Xử Lý Ảnh Star Pattern Detection Phan Phúc Thiên† , Lê Đình Vương∗ Nguyễn Đoàn Quang Tùng∗ Văn Vĩnh Phúc ∗ Nguyễn Hoàng Long∗ Huỳnh Đắc Khánh Huy∗ ∗ Bộ Môn Viễn Thông, Khoa Điện - Điện Tử, Trường Đại Học Bách Khoa Tp Hồ Chí Minh Email: {41203549,41204661,41204396,41202821,41001763,41201345}@hcmut.edu.vn Tóm tắt—Trong đêm trời tĩnh mịch, mô hình xinh đẹp thu hút nhiều nhà chiêm tinh nhiếp ảnh gia Chòm quy ước mà người sử dụng để phân biệt câu chuyện huyền thoại đằng sau chòm sao, làm cho bầu trời đầy hấp dẫn Tuy nhiên, việc phát chòm đòi hỏi kiến thức kinh nghiệm phức tạp Mục tiêu nhóm để tự động phát chòm xuất hình ảnh dựa 88 chòm phân chia Hiệp hội Thiên văn Quốc tế (IAU) [1] Tên mô hình chòm mẫu vẽ lên ảnh gốc để thể trực tiếp kết phát Dự án thực ba giai đoạn - tiền xử lý hình ảnh, so sánh mẫu máy tính phát mô hình chòm Thuật toán cho thấy độ xác vào khoảng 92,8 Từ khóa—chòm sao; nhận dạng chòm sao; mô hình sao;xử lý ảnh; so khớp mẫu I GIỚI THIỆU Bầu trời đêm chia cho 88 chòm đại hiệp ước IAU Sự phân chia chia bầu trời thành 88 khu vực Các chòm dùng hệ thống định vị toàn cầu (GPS) hệ thống xác định thời gian khứ tiếp tục đóng vai trò tích cực chođịnh vị vệ tinh không gian vũ trụ [3,4,5,6] Trong đó, tính huyền thoại hấp dẫn câu chuyện đằng sau chòm làm cho người thích thú tìm hiểu chúng Tuy nhiên, có nhà thiên văn học có trình độ cao giàu kinh nghiệm với đủ tảng kiến thức phân biệt chòm Nhiều sách hướng dẫn, trang web ứng dụng điện thoại di động tạo để giúp đỡ người không chuyên nghiệp tìm thấy chòm [7] Nhưng chúng cung cấp gợi ý quan tâm yếu tố môi trường thời tiết Độ xác tốc độ phụ thuộc nhiều vào người quan sát Ở đây, lợi dụng kỹ thuật xử lý hình ảnh, thực thuật toán nhận dạng chòm chòm trực tiếp từ ảnh bầu trời đêm Bởi chòm bầu trời cố định có kề cận xung quanh, nên áp dụng kỹ thuật so khớp mẫu cụ thể để dựa vào chòm mẫu mà xác định mô hình thực hình ảnh Có ba bước quan trọng việc nhận dạng chòm Đầu tiên, hình ảnh tiền xử lý để chuyển thành hình ảnh nhị phân, nhằm lọc tất đối tượng làm triệt nhiễu để tạo hình ảnh rõ ràng Các hình ảnh tiền xử lý hiển thị khu vực với khả hiển thị Thứ hai, mẫu hình ảnh 88 chòm sử dụng để tạo sở liệu với thông tin mô tả chòm riêng biệt Thứ ba, so sánh hình ảnh tiền xử lý với chòm mẫu để tìm kiếm tất kết phù hợp sau loại bỏ tất trường hợp sai Những lời giải thích chi tiết trình bày phần II II THỰC HIỆN Thuật toán nhận dạng chòm thuật toán mộtcho-nhiều kết phù hợp-Mỗi hình ảnh thử nghiệm có nhiềuchòm Như vậy, mặt, thông tin vớicơ sở liệu mẫu xây dựng; Mặt khác,một phương pháp nhận dạng xác hiệu phát triển để nhận dạng tất chòm có hình ảnh thử nghiệm.Sơ đồ khối thực thể hình Trong phần này,đầu tiên ảnh tiền xử lý phần A Trong