Luận văn thạc sĩ khoa học máy tính kỹ thuật tìm kiếm ảnh trên cơ sở biểu đồ màu mờ

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG TRẦN QUỐC BẢO KỸ THUẬT TÌM KIẾM ẢNH TRÊN CƠ SỞ BIỂU ĐỒ MÀU MỜ LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên, tháng 6 năm 2018 ĐẠ[.]

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG TRẦN QUỐC BẢO KỸ THUẬT TÌM KIẾM ẢNH TRÊN CƠ SỞ BIỂU ĐỒ MÀU MỜ LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên, tháng năm 2018 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG TRẦN QUỐC BẢO KỸ THUẬT TÌM KIẾM ẢNH TRÊN CƠ SỞ BIỂU ĐỒ MÀU MỜ Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 8480101 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS Đặng Văn Đức Thái Nguyên, tháng năm 2018 i LỜI CAM ĐOAN Tôi xin cam đoan luận văn với tên đề tài “Kỹ thuật tìm kiếm ảnh sở biểu đồ màu mờ” kết nghiên cứu thân học viên, dựa nghiên cứu thu thập sở liệu thực tiễn hướng dẫn khoa học PGS TS Đặng Văn Đức Các số liệu, kết nêu luận văn hoàn toàn trung thực, tư liệu sử dụng luận văn có nguồn gốc trích dẫn rõ ràng, đầy đủ Người cam đoan Trần Quốc Bảo ii LỜI CẢM ƠN Trong suốt thời gian hoàn thành luận văn nghiên cứu, tơi ln nhận giúp đỡ tận tình thầy giáo hướng dẫn Nhân dịp này, xin gửi lời cảm ơn lòng biết ơn sâu sắc tới PGS TS Đặng Văn Đức dẫn khoa học, góp ý q báu tận tình hướng dẫn tơi suốt q trình thực luận văn tốt nghiệp Tôi xin chân thành cảm ơn tập thể Thầy, Cô giáo trường Đại học Công nghệ thơng tin Truyền thơng ln nhiệt tình quan tâm, giúp đỡ tạo điều kiện tốt cho tơi suốt q trình học tập trường Xin chân thành cảm ơn tới tập thể thầy cô bạn đồng nghiệp trường Cao đẳng Y tế Thái Bình nơi tơi cơng tác, cổ vũ, động viên tạo điều kiện thuận lợi để tơi hồn thành luận văn Cuối cùng, tơi muốn bày tỏ lịng cảm ơn vơ hạn tới bạn bè, tới người thân yêu bên tơi Xin bày tỏ lịng cảm ơn sâu sắc tới bố mẹ, vợ, người thân gia đình điểm tựa tinh thần lẫn vật chất cho tơi lúc khó khăn, ln bên cạnh động viên tơi suốt q trình thực luận văn tốt nghiệp Xin trân trọng cảm ơn tất giúp đỡ quý báu ! Sinh viên Trần Quốc Bảo iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC KÝ HIỆU, CHỮ VIẾT TẮT v DANH MỤC HÌNH vii PHẦN MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ HỆ THỐNG TÌM KIẾM ẢNH THEO NỘI DUNG .3 1.1 Kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung .3 1.2 Các đặc trưng sử dụng tìm kiếm ảnh theo nội dung .4 1.2.1 Đặc trưng màu sắc: 1.2.2 Đặc trưng kết cấu 1.2.3 Đặc trưng hình dạng .10 1.2.4 Biểu đồ màu (Color Histogram) .11 1.3 Khả ứng dụng hệ thống tìm kiếm ảnh theo nội dung .12 1.3.1 Hệ thống QBIC (Query By Image Content) 12 1.3.2 Hệ thống WebSEEK VisualSEEK 12 1.3.3 ImageRover WWW Search Engine 13 1.4 Khái quát logic mờ 14 1.4.1 Mở đầu 14 1.4.2 Khái niệm