Tổng quan luận án

Luận án tiến sĩ kỹ thuật với đề tài "Nén ảnh trong thông tin số thế hệ sau", chuyên ngành Kỹ thuật Viễn thông (mã số: 62.05), do nghiên cứu sinh Trần Mạnh Tuấn thực hiện tại Học viện Công nghệ Bưu chính Viễn thông dưới sự hướng dẫn khoa học của TS. Phùng Kim Anh và TS. Nguyễn Hữu Hậu, hoàn thành năm 2014.

Tính cấp thiết và khoảng trống nghiên cứu

Sự hình thành và triển khai mạng thông tin thế hệ kế tiếp (NGN) cùng các hệ thống thông tin di động thế hệ thứ ba (3G) đã thúc đẩy nhu cầu truyền tải các dịch vụ đa phương tiện sử dụng video như điện thoại video, hội nghị truyền hình, y tế từ xa, đào tạo từ xa và truyền hình theo yêu cầu. Xu thế hội tụ cố định - di động đòi hỏi tín hiệu video phải truyền dẫn thông suốt tới các thiết bị đầu cuối cầm tay. Tuy nhiên, quá trình truyền dẫn video qua môi trường vô tuyến gặp phải ba rào cản kỹ thuật lớn:

  • Nguồn tài nguyên tần số của môi trường vô tuyến mang tính hữu hạn, đòi hỏi phải tối ưu hiệu suất sử dụng phổ tần;
  • Kênh truyền dẫn vô tuyến luôn chịu tác động tiềm tàng của can nhiễu và hiện tượng fading;
  • Thiết bị đầu cuối di động có kích thước nhỏ gọn và dung lượng pin giới hạn, đặt ra yêu cầu thuật toán xử lý phải có tốc độ cao nhằm tiết kiệm năng lượng tiêu thụ.

Tín hiệu video chứa lượng dữ liệu rất lớn; một luồng video màu liên tục 30 khung/giây ở độ phân giải $288 \times 352$ pixel đòi hỏi tốc độ bit xấp xỉ 72,99 Mbps, tương đương yêu cầu tỷ số nén tối thiểu khoảng 1289 lần để truyền được trên kênh viễn thông tiêu chuẩn. Khâu bù chuyển động đóng vai trò hạt nhân trong việc giảm độ dư thời gian. Tuy nhiên, các phương pháp hiện hữu bộc lộ nhiều khoảng trống:

  • Phương pháp Bayes xét bản chất thống kê của ảnh nhưng việc tính toán ma trận đa chiều rất phức tạp, đồng thời đòi hỏi điều kiện tiên quyết là dãy ảnh phải thỏa mãn tính độc lập và là dãy xác suất đầy đủ;
  • Các nghiên cứu mở rộng Bayes như mô hình ước lượng mặt nạ nhị phân lý tưởng (IBM) của Shan Liang, Wenju Liu và Wei Jiang (2009) dù đã xét đến tương quan địa phương nhưng lại bỏ qua các tham số thống kê bậc hai;
  • Các giải pháp áp dụng lọc Kalman như công trình của Nai-Chung Yang, Chaur Heh Hsieh và Chung Ming Kuo (2009) chỉ thiết lập mô hình ba chiều trên lý thuyết, nhưng trong tính toán thực tế lại phải giả thiết độc lập để quy đổi về không gian một chiều qua phương pháp hồi quy và lọc Kalman địa phương, biểu diễn không gian - thời gian tách biệt, đồng thời chưa đưa ra thuật toán tối ưu cụ thể cho hàm mục tiêu Lagrange cũng như sơ đồ kết hợp với thuật toán phối hợp khối (BMA);
  • Các thuật toán phối hợp khối truyền thống theo phương thức tìm kiếm đầy đủ có độ phức tạp tính toán rất cao, gây áp lực lớn lên bộ xử lý của thiết bị di động.

