Nghiên cứu một số kỹ thuật xử lý video và ứng dụng vào xây dựng phần mềm giám sát, quản lý tự động các trang trại

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ  PHẠM TRẦN THIỆN NGHIÊN CỨU MỘT SỐ KỸ THUẬT XỬ LÝ VIDEO VÀ ỨNG DỤNG VÀO XÂY DỰNG PHẦN MỀM GIÁM SÁT, QUẢN LÝ TỰ ĐỘNG CÁC TRANG TRẠI Ngành: Công Nghệ Thông Tin Chuyên ngành: Công Nghệ Phần Mềm Mã số: 60 48 10 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC TS Phạm Việt Bình Hà Nội - 2008 MỤC LỤC MỞ ĐẦU Chương 1:- TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ VIDEO 1.1 Tổng quan xử lý ảnh 1.1.1 Xử lý ảnh sơ đồ tổng quát 1.1.2 Một số vấn đề xử lý ảnh 10 1.1.2.1 Các khái niệm xử lý ảnh 10 1.1.2.2 Các kỹ thuật xử lý ảnh 14 1.2 Tổng quan xử lý Video Error! Bookmark not defined 1.2.1 Sơ lược Video Error! Bookmark not defined 1.2.2 Các dạng chuẩn kiến trúc Video Error! Bookmark not defined 1.2.2.1 Video tương tự Error! Bookmark not defined 1.2.2.2 Video số Error! Bookmark not defined 1.2.2.3 Thuật toán chuyển đổi Cosine rời rạc nén ảnh Error! Bookmark not defined 1.2.2.4 Bù chuyển động Error! Bookmark not defined Chương 2:- CÁC KỸ THUẬT ĐÁNH GIÁ VẬN ĐỘNG CỦA ĐỐI TƯỢNG TRONG VIDEO Error! Bookmark not defined 2.1 Kỹ thuật bắt đối tượng chuyển động Error! Bookmark not defined 2.1.1 Kỹ thuật trừ ảnh Error! Bookmark not defined 2.1.2 Kỹ thuật trừ (Background Subtraction) Error! Bookmark not defined Phương pháp Heikkila Olli Error! Bookmark not defined Bộ trộn thích nghi Gaussians Error! Bookmark not defined Pfinder Error! Bookmark not defined W4 Error! Bookmark not defined LOTS Error! Bookmark not defined Halevy Error! Bookmark not defined Cutler Error! Bookmark not defined Wallflower Error! Bookmark not defined 2.2 Các thuật toán đánh giá vận động đối tượng Video Error! Bookmark not defined 2.2.1 Sự quan trọng đánh giá chuyển động xử lý ảnh Error! Bookmark not defined Thông tin chuyển động Error! Bookmark not defined 2.2.2 Các hướng tiếp cận để đánh giá chuyển động Error! Bookmark not defined 2.2.3 Một số vấn đề liên quan đánh giá chuyển động Error! Bookmark not defined Điều kiện so khớp Error! Bookmark not defined Vấn đề khung trọn vẹn Error! Bookmark not defined Thuật toán loại trừ liên tục Error! Bookmark not defined Thuật toán theo dõi thay đổi cửa sổ Error! Bookmark not defined Thuật toán Modified Window Follower Error! Bookmark not defined 2.2.4 Các phương pháp đánh giá chuyển động Error! Bookmark not defined 2.2.4.1 Lucas – Kadane Error! Bookmark not defined 2.2.4.2 Phương pháp phát chuyển động trội Error! Bookmark not defined 2.2.4.3 Phương pháp đánh giá vận động toàn diện Error! Bookmark not defined Chương 3:- KẾT QUẢ VÀ THỰC NGHIỆM Error! Bookmark not defined 3.1 Một số đặc điểm hành vi liên quan đến bệnh tật động dục bò sữa Error! Bookmark not defined 3.2 Sơ lược qui trình thiết kế phần mềm ứng dụng Error! Bookmark not defined 3.3 Cài đặt kỹ thuật liên quan Error! Bookmark not defined 3.3.1 Thiết bị quan sát lưu trữ Error! Bookmark not defined 3.3.2 Ngôn ngữ cài đặt Error! Bookmark not defined 3.3.3 Các lớp khai báo sử dụng chương trình Error! Bookmark not defined 