Nghiên cứu các kỹ thuật dò biên áp dụng trong trích chọn các bộ phận khuôn mặt

Tài liệu tham khảo công nghệ thông tin Nghiên cứu các kỹ thuật dò biên áp dụng trong trích chọn các bộ phận khuôn mặt

ĐẠI HỌC QUỐC GIA HÀ NỘITRƯỜNG ĐẠI HỌC CÔNG NGHỆ

ĐẠI HỌC QUỐC GIA HÀ NỘITRƯỜNG ĐẠI HỌC CÔNG NGHỆ

LỜI CẢM ƠN

Lời đầu tiên em xin bày tỏ lòng biết ơn tới các thầy, cô giáo trong trường Đại họcCông nghệ - Đại học Quốc gia Hà Nội Các thầy cô đã dạy bảo, chỉ dẫn chúng em và luôntạo điều kiện tốt nhất cho chúng em học tập trong suốt quá trình học đại học đặc biệt làtrong thời gian làm khoá luận tốt nghiệp

Em xin bày tỏ lòng biết ơn sâu sắc tới cô giáo ThS Ma Thị Châu, cô đã hướng dẫn emtận tình trong cả học kỳ vừa qua, cô đã góp ý và chỉnh sửa thường xuyên cho khóa luận củaem

Tôi cũng xin cảm ơn những người bạn của mình, các bạn đã luôn ở bên tôi, giúp đỡ vàcho tôi những ý kiến đóng góp quý báu trong học tập cũng như trong cuộc sống.

Hà nội, ngày 2010

Lưu Xuân Thế

i

TÓM TẮT

Kỹ thuật dò biên là bài toán mới chỉ xuất hiện cách đây không lâu, chỉ khoảng vài thậpniên, nhưng đã có rất nhiều nghiên cứu về nó Các nghiên cứu ban đầu rất đơn giản, ảnh làđen trắng và chỉ có một khuôn mặt chụp thẳng, sau này mở rộng ra cho ảnh màu, ảnh cónhiều khuôn mặt với nhiều góc, môi trường xung quanh cũng đi từ đơn giản đến rất phứctạp.

Từ khóa: edge detection, edge filter.

MỤC LỤC

LỜI CẢM ƠN i

TÓM TẮT ii

MỤC LỤC iii

Chương 1 GIỚI THIỆU 5

1.1 Giới thiệu về tìm biên trong nhận dạng khuôn mặt 5

1.2 Bài toán nghiên cứu kỹ thuật dò biên áp dụng trong trích chọn khuôn mặt 2

1.3 Nội dung và cấu trúc khóa luận 2

Chương 2 CÁC KỸ THUẬT DÒ BIÊN 4

2.1 Quy trình phát hiện biên 4

2.2 Kỹ thuật phát hiện biên trực tiếp 4

2.2.1 Kỹ thuật Gradient 5

2.2.2 Toán tử la bàn 8

2.2.3 Kỹ thuật Laplace 10

2.2.4 Tách sườn theo ảnh Canny 11

2.2.5 Dò biên theo quy hoạch động 12

2.3 Kỹ thuật phát hiện biên gián tiếp 15

3.1.1 Lấy biên theo trục X 19

3.1.2 Lấy biên theo trục Y 21

3.1.3 Lấy biên theo Gradient 21

3.1.4 Lấy biên theo Thresholding 21

i

3.1.5 Lấy biên theo Thinning 21

3.2 Chương trình và kết quả 23

3.3 Biến thành ảnh đa cấp xám 24

3.2.1 Lấy biên theo trục X 24

3.2.2 Lấy biên theo trục Y 25

3.2.3 Lấy biên theo Gradient 26

3.2.4 Lấy biên theo Thresholding 26

3.2.5 Lấy biên theo Thinning 27

Chương 1.GIỚI THIỆU1.1 Giới thiệu về tìm biên trong nhận dạng khuôn mặt

Kỹ thuật dò biên là bài toán mới chỉ xuất hiện cách đây không lâu, chỉ khoảng vài thậpniên, nhưng đã có rất nhiều nghiên cứu về nó Các nghiên cứu ban đầu rất đơn giản, ảnh làđen trắng và chỉ có một khuôn mặt chụp thẳng, sau này mở rộng ra cho ảnh màu, ảnh cónhiều khuôn mặt với nhiều góc, môi trường xung quanh cũng đi từ đơn giản đến rất phứctạp Bài toán phát hiện biên nói chung và phát hiện biên khuôn mặt nói riêng có rất nhiềuhướng để phát triển, nhưng có thể kể ra hai hướng chính sau:

- Thứ nhất là nhận diện (face recognition) một khuôn mặt, tức là giả sử ta có bức ảnhmột khuôn mặt, ta sẽ tìm một bức ảnh có khuôn mặt giống với khuôn mặt trong ảnh Ứngdụng của nó là truy tìm tội phạm, các hệ thống an ninh xác đinh dựa vào khuôn mặt

- Thứ hai là xác định vị trí những khuôn mặt trong một bức ảnh (face detection), cácbức ảnh có thể có nhiều khuôn mặt, có kích thước và góc khác nhau Ứng dụng của nó nhưtrong các máy chụp hình có khả năng nhận dạng mặt người để chỉnh độ sáng nơi đó.

Biên là vấn đề chủ yếu trong phân tích ảnh, vì các đặc điểm trích chọn trong quá trình phân tích ảnh chủ yếu dựa vào biên Một điểm được gọi là điểm biên nếu ở đó có sự thay đổi đột ngột về mức xám Tập hợp các điểm biên tạo thành biên hay đường bao của ảnh

Về mặt toán học người ta xem biên là nơi có sự thay đổi đột ngột về mức xám, trên cơ sở đó người ta thường sử dụng hai phương pháp phát hiện biên sau:

- Phương pháp phát hiện biên trực tiếp- Phương pháp phát hiện biên gián tiếp

Xuất phát từ thực tế đó, mục tiêu của luận văn là nghiên cứu các phương pháp biểudiễn biên, hệ thống hóa kiến thức về các phương pháp phát hiện biên, tìm hiểu các kỹ thuậtphân vùng ảnh, một bước trước trong quá trình dò biên và ứng dụng của nó trong xử lý ảnhvà xử lý ảnh văn bản là một trong những nhiệm vụ quan trọng trong việc tự động hóa côngviệc văn phòng

i

1.2 Bài toán nghiên cứu kỹ thuật dò biên áp dụng trong trích chọnkhuôn mặt

Trong thực tế, chúng ta gặp nhiều bài toán liên quan đến nhận dạng đối tượng Thông thường, việc nhận ra các đối tượng thường dựa vào đường biên của chúng Ở Việt Nam hiệnnay đã có một số hệ thống nhận dạng đối tượng như: MapScan, VnDOCR, MarkREAD của Viện Công nghệ thông tin hay VecMap của DolSoft, nhìn chung những ứng dụng và tài tiệucó tính chất hệ thống về các phương pháp biểu phát hiện biên và ứng dụng của nó vẫn là một phần thiếu vắng

Xuất phát từ thực tế đó, mục tiêu của luận văn là nghiên cứu các phương pháp biểudiễn biên, hệ thống hóa kiến thức về các phương pháp phát hiện biên, tìm hiểu các kỹ thuậtphân vùng ảnh, tìm hiểu quá trình dò biên và ứng dụng của nó trong xử lý ảnh và xử lý ảnhvăn bản, là một trong những nhiệm vụ quan trọng trong việc tự động hóa công việc vănphòng

Trong khóa luận này biên khuôn mặt sẽ được hiển thị thông qua một chương trình mãđơn giản Với 5 kỹ thuật được áp dụng biên khuôn mặt sẽ được đưa ra với 5 kiểu khác nhau.Mỗi kiểu sẽ là một đặc điểm và khía cạnh riêng.

1.3 Nội dung và cấu trúc khóa luận

Khóa luận được tổ chức theo cấu trúc như sau:

Chương 1: Giới thiệu

Giới thiệu sơ lược về các kỹ thuật dò biên nói chung và kỹ thuật dò biên áp dụng vớikhuôn mặt và áp dụng cho việc trích chọn các bộ phận của khuôn mặt Bài toán phát hiệnbiên được phân tích dưới khía cạnh toán học giúp ta chọn hướng giải quyết tốt nhất cho bàitoán là sử dụng các kỹ thuật tìm kiếm biên cổ điển Chương này giới thiệu những gì màkhóa luận nghiên cứu từ đó thông qua việc trình bày về nội dung và cấu trúc của khóa luận.

Chương 2: Các kỹ thuật dò biên

Chương hai đi vào giới thiệu giới thiệu các kỹ thuật dò biên Với 2 kỹ thuật dò biêntrực tiếp và gián tiếp, nhưng ta chủ yếu đi xâu vào kỹ thuật dò biên trực tiếp được dùng rộngrãi và thường xuyên.

