Professional Documents
Culture Documents
Final Báo Cáo
Final Báo Cáo
(1)
2
Số lượng phần tử khác 0 của ma trận đường
3
Nhân hai vế của (1) với P, ta có:
AP = PD (2)
4
Gọi pi, di lần lượt là cột thứ i của ma trận P và D. vì mỗi
một cột của vế trái và vế phải của (2) phải bằng nhau, ta
sẽ có:
5
Dấu bằng xảy ra vì D là ma trận đường
chéo, tức di chỉ có thành phần dii khác 0.
6
Singular Value Decomposition (SVD) là một
phương pháp phân tích ma trận, có nhiều ứng
dụng trong thực tế như nén ảnh, giảm nhiễu ảnh,
… điểm đặc biệt của SVD là có thế áp dụng được
trên bất kỳ ma trận thực nào.
7
Ta xét một ma trận A có m hàng và n cột (với
nm), có hạng là r và rnm, phép biến đổi SVD
phân tích ma trận A thành ba ma trận thành
phần lần lượt là U, S, V như sau:
𝑻
𝑨=𝑼𝑺 𝑽
8
Tr o n g đ ó :
U là ma trận trực giao cấp m: U = [ u1, u2, u3, V là ma trận trực giao cấp n: V = [ v1, v2,
…, ur, ur+1, …, um] v3, …, vr, vr+1, …, vn]
Với các vector ui( i = 1, 2, 3, .., m), tạo thành Với các vector vi (i = 1, 2, 3, ..., n), tạo
một tập trực chuẩn: thành một tập trực chuẩn:
UiTuj = δij = ViTVj = δij =
9
Như vậy ma trận U là ma trận gồm các vector riêng
10
S là ma trận đường chéo, với mỗi
phần tử trên đường chéo là một trị
riêng của A. ký hiệu các giá trị trên 𝜹 𝟏 ≥ 𝜹 𝟐 ≥ 𝜹 𝟑 ≥ … ≥ 𝜹 𝒓 >𝟎
đường chéo chính của S là di, các
giá trị này có độ lớn được sắp xếp
theo thứ tự sau:
11
Các giá trị còn lại của (i = r + 1, …, n) đều bằng 0. Khi
áp dụng SVD vào ma trận điểm ảnh, các thành phần
chính của ảnh được tập trung vào các phần tử ở hàng
đầu, cột đầu của các ma trận U, V và các phần tử đầu
tiên trên đường chéo của S. Các phần tử này có tính
ổn định cao nên có thể sử dụng để làm các đặc trưng
bền vững cho ảnh.
12
II. ỨNG DỤNG CỦA PHÂN TÍCH
13
1. ĐẶT VẤN ĐỀ
Vai trò của máy tính khá quan trọng trong cuộc sống của chúng ta,
hình ảnh giúp chúng ta lưu giữ nhưng khoảng khắc, cung cấp
thông tin,... Để có một bức ảnh ta có thể sử dụng nhiều phương
tiện khác nhau (máy ảnh, điện thoại,...) Tuy nhiên trong một số
trường hợp khi chụp sẽ bị nhiễu ảnh.
14
1. ĐẶT VẤN ĐỀ
15
Cách để khử nhiễu cho hình ảnh:
16
1. KHỬ NHIỄU HÌNH ẢNH QUA THUẬT TOÁN PHÂN TÍCH SVD
Vai trò của máy tính khá quan trọng trong cuộc sống của chúng ta,
hình ảnh giúp chúng ta lưu giữ nhưng khoảng khắc, cung cấp
thông tin,... Để có một bức ảnh ta có thể sử dụng nhiều phương
tiện khác nhau (máy ảnh, điện thoại,...) Tuy nhiên trong một số
trường hợp khi chụp sẽ bị nhiễu ảnh.
17
• Khử nhiễu bằng phân tích SVD trên Matlab
Chúng ta sẽ thực hiện khử nhiễu hình ảnh trên
Matlab vì Matlab cung cấp môi trường hoàn hảo
về công cụ tính toán cũng như lập trình. Người sử
dụng có thể thực hiện phép tính toán với ma
trận, vẽ đồ thị hàm số,...
19
1. KHỬ NHIỄU HÌNH ẢNH QUA
THUẬT TOÁN PHÂN TÍCH SVD
18
2. ÁP DỤNG
18
2. ÁP DỤNG
Từ đó ta có thể thấy được khả năng
xây dựng lại ma trận A với kích thước
k là điều hoàn toàn có thể thực hiện
như sau: 𝑘
𝐴𝑘=𝑑 𝑢 𝑣 +𝑑 𝑢 𝑣 +…+𝑑 𝑢 𝑣 ↔ 𝐴𝑘=∑ 𝑑 𝑢 𝑣
𝑇
1 1 1
𝑇
2 2 2
𝑇
𝑘 𝑘 𝑘
𝑇
𝑖 𝑖 𝑖
𝑖=1
18
3. ÁP DỤNG KHỬ NHIỄU BẰNG PHÂN TÍCH SVD:
20
Bài code:
21
Bài code:
k=15
k=200
22
THANKS
Cám ơn cô cùng các các bạn đã lắng nghe phần
thuyết trình nhóm 10