Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 74 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
74
Dung lượng
3,27 MB
Nội dung
` PHẦN MỞ ĐẦU Ngày với phát triển của phương tiện truyền thông, phương tiện lưu trữ hình ảnh, kích thước tập ảnh số gia tăng cách chóng mặt Thì việc tìm kiếm ảnh lưu trữ ảnh cho nhanh chóng hiệu cần thiết với người dùng Việc tra cứu ảnh nhu cầu cần thiết từ nhiều lĩnh vực khác như: trinh sát, dự báo thời tiết, phòng chống tội phạm… Cùng chung mục đích này, nhiều chương trình thiết kế để tìm kiếm ảnh xây dựng ứng dụng thực tế Trong có hai tảng là: dựa văn (text-based) dựa nội dung (content-based) Các phương pháp tiếp cận năm 1970 dựa văn sử dụng nhiều Tại thời điểm ảnh người thích văn cách thủ cơng , sau lưu trữ hệ thống quản lý sở liệu, đưa vào thực việc tra cứu ảnh Khi người ta nhận số nhược điểm phương pháp là: Thứ nhất: Nó cần q nhiều cơng sức lao động người để tạo thích cho ảnh Thứ hai là: việc đánh thích không chuẩn nhận thức chủ quan người khác Để khắc phục hai nhược điểm hệ thống tra cứu ảnh dựa văn bản, khái niệm tra cứu ảnh dựa nội dung giới thiệu vào đầu năm 1980 Với Luận văn thể số kỹ thuật dựa phản hồi liên quan, ứng dụng công nghệ tra cứu ảnh theo nội dung Để cải thiện hiệu tra cứu, thu hẹp khoảng cách ngữ nghĩa Luận văn chia làm chương cụ thể sau: Chƣơng 1: Các khái niệm chung tra cứu ảnh dựa nội dung Giới thiệu kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung, đặc trưng sử dụng tìm kiếm ảnh theo nội dung, khả ứng dụng khái quát Logic mờ 10 ` Chƣơng 2: Đo khoảng cách biểu đồ màu, Tìm kiếm ảnh theo nội dung dựa sở biểu đồ màu thơng thường, Tìm kiếm ảnh theo nội dung sở biều đồ màu mờ Chƣơng 3: Áp dụng cài đặt chương trình thử nghiệm Cài đặt chương trình tìm kiếm ảnh, thử nghiệm Matlab dựa theo kiến thức lý thuyết từ chương luận văn 11 ` CHƢƠNG TỔNG QUAN VỀ HỆ THỐNG TÌM KIẾM ẢNH THEO NỘI DUNG Giới thiệu: Hiện với việc bùng nổ hệ thống thơng tin việc tìm kiếm thơng tin liệu có vai trị quan trọng, việc tìm kiếm ảnh trở nên cần thiết Truy xuất thơng tin hình ảnh dựa nội dung, truy xuất hình ảnh dựa nội dung lĩnh vực nghiên cứu mạnh mẽ lĩnh vực máy tính 10 năm qua Sự sẵn có số lượng lớn liệu trực quan đa phương tiện phát triển, phát triển Internet nhấn mạnh đến nhu cầu để tạo phương thức truy cập theo chủ đề, cung cấp nhiều truy vấn yêu cầu dựa văn đơn giản, dựa trường sở liệu xác Có nhiều chương trình cơng cụ phát triển để hình thành thực truy vấn dựa nội dung hình ảnh âm thanh, để giúp chạy duyệt kho liệu đa phương tiện lớn Tuy nhiên, khơng có bước đột phá chung đạt sở liệu lớn khác với tài liệu thuộc loại khác đặc điểm nội dung Một số câu trả lời cho nhiều câu hỏi liên quan đến tốc độ, mô tả ngữ nghĩa giải thích hình ảnh khách quan chưa trả lời Để tìm kiếm ảnh có hai cách: phương pháp tìm kiếm theo từ khố hai tìm kiếm theo nội dung ảnh Phương pháp thứ tìm kiếm ảnh theo từ khố phương pháp người dùng ưa thích tính chất đơn giản dễ thao tác Cùng với việc tìm kiếm ảnh dựa theo từ khố nhanh so với tìm kiếm theo nội dung tìm kiếm theo từ khóa hoạt động việc so sánh phân tích từ hay cụm từ xác định chúng giống với đưa kết gần Do kiểu liệu đầu vào dạng văn nên việc tìm kiếm xuất kết thực cách nhanh chóng, khơng địi hỏi người tìm kiếm phải chuẩn bị ảnh mẫu trước Bên cạnh việc tìm kiếm theo phương pháp cịn có số hạn chế kết tìm kiếm trả đơi khơng ý định ban đầu người dùng 12 ` Để khắc phục hạn chế phương pháp tìm kiếm ảnh dựa nội dung đời để khắc phục hạn chế Tư tưởng phương pháp tìm kiếm ảnh người ta tự động trực tiếp gắn mô tả cho ảnh, phân tích nội dung ảnh mà khơng có can thiệp thủ cơng Điểm bật thuật tốn so với thuật tốn tìm kiếm ảnh dựa từ khóa nội dung ảnh ln ln quán phần trích chọn đặc trưng ảnh thực cách tự động Trên thực tế, người sử dụng ln thích dùng từ khóa, để mơ tả văn giải thích cho hình ảnh họ đo độ tương tự Trên khía cạnh đặc trưng trích chọn tự động việc sử dụng kỹ thuật thị giác máy chủ yếu đặc trưng mức thấp đặc trưng hình dạng, đặc trưng màu sắc ảnh, đặc trưng kết cấu, …) Cho dù có nhiều thuật tốn đầu tư kỹ thuật để mô tả đặc trưng ảnh màu sắc, hình dạng phản ánh hết ngữ nghĩa ảnh Phân tích nội dung đa phương tiện áp dụng ứng dụng thị giác máy tính giới thực khác hình ảnh kỹ thuật số phần liệu đa phương tiện Trong vài năm qua, phức tạp nội dung đa phương tiện, đặc biệt hình ảnh tăng theo cấp số nhân sở hàng ngày, hàng triệu hình ảnh tải lên kho lưu trữ khác Twitter, Facebook Instagram Để tìm kiếm hình ảnh có liên quan từ kho lưu trữ vấn đề nghiên cứu đầy thách thức cho cộng đồng nghiên cứu tầm nhìn máy tính Hầu hết cơng cụ tìm kiếm lấy hình ảnh sở cách tiếp cận dựa văn truyền thống dựa thích siêu liệu Trong thập kỷ qua , nghiên cứu sâu rộng báo cáo để tìm kiếm , ảnh dựa nội dung (CBIR) , phân loại hình ảnh phân tích Các khái niệm quan trọng nghiên cứu dựa CBIR biểu diễn hình ảnh thảo luận chi tiết hướng nghiên cứu tương lai kết luận tạo điều kiện cho nghiễn cứu lĩnh vực Kỹ thuật tìm kiếm ảnh dựa nội dung (CBIR) đưa vào 13 ` câu trả lời cho khó khăn cách tiếp cận dựa văn Kỹ thuật CBIR vượt qua rào cản đại diện cho hình ảnh mang tính văn Trong hệ thống CBIR , thuật toán xử lý hình ảnh sử dụng vector đặc trưng trích xuất tự động Các tính hình ảnh màu sắc, kết cấu hình dạng Các vecto đặc trưng đại diện cho tính Ưu điểm CBIR : - Quá trình thu hồi xử lý cách tự động - Không cần nỗ lực để thích hình ảnh Nhược điểm CBIR: - Quản lý hình ảnh phức tạp - CBIR cần chuyển đổi nhận thức user cấp cao thành tính hình ảnh cấp thấp - Việc lập mục hình ảnh phức tạp - Xử lý truy vấn phụ thuộc vào diễn giải trực quan Do vậy, khái niệm đặc trưng mức cao đặc trưng mức thấp nhiều nên hiệu suất CBIR tương đối lớn với mong muốn người sử dụng 14 ` 1.1 Hệ thống tra cứu ảnh theo nội dung thành phần Một hệ thống tra cứu ảnh theo nội dung cần thành phần sau: Hình 1-1: Tổng quan kiến trúc hệ thống tra cứu ảnh Trong hệ thống tra cứu ảnh theo nội dung có ba thành phần quan trọng là: Giao diện truy vấn cho người dùng, đánh số trích chọn đặc trưng 15 ` 1.2 Các đặc trƣng hệ thống tìm kiếm ảnh dựa nội dung CBIR đề cập đến nội dung hình ảnh lấy trực