Nghiên cứu phương pháp phân đoạn ảnh sử dụng phân cụm và ứng dụng trong tra cứu ảnh dựa vào nội dung

ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG TRẦN DỖN HIỂN NGHIÊN CỨU PHƢƠNG PHÁP PHÂN ĐOẠN ẢNH SỬ DỤNG PHÂN CỤM VÀ ỨNG DỤNG TRONG TRA CỨU ẢNH DỰA VÀO NỘI DUNG LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên, năm 2013 Tai ngay!!! Ban co the xoa dong chu nay!!! LỜI MỞ ĐẦU Xử lý ảnh lĩnh vực nghiên cứu phát triển khơng ngừng tính trực quan sinh động nhƣ khả áp dụng vào thực tế lớn Hiện xử lý ảnh giành đƣợc nhiều quan tâm nhà nghiên cứu nƣớc Trong xử lý ảnh, tra cứu ảnh nói lĩnh vực địi hỏi nghiên cứu tổng hợp: nghiên cứu xử lý ảnh để rút trích đặc trƣng, áp dụng tính tốn tốn học cao cấp để xác định mức độ tƣơng đồng hai ảnh Hơn nữa, với phát triển phần mềm phần cứng, khối lƣợng ảnh phát triển không ngừng ngày lớn Một số lƣợng lớn ảnh đƣợc sử dụng thƣ viện ảnh số web Vì nhu cầu tìm kiếm ảnh nhu cầu tất yếu Hiện tại, tra cứu ảnh ứng dụng nhiều lĩnh vực nhƣ: quản lý biểu trƣng(logo), truy tìm tội phạm, ứng dụng y khoa, quân sự… Hệ thống tra cứu ảnh dựa nội dung (CBIR-Content-Based Image Retrieval) hệ thống truy vấn ảnh dựa việc tự động rút trích số thơng tin đặc trƣng ảnh nhƣ: màu sắc, kết cấu, vị trí, hình dạng Phƣơng pháp đƣợc nhiều ngƣời nghiên cứu với nhiều cách tiếp cận khác nhau; nhiều hệ thống tra cứu ảnh dựa nội dung đời nhƣ: QBIC, VisualSeek, WebSeek BlobWorld Phân cụm toán đƣợc nhiều ngƣời nghiên cứu trƣớc đây, nhƣng nayvẫn có vai trịquan trọng cần thiết nghiên cứu khai phá liệu nhƣ nhiều lĩnh vực đời sống: thƣơng mại, sinh học, phân tích liệu khơng gian Đề tài nghiên cứu kỹ thuật phân cụm ảnh thành vùng trích chọn đặc trƣng vùng, dựa vào ta tra cứu ảnh cách nhanh chóng xác từ sở liệu ảnh cho trƣớc Có nhiềuphƣơng pháp phân cụm khác nhƣ K-Means, HAC Mỗi phƣơng pháp có ƣu điểm, mạnh riêng có yêu cầu riêng cách biểu diễn liệu, độ đo So sánh thuật toán khác phạm vi khác khôngđơn giản, việc đánh giá thƣờng dựa vào chất lƣợng kết phân cụm.Phân cụm tích lũy phân cấp (Hierarchical Agglomerative Clustering HAC) thuật toán phân cụm phâncấp có tính gia tăng cao tạo đƣợc phân cấp pixel dựa theo yếu tố đó, theo hƣớng tiếp cận khóa luận áp dụng phƣơng pháp phâncụm HAC để phân cụm liệu trƣớc đƣa vào tra cứu ảnh Nội dung luận văn giới thiệu tổng quan tra cứu ảnh dựa vào nội dung sâu vào đề tài “Nghiên cứu phƣơng pháp phân đoạn ảnh sử dụng phân cụm ứng dụng tra cứu ảnh dựa vào nội dung” Trên sở phƣơng pháp tra cứu ảnh dựa vào phân cụm, tiến hành xây dựng chƣơng trình thử nghiệm cho phép đọc Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn vào ảnh mẫu tìm kiếm ảnh tƣơng tự với ảnh mẫu tập hợp ảnh cho trƣớc Nội dung khoá luận gồm có chƣơng: CHƢƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA VÀO NỘI DUNG, giới thiệuphƣơng