3.3.4 Một số lớp dll truy xuất từ window Error! Bookmark not defined 3.3.5 Phát đánh dấu chuyển động đối tượng Error! Bookmark not defined 3.3.6 Thuật toán trừ Error! Bookmark not defined 3.3.6.1 Phát đối tượng chuyển động dựa theo hướng tiếp cận trừ khung hình liền kề Error! Bookmark not defined 3.3.6.2 Phát đối tượng chuyển động theo hướng tiếp cận kết hợp Error! Bookmark not defined 3.3.7 Thuật toán phát vận động toàn diện đối tượng Error! Bookmark not defined 3.3.8 Chương trình cài đặt Error! Bookmark not defined KẾT LUẬN 71 TÀI LIỆU THAM KHẢO 72 PHỤ LỤC 73 MỞ ĐẦU Trong kỷ 21, phát triển công nghệ thông tin đẩy nhanh phát triển nhiều lĩnh vực đời sống xã hội Với phát triển nhanh chóng phần cứng máy tính thiết bị liên quan phương diện thu nhận hiển thị mở nhiều hướng cho phát triển phần mềm Trong số phải kể đến lĩnh vực giám sát tự động Ngày nay, lĩnh vực nhiều người quan tâm, nghiên cứu Các vấn đề liên quan đến giám sát tự động như: dự đoán, cảnh báo đối tượng đột nhập; dự đoán, cảnh báo tượng tự nhiên; dự đoán, cảnh báo hành vi người, loài vật,… thông qua hệ thống camera giám sát Đây lĩnh vực gần gũi cấp thiết nhu cầu sống người Từ liệu thu qua camera quan sát dạng video lưu trữ máy tính tiến hành tìm hiểu, nghiên cứu vấn đề liên quan đến để từ đưa phương pháp, thuật toán cài đặt phần mềm ứng dụng cho vấn đề nghiên cứu Với tiến lưu trữ liệu video thiết bị công nghệ máy tính, nhiều ứng dụng liên quan đến hệ thống thông tin video ngày trội Video phương tiện với độ phức tạp cao Nó có đặc trưng thời gian không gian Thông tin liên quan đến vị trí, khoảng cách, mối quan hệ thay đổi thời gian không gian bao hàm hoàn toàn liệu video Để khai thác tốt thông tin liệu video cần tìm hiểu, nghiên cứu nhiều vấn đề liên quan đến phân tích, đánh giá thông tin liệu video xây dựng thuật toán cho xử lý vấn đề Video dãy khung ảnh, khung ảnh thay đổi qua thời gian theo không gian Tuy nhiên, việc trích xuất so sánh ngữ cảnh video hệ thống thông tin video vấn đề quan trọng cần giải Hiện thời đại hậu PC (personal computer) sau giai đoạn phát triển máy tính lớn (mainframe) 1960-1980, phát triển PC-Internet giai đoạn 1980-2000 Dự đoán từ năm 2000 đến 2020 giai đoạn môi trường thông minh mà hệ thống nhúng (embedded systems) cốt lõi làm nên sóng đổi công nghệ thông tin giám sát tự động Một thực tế khách quan thị trường hệ thống nhúng lớn gấp khoảng 100 lần thị trường PC, nhìn thấy bề công nghệ thông tin hệ thống sử dụng PC Internet phần chìm công nghệ thông tin chiếm 99% số vấn đề toàn cầu nằm hệ nhúng biết đến [7] Lĩnh vực giám sát tự động phát triển công nghệ lĩnh vực phần mềm liên quan Nhưng để ứng dụng giám sát tự động có kết tốt cần phải có hệ thống kỹ thuật, phương pháp, thuật toán liên quan đến xử lý nhận dạng ảnh kỹ thuật số video, để từ xây dựng nên phần mềm kết hợp với thiết bị vấn đề giám sát tự động Ngày nay, giới có nhiều thành tựu sản phẩm ứng dụng liên quan đến xử lý nhận dạng video lĩnh vực giám sát tự động như: giám sát chống trộm; giám sát, cảnh báo cháy rừng; giám sát, cảnh báo tình trạng ngủ gật tài xế lái xe tải; số nghiên cứu liên quan đến nhận diện