tập hợp mờ 14 1.4.3 Đặc trưng tập mờ .15 1.4.4 Các phép toán tập mờ 15 1.4.5 Các kiểu hàm thuộc tập mờ 17 1.5 Kết luận chương .20 CHƯƠNG 2: TÌM KIẾM ẢNH THEO NỘI DUNG TRÊN CƠ SỞ BIỂU ĐỒ MÀU MỜ 21 2.1 Đo khoảng cách biểu đồ màu 21 2.1.1 Độ đo khoảng cách Minkowski (Lp) 21 2.1.2 Độ đo khoảng cách toàn phương (Quaratic) 22 iv 2.1.3 Độ đo khoảng cách biểu đồ giao (Histogram Intersection Distance) 23 2.2 Tìm kiếm ảnh theo nội dung sở biểu đồ màu thơng thường 23 2.3 Tìm kiếm ảnh theo nội dung sở biểu đồ màu mờ 29 2.3.1 Định nghĩa biểu đồ màu mờ (FCH) 29 2.3.2 Tính tốn FCH độ đo khoảng cách 29 2.4 Tổng kết chương 39 CHƯƠNG 3: THỬ NGHIỆM 40 3.1 Giới thiệu toán thử nghiệm 40 3.2 Dữ liệu thử nghiệm 40 3.3 Mô tả hệ thống thử nghiệm 41 3.3.1 Xây dựng CSDL đặc trưng .41 3.3.2 Chức tìm kiếm ảnh .42 3.4 Môi trường công cụ sử dụng xây dựng thử nghiệm 42 3.5 Thiết kế chương trình thử nghiệm 43 3.5.1 Chức xây dựng CSDL đặc trưng 44 3.5.2 Xây dựng chức tìm kiếm ảnh sở CCH theo RGB HSV FCH 46 3.5.3 Thiết kế giao diện chương trình thử nghiệm 47 3.6 Đánh giá kết thử nghiệm 48 3.6.1 Đo lường hiệu suất hệ thống tìm kiếm ảnh 48 3.6.2 Kết thử nghiệm 49 KẾT LUẬN .58 TÀI LIỆU THAM KHẢO 60 PHỤ LỤC .61 v DANH MỤC KÝ HIỆU, CHỮ VIẾT TẮT STT Từ viết tắt CBIR CCH CIE CIELAB CMY CSDL FCH FCM 10 GIS HSV 11 IBM 12 JPEG 13 L*a*b* 14 MF 15 QBIC 16 17 RGB WWW 18 YCbCr 19 YUV Từ viết đầy đủ Diễn giải Tìm kiếm ảnh dựa theo nội dung Biểu đồ màu thông Conventional Color Histogram thường Commission Internationale de Ủy ban Quốc tế màu l’Eclairage sắc Commission Internationale de Không gian màu đồng l’Eclairage L-*a-*b color space CIELAB Cyan-Magenta-Yellow color Không gian màu CMY space Cơ sở liệu Fuzzy Color Histogram Biểu đồ màu mờ Thuật toán phân cụm mờ Fuzzy C – Mean C - Mean Geographic Information System Hệ thống thông tin địa lý Hue-Saturation-Value color space Không gian màu HSV Tập đồn máy tính quốc International Business Machines tế IBM Định dạng hình ảnh Joint Photographic Experts Group JPEG Không gian màu đồng L*a*b* color space L*a*b* Hàm thành viên hay hàm Membership Functions thuộc Truy vấn ảnh dựa nội Query By Image Content dung Red-Green-Blue color space Khơng gian màu RGB World Wide Web Mạng tồn cầu Y-Luma (Brighness hay Luminance); CbCr - Chroma Blue Không gian màu YCbCr Chroma Red color space Y- Luminance; UV-chrominance Không gian màu YUV channels Content Based Image Retrieval vi DANH MỤC HÌNH Bảng 3.1 Kết thử nghiệm độ xác với ảnh xe bus số ảnh khác thêm 15% nhiễu gaussian thay đổi độ sáng 15% 53 Bảng 3.2 Một số kết thử nghiệm CSDL ảnh WANG 54 Bảng 3.3 Một số kết thử nghiệm CSDL ảnh y tế 56 vii DANH MỤC HÌNH Hình 1.1 Kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung Hình 1.2 Cảm nhận màu từ trình xử lý thị giác [1] Hình 1.3 Dải tần quang phổ điện từ [1] Hình 1.4 Khơng gian màu RGB [1] Hình 1.5 Không gian màu HSV Hình 1.6 Khơng gian màu L*a*b Hình 1.7 Đặc trưng kết cấu Hình 1.8 Đặc trưng hình dạng 10 Hình 1.9 Mô tả biểu đồ màu ảnh 11 Hình 1.10 Giao hai tập mờ 16 Hình 1.11 Hợp hai tập mờ 16 Hình 1.12 Phần bù tập mờ 17 Hình 1.13 Các tập mờ tam giác 17 Hình 1.14 Các tập mờ hình thang .18 Hình 1.15 Tập mờ L 18 Hình 1.16 Tập mờ Gamma tuyến tính 19 Hình 1.17 Tập mờ Singleton .19 Hình 2.1 Độ đo khoảng cách Minkowski [6] 22 Hình 2.2 Độ đo khoảng cách Quaratic [6] 22 Hình 2.3 Sơ đồ khối hệ thống tìm kiếm ảnh sử dụng CCH .24 không gian màu RGB HSV 24 Hình 2.4 Biểu đồ CCH khơng gian màu RGB ảnh truy vấn .25 Hình 2.5 Minh họa hai ảnh khác có biểu đồ màu CCH 27 RGB sử dụng bin màu (23) 27 Hình 2.6 Tính tốn so sánh biểu đồ màu cục hình ảnh (A, B) 28 Hình 2.7 Sơ đồ thủ tục tính tốn FCH (n’=163 = 4096) 30 Hình 2.8 Sơ đồ khối hệ thống suy luận mờ .34 Hình 2.9 Hàm thành viên L*,a* b* [6] 35 Hình 2.10 Hàm thành viên mờ đầu hệ thống [6] 36 Hình 2.11 Cấu trúc biểu đồ màu mờ 36 viii Hình 2.12 Hệ thống suy luận mờ tạo biểu đồ màu mờ 37 Hình 2.13 Biểu đồ FCH - 1D tạo từ hệ thống liên kết mờ ảnh truy vấn gồm 10 bin màu 37 Hình 3.1 Kiến trúc hệ thống tìm kiếm ảnh theo nội dung luận văn 43 Hình 3.2 Biểu đồ hoạt động chức xây dựng CSDL đặc trưng CCH 45 không gian màu RGB, HSV 45 Hình 3.3 Biểu đồ hoạt động chức xây dựng CSDL đặc trưng 45 FCH không gian màu L*a*b* 45 Hình 3.4 Biểu đồ hoạt động chức tìm kiếm ảnh sở CCH theo RGB HSV 46 Hình 3.5 Biểu đồ hoạt động chức tìm kiếm ảnh sở FCH 47 Hình 3.6 Giao diện chương trình thử nghiệm 48 Hình 3.7 Giao diện tìm kiếm hiển thị ảnh kết chương trình 48 Hình 3.8 Biểu đồ màu CCH FCH ảnh bus 340.jpg ảnh thêm 15% nhiễu gaussian 50 Hình 3.9 Biểu đồ màu CCH FCH ảnh xe bus 340.jpg 51 ảnh thay đổi độ sáng 15% 51 Hình 3.10 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với FCH .52 Hình 3.11 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với CCH RGB .52 Hình 3.12 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với CCH HSV 53 PHẦN MỞ ĐẦU Trong năm gần đây, với tiến cơng nghệ máy tính viễn thơng đại dẫn đến việc lưu trữ liệu đa phương tiện lớn lĩnh vực Hình ảnh đóng vai trị quan trọng hệ thống thông tin trực quan đa phương tiện Hình ảnh đại diện trực quan đối tượng cảnh người trừu tượng Bộ sưu tập hình ảnh tăng lên nhanh chóng với đa dạng thiết bị chụp ảnh khác máy ảnh điện thoại, máy quét, máy ảnh kỹ thuật số, máy ảnh di động việc tăng cường sử dụng liệu đa phương tiện Internet Vì vậy, nhu cầu tìm kiếm ảnh phục vụ cho công việc nhu cầu tất yếu Hiện tại, tìm kiếm ảnh dựa nội dung ứng dụng nhiều lĩnh vực quản lý nhãn hiệu logo, truy bắt tội phạm, ứng dụng y khoa, quân sự… mang tính trực quan