pháp tra cứu ảnh dựa vào nội dung số hệ thống tra cứu ảnh tiêu biểu CHƢƠNG 2: TRA CỨU ẢNH DỰA VÀO NỘI DUNG SỬ DỤNG PHÂN CỤM THEO MÀU, giới thiệu chi tiết thuật toán nhƣ phƣơng pháp tra cứu ảnh sử dụng phân cụm CHƢƠNG 3: XÂY DỰNG HỆ THỐNG VÀ KẾT QUẢ ĐẠT ĐƢỢC, xây dựng phân tích thiết kế hệ thống giới thiệu số kết đạt đƣợc xây dựng chƣơng trình Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn LỜI CẢM ƠN Trong trình thực luận văn này, em ln nhận đƣợc hƣớng dẫn, bảo tận tình TS Nguyễn Hữu Quỳnh, Khoa Công nghệ Thông tin thuộc trƣờng Đại học Điện lực cán trực tiếp hƣớng dẫn khoa học cho em Thầy giành nhiều thời gian việc hƣớng dẫn cách nghiên cứu, đọc tài liệu, cài đặt thuật toán giúp đỡ xây dựng hệ thống thực nghiệm Em xin chân thành cảm ơn Thầy, Cô giáo trƣờng Đại học Công nghệ Thông tin Truyền Thông, Đại học Thái Nguyên ln nhiệt tình giúp đỡ tạo điều kiện tốt cho em suốt trình học tập trƣờng Xin chân thành cảm ơn anh, chị bạn học viên lớp Cao học - trƣờng Đại học Công nghệ Thông tin Truyền Thông thuộc Đại học Thái Nguyên động viên, giúp đỡ nhiệt tình chia sẻ với tơi kinh nghiệm học tập, cơng tác suốt khố học Và lời cuối cùng, tơi xin bày tỏ lịng chân thành biết ơn tới cha mẹ, anh chị, ngƣời gia đình bạn bè ln bên cạnh tơi lúc khó khăn nhất, giúp tơi vƣợt qua khó khăn học tập nhƣ sống Thái Nguyên, ngày 25 tháng năm 2013 MỤC LỤC Lời mở đầu Trang Chƣơng 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA VÀO NỘI DUNG 1.1 Giới thiệu 1.2 Đặc trƣng ảnh 1.2.1 Màu sắc 1.2.2 Kết cấu 1.2.3 Hình dạng 1.3 Độ tƣơng tự ảnh 1.3.1 Độ đo màu sắc 1.3.2 Độ đo tƣơng đồng hình dạng 1.3.3 Độ đo tƣơng đồng cho kết cấu ảnh 1.3.4 Độ đo tƣơng đồng cho đặc trƣng phân đoạn 1.4 Các hệ thống tra cứu ảnh dựa vào nội dung 10 1.4.1 Hệ thống QBIC (Query By Image Content) 10 1.4.2 Hệ thống Blobworld 10 1.4.3 Virage 11 1.4.4 RetrievalWare .11 1.4.5 VisualSeek WebSeek .11 1.4.6 Photobook .12 1.5 Đánh giá hiệu tra cứu .12 1.6 Kết luận chƣơng 14 Chƣơng : TRA CỨU ẢNH DỰA VÀO NỘI DUNG SỬ DỤNG PHÂN CỤM THEO MÀU 15 2.1 Giới thiệu phân cụm 15 2.1.1 Khái niệm 15 2.1.2 Một số vấn đề phân cụm .17 2.1.3 Phân cụm phân cấp .18 2.2 Một số kỹ thuật tra cứu dựa vào đặc trƣng màu .21 2.2.1 Kỹ thuật tra cứu dựa vào lƣợc đồ màu toàn - GCH 21 2.2.2 Kỹ thuật tra cứu dựa vào lƣợc đồ màu cục - LCH 22 2.2.3 Vector gắn kết màu .22 2.3 Kỹ thuật phân đoạn ảnhsử dụng phân cụm theo màu .23 2.3.1 Khoảng cách Euclid 23 2.3.2 Kỹ thuật phân cụm ảnh 23 2.3.3 Biểu diễn trích rút đặc trƣng 26 2.4 Độ đo tƣơng tự 27 2.5 Kết luận chƣơng 29 Chƣơng 3: XÂY DỰNG HỆ THỐNG VÀ KẾT QUẢ ĐẠT ĐƢỢC 30 3.1 Giới thiệu toán tra cứu ảnh dựa vào nội dung 30 3.2 Phân tích tốn 30 3.3 Thiết kế hệ thống 30 3.3.1 Thiết kế hệ thống 30 3.3.2 Thiết kế sở liệu 36 3.4 Mơ tả chƣơng trình 37 3.5 Kết đạt đƣợc .38 3.6 Kết đạt đƣợc .46 