Mục tiêu nghiên cứu

Luận án xác định mục tiêu tổng quát là tìm kiếm các thuật toán hợp lý để ước lượng chuyển động của ảnh trong video sao cho dễ tính toán, đảm bảo độ bám chuyển động của ảnh một cách tối ưu. Các mục tiêu cụ thể được văn bản đánh số và phân định rõ:

  1. Nghiên cứu đề xuất ứng dụng thuật toán ước lượng chuyển động trong không gian nhiều chiều với nghiệm ước lượng chuyển động tối ưu, độ bám tốt;
  2. Tăng hiệu quả sử dụng băng tần truyền dẫn bằng các thuật toán không cần sử dụng tín hiệu đào tạo;
  3. Thuật toán ước lượng làm việc ổn định trong điều kiện kênh có nhiễu;
  4. Tìm các thuật toán hợp lý để ước lượng chuyển động của ảnh trong video sao cho dễ tính toán, đảm bảo độ bám chuyển động của ảnh một cách tốt nhất.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các phương pháp nén video số và các thuật toán ước lượng chuyển động của ảnh trong chuỗi khung hình video.
  • Phạm vi nội dung: Luận án tập trung vào phân tích toán học các thuật toán ước lượng chuyển động, xây dựng các giải pháp lặp thích nghi (lọc Kalman nhiều chiều, thuật toán mù) và kiểm chứng hiệu năng bằng công cụ mô phỏng số. Luận án không đi sâu vào việc thiết kế phần cứng chuyên dụng hoặc cấu hình toàn bộ các tầng mã hóa kênh sửa sai.
  • Phạm vi ứng dụng: Ứng dụng truyền video số qua mạng thông tin di động thế hệ mới và mạng NGN, tương thích các định dạng truyền hình và video đa phương tiện (NTSC, HDTV, chuẩn nén MPEG, H.261, H.263).

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước được luận án điểm lại

Luận án hệ thống hóa các công trình nghiên cứu trong nước và quốc tế liên quan đến kỹ thuật nén và ước lượng chuyển động theo tiến trình lịch sử:

  • Đặc tính thống kê tín hiệu và độ dư video: Kretzmer (1952) [47] thiết kế dụng cụ thực nghiệm đo đặc tính thống kê ảnh, chứng minh hệ số tự tương quan không gian theo cả chiều ngang và chiều dọc đạt mức từ 0,97 đến 0,99 ở khoảng cách 1-2 pixel. O'Neal (1966) [4] phân tích phổ công suất tín hiệu truyền hình TV quảng bá, chỉ ra rằng phổ tương đối phẳng đến 30 kHz rồi suy giảm với độ dốc khoảng 6 dB/Octave, xác lập độ rộng băng tần chuẩn của video là 5 MHz. Mounts (1969) [44] chứng minh đối với tín hiệu video dịch chuyển vừa phải, trung bình dưới 10% số pixel thay đổi mức xám vượt quá 1% tín hiệu đỉnh giữa hai khung liên tiếp.
  • Nén biến đổi khối và lượng tử hóa: Ahmed, Natarajan và Rao (1974) [51] phát triển biến đổi Cosine rời rạc (DCT) cho khối $8 \times 8$ pixel, chứng minh tính chất trực giao và hiệu năng tiệm cận biến đổi tối ưu Karhunen-Loève (KLT) đối với nguồn Markov bậc nhất, khắc phục nhược điểm gián đoạn rìa khối của biến đổi Fourier rời rạc (DFT). Jayant và Noll (1984) [6] khảo sát các kỹ thuật mã hóa entropy và biến đổi wavelet.
  • Kỹ thuật bù chuyển động và phương pháp vi phân: Netravali và Robbins (1997) hoàn thiện mô hình bù chuyển động (MC) dự đoán hướng theo thời gian. Limb và Murphy (1975) [38] công bố phương pháp vi phân đầu tiên, sử dụng tỷ số giữa độ lệch khung (FD) và độ lệch không gian (HD, VD). Cafforio và Rocca (1976) [18] hoàn thiện cơ sở giải tích cho phương pháp vi phân bằng khai triển chuỗi Taylor xung quanh gradient không gian, thiết lập công thức ước lượng chuyển động theo tiêu chí bình phương tối thiểu. Yamaguchi (1989) [32] đề xuất thuật toán vi phân lặp để nới rộng biên độ dịch chuyển vượt qua ngưỡng giới hạn $\pm 3$ pixel.
  • Thuật toán phối hợp khối nhanh: Koga et al. (1981) [54] giới thiệu thuật toán tìm kiếm ba bước (Three-Step Search), giúp giảm 87% số phép so sánh so với phương pháp tìm kiếm đầy đủ trên miền lân cận $14 \times 14$ pixel. Jain và Jain (1981) [24] đề xuất thuật toán tìm kiếm logarit.
  • Ước lượng chuyển động thích nghi và lọc số: Shan Liang, Wenju Liu và Wei Jiang (2009) [57] mở rộng thuật toán Bayes để ước lượng mặt nạ nhị phân lý tưởng (IBM) thông qua việc bổ sung biến phụ chứa thông tin tương quan địa phương. Nai-Chung Yang, Chaur Heh Hsieh và Chung Ming Kuo (2009) [50] công bố mô hình ước lượng chuyển động bằng lọc Kalman ba chiều trong mã hóa video.