cao cho người sử dụng Tìm kiếm ảnh dựa theo nội dung (Content Based Image Retrieval CBIR) tập hợp kỹ thuật tìm kiếm hình ảnh mong muốn từ sưu tập hình ảnh lớn dựa đặc trưng ảnh (chẳng hạn màu sắc, kết cấu hình dạng) tự động trích xuất từ hình ảnh [4] Kỹ thuật hay sử dụng CBIR dựa sở biểu đồ màu [1] Ví dụ biểu đồ màu ảnh Luận văn thạc sĩ – Trần Quốc Bảo Biểu đồ màu thông thường (Conventional Color Histogram - CCH) hình ảnh biểu thị tần suất xuất màu hình ảnh CCH khơng xem xét độ tương đồng màu bin màu, hai màu lân cận hai bin màu khác dải màu màu khác hồn tồn Do đó, nhạy cảm với nhiễu thay đổi độ sáng hình ảnh [1],[5] Hơn nữa, số chiều số bin màu biểu đồ lớn CCH yêu cầu tính tốn lớn so sánh biểu đồ Vì đề tài “Kỹ thuật tìm kiếm ảnh sở biểu đồ màu mờ” tập trung trình bày kỹ thuật tìm kiếm ảnh biểu đồ màu mới, gọi biểu đồ màu mờ (Fuzzy Color Histogram FCH), ứng dụng thuật toán, hàm tập mờ [1],[5-8] Các phương pháp giúp loại bỏ phép tính lớn khơng cần thiết, FCH mạnh mẽ với nhiễu thay đổi độ sáng mang lại độ xác CCH kết thực nghiệm cho thấy hiệu việc tìm kiếm ảnh, CSDL ảnh lớn Ngoài phần mở đầu giới thiệu vấn đề liên quan đến toán cần giải quyết, phần kết luận kết đạt hướng phát triển luận văn, nội dung luận văn bao gồm ba chương sau: Chương 1: Tổng quan hệ thống tìm kiếm ảnh theo nội dung Trình bày kiến trúc tổng quan, đặc trưng ảnh sử dụng việc tìm kiếm, khả ứng dụng hệ thống tìm kiếm ảnh theo nội dung Trình bày khái quát logic mờ, tập mờ, phép toán tập mờ Chương Tìm kiếm ảnh theo nội dung sở biểu đồ màu mờ Trình bày kỹ thuật tìm kiếm ảnh dựa biểu đồ màu thông thường, biểu đồ màu mờ Chương Thử nghiệm Nêu toán thử nghiệm, mơ tả thiết kế chương trình thử nghiệm Luận văn thạc sĩ – Trần Quốc Bảo CHƯƠNG 1: TỔNG QUAN VỀ HỆ THỐNG TÌM KIẾM ẢNH THEO NỘI DUNG 1.1 Kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung CBIR phương pháp tìm kiếm hình ảnh quan trọng, hiệu nghiên cứu rộng rãi lĩnh vực học thuật ngành cơng nghiệp Những hình ảnh liên quan với hình ảnh truy vấn tìm thấy hệ thống CBIR sử dụng đặc trưng cấp thấp (màu sắc, hình dạng, kết cấu) đặc trưng cấp cao (nhận thức người) [4] Kiến trúc hệ thống CBIR hiểu tập hợp mô đun tương tác với để lấy hình ảnh sở liệu theo truy vấn cho Trong hệ thống tìm kiếm hình ảnh dựa nội dung điển hình (hình 1.1) chia làm hai giai đoạn: Trích chọn đặc trưng ngoại tuyến (offline) tìm kiếm ảnh trực tuyến (online) Trong giai đoạn ngoại tuyến, hệ thống tự động trích xuất thuộc tính trực quan hình ảnh CSDL dựa giá trị pixel mơ tả vectơ đặc trưng Các vectơ đặc trưng lưu trữ CSDL khác gọi CSDL đặc trưng Ảnh truy vấn CSDL ảnh Trích chọn đặc trưng Trích chọn đặc trưng Đặc trưng ảnh truy vấn Đo độ tương tự Các ảnh kết CSDL đặc trưng Ngoại tuyến Trực tuyến Hình 1.1 Kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung Luận văn thạc sĩ – Trần Quốc Bảo Trong giai đoạn trực tuyến, người dùng cung cấp cho hệ thống tìm kiếm hình ảnh truy vấn hình vẽ phác thảo Sau hệ thống biểu diễn hình ảnh truy vấn thành vectơ đặc trưng Các điểm tương đồng hay khác biệt vectơ đặc trưng hình ảnh truy vấn hình ảnh CSDL sau tính tốn so sánh khoảng cách Kết phép so sánh số đánh giá độ tương tự ảnh truy vấn ảnh lấy từ CSDL Dựa vào số độ tương tự tính tốn trên, hệ thống xếp ảnh tìm CSDL ảnh theo thứ tự giảm dần độ tương tự hiển thị ảnh kết đầu hệ thống Một số hệ thống CBIR sử dụng mô-đun tùy chọn đến phản hồi có liên quan, nơi người dùng tinh chỉnh kết tìm kiếm cách đánh dấu hình ảnh kết "có liên quan", "khơng liên quan" "trung lập" truy vấn tìm kiếm, sau lặp lại tìm kiếm với thơng tin Do đó, từ kết truy vấn, người dùng đánh giá hình ảnh có liên quan hệ thống tái sử dụng thơng tin họ để cải thiện kết 1.2 Các đặc trưng sử dụng tìm kiếm ảnh theo nội dung Việc trích chọn đặc trưng trực quan từ hình ảnh mục tiêu hệ thống CBIR Việc lựa chọn đặc trưng để đại diện cho hình ảnh tốn Do tính chủ quan nhận thức thành phần phức tạp liệu trực quan, không tồn biểu diễn tốt cho đặc trưng hình ảnh cụ thể Nhiều phương pháp tiếp cận giới thiệu phương pháp mô tả đặc trưng quan điểm khác Những đặc trưng sử dụng nhiều ứng dụng xử lý ảnh, nhận dạng ảnh, …Các phương pháp trích chọn đặc trưng ảnh tập trung vào: màu sắc, kết cấu hình dạng Luận văn thạc sĩ – Trần Quốc Bảo 1.2.1 Đặc trưng màu sắc: Đặc trưng màu sắc sử dụng phổ biến tìm kiếm ảnh theo nội dung Vì ảnh màu thơng tin quan trọng ảnh màu sắc Hơn nữa, màu sắc đặc điểm trực quan dễ cho việc đánh số, trích chọn thơng tin màu ảnh 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: 700 nm, violet: 400 nm) 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 Hình 1.2 Cảm nhận màu từ trình xử lý thị giác [1] Ánh sáng (hay màu) mà người nhận biết dải tần hẹp quang phổ điện từ Hình 1.3 Dải tần quang phổ điện từ [1] Luận văn thạc sĩ – Trần Quốc Bảo Con người có khả nhận thức ánh sáng có xạ điện từ với bước sóng khoảng 400nm – 700nm Cơ quan thị giác cảm nhận ánh sáng bề mặt đối tượng phát ánh sáng, kết tương tác lượng chiếu sáng phân tử bề mặt đối tượng Một đối tượng màu xanh dương có bề mặt màu xanh dương chiếu ánh sáng trắng vào đối tượng có màu tím chiếu vào ánh sáng đỏ Ánh xạ dạng sóng vào ba phần tử số để biểu diễn ba tính chất vật lý: bước sóng gốc (màu), độ tinh khiết cường độ/độ chói Các vấn đề khai thác đặc trưng màu bao gồm không gian màu, lượng tử hóa màu lựa chọn chức tương tự Các nghiên cứu khác nhận thức màu sắc không gian màu đề xuất [4] Khơng gian màu mơ hình tốn học trừu tượng mơ tả cách biểu diễn màu mà người nhận biết chữ số (3 hay giá trị) hay thành phần