đó, sở liệu giới thiệu phần B, cách tiếp cận nhận dạng bảngiải thích phần C Cuối vài phương pháp tối ưu hóa áp dụng cho nâng cao khả nhận dạng nằm phần D A TIỀN XỬ LÝ ẢNH Sẽ luôn dễ dàng để xử lý ảnh xám ảnh màu Để nhận dạng chòm sao, muốn có hình ảnh nhị phân bao gồm thông tin đối tượng cối tòa nhà phải bị loại trừ Các kết tiền xử lý hiển thị hình Vào đêm, đối tượng khung cảnh thường có Hình Hình ảnh gốc mẫu Gemini Hình Quá trình xử lý ảnh ánh sáng yếu so với Bằng cách chọn giá trị ngưỡng lựa chọn phù hợp, ta tạo ảnh nhị phân mong muốn Điều không giống với xử lý ảnh cho ứng dụng khác, không áp dụng lọc để tạo ảnh nhị phân, lọc mờ mà ta cần xem xét để nhận dạng tất cảchòm hình Hình Kết tiền xử lý ảnh (a) Ảnh chưa xử lý ; (b) Sau tiền xử lý, giữ lại B TẠO CƠ SỞ DỮ LIỆU MẪU CHO CÁC CHÒM SAO Các sở liệu mẫu quan trọng việc đạt đượcđộ xác tốt tốc độ cao nhận dạng chòm Những so khớp mẫu thông thường không thực tốt cho ứng dụng chòm mẫu phân tán Một mô tả cụ thể xây dựng cho dự án Các mẫu sử dụng dựa bảng tập hợp chòm [2] lấy từ biểu đồ chòm tiêu chuẩn IAU [1] Hình cho thấy chòm Gemini Cần phải xử lý hình ảnh mẫu ban đầu trước sử dụng khuôn mẫu định lượng mẫu cấu trúc liệu để nhận dạng Đầu tiên, ảnh mẫu cần phải chuyển hóa thành ảnh nhị phân Chúng chọn màu sắc khác để phân biệt cách hiệu đường kết nối (ngôi đại diện đường màu đỏ đường kết nối đại diện màu xanh da trời) Thứ hai, loại đặc điểm không liên quan Thứ ba, đường kết nối ghi nhận làm thành mẫu thức Để có bước xa đển việc mô tả chòm sao,với chòm mẫu, lấy sáng nhì khu vực Ngôi sáng thiết lập vị trí (0, 0) sáng thứ hai thiết lập vị trí (1, 0), tỷ lệ chuẩn hóa với khoảng cách hai Để trích thông tin tỷ lệ chòm sao, theo dõi khoảng cách hai sáng số điểm ảnh Tất phần lại chòm xử lý hệ tọa độ độ sáng chúng thu thập vào sở liệu Đối với chòm sao, chụp lấy ba sáng Những hình ảnh thử nghiệm có tỷ lệ độ sáng khác với chuẩn, cần theo dõi mức độ khả hiển thị đảo ngược diện tích theo công thức xác định độ lớn khả hiển M ag thị,Area = 2.5 Bất kể hình ảnh khác nhau, vị trí tương đốigiữa chòm bất biến Như ghi lại năm chòm gần "hàng xóm"và lưu trữ chúng phần sở liệu Mẫu chòm Gemini hiển thị hình 4., với số xếp hạng độ sáng nhưcũng bao gồm thông tin độ sáng chuẩn hóa C THUẬT TOÁN NHẬN DẠNG Với hình ảnh tiền xử lý chòm mẫu có sẵn Chúng thực theo bước mô tả để nhận dạng tất chòm hình ảnh (1) áp dụng thuật toán ghi nhãn khu vực để xếp hạng dựa độ sáng; (2) chọn mẫu dựa số lượng có chòm sao; (3) chọn hai sáng để xác định tỷ lệ độ xoay mẫu i(i = num_templates); (4) kiểm tra xem có hình ảnh thử nghiệm phù hợp vớivị trí tương đối thứ ktrong ảnh mẫu nhận dạng Hình giải thích khác biệt kết nhận dạng không hạn chếquy mô mẫu Hình (a) Kết