Luận văn thạc sĩ công nghệ thông tin Nghiên cứu phương pháp truy vấn ảnh theo đặc trưng hình dạng

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC LẠC HỒNG _ NGUYỄN HỒNG PHÚC NGHIÊN CỨU PHƯƠNG PHÁP TRUY VẤN ẢNH THEO ĐẶC TRƯNG HÌNH DẠNG LUẬN VĂN THẠC SĨ CƠNG NGHỆ THÔNG TIN Đồng Nai, Năm 2013 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC LẠC HỒNG NGUYỄN HỒNG PHÚC NGHIÊN CỨU PHƯƠNG PHÁP TRUY VẤN ẢNH THEO ĐẶC TRƯNG HÌNH DẠNG Chun ngành: CƠNG NGHỆ THƠNG TIN Mã số: 60480201 LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS ĐỖ NĂNG TỒN Đồng Nai, Năm 2013 LỜI CẢM ƠN Tơi xin chân thành cảm ơn PGS.TS Đỗ Năng Toàn, Thầy tận tình giúp đỡ, hướng dẫn đóng góp ý kiến cho tơi suốt q trình thực nội dung đề tài luận văn Tôi xin chân thành cảm ơn Quý thầy cô thuộc Khoa Công nghệ Thông tin Trường Đại học Lạc Hồng, Quý thầy cô mơn tận tình giảng dạy, truyền đạt cho tơi kiến thức quý báu trình học tập Tơi xin chân thành cảm ơn Q thầy phịng Sau đại học - Trường Đại học Lạc Hồng, đồng nghiệp bạn học lớp Cao học Công nghệ thơng tin khố - Trường Đại học Lạc Hồng hỗ trợ, tạo điều kiện thuận lợi đóng góp ý kiến thiết thực cho tơi suốt trình học tập đặc biệt giúp luận văn tơi hồn thiện Cuối cùng, tơi muốn gửi lời cảm ơn đến gia đình, người thân yêu bên cạnh động viên tơi suốt q trình học tập thực đề tài luận văn Đồng Nai, ngày 26 tháng năm 2013 Nguyễn Hồng Phúc LỜI CAM ĐOAN Tôi xin cam đoan nội dung luận văn cơng trình nghiên cứu độc lập thân Các số liệu, kết trình bày luận văn trung thực Những tư liệu sử dụng luận văn có nguồn gốc trích dẫn rõ ràng, đầy đủ Tác giả Nguyễn Hồng Phúc TÓM TẮT LUẬN VĂN Tên đề tài luận văn: NGHIÊN CỨU PHƯƠNG PHÁP TRUY VẤN ẢNH THEO ĐẶC TRƯNG HÌNH DẠNG Học viên thực hiện: Nguyễn Hồng Phúc Sinh ngày: 19/08/1980 Người hướng dẫn khoa học: PGS.TS Đỗ Năng Toàn Mục tiêu luận văn: Hiểu rõ lý thuyết xử lý ảnh thuật toán để giải toán truy vấn ảnh theo đặc trưng hình dạng Xây dựng tốn truy vấn ảnh biển báo giao thông đường ứng dụng nhỏ để giải toán Nội dung thực hiện: - Tìm hiểu khái quát xử lý ảnh số phương pháp truy vấn ảnh nghiên cứu; - Nghiên cứu trích chọn theo đặc trưng hình dạng số phương pháp áp dụng truy vấn theo đặc trưng hình dạng; - Xây dựng tốn, thiết kế, phát triển chương trình thử nghiệm; - Xây dựng báo cáo sơ hoàn chỉnh báo cáo Phương pháp thực hiện: - Nghiên cứu nội dung lý thuyết xử lý ảnh giáo trình “Xử lý ảnh” PGS TS Đỗ Năng Toàn TS Phạm Việt Bình, năm 2008 - Nghiên cứu tài liệu mạng, sách luận văn thạc sĩ truy vấn ảnh theo nội dung, màu sắc, cấu trúc - Nghiên cứu đặc điểm, đặc trưng theo hình dạng ảnh - Nghiên cứu phương pháp trích