màu [1] Mỗi điểm ảnh ảnh biểu diễn điểm không gian màu chiều Một số không gian màu thông dụng: 1.2.1.1 Khơng gian màu RGB Hình 1.4 Khơng gian màu RGB [1] RGB không gian màu sử dụng phổ biến để hiển thị ảnh, bao gồm thành phần màu Đỏ (Red), Xanh (Green) Xanh lam (Blue) Khơng gian RGB thuộc mơ hình cộng màu sắc khơng gian RGB thu cách cộng thành phần màu lại với Luận văn thạc sĩ – Trần Quốc Bảo Việc biểu diễn màu tùy ý dãy hiển thị làm cách tổ hợp ba màu chính, 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 (1,1,1) biểu diễn màu xám Tuy nhiên không gian màu RGB khơng thể biểu diễn màu phổ nhìn thấy 1.2.1.2 Không gian màu HSV Không gian HSV mô tả khối lập phương RGB quay đỉnh Black H (Hue) góc quay trục V (Value) qua đỉnh Black White Các giá trị biến thiên H, S, V sau: Hue: Bước sóng gốc ánh sáng, biểu diễn góc từ 00 đến 3600 Saturation: Thước đo độ tinh khiết Hình 1.5 Khơng gian màu HSV ánh sáng gốc, S có giá trị từ - Biểu diễn độ tinh khiết màu / độ tinh khiết cực đại Value: Cường độ hay độ chói ánh sáng, Value có giá trị từ - 1, V =  màu đen Đỉnh có cường độ màu cực đại Khơng gian HSV trực giác RGB Bắt đầu từ Hue (H cho trước V=1, S=1), thay đổi S: Bổ sung hay bớt trắng, thay đổi V: Bổ sung hay bớt đen có màu mong muốn Mắt người phân biệt 128 Hues, 130 tints (thêm trắng) cực đại 30 shades (thêm đen): 128 x 130 x 30 = 382.720 màu khác [1] 1.2.1.3 Không gian màu YUV Không gian màu YUV Không gian màu dành cho TV tương tự (NTSC, PAL SECAM): Y độ chói (luminance) điểm ảnh sử dụng kênh đen trắng; U V kênh màu (chrominance channels); V biểu diễn R-Y U biểu diễn B-Y Kênh Y định nghĩa trọng số giá Luận văn thạc sĩ – Trần Quốc Bảo trị R(0.299), G(0.587), B(0.144) Sơ đồ lượng tử hoá cho không gian màu YUV YIQ thường sử dụng 125 (53) 216 (63) mức 1.2.1.4 Không gian màu L*a*b (CIELAB) Không gian L*a*b phát triển CIE (Commission Internationale de l’Eclairage) cho việc định nghĩa không gian màu đồng cảm nhận Không gian màu hình trụ với L* hình thành nên trục (thẳng đứng), L* xác định độ sáng màu từ đen đến trắng (hình 1.6) Hình 1.6 Không gian màu L*a*b Không gian màu L*a*b đưa lựa chọn cho không gian màu mà độ chói thừa nhận khơng đổi cho tất màu Tầm quan trọng màu sắc độ chói cân Kết khơng gian màu này, ba đặc tính biểu diễn khơng gian màu sắc tính đồng nhất, tính đầy đủ tính đáp ứng Do đó, thích hợp cho tốn tìm kiếm ảnh theo nội dung 1.2.1.5 Lượng tử hóa màu Lượng tử hóa màu q trình tối ưu hóa việc sử dụng màu riêng biệt hình ảnh mà khơng ảnh hưởng đến thuộc tính trực quan hình ảnh Đối với hình ảnh màu thực (24 bit), số màu riêng biệt lên đến 224 = 16.777.216 màu việc trích xuất trực tiếp đặc trưng màu từ màu thực dẫn đến tính tốn lớn Để giảm tính tốn, lượng tử hóa màu sử Luận văn thạc sĩ – Trần Quốc