1. Trang chủ
  2. » Luận Văn - Báo Cáo

Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm

95 488 1

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 95
Dung lượng 3,89 MB

Nội dung

B GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM LUN VN THC S CÔNG NGH THÔNG TIN ng Nai, 2013 B GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM Chuyên ngành: CÔNG NGH THÔNG TIN Mã s: 60.48.02.01 LUN VN THC S CÔNG NGH THÔNG TIN NGI HNG DN KHOA HC TS PHM TRN V ng Nai, 2013 I LI CAM OAN Tôi xin cam đoan đây là công trình nghiên cu ca bn thân. Các s liu, kt qu trình bày trong lun vn này là trung thc. Nhng t liu đc s dng trong lun vn có ngun gc và trích dn rõ ràng, đy đ. Hc viên Nguyn c Nng II LI CM N Tôi xin bày t lòng bit n sâu sc đn TS Phm Trn V đã hng dn nhit tình, tn tâm trong sut quá trình tôi thc hin lun vn này. Tôi xin chân thành cm n Quý thy cô trong Khoa Công ngh thông tin trng i hc Lc Hng đã to điu kin thun li cho tôi trong sut thi gian hc tp và nghiên cu ti trng. Tôi cng xin chân thành cm n Quý thy cô ngoài trng đã tn tâm dy bo tôi trong sut quá trình hc tp và giúp đ tôi trong quá trình nghiên cu. Xin chân thành cm n nhng ngi thân trong gia đình, cùng các anh ch em, bn bè, đng nghip đã giúp đ, đng viên tôi trong quá trình thc hin và hoàn thành lun vn này. ng Nai, ngày 12 tháng 12 nm 2012 Hc viên Nguyn c Nng III MC LC LI CAM OAN I LI CM N II MC LC III DANH MC HÌNH VI DANH MC BNG VIII DANH MC CÁC T VIT TT IX M U 1 CHNG 1: TNG QUAN V PHÂN LOI HÌNH NH. 4 1.1. Tng quan v phân loi hình nh. 4 1.1.1. Gii thiu v bài toán phân loi. 4 1.1.2. Tng quan. 4 1.2. Quy trình phân loi nh. 9 CHNG 2: CÁC PHNG PHÁP TRÍCH CHN C TRNG VÀ  O TNG NG GIA CÁC NH. 10 2.1. Harris. 10 2.2. SIFT (Scale Invarian Feature Transform) 12 2.2.1. Phát hin cc tr. 12 2.2.2. nh v chính xác đim khóa 15 2.2.3. Gán hng cho các đim khóa 18 2.2.4. Xây dng b mô t cc b 19 2.3. Harris-Laplace 21 2.3.1. Không gian t l 21 2.3.2. Hàm Harris thích nghi t l 24 2.3.3. S la chn t l t đng 25 2.3.4. Thut toán phát hin đim bt đng 26 2.4. Harris-Affine 28 2.4.1. Mc tiêu 29 2.4.2. Ma trn Moment cp hai Affine 29 2.4.3. K thut phát hin đim bt đng 33 IV 2.5. Phng pháp SURF (Speed Up Robust Feature) 39 2.5.1. nh tích hp (integral image) 40 2.5.2. Phát hin Fast-Hessian: 40 2.5.3. S biu din không gian t l: 42 2.5.4. nh v đim quan tâm 43 2.5.5. B mô t đim quan tâm và so khp 44 2.6. So sánh - Kt lun 49 2.7. La chn đc trng. 51 CHNG 3: CÁC PHNG PHÁP PHÂN LOI NH. 55 3.1. Tng quan. 55 3.2. Các phng pháp phân loi nh. 57 3.2.1. Phng pháp phân loi K-Means. (tham kho web) 57 3.2.2. Phng pháp pháp Naïve Bayes (NB). 