Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 95 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
95
Dung lượng
3,89 MB
Nội dung
B GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM LUN VN THC S CÔNG NGH THÔNG TIN ng Nai, 2013 B GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM Chuyên ngành: CÔNG NGH THÔNG TIN Mã s: 60.48.02.01 LUN VN THC S CÔNG NGH THÔNG TIN NGI HNG DN KHOA HC TS PHM TRN V ng Nai, 2013 I LI CAM OAN Tôi xin cam đoan đây là công trình nghiên cu ca bn thân. Các s liu, kt qu trình bày trong lun vn này là trung thc. Nhng t liu đc s dng trong lun vn có ngun gc và trích dn rõ ràng, đy đ. Hc viên Nguyn c Nng II LI CM N Tôi xin bày t lòng bit n sâu sc đn TS Phm Trn V đã hng dn nhit tình, tn tâm trong sut quá trình tôi thc hin lun vn này. Tôi xin chân thành cm n Quý thy cô trong Khoa Công ngh thông tin trng i hc Lc Hng đã to điu kin thun li cho tôi trong sut thi gian hc tp và nghiên cu ti trng. Tôi cng xin chân thành cm n Quý thy cô ngoài trng đã tn tâm dy bo tôi trong sut quá trình hc tp và giúp đ tôi trong quá trình nghiên cu. Xin chân thành cm n nhng ngi thân trong gia đình, cùng các anh ch em, bn bè, đng nghip đã giúp đ, đng viên tôi trong quá trình thc hin và hoàn thành lun vn này. ng Nai, ngày 12 tháng 12 nm 2012 Hc viên Nguyn c Nng III MC LC LI CAM OAN I LI CM N II MC LC III DANH MC HÌNH VI DANH MC BNG VIII DANH MC CÁC T VIT TT IX M U 1 CHNG 1: TNG QUAN V PHÂN LOI HÌNH NH. 4 1.1. Tng quan v phân loi hình nh. 4 1.1.1. Gii thiu v bài toán phân loi. 4 1.1.2. Tng quan. 4 1.2. Quy trình phân loi nh. 9 CHNG 2: CÁC PHNG PHÁP TRÍCH CHN C TRNG VÀ O TNG NG GIA CÁC NH. 10 2.1. Harris. 10 2.2. SIFT (Scale Invarian Feature Transform) 12 2.2.1. Phát hin cc tr. 12 2.2.2. nh v chính xác đim khóa 15 2.2.3. Gán hng cho các đim khóa 18 2.2.4. Xây dng b mô t cc 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 la chn t l t đng 25 2.3.4. Thut toán phát hin đim bt đng 26 2.4. Harris-Affine 28 2.4.1. Mc tiêu 29 2.4.2. Ma trn Moment cp hai Affine 29 2.4.3. K thut phát hin đim bt đng 33 IV 2.5. Phng pháp SURF (Speed Up Robust Feature) 39 2.5.1. nh tích hp (integral image) 40 2.5.2. Phát hin Fast-Hessian: 40 2.5.3. S biu din không gian t l: 42 2.5.4. nh v đim quan tâm 43 2.5.5. B mô t đim quan tâm và so khp 44 2.6. So sánh - Kt lun 49 2.7. La chn đc trng. 51 CHNG 3: CÁC PHNG PHÁP PHÂN LOI NH. 55 3.1. Tng quan. 55 3.2. Các phng pháp phân loi nh. 57 3.2.1. Phng pháp phân loi K-Means. (tham kho web) 57 3.2.2. Phng pháp pháp Naïve Bayes (NB). 62 3.2.3. Phng pháp Support Vector Machine (SVM) 64 3.2.4. Phng pháp K-Nearest Neighbor (KNN) 65 3.2.5. Phng pháp Linear Least Square Fit (LLSF) 66 3.2.6. Phng pháp Centroid – based vector 67 3.2.7. Kt lun 68 CHNG 4: NG DNG C TRNG BT BIN KT HP K-MEAN TRONG PHÂN LOI NH. 69 4.1. Bài toán phân loi nh 69 4.1.1. Mô hình bài toán phân loi nh 70 4.1.2. Thut toán s dng: 70 4.2. Hin thc bài toán 73 4.2.1. Môi trng 73 4.1.2. Công c s dng 73 4.1.3. D liu 74 4.1.4. Chng trình 74 4.1.5. ánh giá. 77 KT LUN VÀ KIN NGH. 80 V VI DANH MC HÌNH Hinh 1.1: Quy trình hun luyn nh. 9 Hình 1.2: Quy trình kim th nh. 9 Hình 2.1. Mô phng vic tính toán các DoG nh t các nh k m 13 Hình 2.2: Mi đim nh đc so sánh vi 26 láng ging ca nó 14 Hình 2.3. Các giai đon la chn các đim khóa. 16 Hình 2.4. B mô t đim khóa 19 Hình 2.5. Mt th hin đa t l ca mt tín hiu 22 Hình 2.6. Các mc khác nhau trong mt th hin không gian t l 23 Hình 2.7. Ví d v các t l đc trng 26 Hình 2.8. Phát hin đim quan tâm bt bin t l 28 Hình 2.9. im quan tâm bt bin t l trong các nh b bin đi affine . 