Vấn đề gặp phải với phân bố màu

Vấn đề gặp phải với phân bố màu  Vấn đề gặp phải: – Không tính đến gần giống màu màu (bin) gần – Việc phân bố không gian màu điểm ảnh: ảnh khác nhau, histogram giống 28 Vấn đề gặp phải với phân bố màu – Ảnh hưởng nền: d(I1,I2) ? d(I1, I3) I1 I3 I2 – Phụ thuộc cách biểu diễn màu (không gian màu), phụ thuộc thiết bị, … 29 Đặc trưng kết cấu  Kết cấu (texture) ? – Khó mô tả biểu diễn – Tập primitive (mẫu) sếp theo quy tắc chỗ – Primitive: tập nhiều điểm liên thông với có độ xám (màu sắc) gần giống  Kết cấu: có chu kỳ, không 30 primitive Đặc trưng kết cấu (…) 31 Đặc trưng kết cấu (…) Một vài ví dụ 32 Đặc trưng kết cấu (…)  Kết cấu mô tả dựa – Phân tích thống kê  Tham số tính từ biểu đồ phân bố màu (histogram)  Phân tích ma trận đồng xuất (Co-occurrence matric)  Đặc trưng Haralick – Phân tích miền tần số  Biến đổi Fourrier  Biến đổi Gabor, … – Mô hình 33 Đặc trưng kết cấu(…)  Ma trận đồng xuất hiện: CM d , (ci , c j )  card ({ p1 , p2 I ( p1 )  c1 , I ( p2 )  c2 , N d , ( p1 , p2 )  true}) N d , ( p1 , p2 )  true 34 card ({ p1, p N d , ( p1 , p2 )  true}) p2 lân cận p1 khoảng cách d theo hướng  Đặc trưng kết cấu(…)  Một số đặc trưng tính từ ma trận đồng xuất hiện: – Năng lượng:  CM (i, j)  (i  j) CM d i j – Độ tương phản: i – Entropy (i, j ) j   CM d (i, j ) log(CM d (i, j )) i 35 d j Đặc trưng hình dạng  Các biểu diễn dựa đường biên (contour)  Chuỗi mã hóa, sấp xỉ đa giác, B-splines, …  Chu vi, tỷ số nén, độ lệch tâm, …  Các biểu diễn dựa vùng (region)  Bao lồi, trục trung vị, …  Diện tích, moments hình học (invariant moments), 36 Ví dụ: chuỗi mã hóa Freeman 37 Split-and-Merge (…): Chia Đồng tính dựa phương sai chênh lệch max Đầu vào 63 Source : Jean-Christophe Baillie, ENSTA, uei.ensta.fr/baillie/assets/ES322%20-%20Segmentation.ppt Split-and-Merge (…): Hợp Nối vùng lân cận đồng Cây tứ phân 64 Source : Jean-Christophe Baillie, ENSTA, uei.ensta.fr/baillie/assets/ES322%20-%20Segmentation.ppt Region growing (Phát triển vùng)  Ý tưởng: – Giải thuật bắt đầu với điểm ảnh lựa chọn điểm ảnh lân cận để gộp lại theo tiêu chuẩn đó: phương sai nhỏ, – Điểm ảnh khởi tạo gọi hạt giống/nhân – Vùng phát triển từ hạt giống – Các hiểu biết ảnh cần phân đoạn sử dụng để lựa chọn hạt giống tốt 65 Region growing (…)  Lựa chọn hạt giống: – Tự động – Thủ công Ảnh Hạt giống Phát triển vùng Vùng cuối 66 Source : Jean-Christophe Baillie, ENSTA, uei.ensta.fr/baillie/assets/ES322%20-%20Segmentation.ppt Phát triển vùng với nhiều hạt giống 67 Source : Jean-Christophe Baillie, ENSTA, uei.ensta.fr/baillie/assets/ES322%20-%20Segmentation.ppt Lưu ý: Tham số  Tất giải thuật cần tiêu chuẩn, tham số – Không có tham số chung, phải lựa chọn tùy vào ứng dụng – Ngưỡng 68  Giá trị cố định (hằng số)  Giá trị tương đối (%, trung bình, …)  Giá trị tính toán thuật toán Lưu ý: …  Không có thuật toán tối ưu cho toán phân đoạn  Không có thuật toán chung cho tất toán  tùy thuộc ứng dụng  Nếu tránh  tránh toán phân đoạn  Nên thực phép tiền xử lý để phân đoạn đạt hiệu  Xác định rõ mục đích phân đoạn:  phần ta muốn nhìn thấy ảnh  Kết phân đoạn dùng để làm  tăng hiệu  Đánh giá kết toán phân đoạn khó 69 không khách quan Phân đoạn: hạn chế  Phân vùng không cho phép xác định tất đối tượng 70 Phân đoạn: hạn chế  vùng không chứa 1đối tượng Source : [Malik 2001] 71 Ví dụ 72 Cách tiếp cận Gestalt  Dựa nghiên cứu cách quan sát người  Thông tin ngữ cảnh xung quanh: quan trọng 73 Cách tiếp cận Gestalt (…)  Một số tiêu chuẩn nhóm:  Proximity: đối tượng gần  Similarity: đối tượng giống  Common faith: đối tượng có kiểu di chuyển giống  Common region: đối tượng vùng  Parallel: đường song song  Closing: cung đối tượng có hình dạng đóng  Symmetry: cung đối tượng đối xứng  Continuity: cung đối tượng kéo dài 74 Đặc trưng cục bộ: điểm đặc trưng  Trích chọn điểm đặc trưng – Ảnh mức xám : Moravec (1977), Harris et Stephens (1988), Harris (1996), Susan (Smith et Brady, 1997), SIFT (1999), … – Ảnh màu: Kitchen et Rosenfeld color (1998), Harris color (1998)  Xác định mô tả/đặc trưng vùng lân cận điểm đặc trưng – SIFT(1999), SURF, GLOH, …  Đo độ tương tự tập đặc trưng điểm 75 Đặc trưng cục bộ: điểm đặc trưng (…) 76 SIFT Keypoint Detector 77 Source: Distinctive Image Features from Scale-Invariant Keypoints – IJCV 2004