62 3.2.3. Phng pháp Support Vector Machine (SVM) 64 3.2.4. Phng pháp K-Nearest Neighbor (KNN) 65 3.2.5. Phng pháp Linear Least Square Fit (LLSF) 66 3.2.6. Phng pháp Centroid – based vector 67 3.2.7. Kt lun 68 CHNG 4: NG DNG C TRNG BT BIN KT HP K-MEAN TRONG PHÂN LOI NH. 69 4.1. Bài toán phân loi nh 69 4.1.1. Mô hình bài toán phân loi nh 70 4.1.2. Thut toán s dng: 70 4.2. Hin thc bài toán 73 4.2.1. Môi trng 73 4.1.2. Công c s dng 73 4.1.3. D liu 74 4.1.4. Chng trình 74 4.1.5. ánh giá. 77 KT LUN VÀ KIN NGH. 80 V VI DANH MC HÌNH Hinh 1.1: Quy trình hun luyn nh. 9 Hình 1.2: Quy trình kim th nh. 9 Hình 2.1. Mô phng vic tính toán các DoG nh t các nh k m 13 Hình 2.2: Mi đim nh đc so sánh vi 26 láng ging ca nó 14 Hình 2.3. Các giai đon la chn các đim khóa. 16 Hình 2.4. B mô t đim khóa 19 Hình 2.5. Mt th hin đa t l ca mt tín hiu 22 Hình 2.6. Các mc khác nhau trong mt th hin không gian t l 23 Hình 2.7. Ví d v các t l đc trng 26 Hình 2.8. Phát hin đim quan tâm bt bin t l 28 Hình 2.9. im quan tâm bt bin t l trong các nh b bin đi affine . 30 Hình 2.10. Biu đ gii thích phép chun hóa affine 32 Hình 2.11. Phát hin lp li ca mt đim quan tâm bt bin affine 37 Hình 2.12. Phát hin đim quan tâm bt bin affine 39 Hình 2.13: T trái sang phi: đo hàm riêng bc hai ca hàm Gaussian 41 Hình 2.14: Thay vì lp li vic gim kích c nh (bên trái), vic s dng nh tích hp cho phép tng t l lc vi giá tr không đi (bên phi). 42 Hình 2.15: Biu đ t l phát hin. S lng đim quan tâm đc phát hin trên mi octave phân rã nhanh chóng 43 Hình 2.16: Nhng đim quan tâm đc phát hin trên mt cánh đng hoa hng dng. 44 Hình 2.17: Phép lc Haar wavelet đ tính toán đc trng  x (bên trái) và y hng (bên phi). Vùng đen có trng s -1 và vùng trng có trng s +1 45 Hình 2.18: Gán hng: mt ca s dch hng ca kích thc 3 phát hin hng tri ca các đc trng Haar wavelet có trng s Gaussian  mi đim mu trong vòng tròn láng ging quanh đim quan tâm. 46 Hình 2.19: Chi tit ca nh Graffiti th hin kích thc ca ca s b mô t hng  các t l khác nhau. 46 Hình 2.20:  xây dng b mô t, mt khung li hng bc hai vi 4x4 vùng con hình vuông đc đt trên các đim quan tâm (bên trái).  mi hình vuông đc trng wavelet đc tính toán. S chia nh 2x2 ca mi hình vuông tng ng vi các trng thc ca b mô t. Nhng cái này là tng ca dx, dy, |dx| và |dy|, tính toán tng đi hng ca li (bên phi). 47 Hình 2.21. Các mc mô t ca min con đi din cho tính cht ca mu cng đ c bn. Hình trái: trong trng hp ca mt min con đng nht, tt c các giá tr là tng đi thp. Hình gia: s có mt ca tn s trong x hng, VII giá tr ca  là cao, nhng tt c các trng hp khác vn thp. Nu cng đ tng dn theo x hng, c  và  đu cao. 48 Hình 2.22: Nu đ tng phn gia hai đim quan tâm khác nhau (ti trên nn sáng vi sáng trên nn ti), ng viên s không đc xem là so khp có giá tr. 49 Hình 2.24: So sánh v góc nhìn (Bên trái). nh so sánh (bên phi) 50 Hình 2.25: So sánh v cng đ sáng (Bên trái). nh so sánh (bên phi) 50 Hình 2.26: So sánh v t l (Bên trái). nh so sánh (bên phi) 51 Hình 3.1: Mô hình SVM 64 Hình 4.1. Ví d v bài toán phân loi nh 69 Hình 4.2. S đ chc nng nhn dng đi tng 70 Hình 4.3: Phng pháp SURF 71 Hình 4.4: Phng pháp Hessian-Laplace 71 Hình 4.4: Phng pháp SIFT 72 Hình 4.5: giao din chng trình. 74 Hình 4.6: Công đon rút trích đc trng. 75 Hình 4.7: mt phn góc nhìn ca tp đc trng. 75 Hình 4.8: Công đon phân cm các đc trng. 76 Hình 4.9: Sau khi phân thành 2 cm. 76 Hình 4.10: c trng nhóm 1 (class1.lhu). 77 Hình 4.11: Kt qu kim th. 77 VIII DANH MC BNG Bng 2.1: Mt s phng pháp la chn đc trng. 52 Bng 4.1: Bng so sánh kt qu các phng pháp 72 Bng 4.2: Môi trng thc nghim 73 Bng 4.3: Công c mã ngun m s dng 73 Bng 4.4: 4 nhóm nh và s lng mu dùng trong thc nghim. 