Chương 3: Kỹ thuật dò biên được áp dụng

Chương này giới thiệu vào các kỹ thuật dò biên được áp dụng trong chương trình.Bằng cách sử dụng hàm Gauss để làm trơn ảnh sau đó dùng các kỹ thuật tìm kiếm trực tiếp

để đưa ra 5 kiểu biên khác nhau với một bức ảnh nói chung và khuôn mặt trong chươngtrình này.

Chương 4: Kết luận và hướng phát triển

Chương này tổng kết lại những gì đã đạt được và chưa đạt được Từ đó nêu lên nhữngkết quả hướng tới, hướng nghiên cứu và phát triển tiếp theo

Chương 2 CÁC KỸ THUẬT DÒ BIÊN2.1 Quy trình phát hiện biên

iLọc nhiễu Làm nổi

Định vị biên trích chọn biên

ảnh đầu vào output

H2.1 Quy trình phát hiện biên

B1: Do ảnh ghi được thường có nhiễu, bước một là phải lọc nhiễuB2: Làm nổi biên sử dụng các toán tử phát hiện biên

B3: Định vị biên Chú ý rằng kỹ thuật nổi biên gây tác dụng phụ là gây nhiễu làm một số biên giả xuất hiện do vậy cần loại bỏ biên giả

B4: Liên kết và trích chọn biên.

2.2 Kỹ thuật phát hiện biên trực tiếp

Phương pháp này chủ yếu dựa vào sự biến thiên độ sáng của điểm ảnh để làm nổibiên bằng kỹ thuật đạo hàm

- Nếu lấy đạo hàm bậc nhất của ảnh: ta có phương pháp Gradient

Định nghĩa:Gradient là một vector f(x, y) có các thành phần biểu thị tốc độ thay đổi mức

xám của điểm ảnh (theo hai hướng x, y trong bối cảnh xử lý ảnh hai chiều) tức:

Trong đó dx, dy là khoảng cách giữa 2 điểm kế cận theo hướng x, y tương ứng (thực tếchọn dx=dy=1) Đây là phương pháp dựa trên đạo hàm riêng bậc nhất theo hướng x, y

Gradient trong gốc tọa độ góc (r, θ), với r là vector, θ là góc

2.2.1 Kỹ thuật Gradient

Theo định nghĩa về Gradient, nếu áp dụng nó vào xử lý ảnh, việc tính toán sẽ rất phứctạp Để đơn giản mà không mất tính chất của phương pháp Gradient, người ta sử dụng kỹthuật Gradient dùng cặp mặt nạ H1, H2 trực giao (theo 2 hướng vuông góc) Nếu định nghĩag1, g2 là Gradient theo hai hướng x, y tương ứng thì biên độ g(m, n) tại điểm (m, n) đượctính:

Đặt A0 = g(m,n);

Để giảm độ phức tạp tính toán, A0 được tính gần đúng như sau:

Xét một số toán tử Gradient tiêu chuẩn như toán tử Robert, Sobel, Prewitt, đẳng hướng(Isometric), 4-lân cận dưới đây

i

H2.2 Vector gradient

H2.3 Toán tử 4 lân cận

Hướng ngang (x) Hướng dọc (y)

Mặt nạ đẳng hướng:

Một mặt nạ khác cũng được nêu như dưới đây gọi là mặt nạ đẳng hướng (Isometric)

Toán tử 4-lân cận (4-Neighbour Operator)

Toán tử 4-lân cận được Chaudhuri và Chandor (1984) nêu ra trong đó mặt nạ có kíchthước 3x3 được thay cho mặt nạ 2x2 của toán tử Robert Các mặt nạ này được cho:

H3 Mặt nạ 4 lân cận

H2.4 Mặt nạ 8 hướng theo Kirsh.

i

Một vài nhận xét:

Toán tử Prewitt có thể tách sườn tốt hơn toán tử Sobel, trong khi đó toán tử Sobel táchcác sườn trên các đường chéo tốt hơn Mặt khác, các toán tử Robert và các toán tử 4-lân cậncó nhược điểm là nhạy với nhiễu Các toán tử Gradient và Sobel giảm nhiễu do tác dụng củalọc trung bình các điểm lân cận Như vậy, để đạt được kết quả mong muốn các toán tửGradient thường được dùng trước để làm sạch nhiễu

Các mặt nạ của các toán tử trên có kích thước 2x2 hoặc 3x3 chiều Các mặt nạ có sốchiều lớn hơn cũng được sử dụng Ví dụ trong kỹ thuật phát hiện biên người ta dùng mặt nạ5x5 cho toán tử Sobel:

Toán tử la bàn Kirsh:

Có nhiều toán tử la bàn khác nhau Ta xem xét toán tử la bàn Kirsh đặc trưng bởi támmặt nạ với kích thước 3x3 như sau:

Ký hiệu là Gradient theo 8 hướng như 8 mặt nạ kể trên, khi đó biênđộ Gradient tại điểm ảnh (x, y) được tính theo

- Nếu lấy theo đạo hàm bậc hai của ảnh: ta có phương pháp Laplace

Hai phương pháp này gọi chung là phương pháp dò biên cục bộ

Toán tử la bàn khác:

Ngoài toán tử la bàn Kirsh, một số toán tử la bàn khác sử dụng bộ mặt nạ 8 hướngkhác như:

i

Trường hợp tổng quát, người ta có thể mở rộng các mặt nạ với n hướng cách đều tươngứng với các mặt Wi; i=1, 2, …, n Khi đó, biên độ tại hướng thứ i với mặt nạ Wi được xácđịnh:

2 Kỹ thuật Laplace

Để khắc phục hạn chế và nhược điểm của phương pháp Gradient, trong đó sử dụng đạohàm riêng bậc nhất người ta nghĩ đến việc sử dụng đạo hàm riêng bậc hai hay toán tử Laplace Phương pháp dò biên theo toán tử Laplace hiệu quả hơn phương pháp toán tử Gradient trong trường hợp mức xám biến đổi chậm, miền chuyển đổi mức xám có độ trải rộng

Toán tử Laplace được đĩnh nghĩa như sau:

Toán tử Laplace dùng một số mặt nạ khác nhau nhằm tính gần đúng đạo hàm riêng bậc2 Các dạng mặt nạ theo toán tử Laplace bậc 3x3 có thể:

Ghi chú: Mặt nạ H1 còn cải biên bằng việc lấy giá trị ở tâm bằng 8 thay vì giá trị 4 Để thấy rõ việc xấp xỉ đạo hàm riêng bậc 2 trong không gian 2 chiều với mặt nạ H1 làm ví dụ, ta có thể tính gần đúng như sau:

Do đó:

Tóm lại: Kỹ thuật theo toán tử Laplace tạo đường biên mảnh (có độ rộng 1 pixel) Nhược

điểm của kỹ thuật này rất nhạy với nhiễu, do vậy đường biên thu được thường kém ổn định.

3 Tách sườn theo ảnh Canny

Bộ tách sườn ảnh theo Canny (1986) dựa trên cặp đạo hàm riêng bậc nhấtvới việc làm sạch nhiễu Mục này được để riêng vì đây là phương pháp tách đường biên khá phổ biến được dùng theo toán tử đạo hàm Như đã nói, phương pháp đạo hàm chịu ảnh hưởng lớn của nhiễu Phương pháp đạt hiệu quả cao khi xấp xỉ đạo hàm bậc nhất của Gauss.

Với fx, fy là đạo hàm riêng theo x,y của f.Do vậy:

Lấy đạo hàm riêng theo x và y của G ta được:

i

H2.5 Mô hình tính của phương pháp Canny.

Do bộ lọc Gauss là tách được, ta có thể thực hiện riêng biệt các tích chập theo x và y:

Từ đó ta có:

Với biên độ và hướng tính theo công thức trên, thuật toán được minh họa như hình H2.5 trên.

4 Dò biên theo quy hoạch động

Như trên đã nói, dò biên theo phương pháp Gradient là xác định cực trị cục bộ của Gradient theo các hướng; còn phương pháp Laplace dựa vào các điểm không của đạo hàm bậc hai Phương pháp dò biên theo quy hoạch động là phương pháp tìm cực trị tổng thể theonhiều bước Nó dựa vào nguyên lý tối ưu của Bellman Nguyên lý này phát biểu như sau: “Con đường tối ưu giữa 2 điểm cho trước cũng là tối ưu giữa 2 điểm bất kỳ nằm trên đường tối ưu đó”.

Thí dụ, nếu C là một điểm trên con đường tối ưu giữa A và B thì đoạn CB cũng là cònđường tối ưu từ C đến B không kể đến ta đến C bằng cách nào.

H2.6 Minh họa nguyên lý Bellman

Trong kỹ thuật này, giả sử bản đồ biên đã được xác định và được biểu diễn dưới dạng đồ thị liên thông N chặng Giả sử hàm đánh giá được tính theo công thức:

Với:

 Xk, k=1, ,N: Biểu diễn các đỉnh đồ thị của đồ thị trong chặng thứ k;

 D(x, y): Khoảng cách giữa 2 đỉnh x và y tính theo các định nghĩa tương ứng về khoảng cách;

 |g(xk)| và θ(xk) Gradient biên độ và Gradient hướng ở đỉnh xk  α và β các hằng số không âm.