tiếp, qua hình ảnh có tính định chứa nội dung định tìm kiếm sở liệu hình ảnh Ý tưởng CBIR phân tích thơng tin hình ảnh tính cấp thấp hình ảnh, bao gồm: màu sắc, kết cấu, hình dạng mối quan hệ không gian đối tượng, v.v thiết lập vector đặc trưng hình ảnh làm mục Phương pháp truy xuất tập trung tính tốn mức độ tương đồng véc tơ đặc trưng đa chiều ảnh đầu vào véc tơ đặc trưng đa chiều CSDL 1.2.1 Đặc trƣng màu sắc Hiện việc sử dụng đặc trưng màu sắc ảnh tìm kiếm ảnh sử dụng nhiều, đặc biệt lĩnh vực tra cứu ảnh dựa theo nội dung.Vì ta thấy ảnh màu liệu quan trọng màu sắc Mặt khác, màu sắc có đặc điểm dễ việc đánh số có tính trực quan, trích chọn theo thơng tin màu ảnh sau đưa phân tích tìm kiếm ảnh có hiệu thơng qua biểu đồ màu Có nhiều định nghĩa màu, từ góc nhìn khoa học: Màu phân bổ bước sóng λ (red: 700nm, violet: 400nm) hay tần số f sóng điện từ.Từ trình xử lý thị giác: Màu thuộc tính quan sát vật thể, kết từ việc vật thể phát ra, truyền hay phản xạ ánh sáng đến mắt người 16 ` H1.2 Tương quan màu sắc, ánh sáng với Mắt Trong tra cứu ảnh việc sử dụng dặc trưng màu sắc sử dụng phổ biến Trên khơng gian màu màu sắc định nghĩa cụ thể Sự đa dạng không gian màu có sẵn, nhiều ứng dụng sử dụng, khai thác đặc trưng ảnh Các vấn đề khai thác đặc trưng màu bao gồm không gian màu, lựa chọn chức tương tự Các nghiên cứu khác nhận thức màu sắc không gian màu đề xuất Có thể hiểu khơng gian màu mơ hình tốn học trừu tượng dùng để mơ tả cách biểu diễn màu mà người nhận biết chữ số (có giá trị )hay thành phần màu.Tại điểm ảnh ảnh ta biểu diễn điểm không gian màu chiều 17 ` Hình 1.3 Khơng gian màu RGB RGB khơng gian màu sử dụng nhiều để hiển thị ảnh, RBG bao gồm thành phần màu cụ thể là: màu đỏ, màu xanh màu xanh lam Không gian RGB dạng mô hình cộng màu sắc khơng gian cộng lại với tạo màu sắc cụ thể Cách biểu diễn màu tùy ý dãy hiển thị thực cách tổ hợp ba màu Đỏ, Xanh Xanh Lam với nhau, gán giá trị từ đến cho R(1,0,0), G(0,1,0), B(0,0,1) Ví dụ: Red (1,0,0) + Blue (0,0,1) →Magenta (1,0,1) Đường chéo từ (0,0,0) đến ( 1,1, ) biểu diễn màu xám Tuy nhiên không gian màu RGB biểu diễn màu phổ nhìn thấy Các đặc trƣng hình dạng ảnh Khi ta so sánh đặc trưng hình dạng với đặc trưng màu sắc hay đặc trưng kết cấu đặc trưng hình dạng thường sử dụng sau ảnh phân tách thành vùng đối tượng ảnh Bởi 18 ` ta tách đối tượng ảnh phân vùng khó thu kết tốt việc sử dụng đặc điểm hình dạng ảnh để tìm kiếm ảnh thường bị bó hẹp vài ứng dụng mà vùng ảnh đối tượng ảnh tách biệt rõ ràng Có loại trích chọ đặc trưng là: trích chọn dựa theo đường biên trích chọn dựa theo vùng ảnh Khi thực phép tốn trích chọn đặc trưng ảnh người ta thường tách đối tượng khỏi ảnh VD “bức ảnh gái đứng bãi biển “ trước tiên người ta tách đối tượng khỏi ảnh tức phải tách hình “cơ gái ” khỏi ảnh ( cảnh bãi biển ) Hình 1.4: Đặc trưng hình dạng Cách biểu diễn theo đường viền bao quanh sử dụng đường biên bên ngồi hình dạng, để làm điều người ta sử dụng cách mô tả vùng quan tâm cách đặc tính bên ngồi nó, có nghĩa điểm ảnh dọc theo đường viền bao quanh đối tượng ảnh Cách