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 48 TÀI LIỆU THAM KHẢO .49 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC CÁC BẢNG, SƠ ĐỒ, HÌNH Bảng 3.1 : Bảng sở liệu Image .36 Bảng 3.2 : Bảng sở liệu Cluster 37 Bảng 3.3:Số liệu loại ảnh sở liệu 38 Bảng 3.4 : Bảng kết tra cứu với chủ đề Ngựa .46 Bảng 3.5 : Bảng kết tra cứu với chủ đề Hoa 46 Hình 1.1: Kiến trúc hệ thống tra cứu ảnh dựa vào nội dung Hình 1.2: Khơng gian màu RGB đƣợc trực quan hố nhƣ hình khối Hình 1.3: Mơ tả khơng gian màu HSV .5 Hình 2.1: Biểu diễn phận cụm phân cấp bottom-up đối tƣợng 19 Hình 2.2: Ba ảnh biểu đồ chúng 21 Hình 2.3: Thuật toán phân cụm 25 Hình 2.4: Thuật tốn Single-Linkage .26 Hình 2.5: Thuật tốn tính khoảng cách hai ảnh .29 Hình 3.1: Kiến trúc tổng quát hệ thống tra cứu ảnh 31 Hình 3.2: Mơ hình chi tiết hệ thống tra cứu ảnh 31 Hình 3.3: Biểu đồ UseCase tổng quát hệ thống .33 Hình 3.4: Biểu đồ trình tự tra cứu ảnh 34 Hình 3.5: Biểu đồ trình tự lƣu vào sở liệu 35 Hình 3.6: Biểu đồ trình tự xố ảnh khỏi sở liệu .36 Hình 3.7: Mối quan hệ bảng 37 Hình 3.8: Giao diện hệ thống tra cứu ảnh 38 Hình 3.9: Giao diện hiển thị kết truy vấn 39 Hình 3.10: Các vùng ảnh sau phân cụm 39 Hình 3.11: Giao diện tab sở liệu 40 Hình 3.12: Giao diện thêm ảnh vào sở liệu .41 Hình 3.13: Giao diện xố ảnh khỏi sở liệu 41 Hình 3.14: Ảnh mẫu truy vấn thứ .42 Hình 3.15: Kết truy vấn lần thứ 42 Hình 3.16: Ảnh mẫu truy vấn thứ hai .43 Hình 3.17: Kết truy vấn lần thứ hai 43 Hình 3.18: Ảnh mẫu truy vấn thứ ba 44 Hình 3.19: Kết truy vấn lần thứ ba 44 Hình 3.20: Ảnh mẫu truy vấn thứ ba 45 Hình 3.21: Kết truy vấn lần thứ 45 KÍ HIỆU CÁC CỤM TỪ VIẾT TẮT CBIR Content Base Image Retrieval Tra cứu ảnh dựa vào nội dung QBIC Query By Image Content Truy vấn theo nội dung ảnh CIE Commission internationale de Uỷ ban quốc tế màu sắc l'éclairage HAC Hierarchical Agglomerative Clustering Phân cụm tích luỹ phân cấp CBC Color Base Clustering Phân cụm dựa vào màu MST Minimum Spainning Tree Cây mở rộng tối thiểu IRM Integrated Region Matching Đối sánh vùng tích hợp CSDL Cơ Sở Dữ Liệu Chƣơng 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA VÀO NỘI DUNG 1.1 Giới thiệu Thông thƣờng để lƣu trữ thông tin, liệu nội dung, vật, việc ngƣời ta thƣờng chọn sử dụng dạng lƣu trữ kiểu văn Nhƣng lƣu trữ liệu văn nhiều phản ánh đầy đủ, chân thực đối tƣợng đƣợc miêu tả nhiều cảm nhận chủ quan củangƣời viết Vì kết hợp với lƣu trữ liệu dạng văn ngƣời ta sử dụng lƣu trữ liệu dạng ảnh Khối lƣợng liệu dạng ảnh ngày trở nên khổng lồ thiết bị thu nhận ảnh số ngày trở nên phổ biến với giá phù hợp Khi ta có nhu cầu tìm kiếm vài ảnh kho liệu ảnh lên tới vài trăm nghìn ảnh để minh họa cho đề tài tuyệt đối khơng phải chuyện đơn giản tìm kiếm cách thủ công tức xem lần lƣợt ảnh ta tìm thấy đƣợc ảnh có nội dung cần tìm Song song với