Khoảng trống luận án lựa chọn giải quyết

Luận án tập trung giải quyết các bất cập cốt lõi từ các nghiên cứu đi trước:

  • Khắc phục sự phụ thuộc của phương pháp Bayes vào các giả thiết khắt khe về tính độc lập và tính đầy đủ của phân bố xác suất dãy ảnh, đồng thời giải tỏa khối lượng tính toán ma trận đa chiều;
  • Mở rộng thuật toán lọc Kalman từ mô hình cục bộ một chiều của Yang et al. thành thuật toán ước lượng chuyển động trực tiếp trong không gian nhiều chiều (Kalman một bước, nhiều bước, nhiều chiều), xác lập nghiệm ước lượng chuyển động tối ưu;
  • Giải quyết bài toán ước lượng chuyển động trong môi trường truyền dẫn vô tuyến có can nhiễu lớn và fading bằng thuật toán mù, ước lượng trực tiếp thông qua hàm tương quan giữa hai khung ảnh kề cận mà không cần chèn tín hiệu mẫu đào tạo.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và các khái niệm sử dụng

Luận án vận dụng hệ thống lý thuyết nền tảng về xử lý tín hiệu số, lý thuyết thông tin và quá trình ngẫu nhiên:

  • Lý thuyết độ dư trong tín hiệu video:
    • Độ dư giữa các pixel: Gồm độ dư không gian (tương quan mức xám cực cao giữa các pixel kề cận trong cùng một khung) và độ dư thời gian (tương quan giữa các khung liên tiếp do vật thể chuyển động có tính liên tục trên nền tĩnh);
    • Độ dư mã hóa: Tồn tại khi việc biểu diễn từ mã chưa đạt tới giới hạn entropy của nguồn;
    • Độ dư khả năng nhìn thấy: Dựa trên đặc tính sinh lý của hệ thống thị giác con người (HVS), vốn phản ứng phi tuyến với cường độ sáng và ít nhạy cảm với các chi tiết tần số cao.
  • Mô hình nguồn thông tin: Mô hình nguồn không nhớ rời rạc (DMS) xác định entropy nguồn $H(E) = -\sum_{i=1}^n p(e_i) \log_2 p(e_i)$ dùng cho mã hóa độ dài biến đổi (VLC/Huffman); mô hình nguồn Markov bậc $m$ với phân bố điều kiện $p(e_i | e_{i-1}, \dots, e_{i-m})$ dùng cho mã hóa vi sai DPCM.
  • Mô hình toán học của chuyển động ảnh:
    • Chuyển động 3D của vật thể được chiếu lên mặt phẳng ảnh tạo thành chuyển động biểu kiến 2D với vector dịch chuyển $x(s) = [x_h(s), x_v(s)]^T$;
    • Phương trình ước lượng chuyển động lùi: $f_t(s) = f_{t-\Delta t}(s - x(s))$;
    • Phương trình ước lượng chuyển động tiến: $f_t(s) = f_{t+\Delta t}(s + x(s))$;
    • Bản chất toán học là bài toán giả định sai (ill-posed problem), bộc lộ qua ba khía cạnh: không tồn tại nghiệm tại các vùng bị che phủ hoặc mới xuất hiện (bài toán kín); không duy nhất nghiệm do 1 phương trình cường độ có 2 ẩn số dịch chuyển (bài toán hở); và nghiệm không liên tục do rất nhạy cảm với nhiễu;
    • Nội suy song tuyến tính được sử dụng để truy cập cường độ điểm ảnh tại các tọa độ không nguyên: $$f(h, v) = (1-h_f)(1-v_f) f(h_i, v_i) + h_f(1-v_f) f(h_i+1, v_i) + (1-h_f)v_f f(h_i, v_i+1) + h_f v_f f(h_i+1, v_i+1)$$
  • Các tiêu chuẩn đo lường sai số và méo dạng:
    • Sai số trung bình bình phương: $$MSE = \frac{1}{MN}\sum_{i=1}^M \sum_{j=1}^N [I(i, j) - \hat{I}(i, j)]^2$$
    • Sai số tuyệt đối trung bình: $$MAE = \frac{1}{MN}\sum_{i=1}^M \sum_{j=1}^N |I(i, j) - \hat{I}(i, j)|$$
    • Tỷ số tín hiệu đỉnh trên nhiễu: $$PSNR = 20 \log_{10} \left( \frac{2^n - 1}{\sqrt{MSE}} \right)$$
    • Độ lợi mã chuyển đổi khối: $$G_{TC} = 10 \log_{10} \left( \frac{\frac{1}{N}\sum_{i=0}^{N-1} \sigma_i^2}{\left[\prod_{i=0}^{N-1} \sigma_i^2\right]^{1/N}} \right)$$