biểu diễn theo vùng cách sử dụng vùng ảnh cách mô tả vùng quan tâm đặc tính bên tức điểm ảnh bên vùng 19 ` Hình 3.11 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với CCH RGB 69 ` Hình 3.12 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với CCH HSV Kết thử nghiệm với số ảnh chủ đề khác thư mục ảnh thử nghiệm trình bày bảng 3.1 Bảng 3.1 Kết thử nghiệm độ xác với ảnh xe bus số ảnh khác thêm 15% nhiễu gaussian thay đổi độ sáng 15% 70 ` Ảnh truy vấn Kết thử nghiệm độ xác với ảnh đƣợc Kết thử nghiệm độ xác với ảnh đƣợc thêm nhiễu 15% 10 ảnh trả thay đổi độ sáng 15% 10 ảnh trả CC H RGB HSV 0/10 6/10 8/10 (60%) (80%) 3/10 9/10 7/10 (30%) (90%) 1/10 CCH FCH RGB HSV 0/10 3/10 9/10 (30%) (90%) 4/10 7/10 7/10 (70%) (40% ) (70%) (70%) 9/10 6/10 2/10 9/10 6/10 (10%) (90%) (60%) (20% ) (90% ) (60%) 0/10 6/10 10/10 1/10 2/10 10/10 (60%) (100% ) (10% ) (20%) (100% ) 0/10 10/10 1/10 0/10 10/10 (100% ) (10% ) 82% 16% 0/10 Trung bình FCH 8% 60% 71 (100% ) 42% 84% ` Nhận xét: Theo kết bảng 3.1, trung bình precision FCH 82% 84% cao nhiều so với precision CCH(RGB) precision CCH(HSV) Trong đó, precision CCH(HSV) trả số lượng ảnh liên quan cao cao 9/10 (90%) chủ đề ngựa người châu phi khơng tìm ảnh gốc (phần số gạch chân tìm ảnh liên quan khơng tìm ảnh gốc) Như hiệu suất chương trình thử nghiệm với FCH tốt CCH FCH nhạy cảm với nhiễu thay đổi độ sáng Kết thử nghiệm CSDL ảnh WANG Học viên tiến hành thử nghiệm tìm kiếm ảnh với ảnh truy vấn gồm 10 ảnh thư mục test lấy từ 32 ảnh chủ đề với lựa chọn khác CCH không gian màu RGB, HSV với số bin màu khác FCH Kết cho thấy phương pháp tìm kiếm với FCH có độ xác tốt với ảnh trả khoảng từ 1-20 Bảng 3.2 Một số kết thử nghiệm tìm kiếm CSDL ảnh WANG CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (người châu phi) 72 ` CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (ảnh khủng long) CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (ảnh núi) 73 ` Kết thử nghiệm CSDL ảnh Y tế Với 180 ảnh y tế chia làm thư mục gồm: 90 ảnh bệnh học, 50 ảnh nội soi, 40 ảnh siêu âm với nhiều cỡ ảnh khác Học viên tiến hành thử nghiệm với 10 ảnh chọn từ ảnh thư mục Kết thử nghiệm cho thấy FCH CCH cho ảnh liên quan với ảnh truy vấn với tỷ lệ cao Tuy nhiên độ xác precision recall cao khơng có nghĩa tìm xác ảnh cần tìm (được xác định thủ công mắt).Với đặc điểm ảnh siêu âm ảnh nội soi nhiều vùng ảnh bị nhiễu, dư thừa yếu tố máy chụp, để có độ xác cao cần phải xử lý ảnhtrước 74 ` Bảng 3.3 Một số kết thử nghiệm tìm kiếm CSDL ảnh y tế CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (ảnh siêu âm) CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (ảnh nội soi) 75 ` CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (ảnh bệnh học ) CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (ảnh bệnh học) 3.7 Kết luận chƣơng Trong chương này, học viên thực xây dựng chương trình thử nghiệm với thuật tốn trích chọn biểu đồ màu với CCH FCH để tạo CSDL đặc trưng ảnh thử nghiệm với CSDL ảnh WANG CSDL ảnh y tế học viên thu thập Kết thử nghiệm cho thấy 76 ` chương trình tìm kiếm ảnh thử