hành vi người, loài vật, Hiện nước ta, nông nghiệp đà phát triển, khuyến khích áp dụng công nghệ vào nông nghiệp để nâng cao hiệu sản xuất, lao động, giảm bớt thao tác thủ công Bên cạnh đó, mở rộng quy mô trang trại lớn, đặc biệt trang trại chăn nuôi bò sữa, với diện tích rộng, qui mô lớn, nhân công nhiều,…Điều đặt yêu cầu vấn đề giám sát Xuất phát từ thực tế này, vấn đề nghiên cứu kĩ thuật xử lý video quan sát ứng dụng cài đặt phần mềm liên quan để hỗ trợ tốt cho công việc giám sát tình hình trang trại chăn nuôi bò sữa cần thiết Trong đó, vấn đề liên quan đến xử lý nhận dạng video giám sát tự động phục vụ cho nhu cầu phát cảnh báo số hành vi bất thường bò sữa phát dấu hiệu bất thường bò sữa trang trại với dấu hiệu, động dục, sinh nở, ốm đau thông qua việc giám sát tự động camera Với nhu cầu trên, hướng dẫn TS Phạm Việt Bình tiến hành thực đề tài “Nghiên cứu số kỹ thuật xử lý Video ứng dụng vào xây dựng phần mềm giám sát, quản lý tự động trang trại” Trong khuôn khổ luận văn này, mục tiêu đề tài tìm hiểu nghiên cứu số kỹ thuật, phương pháp việc nhận diện, hiểu số hành động động vật để từ dự đoán hành vi động vật, cụ thể bò sữa Bước đầu xây dựng ứng dụng để áp dụng kỹ thuật, phương pháp tìm hiểu Để đạt mục tiêu trên, vấn đề cần giải đề tài gồm: + Nghiên cứu tổng quan xử lý ảnh, video, thao tác video ứng dụng + Nghiên cứu xây dựng số kỹ thuật xử lý ảnh áp dụng việc hiểu cử chỉ, hành vi động vật video + Nghiên cứu số phương pháp việc xây dựng phần mềm ứng dụng + Cài đặt ứng dụng giám sát cụ thể sử dụng kỹ thuật liên quan Chương 1:- TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ VIDEO 1.1 Tổng quan xử lý ảnh Trong công nghệ thông tin, xử lý ảnh đồ họa chiếm vị quan trọng đặc tính đầy hấp dẫn tạo nên phân biệt với lĩnh vực khác Chúng giới thiệu phương pháp kỹ thuật để tạo ảnh xử lý ảnh Trong thực tế 79% thông tin mà người thu nhận qua thị giác bắt nguồn từ ảnh [1] Ngày nay, xử lý ảnh lĩnh vực ngày phát triển mạnh mẽ có nhiều thành tựu minh chứng cho phát triển Điển hình, y học, xử lý ảnh số dùng để phát nhận dạng khối u, cải thiện ảnh X quang , nhận dạng đường biên mạch máu từ ảnh chụp mạch tia X Trong lĩnh vực khoa học kỹ thuật, xử lý ảnh có đóng góp quan trọng, đặc biệt lĩnh vực robot Robot thông minh ngày thiếu yếu tố xử lý ảnh, vấn đề nhận dạng đối tượng môi trường, từ việc nhận dạng giải nhiều toán tránh vật cản, dò đường Bên cạnh đó, xử lý ảnh góp phần quan trọng vào lĩnh vực an ninh như: quan sát cảnh báo tự động đối tượng đột nhập Góp phần vào lĩnh vực sản xuất như: giám sát cảnh báo tự động liên quan đến sản phẩm,… 1.1.1 Xử lý ảnh sơ đồ tổng quát Hệ thống xử lý ảnh số bao gồm phạm vi rộng kiến thức phần cứng, phần mềm sở lý thuyết Các bước xử lý ảnh số mô tả sơ đồ đây: Hình 1.1 Các bước xử lý ảnh số Thu thập ảnh: Trong hệ thống xử lý ảnh số, camera thiết bị quan trọng có chức quan sát thu nhận ảnh đầu vào hệ thống Nó thường coi hộp đen có trình biến đổi để chuyển ảnh thành dạng lưu trữ máy tính Các bước xử lý bao gồm phát sáng, thấu kính, sensor, phần tử quang điện số hoá, thành phần phối hợp nhằm đưa ảnh số cuối Điểm đặc biệt quan