Phương pháp nghiên cứu thực tế

Luận án kết hợp chặt chẽ giữa nghiên cứu lý thuyết giải tích và mô phỏng số:

  • Phương pháp giải tích toán học: Thiết lập hệ phương trình trạng thái không gian và phương trình quan sát; áp dụng phép khai triển chuỗi Taylor, phép biến đổi ma trận gradient, nguyên lý cực tiểu hóa sai số bình phương trung bình và cấu trúc thuật toán lọc đệ quy Kalman đa chiều; xây dựng thuật toán mù dựa trên toán tử tương quan chéo giữa hai khung ảnh thực $I_k$ và $I_{k-1}$.
  • Phương pháp mô phỏng số: Cài đặt các kịch bản thử nghiệm tính toán trên máy tính để so sánh đối chuẩn hiệu năng giữa thuật toán ước lượng chuyển động Bayes truyền thống và thuật toán Kalman đề xuất. Các thông số điều khiển mô phỏng gồm trọng số điều quy $\lambda$ của phương pháp Bayes ($\lambda = 100$ và $\lambda = 1500$) và bậc độ dài quan sát $L$ của lọc Kalman ($L = 10$ và $L = 100$).

Nguồn tư liệu và dữ liệu thử nghiệm

  • Dữ liệu ảnh tĩnh: Ma trận ảnh chuẩn Lena kích thước khối $8 \times 8$ pixel để đánh giá khả năng nén tập trung năng lượng của biến đổi DCT.
  • Dữ liệu chuỗi video chuẩn:
    • Chuỗi video chuẩn "Hoa hậu Mỹ" (Miss America) độ phân giải $176 \times 144$ pixel (khung 21 và khung 22);
    • Tập dữ liệu videoclip-1: Khung hình 1512 và khung hình 1513;
    • Tập dữ liệu videoclip-2: Khung hình 434 và khung hình 435;
    • Các tham số kỹ thuật hệ thống truyền hình tiêu chuẩn NTSC ($F_R = 29,97$ hình/giây, $N_L = 525$ dòng, $R_H = 340$ dòng, băng thông $B_w = 4,2$ MHz) và HDTV ($B_w = 12$ MHz).

Nội dung chính theo từng chương

Mở đầu

Phần Mở đầu trình bày tổng quan bối cảnh phát triển của mạng thông tin thế hệ sau và nhu cầu cấp thiết trong việc nén tín hiệu video truyền qua môi trường vô tuyến di động. Tác giả nêu bật mâu thuẫn cốt lõi giữa yêu cầu nâng cao tỷ số nén và việc giảm thiểu biến dạng hình ảnh. Nội dung phân tích các hạn chế của phương pháp Bayes (đòi hỏi dãy ảnh là dãy xác suất đầy đủ, tính toán đa chiều nặng nề) và các nghiên cứu lọc Kalman trước đó của Yang et al. (mới dừng ở mô hình một chiều cục bộ). Từ đó, tác giả xác lập 4 mục tiêu nghiên cứu, định vị đối tượng, phạm vi khảo sát, nêu bật ý nghĩa khoa học, ý nghĩa thực tiễn và cấu trúc 4 chương của luận án.

