Nhằm phát triển một hệ thống ảnh ra đa xuyên tường (through-wall radar imaging TWRI) có độ phân giải cao và nhanh chóng cho phép chúng ta nắm bắt, theo dõi, và phân loại các đối tượng phía sau tường, cửa ra vào, và các bề mặt che khuất khác với bốn nhiệm vụ chính cần giải quyết đó là phát triển, cài đặt, phân tích, và đánh giá mô hình Bayesian thưa và các kỹ thuật học từ điển thống kê cho các thuật toán tái tạo ảnh ra đa sử dụng một số lượng ít mẫu dữ liệu; phát triển, cài đặt, phân tích, và đánh giá các kỹ thuật loại bỏ nhiễu tường thích nghi để cải thiện tính mạnh mẽ và tính thực tế của hệ thống ảnh ra đa xuyên tường đối với các thông số không rõ của tường; phát triển, cài đặt, phân tích, và đánh giá các kỹ thuật tối ưu hoá ràng buộc tổng bình phương tối thiểu cho các thuật toán kết hợp và tái tạo hình ảnh từ tín hiệu đa kênh; và phát triển, cài đặt, phân tích, và đánh giá các thuật toán phân đoạn và phân loại mục tiêu dựa vào học máy thống kê và học Bayesian thưa để phân biệt các mục tiêu và mục tiêu so với nhiễu, do PGS.TS. Tăng Văn Hạ và nhóm nghiên cứu tại Học viện Kỹ thuật Quân sự đã đề hiện dự án nghiên cứu: “Nâng cao chất lượng ảnh ra đa xuyên tường sử dụng kỹ thuật lấy mẫu thưa Bayesian và học máy thống kê hiện đại”.  

Dự án nghiên cứu này sử dụng kỹ thuật lấy mẫu thưa Bayesian và học máy thống kê để nâng cao chất lượng ảnh ra đa xuyên tường TWRI với bốn vấn đề nghiên cứu chính đó là tái tạo ảnh Bayesian từ số lượng rất ít mẫu dữ liệu; giảm nhiễu tường thích nghi mà không cần truy cập vào cảnh nền tham chiếu; kết hợp và tái tạo ảnh ra đa đa kênh với các kỹ thuật ràng buộc tổng bình phương tối thiểu và phân đoạn ảnh và phân loại mục tiêu bằng cách sử dụng các biểu diễn thưa và học Bayesian. Cụ thể:

-  Nghiên cứu thứ nhất, tái tạo ảnh với kỹ thuật học Bayesian từ các mẫu dữ liệu nén, sẽ khảo sát các phương pháp tái tạo ảnh ra đa dựa trên nền tảng lấy mẫu nén thưa Bayesian và các kỹ thuật học máy thông kê. Phương pháp đề xuất nhằm mục đích kết hợp các cấu trúc tiên tiến của mô hình, bao gồm tính thưa của hình ảnh mục tiêu và nhóm thưa của các vùng ảnh. Hơn nữa, các kỹ thuật học từ điển được đề xuất để khắc phục sự kém linh hoạt của các hàm cơ sở cố định như Fourier và wavelet. Ở đây, việc học từ điển sẽ được mô tả dưới góc độ học máy thống kê sử dụng mô hình bậc cao. Trong giai đoạn suy luận của Bayesian, cả hai kỹ thuật suy luận chính xác và lấy mẫu sẽ được sử dụng để nâng cao độ chính xác của việc tái tạo hình ảnh.