trọng nhận dạng ảnh đặc tính thời gian camera, trình xử lí ảnh có vai trò lấy mẫu hệ thống nhận dạng ảnh Ảnh số thu nhận cảm biến ảnh có khả biến thông tin cường độ sáng mức xám ảnh thực thành tín hiệu điện áp dạng analog Tín hiệu sau số hóa để trở thành tín hiệu số Cảm biến nhìn chung gồm thành phần Thành phần thứ tạo tín hiệu điện đầu tỉ lệ với mức lượng mà nhận Thành phần thứ số hóa, phần tử biến đổi tín hiệu tương tự thành tín hiệu số Tùy thuộc vào thành phần số hóa thực chất chuyển đổi ADC, có tín hiệu với số bit khác nhau: bit, 8bit, 10 bit, 12 bit , tương ứng ta ảnh có 16, 256 mức xám khác nhau, Tiền xử lý ảnh : Sau ảnh số thu thập dạng tín hiệu số, cần phải trải qua giai đoạn tiền xử lý Chức chủ yếu tiền xử lý cải thiện ảnh, nâng cao tính chất ảnh giúp cho trình xử lý sau thuận tiện Các công đoạn tiền xử lý là: nâng cao độ tương phản, lọc nhiễu Phân vùng ảnh: Bước trình xử lý phân vùng ảnh Ảnh sau cải thiện, trở nên thuận tiện cho việc phân ngưỡng phân vùng Nhiệm vụ phân ngưỡng phân vùng ảnh tách ảnh đầu vào thành đối tượng, vật thể riêng biệt Kết trình phân vùng ảnh, ta tập hợp điểm ảnh có liên kết với thành đối tượng, đánh số phân biệt, thuận tiện cho trình xử lý cao Đầu trình phân vùng ảnh pixel chưa lọc, bao gồm liên kết vùng tất điểm ảnh vùng Số liệu cần biến đổi thành dạng thích hợp cho máy tính xử lý Phân tích ảnh: giai đoạn xử lý bậc cao hệ thống xử lý ảnh số Ảnh sau phân vùng thành đối tượng riêng biệt, đánh số phân biệt, phân tích để phục vụ mục đích khác như: Xác định đặc trưng hình học đối tượng: dựa sở đối tượng xác định phân biệt, ta thực xác định đặc trưng hình học đối tượng đấy, như: vị trí, kích thước, hướng, số đối tượng hay mật độ đối tượng ảnh Đây đặc trưng dùng nhiều hệ thống thị giác máy (machine vision) Nhận dạng : đối tượng vật thể có hình dạng định, kí tự số, chữ cái, dấu vân tay, Ảnh sau phân vùng nhận dạng theo phương pháp định phương pháp neural, để tìm mẫu hình dạng mà đối tượng thuộc Để hướng dẫn hoạt động module xử lý, cần có hệ sở kiến thức để kiểm tra hoạt động tương tác module Hệ có nhiệm vụ kiểm soát hoạt động module xếp trình tự hoạt động chúng thời điểm, giải toán xung đột 1.1.2 Một số vấn đề xử lý ảnh 1.1.2.1 Các khái niệm xử lý ảnh Ảnh: Là tập hợp hữu hạn điểm ảnh kề Ảnh thường biểu diễn ma trận hai chiều, phần tử ma trận tương ứng với điểm ảnh - Ảnh nhị phân (đen trắng): ảnh có giá trị mức xám điểm ảnh biểu diễn bit (giá trị 1) Ví dụ biểu diễn ảnh nhị phân: 0  1  0 0  1 1 1 0  0  1 1 - Ảnh xám: giá trị mức xám điểm ảnh biểu diễn bit (giá trị từ đến 255) Ví dụ biểu diễn ảnh xám: 0  15  0 0  12 0 94 21 0 156 9   11 245 12 - Ảnh màu: thông thường, ảnh màu tạo nên từ màu tương ứng với màu đỏ (RED), xanh (GREEN), xanh lam (BLUE) Tất màu tự nhiêu tổng hợp từ thành phần màu theo tỷ lệ khác Điểm ảnh (pixel): Ảnh tự nhiên tín hiệu liên tục không gian giá trị độ sáng Để lưu trữ biểu diễn ảnh máy tính, người phải tiến hành biến đổi tín hiệu liên tục thành số hữu hạn tín hiệu rời rạc thông qua trình lượng tử hóa lấy mẫu thành phần giá trị độ sáng Một điểm ảnh giá trị biểu diễn cho mức xám hay cường độ ảnh vị trí