Đường bao tối ưu sẽ nhận được bằng cách nối các đỉnh xk, k=1, , N nào đó sao cho S(x1, ,xN, N) đạt cực đại.

Định nghĩa hàm ф như sau:

Bây giờ ta có:

Lấy N = k.Như vậy:

Với cách này, thay vì tìm tối ưu toàn cục phức tạp của S(x1, …,xN, N), ta tìm tối ưu của N chặng theo tối ưu 2 biến Trong mỗi chặng, với mỗi xk tìm tối ưu, ( k x k φ Để dễ hình dung, xét ví dụ sau:

i

Giả sử có bản đồ biểu diễn bởi đồ thị liên thông Theo phương pháp trên có 5 ) 1, ( = Aφ, với k =2 có ) 2, ( 12 max(11,12) D = = φ Điều đó có nghĩa là đường từ A đến D đi qua C và ACD là biên được chọn với k=2 Tương tự, với k=4, có hai đường được chọn là ACDEF và AGHJ Tuy nhiên, với k=5 thì đoạn JB bị loại và chỉ tồn tại đường duy nhất với cực đại là 28 Như vậy, biên được xác định là ADEFB.

a Đồ thị liên thông biểu diễn biên b Quá trình dò biên theo quy hoạch động H2.7 Dò biên theo phương pháp quy hoạch động

Trên hình những đường nét đứt đoạn biểu thị cung bị loại; đường nét liền có mũi tên biểu thị đường đi hay biên của ảnh.

2.3 Kỹ thuật phát hiện biên gián tiếp

Nếu bằng cách nào đấy, chúng ta thu được các vùng ảnh khác nhau thì đường phâncách giữa các vùng đó chính là biên Nói cách khác, việc xác định đường bao của ảnh đượcthực hiện từ ảnh và được phân vùng Phương pháp dò biên gián tiếp khó cài đặt nhưng ápdụng tốt khi sự biến thiên độ sáng nhỏ

2.4 Một số phương pháp khác

Ngoài các phương pháp trên, người ta cũng áp dụng một số phương pháp khác cải tiến như tiếp cận bởi mô hình mặt, cách tiếp cận tối ưu hóa.

Cách tiếp cận theo mô hình mặt dựa vào việc thực hiện xấp xỉ đa thức trên ảnh gốc hay ảnh đã thực hiện phép lọc Laplace Cách tiếp cận tối ưu nhằm xác định một hàm (một bộ lọc), làm giảm phương sai σ2 hoặc giảm một số điểm cực trị cục bộ Dưới đây sẽ trình bày một cách tóm tắt các phương pháp đó.

Tiếp cận theo mô hình mặt

Tư tưởng của phương pháp này là tại lân cận điểm cắt không (điểm biên), ảnh sau khi lọc Laplace có thể được xấp xỉ bởi một đa thức bậc 3 theo hàng và cột Đa thức thường được dùng là đa thức Trebưchép với kích thước 3x3 Các đa thức này được định nghĩa như sau:

Với mỗi điểm cắt không phát hiện tại P(x, y) trong ảnh đã được lọc bởi toán tử Laplace – Gauss, Huertas và Medioni đã cho được tính theo công thức tính xấp xỉ:

Vấn đề là xác định các hệ số ai, i=1, 2, …, N-1 Nếu W là cửa số lọc tại điểm cắt không và x, y, i, j trong cửa số; các hệ số a có thể được tính toán như một tổ hợp tuyến tính:

ở đây, IL-G(x, y) là ký hiệu ảnh đã được lọc bởi toán tử Laplace–Gauss Các hệ số này có thể nhận được bởi chập ảnh IL-G(x, y) với các nhân chập như trung bình có trọng số hay một số nhân chập khác.

Các bước cài đặt phương pháp nhày có thể mô tả như sau:

 Chập ảnh gốc kích thước NxM với toán tử Laplac –Gauss kích thước M2, ảnh thu được gọi là IL-G

 Trích chọn các điẻm cắt không của ảnh IL-G, ảnh kết quả ký hiệu là IZCR

 Với mỗi điểm cắt không trong IZCR, thực hiện một xấp xỉ với kích thước 3x3 để suy racác điểm cắt không theo cách gải tích

i