chọn theo đặc trưng hình dạng thực tốn sau:  Đọc ảnh phân vùng ảnh kỹ thuật dị biên gián tiếp đơn giản  Chuẩn hố kích thước, chuyển sang ma trận số phức dùng hàm FFT để tạo vecto đặc trưng 256 chiều  So sánh vector đặc trưng ảnh thu nhận ảnh sở liệu dựa khoảng cách Euclide để tìm danh sách ảnh có sai khác nhỏ - Thiết kế, phát triển cài đặt thử nghiệm chương trình ứng dụng Kết đạt được: - Trình bày khái quát xử lý ảnh số phương pháp truy vấn ảnh - Trình bày trích chọn đặc trưng hình dạng số phương pháp tiếp cận truy vấn theo đặc trưng hình dạng - Bài tốn chương trình thử nghiệm Hướng phát triển tiếp theo:  Phát triển thành chương trình truy vấn ảnh kết hợp nhiều đặc điểm  Cài đặt kỹ thuật tăng hiệu hệ thống cách giảm số chiều véctơ đặc trưng  Tích hợp, phát triển thành ứng dụng có khả cài đặt thiết bị báo tự động tham gia giao thông  Mở rộng nghiên cứu số lĩnh vực liên quan giao thông đường sắt MỤC LỤC DANH MỤC TỪ VIẾT TẮT DANH MỤC HÌNH PHẦN MỞ ĐẦU Chương 1: KHÁI QUÁT VỀ TRUY VẤN ẢNH VÀ TRUY VẤN DỰA VÀO HÌNH DẠNG 1.1 Khái quát truy vấn ảnh Trang 04 1.1.1 Giới thiệu chung Trang 04 1.1.2 Một số phương pháp truy vấn ảnh Trang 07 1.1.2.1 Truy vấn ảnh theo thể Trang 07 1.1.2.2 Truy vấn ảnh theo nội dung Trang 09 1.1.2.3 Truy vấn ảnh theo đồ thị Trang 10 1.2 Mơ hình hệ thống truy vấn ảnh theo nội dung Trang 10 1.2.1 Không gian màu Trang 11 1.2.2 Các moment màu Trang 12 1.2.3 Lược đồ màu (histogram màu) Trang 13 1.2.4 Véctơ gắn kết màu Trang 15 1.2.5 Sơ đồ tương quan màu Trang 15 1.2.6 Các đặc điểm bất biến màu Trang 16 1.2.7 Một số phương pháp truy vấn ảnh Trang 17 1.2.7.1 Truy vấn ảnh theo hình dạng Trang 17 1.2.7.2 Truy vấn ảnh theo nội dung Trang 18 1.2.7.3 Truy vấn ảnh theo đối tượng Trang 19 1.2.7.4 Truy vấn ảnh kết hợp với máy học Trang 19 Chương 2: MỘT SỐ VẤN ĐỀ TRONG TRUY VẤN ẢNH DỰA VÀO HÌNH DẠNG 2.1 Trích chọn đặc trưng hình dạng Trang 22 2.1.1 Biên phương pháp phát biên Trang 23 2.1.1.1 Phương pháp phát biên trực tiếp Trang 23 2.1.1.2 Phương pháp phát biên gián tiếp Trang 28 2.1.2 Xử lý ảnh miền tần số biến đổi Fourier Trang 31 2.1.3 Mô tả Fourier Trang 35 2.1.4 Các bất biến moment Trang 37 2.1.5 Các hàm xoay/góc xoay Trang 38 2.1.6 Độ tròn, độ lệch tâm hướng trục Trang 39 2.2 Đánh giá độ tương tự xây dựng sơ đồ đánh số Trang 39 2.2.1 Đánh giá độ tương tự Trang 39 2.2.2 Xây dựng sơ đồ đánh số Trang 42 2.3 Tương tác với người sử dụng Trang 46 2.3.1 Đặc tả truy vấn Trang 47 2.3.2 Xử lý phản hồi Trang 48 Chương 3: TRUY VẤN BIỂN BÁO GIAO THÔNG DỰA VÀO HÌNH DẠNG 3.1 Bài tốn Trang 50 3.2 Phân tích tốn Trang 51 3.3 Xây dựng chương trình query traffic signs Trang 