sau biến đổi ảnh thành số hữu hạn tín hiệu rời rạc Mức xám: Là kết biến đổi tương ứng giá trị độ sáng điểm ảnh với giá trị số nguyên dương Tùy thuộc vào số giá trị biểu diễn mức xám mà điểm ảnh biểu diễn 1, 4, 8, 24 hay 32 bit Số lượng bit biểu diễn mức xám lớn chất lượng ảnh cao tốn dung lượng nhớ nhiều để lưu trữ cần hệ thống mạnh để xử lý Một số định dạng ảnh như: BMP (Bitmap): Là ảnh mô tả ma trận giá trị số xác định màu bảng màu điểm ảnh tương ứng hiển thị Ưu điểm ảnh Bitmap tốc độ vẽ tốc độ xử lý nhanh Nhược điểm kích thước lớn JPEG (Joint Photographic Experts Group): Đây định dạng ảnh hỗ trợ nhiều trình duyệt web Ảnh JPEG phát triển để nén dung lượng lưu trữ ảnh chụp, sử dụng tốt cho đồ họa có nhiều màu sắc, ví dụ ảnh chụp scan Tập tin ảnh JPEG ảnh Bitmap nén lại GIF (Graphics Interchange Format): Ảnh GIF phát triển dành cho ảnh có tính chất thay đổi Nó sử dụng tốt cho đồ họa có màu, ví dụ ảnh hoạt hình vẽ với nhiều đường thẳng WMF (Windows Metafiles): Là tập hợp lệnh GDI dùng để mô tả ảnh nội dung ảnh Có hai ưu điểm sử dụng ảnh WMF: kích thước tập tin WMF nhỏ phụ thuộc vào thiết bị hiển thị so với ảnh Bitmap Điểm ảnh lân cận: Mỗi frame ảnh thu biểu diễn dạng I(x,y) x,y tọa độ điểm ảnh frame I mức xám tương ứng điểm ảnh Như frame ảnh thu biểu diễn dạng ma trận chiều n x m với n số điểm ảnh hàng, m số hàng frame Mỗi điểm ảnh có lân cận xung quanh Nếu hiển thị điểm ảnh dạng ô vuông, điểm có chung biên với điểm lân cận, có chung góc với điểm lân cận khác Hai điểm lân cận gọi "liên kết 4" chúng có chung biên với nhau, "liên kết 8" chung góc chung biên với [i-1,j] [i,j-1] [i,j] [i,j+1] [i+1,j] (a) Liên kết [i-1,j-1] [i-1,j] [i-1,j+1] [i,j-1] [i,j] [i,j+1] [i+1,j-1] [i+1,j] [i+1,j+1] (b) Liên kết Hình 1.2 Những liên kết điểm ảnh Đường liên kết: Đường liên kết đường nối từ điểm ảnh [i1, j1] đến điểm ảnh [in,jn], qua chuỗi điểm ảnh [i1, j1 ], [i2, j2 ], , [ik, jk] ,[in,jn] điểm ảnh liên kết với điểm ảnh trước Từ ta có đường liên kết liên kết điểm ảnh liên kết liên kết (a) liên kết (b) liên kết Hình 1.3 Những kiểu đường liên kết điểm ảnh Mô hình màu: Là phương pháp diễn giải đặc tính tác động màu ngữ cảnh định Không có mô hình màu đầy đủ cho khía cạnh màu Người ta sử dụng mô hình màu khác để mô tả tính chất nhận biết khác màu Sau số mô hình màu điển hình: - Mô hình màu RGB: Mọi màu biểu diễn không gian màu RGB pha trộn thành phần màu (Red, Green, Blue) Mô hình màu RGB biểu diễn khối lập phương với trục R, G, B cách xám hóa ảnh màu RGB sau: mức xám = 0.299R+0.587G+0.114B mức xám = 0.333R+0.333G+0.333B Hình 1.4 Mô hình màu RGB Mô hình màu CMY: Gồm thành phần màu cyan, magenta, yellow Là bù màu không gian màu RGB Mối quan hệ hai không gian sau: C = 1.0 - R, M = 1.0 – G, Y = 1.0 – B Mô hình màu HSV: Mô hình màu HSV suy diễn từ mô hình màu RGB Nếu quan sát hình hộp RGB theo đường chéo từ white đến black ta có hình lục giác với: + Hue: Bước sóng gốc ánh sáng Trong mô hình hue biểu diễn từ 0o đến 360o + Value: Cường độ hay độ chiếu sáng Value có giá trị [0,1], V=0 màu đen, đỉnh lục giác có cường độ màu cực đại + Saturation: Thước đo độ tinh khuyết ánh sáng