nhận dạng mà không cần lọc tỷ lệ, nhiều chòm không xác tạo ra; (b) Kết nhận dạng với lọc tỷ lệ, có kết phù hợp với tỷ lệ giữ lại Hình Hiển thị hoá miêu tả Gemini (k = num_star_in_temp); (5) lặp lại bước số lượng NUM_MATCH phù hợp, sau định chòm i phù hợp với ảnh thử; (6) lặp lại bước 3-5 để tìm chòm khác hình Khi lặp qua cặp để xác định tỷ lệ mẫu góc quay, góc quay φ mẫu chuyển đổi temprot tính sau: φ = 90 ∗ (1 − sign(dx)) f= cos(φ) sin(φ) sin(φ) XT X0 ∗ + cos(φ) YT Y0 (1) Sau nhận dạng tất kết phù hợp xác với tỷ lệ, cần phải loại bỏ tất điểm nhận diện sai Chòm nhận dạng với số lượng phù hợp lớn xác Trong hình 6, Gemini chòm nhận dạngvới 18 Bất kỳ nhận dạng với Gemini sai thuộc chòm Sau đó, tìm kiếm phần lại nhận dạng cho thấy chòm lân cận Gemini tiếp tục loại bỏ nhận dạng sai chồng chéo với chòm lân cận Lặp trình chòm lân cận tiếp tục tìm thấy (2) cặp chọn có tọa độ (x0 , y0 ) (x1 , y1 ) XT dx = (x1 − x0 ),dy = (y1 − y0 ), tọa độ YT mẫu gốc Một mẫu chuyển đổi thực hiện, sau kiểm tra điểm temprot ,có ảnh hay không Cho phép giá trị nhỏ điều chỉnh sao, thêm tham số dung sai (∆x, ∆y) thực việc nhận dạng Có phần khả chòm bị thiếu không nằm hết khung hình; thiết lập ngưỡng phù hợp NUM_MATCH nửa tổng số chòm mẫu Nếu số lượng phù hợp ngưỡng, định chòm nhận dạng Việc tìm kiếm tỷ lệ thích hợp mẫu giúp cải thiệnđộ xác tốc độ tất chòm có tỷ lệ gần nhauvì hình ảnh Việc mở rộng tỷ lệ xác lọc số lượng nhiều trường hợp sai Việc nhận dạng xác chòm chìa khóa để tìm tỷ lệ thích hợp Chòm với số lượng lớn có nhiều có khả nhận dạng xác Như danh sách tìm kiếm chòm làm giảm dần với số sao.Khi chòm nhận dạng, sử dụng tỷ lệ cho tham chiếu để lọc phần lại Hình Kết nhận dạng có lọc kết không xác với chồng chéo nhau: (a) Kết nhận dạng trước loại phát không đúng, (b) Kết nhận dạng sau loại bỏ phát sai Sau nhận dạng được, vẽ với kết nối chúng ảnh gốc, để người dùng xác định chòm đồ thị dễ dàng (Hình (b)) D TỐI ƯU HÓA ĐỘ CHÍNH XÁC VÀ TỐC ĐỘ (a) Thứ tự xếp hạngđộ sáng không phù hợp: Để nâng cao độ xác, thêm bảng xếp hạng độ sáng Chúng kỳ vọng độ sáng thứ tự khớp vớicác mẫu Sự khác bảng xếp thứ tự mức bảng xếp hạng độ sáng nhận dạng chòm mẫu Nếu thứ tự xếp hạng tắt nhiều - vượt ngưỡng, thiết lập Sau đó, coi kết hợp không xác loại khỏi chòm nhận dạng (b) Tổng số sao: Tổng số tất chòm 400 Khi hình ảnh có 400 sao, có khả có tồn mờ nhận dạng máy ảnh, mắt người.Vì vậy, giới hạn tổng số để tăng hình ảnh tốc độ độ xác (c) Chòm nhận dạng được: chòm với hai ba không nhận dạng được, có nhiều kết không xác ảnh khó để định chòm xác Do chòm có ba không nhận dạng (d) Các thông tin chòm lân cận: Chúng sử dụng thông tin chòm lân cận Khi chòm nhận dạng thành công, mẫu chòm lân cận Việc tìm kiếm giới hạn lại