56 3.3.1 Sơ đồ khối tổng quát truy vấn theo hình dạng Trang 56 3.3.1.1 Đọc ảnh Trang 57 3.3.1.2 Dò biên đối tượng ảnh Trang 57 3.3.1.3 Resample Trang 57 3.3.1.4 Biến đổi Fourier nhanh Trang 58 3.3.1.5 Tạo Vector đặc trưng hình dạng cho ảnh Trang 59 3.3.1.6 So sánh tính khoảng cách Euclide Trang 60 3.3.2 Sử dụng chương trình Query Trafic Signs Trang 60 3.3.2.1 Cài đặt chương trình Trang 60 3.3.2.2 Chạy chương trình Trang 61 3.3.2.3 Các kịch thử nghiệm Trang 61 3.3.3 Nhận xét kết thử nghiệm Trang 67 3.4 Khả mở rộng chương trình Trang 68 3.4.1 Những hạn chế chương trình Trang 68 3.4.2 Khả mở rộng Trang 69 KẾT LUẬN Trang 70 TÀI LIỆU THAM KHẢO DANH MỤC TỪ VIẾT TẮT Chữ tắt Dạng đầy đủ Nghĩa tiếng Việt CCD Charge Coupled Device CCV Color Cohefeence Vector CSDL … FFT Fast Fourier transform KL Kullback-Leibler Độ phân kỳ Kullback-Leibler KLo Karhumen-Loeve Phép biến đổi Karhumen-Loeve PCA Principal Component Analysis Phân tích thành phần QBIC Query By Image Content Truy vấn theo nội dung ảnh WWW World Wide Web Thiết bị tích điện kép Vector gắn kết màu Cơ sở liệu Biến đổi Fourier nhanh … 58 Có nhiều cách để xây dựng thủ tục Resample, có phương pháp thông dụng [8]: Nearest Neighbor: điểm ảnh sinh dựa vào thông tin điểm ảnh phía điểm ảnh mới, phương pháp resample nhanh độ xác thấp (trong phương pháp) Bilinear: lấy thông tin từ điểm ảnh phía bên cạnh điểm ảnh Chất lượng ảnh tốt so với phương pháp Nearest Neighbor Bicubic: Là phương pháp xác thơng tin điểm ảnh suy từ điểm ảnh xung quanh Trong chương trình chúng tơi sử dụng phương pháp đơn giản Nearest Neighbor Kích thước mảng liệu đầu 256×256 phần tử 3.3.1.4 Biến đổi Fourier nhanh: Hàm biến đổi FFT cải tiến từ chương trình Randy Crane liệt kê "A Simplified Approach to Image Processing" [17] Đầu vào ma trận số phức chiều sinh từ ma trận điểm ảnh đọc cách gán phần ảo tất số phức 0, phần thực gán giá trị điểm ảnh Đầu ma trận số phức hai chiều biểu diễn khai triển Fourier ma trận đầu vào Trong hàm FFT chiều (hàm twoD_FFT() ), hàng ma trận đầu vào biến đổi Fourier hàm biến đổi 1chiều (hàm oneD_FFT() ), sau tính FFT chiều cho cột Hai hàm sở để xây dựng oneD_FFT Scramble() Butterflies() Trong Scramble() sử dụng để xếp lại dãy đầu vào theo thứ tự đảo bit, cịn hàm Butterflies() thuật tốn sở, gọi đệ qui để tính FFT 59 3.3.1.5 Tạo véctơ đặc trưng hình dạng cho ảnh: Véctơ đặc trưng ảnh vector 256 chiều, chứa 256 giá trị số double double* m_Signature; m_Signature = new double[256]; Hàm sinh chữ ký GenerateSignature(): Đầu vào: Ma trận vng kích thước 256x256 số phức (sinh hàm biến đổi FFT chiều twoD_FFT()) biểu diễn ảnh miền tần số Đầu