gốc S nằm khoảng [0,1] Biểu diễn tỷ lệ độ tinh khuyết màu chọn với độ tinh khuyết cực đại Hình 1.5 Mô hình màu HSV 1.1.2.2 Các kỹ thuật xử lý ảnh Toán tử cửa sổ: Trong việc thực thi thuật toán xử lý ảnh số bản, người ta thường sử dụng toán tử đặc biệt gọi toán tử cửa sổ Toán tử cửa sổ tập hợp có hình dạng định, gồm điểm ảnh có liên kết với điểm ảnh trung tâm, điểm ảnh xử lý Các phép toán điểm ảnh có ảnh hưởng đến điểm ảnh trung tâm điểm ảnh xử lý thuật toán xử lý ảnh Toán tử cửa sổ có nhiều hình dạng, tùy thuộc vào thuật toán thực Tuy nhiên thường dùng toán tử có dạng hình vuông với cạnh số lẻ, ví dụ:3x3, 5x5, 7x7 Tăng độ tương phản: Ảnh sau thu từ camera, tương phản ảnh sáng kém, dẫn đến độ chói cao, khó phân biệt Để cải thiện ảnh, hỗ trợ trình xử lý cao hơn, ta sử dụng phương pháp hiệu chỉnh: hiệu chỉnh min-max, hiệu chỉnh histogram, hiệu chỉnh Gamma, Ở ta sử dụng phương pháp hiệu chỉnh minmax dãn mức xám ảnh dải cho phép Công thức để nâng cấp ảnh theo hiệu chỉnh min-max: I I I new  old 256 , với Imax, Imin, Iold, Inew mức xám cao I max  I nhất, thấp nhất, trước sau thực hiệu chỉnh Phép cuộn mẫu: Giả sử ta có ảnh I, lược đồ mức xám I[M,N] mẫu T, lược đồ mức xám tương ứng T[m,n], ảnh I cuộn theo mẫu T xác định theo công thức: m1n1 I  T    I ( x  i, y  j ).T (i, j ) i0 j0 ( x, y) (1) m1n1 I  T    I ( x  i, y  j).T (i, j ) i0 j0 ( x, y) (2) 1  0  Ví dụ: cho ảnh I 0 0  0  0 0 6  5 1 0  4 mẫu T   0 1  3 2 2  0  Áp dụng công thức (1) ta có: I  T  0 0  *  0 * * 10 *  *  * * * * * *  *  Áp dụng công thức (2) ta có: I  T  * *  *  * 0 * 0 * * *  10  8   Lọc tuyến tính: Đây thuật toán sở sử dụng phép nhân chập Lọc tuyến tính có tác dụng cải thiện ảnh, loại bỏ nhiễu hỗ trợ cho trình xử lý cao Mỗi lọc khác sử dụng mặt nạ khác nhau, cho hiệu khác tùy vào mục đích sử dụng tình trạng ảnh sau thu thập.Các mặt nạ lọc thường là: 2x2, 3x3, 5x5, 7x7; Phép lọc xác định cách lấy tổng chập hàm lọc với hình ảnh: v(m,n) = Σs(m-k, n-l) h(k,l), với v(m,n) điểm ảnh mới, s(m-k,n-l) điểm ảnh cũ, h(k,l) hàm chập  Lọc trung bình: Mỗi điểm ảnh thay trung bình trọng số điểm lân cận: v(m, n)    a(k , l )s(m  k , n  l ) , a(k,l)=1/NW, k ,lW NW số điểm cửa sổ, ta có phương pháp lọc trung bình: giá trị điểm ảnh thay trung bình cộng điểm rơi vào cửa sổ W v(m, n)    s (m  k , n  l ) N W k ,lW  Lọc trung vị: Dùng trường hợp xuất cô lập ngẫu nhiên dàn trải ảnh; lọc trung bình làm ảnh bị mờ; Phương pháp: Lấy điểm trung vị dãy giá trị cửa sổ; lọc trung vị lọc phi tuyến: Median{ x(m) + y(m) } ≠ Median{x(m)} + Median{y(m)}, thông thường cửa sổ có điểm số lẻ: 3x3, 5x5, Nếu cửa sổ có số điểm chẵn: lấy giá trị trung bình hai điểm Thuật toán dò biên ảnh: Một điểm ảnh coi nằm đường biên vị trí điểm ảnh có thay đổi đột ngột mức xám Như vậy, đường biên đường nối điểm ảnh nằm khu vực ảnh có thay đổi đột ngột độ chói, đường biên thường ngăn cách hai vùng ảnh có mức xám gần không đổi - Phương pháp Gradient: Hình 1.6 Mô tả phương pháp tìm biên ảnh Phương pháp phương pháp dò biên cục dựa vào giá trị cực đại đạo hàm Gradient vector cho thấy tốc độ thay đổi giá trị độ chói điểm ảnh theo hướng định Các thành phần Gradient tính bởi: f ( x, y) f ( x  dx, y)  f ( x, y)  x dx f ( x, y) f ( x, y  dy)  f ( x, y)  y dy (1) (2) dx, dy khoảng cách điểm theo hướng lấy x, y Thực tế thường dùng dx=1, dy=1.