ỨNG DỤNG HỌC KHÔNG GIÁM SÁT TRONG XỬ LÝ ẢNH MƯA

Bối cảnh

• Hình ảnh ngoài trời thường bị ảnh hưởng bởi mưa, làm giảm độ rõ nét và chất lượng quan sát
• Điều này gây khó khăn cho các hệ thống thị giác máy tính như camera an ninh và xe tự lái
• Vì vậy, việc loại bỏ nhiễu mưa khỏi ảnh là một bài toán quan trọng trong xử lý ảnh
• Cần loại bỏ vệt mưa khỏi hình ảnh mà vẫn giữ được màu sắc, chi tiết và bố cục ban đầu
• Trong thực tế, rất khó thu thập đầy đủ cặp dữ liệu ảnh mưa và ảnh sạch tương ứng
• Do đó, cần một phương pháp có thể học hiệu quả mà không phụ thuộc nhiều vào dữ liệu gán nhãn

Giải pháp

• Ứng dụng học không giám sát để xử lý ảnh mưa
• Sử dụng cơ chế học chuyển đổi giữa miền ảnh mưa và miền ảnh sạch
• Mô hình học cách nhận diện đặc trưng của ảnh có mưa, sau đó chuyển đổi để tạo ra ảnh rõ nét hơn
• Kết hợp thêm kỹ thuật học trên các vùng nhỏ của ảnh để tăng độ chính xác ở cấp độ chi tiết
• Áp dụng mô hình học máy không giám sát để tìm quy luật từ dữ liệu mà không cần gán nhãn đầy đủ
• Sử dụng cơ chế đối chiếu hai chiều để kiểm tra ảnh sau khi chuyển đổi có giữ được nội dung gốc hay không
• Khai thác thông tin ở cấp độ patch để bảo toàn độ sắc nét và tính tự nhiên của hình ảnh

Mục tiêu

• Loại bỏ hiệu quả vệt mưa trong ảnh
• Giữ lại tối đa màu sắc, chi tiết và cấu trúc ban đầu của hình ảnh
• Cải thiện chất lượng đầu vào cho các hệ thống nhận diện và phân tích hình ảnh

Ứng dụng

• Giúp camera an ninh nhận diện đối tượng tốt hơn trong điều kiện thời tiết xấu
• Hỗ trợ xe tự lái và các hệ thống quan sát tự động hoạt động ổn định hơn
• Nâng cao chất lượng thẩm mỹ và khả năng sử dụng của hình ảnh sau xử lý
• Có tiềm năng mở rộng sang các điều kiện thời tiết khác như sương mù, mưa lớn và tuyết