ra: vector chữ ký 256 chiều mảng 256 số double signature ảnh Thuật tốn: Tính modul (magnitude) phần tử mảng hai chiều 256x256 phần tử theo công thức: Magnitude (i, j )  Re(i, j )  Im(i, j ) (3.2) đó: Magnitude(i,j) modul số phức vị trí hàng i, cột j ma trận, Re(i,j) phần thực số phức vị trí hàng i cột j, Im(i,j) phần áo số phức vị trí hàng i, cột j Chia ảnh đầu vào thành khối kích thước 16x16 Khởi tạo mảng image_Signature[] gồm 256 phần tử Tính signature cho khối theo công thức: block _ Signature  15 15  Mag(iBlockRow  i), (iBlockCol  j) (3.3) i 0 j 0 Trong đó: block_Signature giá trị signature khối, iBlockRow (0 - 255) số hàng phần tử khối, iBlockCol (0 - 255) số cột phần tử khối, i hàng phần tử khối (i = 0, ,15) , j 60 số cột phần tử khối (j = 0, ,15) Mag[i,j] modul số phức vị trí hàng i, cột j ma trận đầu vào Lưu block_Signature lưu vào mảng image_Signature[]; Sau tính xong signature cho 256 khối, tiến hành chuẩn hóa mảng image_Signature[] 3.3.1.6 So sánh ảnh cách tính khoảng cách Euclide: Khoảng cách ảnh Query_Image ảnh Found_Image định nghĩa khoảng cách Euclide hai chữ ký query_Signature[] found_Signature[] theo công thức: diff  255  ( found _ Signature[i]  query _ Signature[i]) (3.4) i 0 Khoảng cách diff nhỏ hai ảnh coi giống 3.3.2 Sử dụng chương trình Query Trafic Signs: 3.3.2.1 Cài đặt chương trình: - Chép file “ MSVBVM50.DLL” vào thư mục hệ thống Windows, Windows 64 bit chép vào thư mục “C:\Windows\SysWOW64”, Windows 32 bit chép vào thư mục “C:\Windows\System32” - Tạo thư mục “source” chứa ảnh biển báo giao thông mẫu cần so sánh - Tạo thư mục “target” chứa ảnh biển báo giao thông thu thập qua khâu tiền xử lý loại bỏ nhiễu mơi trường bên ngồi ánh sáng, góc nhìn, mơi trường xung quanh che phần biển báo… - Giới hạn danh sách kết tìm kiếm ảnh liệt kê theo thứ tự tăng dần cách Euclid 02 ảnh - Đặt ngưỡng cho khoảng cách so sánh 02 ảnh (khoảng cách Euclid) để giới hạn kết tìm kiếm, ngưỡng =0.000461 61 3.3.2.2 Chạy chương trình: - Khởi động chương trình, chọn file ảnh thu nhận thư mục “target”, ảnh hiển thị ô khung "Sample Image" - Nhấn nút Find, chương trình yêu cầu người dùng chọn thư mục chứa file ảnh mẫu lưu làm CSDL mẫu Chương trình sau liệt kê tất ảnh có khoảng cách Euclide nhỏ giá trị ngưỡng theo thứ tự tăng dần khoảng cách Euclide, ảnh coi giống xếp trước Khi chọn ảnh danh sách ảnh tìm thấy (Found Image List), chương trình hiển thị ảnh khung Retrieved Image 3.3.2.3 Các kịch thử nghiệm: * Hai ảnh có kích thước: (kịch 01) - Trong thư mục “target” chọn ảnh “104.gif” - Kết tìm kiếm thư mục “source” sau: - Kết tìm kiếm gồm 05 ảnh có khoảng cách Euclid lớn 