, C.: Fast image dehazing based on multi-scale guided filtering. in Proc. Int. Workshop on Advanced Image Technology, pp. 182 – 186 (2019).

Nguồn: Nguyễn Văn Thưởng – TT Quang Điện Tử