trường hợp tìm kiếm Do đó, cải thiện độ xác tốc độ thực III KẾT QUẢ Với cách tiếp cận nhận dạng chòm đề xuất, kiểm tra với 14 hình ảnh thử nghiệm, chứa tổng cộng 28 chòm Chòm 10 hình nhận dạng cách xác,không có chòm không nhận dạng nhận dạng không xác Trong tổng số 28 chòm sao, số không nhận dạng được, có chòm nhận dạng không xác Với kích thước hình ảnh thử nghiệm kích thước thông tin khác nhau, thời gian nhận dạng trung bình 85 giây Kết tóm tắt Bảng Bảng : Thông số nhận dạng chòm Giá trị Tỷ lệ chòm nhận dạng xác 0.928 Tỷ lệ hình ảnh thử nghiệm xác 0.714 Tốc độ trung bình 85s Trong hình Chúng hiển thị kết số hình ảnh thử nghiệm điển hình Thuật toán đạt độ xác cao với thời gian tương đối ngắn Ngay số chòm Orion Taurus (hình 7) với vài bị che nhận dạng Cần lưu ý số trường hợp đặc biệt, việc nhận dạng chưa thực hoàn hảo (1) Khi chòm cắt hình ảnh, hiển thị phần nhỏ (2) Chúng không nhận dạng chòm có CanisMinor(3) chòm có mờ, độ xác giảm nhanh IV KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Thuật toán đạt thành công nhận dạng xác tương đối nhanh chòm Không giống vấn đề so khớp mẫu thông thường, chòm phân tán sở(scatter-based), kỹ thuật có nhận dạng SIFT nhận dạng Hình Kết cuối sau nhận dạng (a) TestImg2, (b) TestImg5, (c) TestImg13, (d) TestImg14 SURF áp dụng Chúng xây dựng sở liệu dựa thông tin cần để nhận dạng chòm sao; sau áp dụng thuật toán đề xuất để nhận dạng mẫu quan tâm Điều cho phép nhà chiêm tinh nhiếp ảnh gia nghiệp dư lấy mô hình họ muốn từ ảnh họ cách tiện lợi Vì chòm sử dụng để xác định vị trí thời gian, nguồn cảm hứng công việc tương lai cho biết ảnh chụp đâu Trong đó, thông số sai số lỗi, sai số tỷ lệ phụ thuộc vào máy ảnh Các thông số tối ưu chọn tự động thú vị LỜI CẢM ƠN Chúng chân thành cảm ơn kiến thức khoa học mang lại THAM KHẢO [1] Liebe, C “PatternRecognitionofstarConstellationsforSpacecraftApplications”, IEEE AES SystemsMagazine, Jan 1993 [2] Jiang, M., etc “A NovelStarPatternRecognitionAlgorithmForStarSensor” Proceedingsof the SixthInternationalConferenceonMachineLearningandCybernetics, 19-22 August 2007 [3] Rehman, M., etc “SingleStarIdentificationandAttitudeDetermination in TrackingMode” InternationalConferenceonControl, AutomationandSystems2008 [4] M D Pham, etc “A StarPatternRecognitionAlgorithmforSatelliteAttitudeDetermination” IEEE SymposiumonIndustrialElectronicsandApplicationsSeptember 23-26, 2012, [5] Stellarium, StarMappingSoftware, MatthewGates, BarryGerdes [6] The constellations InternationalAstronomicalUnion June 2015 Retrieved from http://www.iau.org/public/themes/constellations/ [7] The NightSky – 88 Constellations AstronomyOnline.org June 2015 Retrievedfrom http://astronomyonline.org/Observation/Constellations.asp?