0.000443, kết sau: + Kết 01: có khoảng cách Euclid =0 hình tìm giống với hình thu nhận 62 (Nguồn từ ứng dụng Query Trafic Signs) Hình 3.5: Kết 01 sau chạy thử ứng dụng theo kịch 01 + Kết 02: có khoảng cách Euclid =0.000355 hình tìm hình “112.gif “ bảng cấm người (Nguồn từ ứng dụng Query Trafic Signs) Hình 3.6: Kết 02 sau chạy thử ứng dụng theo kịch 01 63 + Kết 03: có khoảng cách Euclid =0.000439 hình tìm hình “106.gif” bảng cấm cấm xe tải Nguồn từ ứng dụng Query Trafic Signs) Hình 3.7: Kết 03 sau chạy thử ứng dụng theo kịch 01 * Ảnh thu nhận ảnh mẫu khác kích thước: (kịch 02) - Trong thư mục “target” chọn ảnh “aaa.gif” - Kết tìm kiếm thư mục “source” sau: - Kết tìm kiếm gồm 04 ảnh có khoảng cách Euclid lớn 0.000459, kết sau: + Kết 01: có khoảng cách Euclid =0.000187 hình tìm giống với hình thu nhận “104.gif” 64 (Nguồn từ ứng dụng Query Trafic Signs) Hình 3.8: Kết 01 sau chạy thử ứng dụng theo kịch 02 + Kết 02: có khoảng cách Euclid =0.000356 hình tìm hình “112.gif “ bảng cấm người (Nguồn từ ứng dụng Query Trafic Signs) Hình 3.9: Kết 02 sau chạy thử ứng dụng theo kịch 02 65 + Kết 03: có khoảng cách Euclid =0.000458 hình tìm hình “106.gif” bảng cấm cấm xe tải (Nguồn từ ứng dụng Query Trafic Signs) Hình 3.10: Kết 03 sau chạy thử ứng dụng theo kịch 02 * Ảnh thu nhận có phần bị nhiễu: (kịch 03) - Trong thư mục “target” chọn ảnh “104.gif” - Kết tìm kiếm thư mục “source” sau: - Kết tìm kiếm gồm 05 ảnh có khoảng cách Euclid lớn 0.000447, kết sau: + Kết 01: có khoảng cách Euclid =0.000025 hình tìm giống với hình thu nhận “104.gif” sau loại bỏ nhiễu 66 (Nguồn từ ứng dụng Query Trafic Signs) Hình 3.11: Kết 01 sau chạy thử ứng dụng theo kịch 03 + Kết 02: có khoảng cách Euclid =0.000357 hình tìm hình “112.gif “ bảng cấm người (Nguồn từ ứng dụng Query Trafic Signs) Hình 3.12: Kết 02 sau chạy thử ứng dụng theo kịch 03 67 + Kết 03: có khoảng cách Euclid =0.000439 hình tìm hình “106.gif” bảng cấm cấm xe tải (Nguồn từ ứng dụng Query Trafic Signs) Hình 3.13: Kết 03 sau chạy thử ứng dụng theo kịch 03 3.3.3 Nhận xét kết thử nghiệm: Ảnh 104.gif 112.gif 106.gif Kịch 01 0.000000 0.000187 0.000025 02 0.000355 0.000356 0.000357 03 0.000439 0.000458 0.000439 Qua 03 kịch thử nghiệm tìm kiếm ứng dụng cụ thể kiểm tra thuật tốn truy vấn theo hình dạng, có số nhận xét sau: - Đối với kịch 01, kết tìm kiếm xác kết hoàn toàn giống với với ảnh thu thập (khoảng cách Euclid=0) ảnh liệt kê khác gần giống với ảnh thu thập (theo nhìn trực quan) - Đối với kịch 02, kết tìm kiếm xác, kết hoàn toàn giống với với ảnh thu thập khoảng cách Euclid lúc 68 khác ảnh liệt kê hoàn toàn giống với kịch tìm kiếm số 01 - Đối với kịch 03, kết tìm kiếm xác, kết hoàn toàn giống với với ảnh thu thập khoảng cách Euclid lúc khác ảnh liệt kê hồn tồn giống với kịch tìm kiếm số 01 02 - Đối với ảnh thu nhận thuộc phạm vi biển báo theo đầu tốn (đã qua xử lý khử nhiễu) tìm kiếm 100% cho kết Đối với ảnh chưa qua tiền xử lý đề xuất hướng nghiên cứu Như vậy, qua 03 kịch tìm kiếm, có số đánh giá sơ lược sau: - Thuật tốn tìm kiếm có phụ thuộc vào kích thước ảnh (khoảng cách Euclid 02 ảnh giống khác kích thước khác 0) việc đưa 02 ảnh kích thước trước thực biến đổi cho kết tìm kiếm 02 kịch hồn tồn giống - Ảnh thu nhận có bị nhiễu bên (như kịch số 03) hay nhiễu mà cịn nhìn kỹ hình dạng ảnh thu nhận (trường hợp nhiễu bên ngồi ảnh khơng nghiên cứu nội dung này) không ảnh hưởng nhiều đến kết tìm kiếm 3.4 Khả mở rộng chƣơng trình: 3.4.1 Những hạn chế chương trình: Chương trình giới thiệu đưa thuật tốn đơn giản để trích chọn đặc điểm (sinh véctơ đặc trưng) nên chắn cho kết so sánh tốt Trong thực tế, việc thu nhận ảnh bị ảnh hưởng đến nhiều yếu tố thời tiết, ánh sáng, góc nhìn, tầm nhìn…và tồn nhiều vectơ đặc trưng khác, cần áp dụng phương pháp để xử lý tổng hợp cho kết truy vấn xác 69 Các ảnh ban đầu giả sử xử lý “sơ chế” loại lọc nhiễu yêu cầu định dạng đơn giản nên phạm vi so sánh bị hạn chế Chương trình thiết lập kích thước cố định cho ảnh trước xử lý 256×256, kích thước khối 16×16, số chiều vector đặc trưng 256 làm hạn chế tính mềm dẻo chương trình 3.4.2 Khả mở rộng: Kỹ thuật “tra cứu ảnh theo nội dung” có nhiều hướng nghiên cứu phát triển tạo thuật toán hiệu làm cho máy tính “hiểu” nội dung ảnh Chúng ta hồn tồn xây dựng thuật tốn tốt để trích chọn đặc điểm đặc trưng khác màu sắc, kết cấu, không gian đối tượng ảnh để phát triển cho toán nhận dạng vật thể Thuật tốn resample chương trình sử dụng phương pháp đơn giản để thực nội suy, sử dụng thuật tốn cho độ xác cao chắn cải thiện đáng kể chất lượng chương trình Sử dụng phương pháp làm giảm số chiều véctơ đặc trưng làm tăng đáng kể tốc độ tra cứu Đối với hệ thống máy tính có trang bị nhiều vi xử lý có xử lý lõi kép xây dựng thuật tốn cho phép phân phối tác vụ cho nhiều vi xử lý đồng thời giải pháp tốt để tăng tốc độ tra cứu Sử dụng phương pháp tính tốn độ tương tự phù hợp cho loại đặc điểm để có kết so sánh gần với trực giác 70 KẾT LUẬN Bản luận văn trình bày vài kỹ thuật tảng hệ thống tra cứu ảnh theo nội dung bao gồm mô tả nội dung trực quan, đánh giá độ tương tự, sơ đồ đánh số, giao tiếp với người sử dụng đánh giá hiệu hệ thống, nhấn mạnh vào kỹ thuật mơ tả đặc điểm trực quan Các đặc điểm trực quan tổng quát sử dụng nhiều hệ tra cứu ảnh theo nội