phát triển phƣơng tiện kỹ thuật số tƣơng lai, số lƣợng ảnh tăng nhiều Do nhu cầu thật địi hỏi phải có cơng cụ hỗ trợ tìm kiếm ảnh xác hiệu Vì tra cứu ảnh dựa vào nội dung đời để góp phần đáp ứng nhu cầu “Tra cứu ảnh dựa vào nội dung” - Đây chủ đề nghiên cứu lĩnh vực cơng nghệ thơng tin Mục đích lấy ảnh từ sở liệu phù hợp với tiêu chí truy vấn Các yếu tố mơ tả nội dung ảnh có liên quan đến cảm nhận nhƣ màu sắc, kết cấu, hình dạng, cấu trúc, mối liên hệ không gian chuyển động Do vậy, phân tích ảnh, nhận dạng ảnh thị giác máy tính đóng vai trị hệ thống tra cứu ảnh.Nó cho phép tự động trích chọn hầu hết thông tin cảm nhận, thông qua việc phân tích phân bố điểm ảnh rút độ đo nội dung trực quan Các hệ thống truy vấn ảnh dựa vào nội dung đa dạng nhƣng nhìn chung đƣợc phân biệt bởi: đặc trƣng mà hệ thống rút trích từ ảnh để làm sở truy vấn, phƣơng pháp trích rút đặc trƣng ảnh đƣợc sử dụng hệ thống truy vấn, độ đo tƣơng tự hai ảnh, phƣơng pháp đánh số nhiều chiều để tối ƣu việc tìm kiếm Một hệ thống tra cứu ảnh dựa nội dung tiêu biểu không liên quan tới nguồn thơng tin dạng khác (ví dụ nhƣ văn bản, ảnh video) mà liên quan đến nhu cầu ngƣời sử dụng Về phân tích nội dung nguồn thơng tin nhƣ truy vấn ngƣời sử dụng sau đối sánh chúng để tìm tiêu chí có liên quan Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Những chức hệ thống tra cứu ảnh dựa vào nội dung bao gồm:  Phân tích nội dung nguồn thông tin biểu diễn nội dung nguồn thơng tin đƣợc phân tích phù hợp với đối sánh truy vấn ngƣời sử dụng (không gian thông tin nguồn đƣợc chuyển đổi thành không gian đặc điểm với mục đích đối sánh nhanh bƣớc tiếp theo) Bƣớc thƣờng nhiều thời gian cho việc xử lý thông tin nguồn (ảnh) sở liệu Nó phải làm lần làm độc lập  Phân tích truy vấn ngƣời dùng biểu diễn chúng thành dạng phù hợp với việc đối sánh với sở liệu nguồn Nhiệm vụ bƣớc giống với bƣớc trƣớc nhƣng đƣợc áp dụng với ảnh truy vấn  Xác định chiến lƣợc để đối sánh tìm kiếm truy vấn với thơng tin đƣợc lƣu trữ sở liệu Bƣớc thực trực tuyến thực nhanh Cơng nghệ đánh số đƣợc sử dụng để nhận dạng không gian đặc điểm để tăng tốc độ xử lý đối sánh  Tạo điều chỉnh cần thiết hệ thống (thƣờng cách đối chiếu tham số công nghệ đối sánh) dựa phản hồi từ ngƣời sử dụng hình ảnh đƣợc tra cứu Các hệ thống tra cứu ảnh dựa vào nội dung thường tn theomơ hình sau: Thực ngoại tuyến Tạo truy vấn Cơ sở liệu đặc trƣng Trích rút đặc trƣng Đánh số Ngƣời sử dụng Trích rút đặc trƣng Cơ sở liệu ảnh So sánh độ tƣơng tự Các kết tra cứu Đầu Phản hồi liên quan Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 35 Hình 3.5:Biểu đồ trình tự lưu vào sở liệu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 36 Hình3.6:Biểu đồ trình tự xoá ảnh khỏi sở liệu 3.3.2 Thiết kế sở liệu Tên trƣờng Kiểu liệu Khóa Mơ tả Image_ID Int X ID ảnh ImageName