nghiệm với FCH có cảm nhận màu tương tự với nhận thức suy nghĩ người CCH mạnh mẽ với nhiễu thay đổi độ sáng ảnh truy vấn trình tìm kiếm ảnh 77 ` CHƢƠNG KẾT LUẬN Việc tự động hóa trích chọn đặc trưng tìm kiếm hình ảnh theo nội dung lĩnh vực khó đồ sộ, việc trích chọn đặc trưng thực tìm kiếm tự động đặc trưng cấp cao (ngữ nghĩa) Trong luận văn này, việc trích chọn đặc trưng tìm kiếm ảnh thực tự động dừng lại đặc trưng cấp thấp ảnh màu sắc việc sử dụng biểu đồ màu.Học viên trình bày đánh giá số phương pháp trích chọn đặc trưng hình ảnh giới, đưa hướng tiếp cận phù hợp Trong đó, kỹ thuật biểu đồ màu mờ sử dụng đạt kết định Các vấn đề mà luận văn làm đƣợc: Trình bày kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung, đặc trưng cấp thấp màu sắc, kết cấu, hình dạng hình ảnh sử dụng hệ thống CBIR khả ứng dụng Khái quát logic mờ ứng dụng việc tính tốn biểu đồ màumờ Tổng hợp, trình bày đánh giá số kỹ thuật tìm kiếm ảnh sở biểu đồ màu thông thường biểu đồ màumờ Đưa kiến trúc hệ thống tìm kiếm ảnh theo nội dung sở biểu đồ màu CCH không gian màu RGB, HSV biểu đồ FCH dựa vào hệ thống liên kết mờ không gian màu L*a*b* Xây dựng CSDL đặc trưng CCH FCH ảnh y tế bệnh học, nội soi, siêu âm CSDL ảnh WANG Xây dựng thành cơng chương trình thử nghiệm tìm kiếm ảnh sở CCH FCH theo thuật tốn trình bày với CSDL ảnh thử nghiệm lớn đánh giá kết thử nghiệm Tuy nhiên, việc đánh giá kết thực thủ công 78 ` Hƣớng nghiên cứu tiếp theo: - Kết hợp đặc trưng khác đặc trưng kết cấu hình dạng lưới màu lập mục, trích chọn đặc trưng q trình tìm kiếm để nâng cao hiệu tìm kiếm - Cải thiện hiệu tìm kiếm chương trình thử nghiệm với CSDL ảnh lớn CSDL ảnh y tế cho phép thêm đặc trưng ảnh q trình trích chọn đặc trưng 79 ` TÀI LIỆU THAM KHẢO [1] Đặng Văn Đức, 2005-2017, CSDL đa phương tiện, Bài giảng cho học viên sau đại học, [2] Nguyễn Thị Hoàn, Phương pháp trích chọn đặc trưng ảnh thuật tốn học máy tìm kiếm ảnh áp dụng vào tốn tìm kiếm sản phẩm, Đại học quốc gia Hà Nội [3] Trần Thị Thanh Hải, Eric Marchand, Một số phương pháp đối sánh ảnh thời gian thực, Trung tâm MICA, Đại học Bách Khoa Hà Nội [4] Lư Minh Phúc Trần Cơng Án, 2017 Báo cáo đề tài: Tìm kiếm ảnh theo nội dung ngữ nghĩa ,Khoa Công nghệ Thông tin Truyền thông, Trường Đại học Cần Thơ [5] Constantin Vertan, Nozha Boujemaa, 2000, Using Fuzzy Histograms and Distances for Color Image Retrieval, IMEDIA-INRIA France [6] Guojun Lu, 2009, Multimedia Database Management Systems, Artech House, Boston – London [7] Jhansi Rani S and V Vallikumari, 2016, Survey on Content Based Image Retrieval Techniques, International Journal of Trend in Research and Development [8] JuHanandKai - KuangMa, 2002, Fuzzy Color Histogram and Its Usein Color Image Retrieval, IEEE Transaction on Image Processing [9] SuhasiniP.S.,K.Sri Rama Krishna,Murali Krishna, 2009, CBIRU sing Color Histogram Processing, Journal of Theoretical and Applied Information Technology 80 ` [10] Tamalika Chaira, A.K Ray, 2005, Fuzzy Measures for Color Image Retrieval, Fuzzy Sets and Systems [11] Yanmei Liang, Hongchen Zhai, Pierre