78 Bng 4.5: Kt qu kim chng sau khi chy chng trình. 79 Bng 4.6: Xác sut ca chng trình. 79 [...]... Vector-Quantization 1 M Trong nh U phát tri t b c c a Công ngh ng giao d ch thông tin trên m ng Internet m n t , tin t c bi t là n t , hình hình nh xu t hi n trên m im tt chóng m t, và t i thông tin là c c k nhanh chóng V i s yêu c u l s y, m t t ra là làm sao t ch c và tìm ki m thông tin, d li u có hi u qu nh t Bài toán phân l p là m t trong nh ng gi i pháp h p lý cho yêu c th c t là kh th t ng thông tin. .. hành phân l p Th c nghi m cho th i, phù h áp d ng vào h th ng phân l p t ng M c tiêu c a lu - Nghiên c u các k thu t x lý hình l - Nghiên c m d li n hình là K-Means nh m m - Xây d ng ng d ng hi n th c cho vi c phân lo i nh vào các nhóm nh theo n i dung n ngh cho tài ng nghiên c u: Các t p tin hình nh Ph m vi nghiên c u: Phân lo i hình nh vào các th lo ng v i n i dung t m nh Trong khuôn kh lu lo c nghiên. .. t ng quan v v c n nghiên c u Tìm hi u cách th i t p tin Tìm hi u các gi i thu t clustering Xây d ng b d li u hu n luy n máy Xây d ng quy trình phân lo i nh Hi n th c quy trình phân lo i nh B c c trình bày c a lu i thi u t ng quan v bài toán phân lo i phân lo i 3 ng gi a các nh ph c v cho bài toán i nh Th c nghi m và K t lu n nh ng phát tri n m chính, ch ra nh m c n kh c ph ng th t 4 NG QUAN V PHÂN... l n c: tài nghiên c u v c phân lo i nh, mà ch t p chung ch y u vào nghiên c u các công c i sánh nh, tìm s d t bi n cùng các k thu t phân c m và cây quy nh n hình cho v này có các bài báo sau: tài “Gi i thi u ng d id ng (Object-based classification) trong thành l p b r ng t nh v tinh”, [18] i nh d i có ki nh và phân lo i d a vào decision tree nh trong thu t toán h c máy tìm ki m nh áp d ng vào bài toán... HÌNH NH 1.1 T ng quan v phân lo i hình nh 1.1.1 Gi i thi u v bài toán phân lo i Phân lo i hình nh là m t trong nhi nghiên c u trong nh c chú ý nh c Phân lo i hình nh (hay Image Classification ho c Image Categorization) là quá trình gán các nh vào m t hay nhi u l p nh t c i ta có th phân lo i nh b ng cách th công, t c là nhìn vào n i dung t m t hay nhi u l p c th th ng qu n lý t p tin nh g m nhi u... nh vào các nhóm mà n i dung t m c p B t lu n t m nh có b xoay, co giãn, hay nói cách khác là hình nh có b nhi u Trong phân lo i nh, s ng gi a m t nh v i m t l p ho c thông qua vi c gán giá tr – nh thu c l p, hay False – nh không thu c l p) ho c thông qua m ph thu ph thu c c a nh vào l p) Trong ng h p có nhi u l p thì phân lo là vi c xem m t nh có thu c vào m t l p duy nh 1.1.2 T ng quan X lý nh, phân. .. h c cao, ng d ng r t nhi u ng d ng l c n i dung nh, bài toán phân l p 2 sau tìm ki m, … Tác gi quy nh ch tài Nghiên c u và xây d ng b l c nh thông qua phân lo i nh k t h p v i gom c m.” là m t vi c làm không ch c, mà còn mang tính th c ti n Trong lu trình bày m t s thu t toán phân l p tiêu bi ng th c nghi m cho h th ng phân l p Lu n v ng phân tích thành ph t bi n c a t m nh c th