Bảo dụng để thể hình ảnh mà khơng làm giảm đáng kể chất lượng hình ảnh, làm giảm không gian lưu trữ tăng tốc độ xử lý Khi giảm màu {R, G ,B} 24 bit màu thành màu {R’, G’ ,B’} với n3 màu tính theo cơng thức: R’ = n*R/28 G’ = n*G/28 B’ = n*B/28 Vì vậy, sau giảm số màu có n*n*n=n3 màu 1.2.2 Đặc trưng kết cấu Kết cấu (texture) tính chất quan trọng khác ảnh Kết cấu thành phần có ảnh hưởng quan trọng nhận thức trực quan người Nó cung cấp mẫu trực quan vùng ảnh Các thuộc tính quan trọng đặc trưng kết cấu như: Độ tương phản, thuộc tính thơ, hướng, tính quy luật, chu kỳ tính ngẫu nhiên Hình 1.7 Đặc trưng kết cấu Khơng giống màu sắc, kết cấu thể vùng điểm ảnh thường định nghĩa mức xám Rất nhiều cách thể kết cấu nghiên cứu lĩnh vực nhận dạng thị giác máy tính Xét cách bản, phương pháp biểu diễn kết cấu chia thành hai loại: Phương pháp cấu trúc phương pháp thống kê Các phương pháp cấu trúc bao gồm tốn tử hình thái đồ thị liền kề, mô tả kết cấu cách định nghĩa nguyên thuỷ cấu trúc luật Luận văn thạc sĩ – Trần Quốc Bảo 10 đặt chúng Các phương pháp tỏ có hiệu áp dụng trường hợp kết cấu thông thường Các phương pháp thống kê bao gồm: Phương pháp phổ lượng Fourier, ma trận đồng khả năng, Tamura, Phân tích Wold, trường ngẫu nhiên Markov, Không gian fractal, lọc đa phân giải biến đổi Gabor biến đổi dạng sóng thể kết cấu phân bố thống kê độ sáng điểm ảnh 1.2.3 Đặc trưng hình dạng Các đặc điểm phát biên vùng ảnh đối tượng ảnh sử dụng nhiều hệ thống tìm kiếm ảnh So với đặc điểm màu sắc đặc điểm kết cấu đặc điểm hình dạng thường sử dụng sau ảnh phân thành vùng đối tượng ảnh Nhưng việc phân vùng tách đối tượng ảnh khó thu kết tốt nên việc sử dụng đặc điểm hình dạng để tìm kiếm ảnh thường bị bó hẹp số ứng dụng mà vùng ảnh đối tượng ảnh tách biệt rõ ràng Các phương pháp trích chọn đặc điểm hình dạng thường chia thành hai loại trích chọn dựa theo đường biên (xấp xỉ đa giác, không gian phần tử hữu hạn, mô tả hình dạng theo Fourier) trích chọn dựa theo vùng ảnh (khơng gian thống kê) Hình 1.8 Đặc trưng hình dạng Trước áp dụng phương pháp trích chọn đặc điểm hình dạng, đối tượng ảnh cần phải tách khỏi ảnh Giả sử ảnh có Luận văn thạc sĩ – Trần Quốc Bảo ... bin màu biểu đồ lớn CCH u cầu tính tốn lớn so sánh biểu đồ Vì đề tài ? ?Kỹ thuật tìm kiếm ảnh sở biểu đồ màu mờ? ?? tập trung trình bày kỹ thuật tìm kiếm ảnh biểu đồ màu mới, gọi biểu đồ màu mờ (Fuzzy... logic mờ, tập mờ, phép tốn tập mờ Chương Tìm kiếm ảnh theo nội dung sở biểu đồ màu mờ Trình bày kỹ thuật tìm kiếm ảnh dựa biểu đồ màu thông thường, biểu đồ màu mờ Chương Thử nghiệm Nêu tốn thử... VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS Đặng Văn Đức Thái Nguyên, tháng năm 2018 i LỜI CAM ĐOAN Tôi xin cam đoan luận văn với tên đề tài ? ?Kỹ thuật tìm kiếm ảnh sở biểu đồ