Chavel, 2002, Fuzzy Color – Image Retrieval, Optics Communications [12] Chang, Ran, 2013, "Effective graph-based content-based image retrieval systems for large-scale and small-scale image databases", Doctor of Philosophy, Utah State University [13] Ying Liu, Dengsheng Zhang, Guojun Lu, Wei-ying Ma, 2007, “A survey of content-based image retrieval with high-level semantics,” Pattern recognition, volume 40, issue 1, January [14] H.K.Huang (2010), “PACS and Imaging Informatics”, Nhà xuất John Wiley & Sons, Feb 12 [15] Ebert, D., F Musgrave, D Peachey, K Perlin, S Worley, W Mark, and J Hart 2002 Texturing and Modeling: A Procedural Approach Morgan Kaufmann 81 ` PHỤ LỤC 1 If (L is black) and (a is amiddle) and (b is bmiddle) then (fuzzyhist is black) If (L is white) and (a is amiddle) and (b is bmiddle) then (fuzzyhist is white) If (L is Grey) and (a is red) and (b is yellow) then (fuzzyhist isred) If (a is reddish) and (b is yellow) then (fuzzyhist isbrown) If(Liswhite)and(aisgreen)and (b is yellow) then (fuzzyhist isgreen) If(Liswhite)and(aisgreen)and (b is yellowish) then (fuzzyhist is green) If (L is black) and (b is blue) then (fuzzyhist is blue) If (L is white) and (a is green) and (b is bluish) then (fuzzyhist is cyan) If (L is Grey) and (a is amiddle) and (b is bmiddle) then (fuzzyhist is darkgrey) 10 If (a is greenish) and (b is bluish) then (fuzzyhist is blue) 11 If (a is red) and (b is bluish) then (fuzzyhist is blue) 12 f (L is black) and (a is reddish) and (b is bluish) then (fuzzyhist is blue) 13 If (a is red) and (b is blue) then (fuzzyhist is blue) 14 If (L is Grey) and (a is reddish) and (b is yellowish) then (fuzzyhist is red) 15 If (L is white) and (a is reddish) and (b is yellowish) then (fuzzyhist is yellow) 16 If (L is black) and (a is reddish) and (b is yellowish) then (fuzzyhist is red) 17 If (a is reddish) and (b is yellow)then (fuzzyhist is yellow) 18 If (L is black) and (b is bluish) then (fuzzyhist is blue) 82 ` 19 If (L is Grey) and (b is blue) then (fuzzyhist is blue) 20 If (L is Grey) and (a is reddish) and (b is bluish) then (fuzzyhist is magenta) 21 If (L is Grey) and (a is reddish) and (b is bluish) then (fuzzyhist is magenta) 22 If (L is Grey) and (a is amiddle) and (b is bluish) then (fuzzyhist is cyan) 23 If (L is Grey) and (a is amiddle) and (b is yellowish) then (fuzzyhist is brown) 24 If (L is white) and (a is amiddle) and (b is yellowish) then (fuzzyhist is yellow) 83 ... thường ứng dụng hệ thống tìm kiếm ảnh theo nội dung Ở chương 2, luận văn trình bày cụ thể phương pháp tìm kiếm ảnh theo nội dung dựa biểu đồ màu mờ biểu đồ màu thông thường Các phương pháp đưa có tính... Tính biểu đồ màu mờ So sánh độ tương đồng Trả kết cho người sử dụng Hình 3.1 Kiến trúc hệ thống tìm kiếm ảnh theo nội dung luận văn Phương pháp cổ điển việc tính biểu đồ màu ảnh tạo biểu đồ màu. .. dạng sử dụng tìm kiếm ảnh theo nội dung Trong đó, biểu đồ màu kỹ thuật sử dụng Ngoài ra, luận văn trình bày khả ứng dụng hệ thống CBIR nhiều lĩnh vực, giới thiệu số hệ thống tìm kiếm ảnh theo nội