là thu t toán Scale-invariant... m t vài centimet t i nhi u nh t là vài mét, vì v y th o lu n khái ni m “cây” m c nanomet ho c kilomet V l p lu i t ng trong th gi i xu t hi n theo các cách khác nhau tùy thu c t l quan sát n u ng i ta nh m vào vi c mô t chúng Vì v y khái ni m t l là c c k quan tr ng c bi t, s c n thi i v i vi c th hi l n y sinh khi thi t k các ph ng và thu nh n thông tin t gi i th có th trích ch n b t k thông tin nào... ch l xây d ng Các d li u hu n luy hình nh hi u qu và m nd c b phân l t i Do v y, c n ph i có h th ng x lý c các ngu n d li trong các bài toán th c t ví d c ng r t hi c không c n nhi u d li hi n nay Nh n th ng thì tin c y cao ng các m u d li u hu n luy n t c là các hình i h i th i gian và công s c c và có kh nhi u ng th i, khi x lý các bài toán phân l p t p ph i m t s i ph i có m u chi u c a c phân. .. thi u và ng d a mình nh c m xúc m i”, Tr n Ng c Ph m [21] d ng PCA trên t p hu n luy n c c áp d hu n luy n các b phân lo i tài Nghiên c th c hình d ng và v truy v n nh” lu a tác gi Tr 2007 [19] Lu xu t m th màu s c, hình d ng và v trí b ng h th ng liên m ng metath ng liên m ng metang áp d s c, hình d ng và v trí c a nh mà còn có th áp d ng t ng t b t k rút trích t nh s qua các 9 m s là ngõ vào c a . DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM LUN VN THC S CÔNG NGH THÔNG. GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM Chuyên ngành: CÔNG NGH THÔNG TIN. U 1 CHNG 1: TNG QUAN V PHÂN LOI HÌNH NH. 4 1.1. Tng quan v phân loi hình nh. 4 1.1.1. Gii thiu v bài toán phân loi. 4 1.1.2. Tng quan. 4 1.2. Quy trình phân loi nh. 9 CHNG

Ngày đăng: 24/11/2014, 12:22

HÌNH ẢNH LIÊN QUAN

Hình 1.2: Quy trình ki m th   nh. - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 1.2 Quy trình ki m th nh (Trang 21)
Hình 2.1. Mô ph ng vi c tính toán các DoG  nh t  các  nh k  m - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.1. Mô ph ng vi c tính toán các DoG nh t các nh k m (Trang 25)
Hình 2.2: M i  đ i m  nh  đ c so sánh v i 26 láng gi ng c a nó - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.2 M i đ i m nh đ c so sánh v i 26 láng gi ng c a nó (Trang 26)
Hình 2.3. Các giai đo n l a ch n các đi m khóa. (a)  nh g c v i 233x189  đi m  nh. (b) 832 v   trí đi m khóa ban đ u    các đi m c c đ i và c c ti u c a  hàm Difference-of-Gau ssian - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.3. Các giai đo n l a ch n các đi m khóa. (a) nh g c v i 233x189 đi m nh. (b) 832 v trí đi m khóa ban đ u các đi m c c đ i và c c ti u c a hàm Difference-of-Gau ssian (Trang 28)
Hình 2.4. B  mô t   đi m khóa  đ c t o ra b ng cách: đ u tiên tính toán  đ  l n và h ng gradient   m i đi m m u trong m t vùng xung quanh v   trí đi m  khóa,  nh   hình  bên  trái - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.4. B mô t đi m khóa đ c t o ra b ng cách: đ u tiên tính toán đ l n và h ng gradient m i đi m m u trong m t vùng xung quanh v trí đi m khóa, nh hình bên trái (Trang 31)