dung hình dạng thơng tin khơng gian Hình dạng biểu diễn thống qua bất biến moment, hàm xoay, mơ tả Fourier, độ trịn, độ lệch tâm, hướng trục Ngồi ra, đặc điểm trực quan điểm ảnh lại sử dụng để phân tách ảnh thành vùng đồng đối tượng ảnh Các đặc điểm cục vùng ảnh đối tượng ảnh dùng hệ thống tra cứu ảnh theo vùng Có nhiều cách để đánh giá khoảng cách đặc điểm trực quan, số cách sử dụng phổ biến khoảng cách Minkowski, khoảng cách toàn phương, khoảng cách Mahalanobis, độ phân kỳ Kullback-Leibler độ phân kỳ Jeffrey Đến thời điểm phương pháp tính khoảng cách Minkowski khoảng cách toàn phương sử dụng rộng rãi Mặc dù kỹ thuật tra cứu ảnh theo nội dung đưa giải pháp thơng minh tự động để tìm kiếm ảnh cách hiệu vấn đề kỹ thuật dựa đặc điểm mức thấp Nói chung, đặc điểm mức thấp phản ánh đựơc khía cạnh ảnh Ngoài đánh giá độ tương tự đặc điểm trực quan lại chưa liên quan đến đặc điểm sinh lý thị giác người Người sử dụng thường quan tâm đến giống ngữ nghĩa nên kết truy vấn dựa đặc điểm mức thấp thường không thoả mãn u cầu nói chung khó đốn trước 71 Phần cuối luận văn đưa áp dụng cụ thể cho phương pháp tra cứu ảnh theo đặc trưng hình dạng Những vấn đề đƣợc giải luận văn: - Giới thiệu xử lý ảnh phương pháp tra cứu ảnh - Giới thiệu đặc trưng hình dạng hướng tiếp cận truy vấn ảnh theo đặc trưng hình dạng - Áp dụng phương pháp tra cứu ảnh theo đặc trưng hình dạng vào tốn tìm kiếm biển báo giao thơng theo đặc điểm hình dạng Những vấn đề cịn tồn tại: Do thời gian tìm hiểu đề tài chưa nhiều hạn chế khả lập trình đồ hoạ nên số mục tiêu đặt từ bắt tay nghiên cứu chưa thực chương trình chạy thử này, bao gồm: - Chưa xây dựng khâu tiền xử lý ảnh để loại nhiễu thu nhận ảnh thực tế từ thiết bị thu nhận ảnh - Chưa có chức truy vấn ảnh cách kết hợp nhiều đặc điểm - Chưa cài đặt kỹ thuật đánh số hiệu đề cập phần luận - Chưa cài đặt kỹ thuật tăng hiệu hệ thống cách giảm số chiều véctơ đặc trưng Trong thời gian tới, hy vọng giải vấn đề cịn tồn để xây dựng chương trình thực hữu ích, đáp ứng yêu cầu toán 72 ... Tìm hiểu khái quát xử lý ảnh số phương pháp truy vấn ảnh nghiên cứu; - Nghiên cứu trích chọn theo đặc trưng hình dạng số phương pháp áp dụng truy vấn theo đặc trưng hình dạng; - Xây dựng tốn, thiết... thời giới thiệu mơ hình hệ thống truy vấn ảnh theo nội dung có số phương pháp như: truy vấn ảnh theo hình dạng, truy vấn ảnh theo nội dung, truy vấn ảnh theo đối tượng, truy vấn ảnh kết hợp với... truy vấn ảnh theo nội dung, màu sắc, cấu trúc - Nghiên cứu đặc điểm, đặc trưng theo hình dạng ảnh - Nghiên cứu phương pháp trích chọn theo đặc trưng hình dạng thực toán sau:  Đọc ảnh phân vùng ảnh