30 Hình 2.10. Biu đ gii thích phép chun hóa affine 32 Hình 2.11. Phát hin lp li ca mt đim quan tâm bt bin affine 37 Hình 2.12. Phát hin đim quan tâm bt bin affine 39 Hình 2.13: T trái sang phi: đo hàm riêng bc hai ca hàm Gaussian 41 Hình 2.14: Thay vì lp li vic gim kích c nh (bên trái), vic s dng nh tích hp cho phép tng t l lc vi giá tr không đi (bên phi). 42 Hình 2.15: Biu đ t l phát hin. S lng đim quan tâm đc phát hin trên mi octave phân rã nhanh chóng 43 Hình 2.16: Nhng đim quan tâm đc phát hin trên mt cánh đng hoa hng dng. 44 Hình 2.17: Phép lc Haar wavelet đ tính toán đc trng x (bên trái) và y hng (bên phi). Vùng đen có trng s -1 và vùng trng có trng s +1 45 Hình 2.18: Gán hng: mt ca s dch hng ca kích thc 3 phát hin hng tri ca các đc trng Haar wavelet có trng s Gaussian mi đim mu trong vòng tròn láng ging quanh đim quan tâm. 46 Hình 2.19: Chi tit ca nh Graffiti th hin kích thc ca ca s b mô t hng các t l khác nhau. 46 Hình 2.20: xây dng b mô t, mt khung li hng bc hai vi 4x4 vùng con hình vuông đc đt trên các đim quan tâm (bên trái). mi hình vuông đc trng wavelet đc tính toán. S chia nh 2x2 ca mi hình vuông tng ng vi các trng thc ca b mô t. Nhng cái này là tng ca dx, dy, |dx| và |dy|, tính toán tng đi hng ca li (bên phi). 47 Hình 2.21. Các mc mô t ca min con đi din cho tính cht ca mu cng đ c bn. Hình trái: trong trng hp ca mt min con đng nht, tt c các giá tr là tng đi thp. Hình gia: s có mt ca tn s trong x hng, VII giá tr ca là cao, nhng tt c các trng hp khác vn thp. Nu cng đ tng dn theo x hng, c và đu cao. 48 Hình 2.22: Nu đ tng phn gia hai đim quan tâm khác nhau (ti trên nn sáng vi sáng trên nn ti), ng viên s không đc xem là so khp có giá tr. 49 Hình 2.24: So sánh v góc nhìn (Bên trái). nh so sánh (bên phi) 50 Hình 2.25: So sánh v cng đ sáng (Bên trái). nh so sánh (bên phi) 50 Hình 2.26: So sánh v t l (Bên trái). nh so sánh (bên phi) 51 Hình 3.1: Mô hình SVM 64 Hình 4.1. Ví d v bài toán phân loi nh 69 Hình 4.2. S đ chc nng nhn dng đi tng 70 Hình 4.3: Phng pháp SURF 71 Hình 4.4: Phng pháp Hessian-Laplace 71 Hình 4.4: Phng pháp SIFT 72 Hình 4.5: giao din chng trình. 74 Hình 4.6: Công đon rút trích đc trng. 75 Hình 4.7: mt phn góc nhìn ca tp đc trng. 75 Hình 4.8: Công đon phân cm các đc trng. 76 Hình 4.9: Sau khi phân thành 2 cm. 76 Hình 4.10: c trng nhóm 1 (class1.lhu). 77 Hình 4.11: Kt qu kim th. 77 VIII DANH MC BNG Bng 2.1: Mt s phng pháp la chn đc trng. 52 Bng 4.1: Bng so sánh kt qu các phng pháp 72 Bng 4.2: Môi trng thc nghim 73 Bng 4.3: Công c mã ngun m s dng 73 Bng 4.4: 4 nhóm nh và s lng mu dùng trong thc nghim. 78 Bng 4.5: Kt qu kim chng sau khi chy chng trình. 79 Bng 4.6: Xác sut ca chng 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 . DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM LUN VN THC S CÔNG NGH THÔNG. GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM Chuyên ngành: CÔNG NGH THÔNG TIN. U 1 CHNG 1: TNG QUAN V PHÂN LOI HÌNH NH. 4 1.1. Tng quan v phân loi hình nh. 4 1.1.1. Gii thiu v bài toán phân loi. 4 1.1.2. Tng quan. 4 1.2. Quy trình phân loi nh. 9 CHNG
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 (Trang 25)
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 (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 (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 (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 (Trang 35)
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 (Trang 40)
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 (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) (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) (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 (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 (Trang 56)