- Nội dung kỹ thuật của nghiên cứu thứ hai, giảm thiểu nhiễu tường thích nghi không có tham chiếu cảnh nền, phát triển một kỹ thuật mới để loại bỏ nhiễu tường. Công việc này bao gồm việc đánh giá phương pháp chiếu xạ không gian hiện tại mà kỹ thuật phân tích giá trị đơn tính (SVD) được áp dụng cho dữ liệu ra đa. Trong kỹ thuật SVD, không gian con biểu diễn nhiễu tường được xác định theo kinh nghiệm với sự can thiệp của con người. Chúng tôi phát triển phương pháp mới tập trung vào việc xây dựng mô hình Gaussian tuyến tính kết nối các biến quan sát được (các mẫu dữ liệu thu nhận) và các biến tiềm ẩn đại diện cho không gian con của nhiễu tường. Các phân bố đa tầng được sử dụng để biểu diễn tính thưa của không gian tín hiệu trong miền không gian nhiễu tường. Cuối cùng, các phương pháp học Bayesian biến thể được sử dụng để ước tính các tham số cần thiết của mô hình và các biến tiềm ẩn, dấn đến loại bỏ được nhiễu tường một cách tự động. Nhiều thí nghiệm sẽ được tiến hành để đánh giá tính hiệu quả của phương pháp đề xuất trong các ứng dụng ảnh ra đa xuyên tường trong các tình huống thực tế.

- Nghiên cứu thứ ba, kết hợp và tái tạo ảnh ra đa đa kênh sử dụng kỹ thuật tổng bình phương tối hiểu có ràng buộc, bao gồm phát triển các thuật toán hiệu quả dựa trên các kỹ thuật tối ưu hoá đa ràng buộc. Bằng cách mô tả vấn đề ảnh ra đa đa kênh dưới dạng một bài toán tối ưu trong đó hàm mục tiêu gồm ràng buộc tổng bình phương tối thiểu, ràng buộc chuẩn hạt nhân (nuclear norm) và ràng buộc chuẩn hai một. Ràng buộc tổng bình phương tối thiểu dùng để đo nhiễu, ràng buộc chuẩn hạt nhân là một quy tắc mềm lồi đối với ràng buộc hạng thấp, và chuẩn hỗn hợp, dùng để mô tả tính thưa chung giữa các ảnh ra đa đa kênh. Để giải quyết bài toán tối ưu hóa này, dự án nghiên cứu sẽ sử dụng một lớp các thuật toán lặp dựa trên kỹ thuật gradient gần. Kỹ thuật này cho phép phân chia bài toán tối ưu hóa phức tạp thành các bài toán con có thể được xử lý hiệu quả hơn. Lưu ý rằng trong cách tiếp cận này, việc tổng hợp và tái tạo ảnh được thực hiện đồng thời trong quá trình tối ưu hóa và trong miền tín hiệu.

- Phân đoạn ảnh và phân loại mục tiêu bằng cách sử dụng biểu diễn thưa và học máy thống kê là một hướng nghiên cứu quan trọng trong đề xuất nghiên cứu này. Nội dung bao gồm nghiên cứu các kỹ thuật phân đoạn hình ảnh áp dụng cho hình ảnh của các mục tiêu được tái tạo. Hình ảnh sau khi phân đoạn được sử dụng làm một bản đồ tham chiếu cho việc tách các mục tiêu. Giai đoạn này được thực hiện dựa vào mô hình truy vấn ngược về mối liên quan giữa tín hiệu và hình ảnh của các mục tiêu trong mô hình tuyến tính. Các tín hiệu mục tiêu sẽ được sử dụng làm các đặc trưng để thực hiện phân loại các đối tượng và giữa đối tượng và nhiễu. Nghiên cứu này sẽ khai thác tính phân biệt của biểu diễn thưa để thực hiện việc phân loại. Mẫu thử nghiệm, hay tín hiệu mục tiêu, sẽ được biểu diễn thông qua một từ điển có hàm cơ sở là các mẫu huấn luyện. Nói cách khác, mẫu thử nghiệm được biểu diễn là một kết hợp tuyến tính của những mẫu huấn luyện từ tất cả các lớp đại diện của các đối tượng. Nếu các mẫu huấn luyện là đủ từ mỗi lớp mục tiêu, biểu diễn này là một biểu diễn thưa bởi vì các hệ số quan trọng chỉ tập trung vào các cơ sở (mẫu huấn luyện) của lớp mà các tín hiệu mục tiêu thử nghiệm phải thuộc về lớp đó. Ở đây, nhóm thực hiện dự án sẽ phát triển một kỹ thuật phân loại Bayesian thưa, trong đó tính thưa của mô hình được mô tả thông qua phân bố đa tầng và các hệ số tín hiệu được học qua suy luận Bayesian.

Sau một thời gian triển khai thực hiện, dự án nghiên cứu đưa ra các kết luận như sau:

Các kết quả nghiên cứu của dự án này là các kỹ thuật ảnh ra đa cho phép chúng ta nắm bắt các mục tiêu khe khuất đằng sau bức tường và các vật cản khác. Bước đột phá chủ yếu là khả năng tái tạo ảnh các vật thể và nắm bắt thông tin đằng sau bức tường và bên trong tòa nhà hoặc kết cấu kín mà không cần đến truy cập hiện trường. Các thuật toán xử lý hình ảnh và tín hiệu mới, dựa trên lấy mẫu thưa Bayesian và học máy thống kê được phát triển sẽ giúp nâng cao chất lượng hình ảnh và độ phân giải, cải thiện tốc độ hoạt động, giảm chi phí và thời gian thu thập và xử lý dữ liệu. Kết quả nghiên cứu sẽ giúp ích cho nhiều ứng dụng bao gồm tìm kiếm và cứu hộ, cứu nạn, giám sát, an ninh, và quốc phòng. Các kết quả nghiên cứu sẽ nâng cao năng lực của lực lượng vũ trang Việt Nam, chống khủng bố, cảnh sát và các cơ quan thực thi pháp luật.

Kết quả nghiên cứu khoa học của dự án bao gồm: (i) Một phương pháp tái tạo ảnh mới, sử dụng một số lượng nhỏ các mẫu dữ liệu để tái tạo một cảnh độ phân giải cao về các mục tiêu bị che khuất. Ảnh được tái tạo có độ tương phản tốt và giữ được các cấu trúc vốn có của các mục tiêu và có thể sử dụng một cách thích hợp cho thực hiện phân đoạn và phân loại đối tượng về sau. Điểm mấu chốt là sử dụng nền tảng lấy mẫu thưa Bayesian và các kỹ thuật suy luận Bayesian để nâng cao độ chính xác của ảnh được tái tạo. (ii) Một phương pháp mới cho loại bỏ nhiễu tường. Phương pháp này giảm thiểu sự ảnh hưởng và những phản xạ từ tường và cho phép xác định mục tiêu mong muốn mà không cần thông tin về một cảnh tham chiếu trước. Điều này rất quan trọng cho các hệ thống ảnh thực bởi trên thực tế tiếp cận với hiện trường tham chiếu là không khả thi trong nhiều trường hợp. Hơn nữa, phương pháp đề xuất giảm thiểu nhân tố con người can thiệp vào các tham số hệ thống bằng cách sử dụng phương pháp học thích nghi Bayesian và các mô hình thống kê. (iii) Một mô hình mới cho ảnh ra đa đa kênh, trong đó bài toán ảnh đa kênh sẽ được mô hình hóa là một bài toán tối ưu tổng bình thương tối thiểu có ràng buộc. Các ràng buộc này bao gồm hạng thấp cho nhiễu tường, và thưa đồng thời cho ảnh các kênh. Phương pháp đề xuất cho phép đồng thời kiểm soát nhiễu, kết hợp luồng dữ liệu từ các kênh, và tạo ảnh các đối tượng. Mô hình đề xuất có thể mở rộng cho nhiều ứng dụng trong viễn thám và xử lý tín hiệu đa kênh khác.

Như vậy, dự án nghiên cứu đã giải quyết được bốn vấn đề chính bao gồm tái tạo ảnh ra đa xuyên tường, giảm thiểu nhiễu tường, kết hợp và tái tạo hình ảnh ra đa đa kênh, và phân đoạn ảnh và phân loại mục tiêu. Các thuật toán này sẽ được tiếp cận dựa trên khuôn khổ lấy mẫu thưa Bayesian và kỹ thuật học thống kê tiên tiến.

Có thể tìm đọc toàn văn Báo cáo kết quả nghiên cứu của Đề tài (Mã số 19376/2021) tại Cục Thông tin khoa học và công nghệ quốc gia.

P.T.T (NASATI)