Chương 1: Tổng quan về nén video

Chương 1 hệ thống hóa toàn diện các nguyên lý và kỹ thuật nén video số:

  • Phân tích bản chất độ dư tín hiệu: Phân định rõ độ dư không gian (ngoài khung), độ dư thời gian (giữa các khung), độ dư mã và độ dư khả năng nhìn thấy của mắt người. Thực nghiệm trên chuỗi ảnh "Hoa hậu Mỹ" ($176 \times 144$ pixel, tổng số 25.344 pixel) cho thấy khi chuyển từ khung 21 sang khung 22, chỉ có 3,4% pixel thay đổi giá trị xám vượt quá 1% giá trị cực đại (255), khẳng định tiềm năng to lớn của việc giảm độ dư thời gian.
  • Tính toán băng thông và nhu cầu nén:
    • Công thức xác định băng thông tín hiệu truyền hình: $B_w \approx 0,84 \times 0,8 \times F_R \times N_L \times R_H \approx 4,2$ MHz đối với chuẩn NTSC.
    • Tốc độ bit truyền tín hiệu NTSC số chưa nén (gồm thành phần độ chói Y và hai thành phần màu U, V, mỗi thành phần 8 bit, kích thước $720 \times 480 \times 2$ pixel/khung): $$B'_w = \frac{1}{2} \times 29,97 \text{ fps} \times 24 \text{ bit/pixel} \times 720 \times 480 \times 2 \approx 249 \text{ MHz}$$
  • Mô hình hệ thống nén video tổng quát: Phân tích chi tiết chức năng các khối: bộ toán tử không gian DCT, bộ lượng tử hóa vô hướng không đồng nhất, bộ mã hóa độ dài từ mã thay đổi (VLC), bộ nhớ khung trễ, bộ ước lượng chuyển động (ME) và bộ bù chuyển động (MC).
  • Phân tích biến đổi Cosine rời rạc (DCT): Đưa ra công thức biến đổi thuận và nghịch cho khối $8 \times 8$. Thực nghiệm trên ma trận khối ảnh Lena $8 \times 8$ chứng minh: trước biến đổi, các giá trị mức xám phân bố đều ở mức cao (từ 136 đến 163); sau biến đổi DCT, năng lượng tập trung gần như hoàn toàn vào hệ số DC tại tọa độ $(0,0)$ với giá trị lên tới 1255, trong khi phần lớn các hệ số AC tần số cao triệt tiêu về 0 hoặc tiệm cận 0. Ngoài ra, việc so sánh chu kỳ biên giữa IDCT (chu kỳ $2n$, hàm chẵn) và IDFT (chu kỳ $n$) giải thích vì sao DCT không gây ra hiện tượng gián đoạn hay tạo khối giả tại rìa biên ảnh.
  • Kỹ thuật ước lượng chuyển động phối hợp khối: Trình bày thuật toán tìm kiếm ba bước (Three-Step Search). Trên vùng lân cận tìm kiếm $14 \times 14$ pixel, thuật toán thực hiện 3 bước với tổng cộng 25 phép so sánh, giảm 87% khối lượng tính toán so với phương pháp tìm kiếm đầy đủ.
Tham số hệ thống video Giá trị kỹ thuật trong văn bản
Tốc độ khung hình NTSC ($F_R$) 29,97 khung/giây (fps)
Số đường quét một khung NTSC ($N_L$) 525 đường
Phân giải ngang NTSC ($R_H$) 340 đường
Băng thông truyền hình NTSC ($B_w$) 4,2 MHz
Băng thông kênh NTSC hiện tại 6 MHz
Băng thông kênh HDTV 12 MHz
Tốc độ bit video $288 \times 352$, 30 fps, 24 bit 72,99 Mbps
Tỷ số nén yêu cầu tối thiểu Khoảng 1289 lần
Tỷ lệ pixel thay đổi mức xám > 1% (khung 21-22 Miss America) 3,4% (trên tổng số 25.344 pixel)
Giá trị hệ số DC khối $8 \times 8$ ảnh Lena 1255
Độ giảm phức tạp của thuật toán tìm kiếm ba bước 87% (thực hiện 25 phép so sánh)