Nvarchar(500) ImageClus Image Width Int Chiều rộng ảnh Height Int Chiều cao ảnh Threshold Int Tên ảnh Dữ liệu ảnh sau phân cụm Ngƣỡng màu Bảng 3.1 : Bảng sở liệu Image Tên trƣờng Kiểu liệu Khóa ID Cụm ảnh Cluster_ID Int ID_Image Int TotalPixel Float Tổng số pixel cụm hay cỡ cụm Centroid_X Float Trọng tâm cụm theo hƣớng X Centroid_Y Float Trọng tâm cụm theo hƣớng Y RMean Float Giá trị đặc trƣng kênh màu Red GMean Float Giá trị đặc trƣng kênh màu Green BMean Float Số hóa Trung tâm Học liệu – Đại học Thái Nguyên X Mô tả ID ảnh Giá trị đặc trƣng kênh màu Blue http://www.lrc-tnu.edu.vn 37 Bảng 3.2 : Bảng sở liệu Cluster Mối quan hệ bảng: Hình 3.7: Mối quan hệ bảng 3.4 Mơ tả chƣơng trình Chƣơng trình đƣợc xây dựng với mục đích tra cứu ảnh dựa đặc trƣng màu, cỡ vị trí khơng gian Sử dụng hai ảnh có tập ảnh sở liệu hai ảnh khơng có tập ảnh sở liệu để so sánh, đánh giá hiệu hệ thống Không gian màu sử dụng chƣơng trình khơng gian màu RGB, khuôn dạng không gian màu RGB định dạng phổ biến ảnh số Tập ảnh thử nghiệm CSDL gồm 1000 ảnh jpeg CSDL ảnh tập tập ảnh GS Wang [15] tập hợp từ Internet đƣợc sử dụng để đánh giá hiệu tra cứu Các ảnh CSDL có kích cỡ 128× 85 điểm ảnh 85×128 điểm ảnh Các ảnh gồm 256 màu CSDL gồm loại ảnh chính: ngựa, cảnh hồng hơn, vƣờn hoa, rừng, phong cảnh, nhà cửa loại ảnh khác Bảng 3.3 số liệu cụ thể loại ảnh sở liệu: Loại ảnh STT Số lƣợng Ngựa 71 Cảnh hồng 85 Vƣờn hoa 121 Rừng 130 Bầu trời, phong cảnh 356 Nhà cửa 115 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 38 Các loại ảnh khác 122 Bảng 3.3:Số liệu loại ảnh sở liệu 3.5 Kết đạt đƣợc Qua trình tìm hiểu phân tích thiết kế hệ thống nhƣ trình bày trên, thời gian nghiên cứu tìm hiểu thuật tốn em xây dựng hệ thống tra cứu ảnh thử nghiệmvới tập ảnh sở liệu thử nghiệm nhƣ trình bày phần trê Hệ thống thử nghiệm cho số kết tốt Giao diện tra cứu ảnh: Ngƣời sử dụng lựa chọn ảnh truy vấnvà nhấn nút tra cứu Hình 3.8: Giao diện hệ thốngtra cứu ảnh Giao diện hiển thị ảnh kết quả: Hệ thống tiến hành tìm kiếm ảnh hiển thị kết hình Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 39 Hình 3.9: Giao diện hiển thị kết truy vấn Các vùng ảnh sau phân cụm Hình 3.10:Các vùng ảnh sau phân cụm Giao diện thao tác sở liệu Số hóa Trung tâm Học liệu – Đại học Thái Ngun http://www.lrc-tnu.edu.vn 40 Hình 3.11: Giao diện tab sở liệu Thêm ảnh vào sở liệu: Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 41 Hình3.12: Giao diện thêm ảnh vào sở liệu Xoá ảnh khỏi sở liệu: Hình 3.13: Giao diện xố ảnh khỏi sở liệu Đánh giá hiệu hệ thống Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 42 Trong luận văn này, sử dụnghai ảnh tập sở liệu hai ảnh tập sở liệu để làm ảnh mẫu truy vấnđể xem hiệu chƣơng trình đạt đƣợc Hệ thống đƣa bẩy ảnh kết gần với ảnh mẫu truy vấn Sử dụng hai ảnh sở liệu làm ảnh truy vấn: + Ảnh truy vấn thứ : Hình 3.14: Ảnh mẫu truy vấn thứ + Ảnh kết thu đƣợc lần thứ nhất: Hình 3.15: Kết truy vấn lần thứ + Ảnh truy vấn thứ hai : Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 43 Hình 3.16: Ảnh mẫu truy vấn thứ hai + Ảnh kết thu đƣợc lần thứ hai: Hình 3.17: Kết truy vấnlần thứ hai Sử dụng hai ảnh khơng có tập sở liệu ảnh làm ảnh truy vấn: Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 44 + Ảnh truy vấn lần thứ : Hình 3.18: Ảnh mẫu truy vấn thứ ba + Ảnh kết thu đƣợc lần thứ ba: Hình 3.19: Kết truy vấn lần thứba + Ảnh truy vấn lần thứ : Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 45 Hình 3.20: Ảnh mẫu truy vấn thứ ba + Ảnh kết thu đƣợc lần thứ 4: Hình 3.21: Kết truy vấn lần thứ4 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 46 Ở thấy đƣợc hiệu hệ thống truy vấn ảnh mẫu CSDL có CSDL Tiếp theo đánh giá hệ thống theo chủ đề với tham số ngƣỡng khác cách thay đổi ngƣỡng đầu vào ảnh mẫu truy vấn thuộc số chủ đề định Ngƣỡng màu Ngƣỡng cỡ Số cụm Kết 0,1 45 50% 10 0,1 31 65% 11 0,1 26 50% 12 0,1 16 55% 13 0,05 12 65% 13 0,1 13 70% 13 0,15 13 65% Bảng 3.4 : Bảng kết tra cứu với chủ đề Ngựa Ngƣỡng màu Ngƣỡng cỡ Số cụm Kết 10 0,1 19 70% 11 0,05 23 60% 11 0,1 23 90% 11 0,15 24 65% 12 0,1 21 70% 13 0,1 22 90% Bảng 3.5 : Bảng kết tra cứu với chủ đề Hoa Kết hai bảng cho ta thấy với ngƣỡng màu hay ngƣỡng cỡ khác cho kết tra cứu khác Kết tra cứu tốt hay không phụ thuộc nhiều vào cách chọn ngƣỡng màu ngƣỡng cỡ cho phù hợp 3.6 Kết đạt đƣợc Trong chƣơng cuối này, tơi trình bày phân tích thiết kế hệ thống tra cứu ảnh dựa vào phân cụm số kết thử nghiệm đạt đƣợc Qua kết thu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 47 đƣợc ta nhận thấy rằngphƣơng pháp tra cứu dựa vào đặc trƣng màu cho kết tốt so với mong muốn tra cứu ngƣời dùng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 48 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Tra cứu ảnh dựa theo nội dung lĩnh vực nghiên cứu mở Những công nghệ non trẻ nhiều vấn đề cần phải tiếp tục nghiên cứu Trong giới hạn luận văn, tơi trình bày tổng quan cơng nghệ tra cứu ảnh dựa theo nội dung với phƣơng pháp thƣờng đƣợc sử dụng Đặc biệt xây dựng thử nghiệm chƣơng trình tra cứu ảnh với sở liệu ảnh tự nhiên dựa vào đặc trƣng vùngđã thu đƣợc kết định Qua ta thấy đƣợc hiệu phƣơng pháp đãcho kết hiệu quảmặt khác thời gian tìm kiếm cũngnhanh Nhƣng tra cứu ảnh theo nội dung dựa đặc trƣng vùnggồmmàu sắc, vị trí khơng gian cỡ nên phản ánh đƣợc khía cạnh ảnh khơng thể phản ánh đƣợc hếtngữ nghĩa ảnh Mặc dù hệ thống đáp ứng đƣợc phần lớn yêu cầu ngƣời sử dụng Ở Việt Nam, cơng việc quản lý, tìm kiếm ảnh, biểu trƣng(logo) chủ yếu thủ công làm nhiều thời gian cơng sức Nếu đầu tƣ xây dựng đƣợc hệ thống tra cứu ảnh tốt thu đƣợc lợi ích to lớn lĩnh vực nhƣ hình sự, giáo dục, văn