Hình 2.5. M t th  hi n đa t  l  c a m t tín hi u là m t t p có th  t  c a  các tín hi u thu nh n đ c d   đ nh đ  th  hi n tín hi u g c   các m c t  l  khác  nhau - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.5. M t th hi n đa t l c a m t tín hi u là m t t p có th t c a các tín hi u thu nh n đ c d đ nh đ th hi n tín hi u g c các m c t l khác nhau (Trang 34)
Hình 2.6. Các m c khác nhau trong m t th  hi n không gian t  l  c a m t  nh hai chi u   các m c t  l  t = 0, 2, 8, 32, 128 và 512 cùng v i các hình gi t  n c m c xám bi u th  các giá tr  c c ti u c c b    m i t  l - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.6. Các m c khác nhau trong m t th hi n không gian t l c a m t nh hai chi u các m c t l t = 0, 2, 8, 32, 128 và 512 cùng v i các hình gi t n c m c xám bi u th các giá tr c c ti u c c b m i t l (Trang 35)
Hình 2.7. Ví d  v  các t  l   đ c tr ng - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.7. Ví d v các t l đ c tr ng (Trang 38)
Hình 2.8. Phát hi n đi m quan tâm b t bi n t   l : (dòng trên) các đi m  Harris đa t  l   ban đ u (đ c ch n b ng tay) t ng  ng v i m t c u trúc c c b - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.8. Phát hi n đi m quan tâm b t bi n t l : (dòng trên) các đi m Harris đa t l ban đ u (đ c ch n b ng tay) t ng ng v i m t c u trúc c c b (Trang 40)
Hình 2.9.  i m quan tâm b t bi n t  l  trong các  nh b  bi n đ i affine - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.9. i m quan tâm b t bi n t l trong các nh b bi n đ i affine (Trang 42)
Hình 2.10. Bi u đ  gi i thích phép chu n hóa affine d a trên các ma tr n  moment c p hai - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.10. Bi u đ gi i thích phép chu n hóa affine d a trên các ma tr n moment c p hai (Trang 44)
Hình 2.11. Phát hi n l p l i c a m t đi m quan tâm b t bi n affine khi có  s  hi n di n c a phép bi n đ i affine (dòng    trên và d i) - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.11. Phát hi n l p l i c a m t đi m quan tâm b t bi n affine khi có s hi n di n c a phép bi n đ i affine (dòng trên và d i) (Trang 49)
Hình 2.12. Phát hi n đi m quan tâm b t bi n affine : (a) Các đi m ban đ u  đ c phát hi n b ng ph ng pháp Harris đa t   l   và t   l   đ c tr ng đ c l a  ch n b i  đ nh t   l   Laplacian  (màu  đen -Harris-Laplace) - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.12. Phát hi n đi m quan tâm b t bi n affine : (a) Các đi m ban đ u đ c phát hi n b ng ph ng pháp Harris đa t l và t l đ c tr ng đ c l a ch n b i đ nh t l Laplacian (màu đen -Harris-Laplace) (Trang 51)
Hình 2.15: Bi u đ  t  l  phát hi n. S   l ng đi m quan tâm đ c phát  hi n trên m i octave phân rã nhanh chóng - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.15 Bi u đ t l phát hi n. S l ng đi m quan tâm đ c phát hi n trên m i octave phân rã nhanh chóng (Trang 55)
Hình 2.16: Nh ng đi m quan tâm đ c phát hi n trên m t cánh đ ng hoa  h ng d ng. - Luận văn thạc sĩ công nghệ thông tin Nghiên cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
Hình 2.16 Nh ng đi m quan tâm đ c phát hi n trên m t cánh đ ng hoa h ng d ng (Trang 56)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w