Chương 2: Tổng quan về ước lượng chuyển động của ảnh

Chương 2 tập trung khảo sát các phương pháp ước lượng chuyển động hình ảnh và bản chất toán học của chúng:

  • Khái niệm hình chiếu chuyển động: Phân biệt chuyển động 3D trong không gian vật thể và chuyển động chiếu 2D (chuyển động biểu kiến) trên mặt phẳng ảnh; phân loại ba nguyên nhân gây ra chuyển động biểu kiến: chuyển động camera (tổng thể), chuyển động thực của vật thể (cục bộ) và sự biến đổi điều kiện chiếu sáng. Luận án chọn giả thiết bỏ qua sự biến đổi độ sáng và đồng hóa chuyển động tổng thể qua chuyển động cục bộ.
  • Bản chất bài toán giả định sai: Phân tích cặn kẽ ba khiếm khuyết nội tại: bài toán kín (vùng bị che phủ hoặc không bị che phủ không tồn tại nghiệm chuyển động); bài toán hở (hệ phương trình thiếu ràng buộc, tại mỗi điểm có 2 ẩn số $x_h, x_v$ nhưng chỉ có 1 phương trình bảo toàn cường độ); tính nhạy cảm cao với nhiễu.
  • Phân loại mô hình chuyển động:
    • Mô hình tất định (ước lượng hợp lý cực đại ML) và mô hình xác suất (trường ngẫu nhiên Markov MRF, ước lượng cực đại xác suất hậu nghiệm MAP);
    • Mô hình tham số (từ 2 tham số tịnh tiến đến 12 tham số toàn phương) và mô hình phi tham số (bổ sung ràng buộc độ trơn của trường chuyển động);
    • Vùng hỗ trợ (Support Region): Phân tích tương quan đánh đổi giữa vùng hỗ trợ lớn (tiết kiệm mào đầu bit nhưng sai số do chứa nhiều vật thể dịch chuyển khác hướng) và vùng hỗ trợ nhỏ (tăng độ chính xác cục bộ nhưng tăng mào đầu bit và dễ gây nhập nhằng mẫu tìm kiếm).
  • Các phương pháp vi phân: Trình bày chi tiết giải pháp Limb và Murphy (1975) và mô hình giải tích chuỗi Taylor của Cafforio và Rocca (1976). Vector chuyển động được ước lượng qua ma trận gradient không gian: $$\hat{x} = \left[ \sum_{s \in A} \nabla_s f_t(s) \nabla_s f_t^T(s) \right]^{-1} \sum_{s \in A} FD(s) \nabla_s f_t(s)$$ với $\nabla_s f_t(s) = [HD(s), VD(s)]^T$. Luận án chỉ rõ hạn chế cốt tử của phương pháp vi phân: khai triển Taylor chỉ đúng khi độ dịch chuyển $x$ rất nhỏ (trong phạm vi $\pm 3$ pixel); gradient triệt tiêu tại các vùng ảnh trơn phẳng dẫn đến ma trận suy biến; và sai số lớn khi chuyển động song song với rìa cạnh ảnh ($x^T \nabla_s f = 0$).
  • Độ phức tạp tính toán các hàm đo độ đo biến dạng khối (BDM):
Hàm đo độ biến dạng khối (BDM) Số phép cộng/trừ trên khối $N \times N$ Số phép nhân/chia trên khối $N \times N$
Tổng các sai phân bình phương (SSD) $2N^2 - 1$ $N^2$
Tổng các sai phân tuyệt đối (SAD) $2N^2 - 1$ 0
Hàm tương quan chéo chuẩn hóa (NCCF) $3N^2 - 1$ $N^2 + 2$

(Nguồn: Bảng 2.1 của luận án)

Chương 3: Ước lượng chuyển động bằng các giải pháp mới

Chương 3 là phần đóng góp cốt lõi về mặt lý thuyết của luận án, đề xuất hai hướng giải pháp mới:

  • Ước lượng chuyển động bằng thuật toán lọc Kalman:
    • Thiết lập bài toán ước lượng chuyển động dưới dạng mô hình không gian trạng thái;
    • Phát triển thuật toán lọc Kalman một bước;
    • Mở rộng sang thuật toán lọc Kalman nhiều bước và nhiều chiều, giải quyết trực tiếp quan hệ không gian - thời gian mà không cần phân rã nhân tạo về các bài toán một chiều như các công trình trước;
    • Thiết lập nghiệm ước lượng chuyển động tối ưu dựa trên tiêu chuẩn sai số bình phương trung bình cực tiểu trong môi trường chịu tác động của nhiễu ngẫu nhiên.
  • Ước lượng chuyển động của ảnh bằng phương pháp mù:
    • Đặt bài toán ước lượng chuyển động không cần tín hiệu mẫu đào tạo (training sequence);
    • Thay vì sử dụng khung tái cấu trúc trước đó $\hat{I}{k-1}$ vốn bị suy hao do lượng tử hóa, thuật toán mù khai thác trực tiếp hàm tương quan giữa hai khung ảnh quan sát liên tiếp $I_k$ và $I{k-1}$;
    • Thiết lập thuật toán lặp thích nghi để hội tụ về vector chuyển động thực, giúp duy trì độ bám chuyển động chính xác trong điều kiện kênh truyền vô tuyến chịu ảnh hưởng của nhiễu lớn và fading.

Chương 4: Một số kết quả tính toán số

Chương 4 kiểm chứng các giải pháp lý thuyết thông qua thực nghiệm mô phỏng số trên máy tính:

  • Thiết lập mô phỏng: Thực hiện thử nghiệm trên hai tập dữ liệu video chuẩn: videoclip-1 (khung 1512 và 1513) và videoclip-2 (khung 434 và 435).
  • Khảo sát phương pháp Bayes: Đánh giá trường vector chuyển động và thời gian tính toán dưới các giá trị trọng số điều quy khác nhau ($\lambda = 100$ và $\lambda = 1500$). Khi $\lambda$ tăng, trường chuyển động có xu hướng trơn hơn nhưng thời gian xử lý ma trận phân bố xác suất tăng cao.
  • Khảo sát phương pháp Kalman: Đánh giá trường chuyển động và thời gian tính toán với các bậc độ dài trạng thái khác nhau ($L = 10$ và $L = 100$). Kết quả cho thấy phương pháp Kalman duy trì độ bám sát chuyển động của các vật thể trong cảnh quay một cách ổn định.
  • So sánh hiệu năng và bàn luận: Phân tích số liệu từ Bảng 4.1 (thời gian tính toán theo Bayes) và Bảng 4.2 (thời gian tính toán theo Kalman), đối chiếu với đồ thị Hình 4.9 và Hình 4.10. Kết quả tính toán số khẳng định phương pháp lọc Kalman có tốc độ xử lý nhanh hơn đáng kể so với phương pháp Bayes, giảm tải khối lượng tính toán ma trận và thể hiện độ ổn định cao đối với các đoạn video có chuyển động phức tạp.

Kết luận và kiến nghị

Phần Kết luận và kiến nghị tổng kết các phát hiện chính, khẳng định tính đúng đắn của việc ứng dụng lọc Kalman đa chiều và thuật toán mù trong ước lượng chuyển động video, đồng thời vạch ra các hướng nghiên cứu mở rộng trong tương lai.

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận

  • Phát triển thuật toán lọc Kalman nhiều chiều trong ước lượng chuyển động: Luận án đã mở rộng lý thuyết ước lượng chuyển động bằng việc xây dựng mô hình lọc Kalman nhiều bước, nhiều chiều trực tiếp, vượt qua hạn chế của các nghiên cứu tiền nhiệm (vốn phải giả thiết độc lập để tách rời thành các bộ lọc một chiều riêng biệt). Luận án xác lập nghiệm ước lượng chuyển động tối ưu của ảnh trong video bằng thuật toán lặp thích nghi.
  • **Đề xuất nguyên lý ước lượng chu