[7] TÀI LIỆU THAM KHẢO Tiếng Việt [1] Kỷ yếu hội thảo quốc gia, Một số vấn đề chọn lọc công nghệ thông tin, Nhà xuất khoa học kỹ thuật, tháng 8-2005 [2] Lương Mạnh Bá, Nguyễn Thanh Thủy Nhập môn xử lý ảnh số, Nhà xuất khoa học kỹ thuật, Hà Nội 2006 [3] Mai Cường Thọ, Bài giảng xử lý ảnh số [4] Nguyễn Duy Nhật Viên, Multimedia, 7-2006 [5] Nguyễn Thanh Bình, Võ Nguyễn Quốc Bảo, Xử lý âm hình ảnh, 2007 [6] PGS TS Đỗ Năng Toàn, Bài giảng xử lý ảnh số, 2007 [7] Phạm Thượng Cát, Những thành tựu đạt nghiên cứu phát triển công nghệ tự động hóa 30 năm qua viện công nghệ thông tin, Viện Công Nghệ Thông tin Tiếng anh [8] Chueh-Wei Chang and Suh-Yin Lee (1996), Video Content Representation, Indexing, and Matching in Video Information Systems, journal of visual communication and image representation [9] Ming Gao-Phillip Bridgman and Sunil Kumar (2003), Computer Aided Prostate Cancer Diagnosis Using Image Enhancement and JPEG2000 [10] Ian T Young, Jan J Gerbrands, Lucas J van Vliet (1998), Fundamentals of Image Processing, The Netherlands at the Delft University of Technology [11] Todd R Reed (2005), Digital Image Sequence Processing, Compression and Analysis, University of Hawaii at Manoa Honolulu, HI [12] Ling Guan, Sun-Yuan Kung, Jan Larsen (2001), Multimedia Image and Video Processing, CRC Press LLC [13] Paul Browne, Alan F Smeaton, Noel Murphy, Noel O’Connor, Seán Marlow, Catherine Berrut, Evaluating and Combining Digital Video Shot Boundary Detection Algorithms, Centre for Digital Video Processing Dublin City university Dublin 9, Ireland [14] Syed Ali Khayam (2003), The Discrete Cosine Transform (DCT): Theory and Application, Department of Electrical & Computer Engineering Michigan State University [15] Iain E G Richardson, H.264 and MPEG-4 Video Compression, The Robert Gordon University, Aberdeen, UK [16] H.R Wu and K.R Rao (2006), Digital Video Image Quality and Perceptual Coding, Taylor & Francis Group, LLC [17] Alan M.MCIvor, Background Subtraction Techniques, PO Box128- 221,Remuera,Auckland,NewZealand [18] Yi-Wen Chen, Ming-Ho Hsiao, Hua-Tsung Chen,Chi-Yu Liu, Suh-Yin Lee (2008), Content-Aware Fast Motion Estimation Algorithm, journal of Visual Communication & Image Representation [19] Ying-Li Tian and Arun Hampapur, Robust Salient Motion Detection with Complex Background for Real-time Video Surveillance, IBM T.J Watson Research Center [20] Tilo Burghardt, Janko Ćalić, Barry T Thomas, Tracking animals in wildlife videos using face detection, Dept of Computer Science,University of Bristol [21] Jian-Da Wu, Tuo-Rung Chen (2008), Development of a drowsiness warning system based on the fuzzy logic images analysis, Journal of ScienceDirect [22] Takao Hashimoto, Yuji Izawa, Hisashi Yokoyama, Takashi Kato, Tetsuji Moriizumi (1999), A new video:computer method to measure the amount of overall movement in experimental animals (two-dimensional object-difference method)