hóa…Đặc biệt có lợi hệ thống tìm kiếm đƣợc ảnh Internet kho liệu vơ lớnvà phong phú Luận văn thực đƣợc cơng việc sau: - Tìm hiểu đƣợc tổng quan tra cứu ảnh dựa vào nội dung - Nghiên cứu đƣợc phƣơng pháp tra cứu ảnh dựa vào phân cụm pixel ảnh - Tìm hiểu sƣu tầm đƣợc tập ảnh thử nghiệm - Xây dựng đƣợc hệ thống thực nghiệm tra cứu cho kết tốt Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 49 TÀI LIỆU THAM KHẢO Tiếng Việt: Nguyễn Đức Nghĩa – Nguyễn Tơ Thành, Tốn rời rạc, NXB Đại học Quốc gia Hà nội, 2003 Nguyễn Thị Thu Chung, Xây dựng danh bạ web tiếng việt với phân cụm phân cấp văn bản, khoá luận tốt nghiệp đại học quy, Trƣờng đại học cơng nghệ- Đại học quốc gia Hà Nội, 2009 Tiếng Anh: Beckmann, N., Kriegel, H.-P., Schneider, R., and Seeger, B (1990), The R*Tree: An efficient and robust access method for points and rectangles In Proc of ACM SIGMOD David M Blei, Hierarchical clustering, COS424 Princeton University, February 28, 2008 Flickner.M, Sawhney.H, Niblack.W, Ashley.J, Huang.Q, Dom.B, Gorkani.D, Hafner.J, Lee D, Petkovic D, Steele.D, Yanker.D, Query by Image and Video Content: The QBIC System IEEE Computer 1995, september, pp 23-32 H Tamura, S Mori, and T Yamawaki Texture features corresponding to visual perception IEEE Transactionson Systems,Man, and Cybernetics, SMC8(6):460–473, 1978 J.Z Wang, J Li, and G Wiederhold Simplicity: Semantics-sensitive integrated matching for picture libraries IEEE Trans on Pattern Analysis and Machine Intelligence, 23(9):947–963, 2001 R Haralick, K Shanmugam, and I Dinstein Texture feature for image classification IEEE Transactions on Systems, Man, and Cybernetics, SMC3(6):610–621, 1973 R.C Gonzalez and R.E Woods, Digital Image Processing.Addison-Wesley, third edition, 1992 10 R.O Stehling, M.A Nascimento, and A.X Falc˜ao An adaptive and efficient clustering-based approach for content based image retrieval in image databases In Proc of the Intl Data Engineering and Application Symposium, pages 356– 365, 2001 11 T Kanungo, D M Mount, N Netanyahu, C Piatko, R Silverman, & A Y.Wu (2002) An efficient k-means clustering algorithm: Analysis and implementation Proc IEEE Conf Computer Vision and Pattern Recognition, pp.881-892 12 Veena Sridhar (2002), Region-based Image Retrieval Using Multiple Features, Technical Report Technical Report TR 02-10, University of Alberta, Edmonton, Alberta, Canada 13 Geusebroek, J M., van den Boomgaard, R., Smeulders, A W M., and Geerts, H (2001) Color invariance IEEE Trans on Pattern Analysis and Machine Intelligence, 23(12):1338–1350 Các tài liệu khác: 14 http://www.ics.uci.edu/~eppstein/280/tree.html 15 http://vi.wikipedia.org/wiki/Không_gian_Euclide 16 Wang’s research group (2004), http://wang.ist.psu.edu/docs/related.shtml Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn