Nghiên cứu hệ thống truy vấn ảnh y sinh

TRẦN VĂN CÔNG BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRẦN VĂN CƠNG NGHÀNH KỸ THUẬT TRUYỀN THÔNG NGHIÊN CỨU HỆ THỐNG TRUY VẤN ẢNH Y SINH U N VĂN THẠC S K THU T CHUN NGÀNH K THU T TRUYỀN THƠNG KHÓA 2012 - 2014 Hà Nội, năm 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRẦN VĂN CƠNG NGHIÊN CỨU HỆ THỐNG TRUY VẤN ẢNH Y SINH U N VĂN THẠC S K THU T TRUYỀN THƠNG NGƢỜI HƢỚNG DẪN KHOA HỌC PGS TS NGUY N TI N D NG NĂM 2014 ỜI CAM ĐOAN Tơi xin cam đoan tồn nội dung số liệu đƣợc trình bày luận văn cơng trình nghiên cứu tơi theo hƣớng dẫn Thầy PGS.TS Nguyễn Tiến Dũng Hà Nội, ngày 15 tháng năm 2014 Ngƣời viết Trần Văn Cơng i LỜI CẢM ƠN Trƣớc tiên, tơi xin gửi lời cảm ơn lòng biết ơn sâu sắc tới Phó Giáo sƣ Tiến sĩ Nguyễn Tiến Dũng, ngƣời tận tình bảo hƣớng dẫn tơi suốt q trình thực khố luận tốt nghiệp Tơi chân thành cảm ơn Thầy, Cơ tạo điều kiện thuận lợi cho tơi học tập nghiên cứu trƣờng Đại học Bách khoa Hà Nội Cuối cùng, tơi muốn gửi lời cảm vơ hạn tới gia đình bạn bè, ngƣời than u ln bên cạnh động viên tơi suốt q trình thực khóa luận tốt nghiệp Tơi xin chân thành cảm ơn ! Hà Nội, ngày 15 tháng 03 năm 2014 Học viên Trần Văn Cơng ii NH N XÉT CỦA GIÁO VIÊN HƢỚNG DẪN iii NH N XÉT CỦA GIÁO VIÊN PHẢN BIỆN iv DANH SÁCH CÁC CHỮ VI T TẮT HDTV: High Definition TeleVision - Truyền hình phân giải cao CBIR: Content-based image retrieval – phƣơng pháp truy vấn ảnh dựa nội dung PEL: Pixel – Điểm ảnh RGB: Red, Green, Blue: màu đả, xanh dƣơng, xanh CBIR : content based imga retrievsl – tìm kiếm ảnh theo nội dung CCIR: Hội đồng tƣ vấn quốc tế vơ tuyến điện CCD : Charge Coupled Device LUT: Lock Up Table – Tiền xử lý ảnh DBMS : hệ thống quản lý liệu QBIC : Query by Image Content – đặc tính màu cấu trúc dạng PSF: Point Spread Function – hàm tán xạ điểm KLT: Karhunen-Loeve Transform – giảm số chiều SDV: Singular Value Decomposition TV: Television – truyền hình NTSC: National Television System Committee – Hệ thống truyền hình quốc gia (Hệ màu NTSC) PAL: Phase Alternating Line – Hệ pha thay đổi theo dòng (Hệ màu PAL) SECAM: Hệ màu lần lƣợt có nhớ JPEG: Joint Photographic Experts Group EMD :Earth Move Distance – phƣơng pháp đo khoảng cách dạng đất HUE: màu sắc VALUE : độ chói SGLD: Spatial gray-level difference statistic - số liệu khác biệt mức xám khơng gian PCA: Principal Component Analysis – phƣơng pháp giảm số chiều IRM: integrated Region Matching: so sánh vùng kết hợp v DANH SÁCH HÌNH Hình 1.1 Các bƣớc xử lý ảnh số Hình 1.2 Các thành phần hệ thống xử lý ảnh Hình 1.3 Ảnh biến dạng nhiễu Hình 1.4 Sơ đồ khối hệ thống truy vấn ảnh theo nội dung 13 Hình 1.5 Hệ thống truy vấn có tƣơng tác 19 Hình 2.1 Biến đổi TCHSV từ RGB thành HSV lƣợng tử hóa QC166 … HSV 25 Hình 2.2 Biểu diễn màu phân bố cục 27 Hình 2.3 Ví dụ đặc tính cấu trúc 30 Hình 2.4 Trích chọn đặc tính cục 34 Hình 2.5 Các phân vùng ảnh với số lƣợng vùng k khác 36 Hình 2.6 So sánh ảnh gố, ảnh biên độ, ảnh pha 42 Hình 2.7 So sánh ảnh pha ảnh biên độ 42 Hình 2.8: Các ảnh chiều dạng biến đổi Fourier chúng 45 Hình 3.1 Ba lƣợc đồ với khoảng cách thành phần giống tứng đơi 46 Hình 3.2 So sánh lƣợc đồ : Dạng bình phƣơng EMD 53 Hình 3.3 Time warp disance T(Ha,Hb) = 6; T(Ha,Hc) = 16; T(Hb,Hc) = 22 54 Hình 3.4 (a) Giữa lƣợc đồ a b; (b) Giữa lƣợc đồ a c 54 Hình 3.5 Căn vùng để tìm vùng phù hợp lƣợng tử hóa Hungarian 59 Hình 4.1 Tƣơng quan phép đo chất lƣợng theo phạm vi [-100,100] 64 Hình 5.1 Sơ đồ khối mơ tả hoạt động chƣơng trình 66 Hình 5.2 Giao diện chƣơng trình mơ 67 Hình 5.3 Chƣơng trình nhận dạng 68 Hình 5.4 Chƣơng trình nhận dạng 69 Hình 5.5 Chƣơng trình nhận dạng sai: Đối tƣợng Gallbladder nhƣng kết 70 Hình 5.6 Chƣơng trình nhận dạng sai 71 vi MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii DANH SÁCH CÁC CHỮ VIẾT TẮT v DANH SÁCH HÌNH vi MỤC LỤC vii LỜI NĨI ĐẦU CHƯƠNG : GIỚI THIỆU TRUY VẤN ẢNH DỰA TRÊN NỘI DUNG 1.1 Giới thiệu xử lý ảnh 1.2 Hệ thống xử lý ảnh 1.2.1 Ảnh 1.2.2 Mơ tả hệ thống xử lý ảnh tổng qt 1.3 Các vấn đề xử lý ảnh số 1.3.1 Biểu diễn ảnh 1.3.2 Tăng cƣờng ảnh – khơi phục ảnh 1.3.3 Biến đổi ảnh 1.3.4 Phân tích ảnh 10 1.3.5 Nhận dạng ảnh 10 1.3.6 Nén ảnh 11 1.4 Giới thiệu truy vấn ảnh theo nội dung 11 1.5 Trích chọn đặc tính để truy vấn ảnh 13 1.5.1 Màu sắc 13 1.5.2 Cấu trúc 14 1.5.3 Hình dạng 15 1.5.4 Kết hợp đặc tính 16 1.6 ập mục đặc tính (Feature Indexing) 16 1.6.1 Giảm thiểu số chiều 17 1.6.2 Kỹ thuật lập mục 17 1.7 Truy vấn ảnh tƣơng tác 18 CHƯƠNG : CÁC ĐẶC TÍNH TRUY VẤN ẢNH THEO NỘI DUNG 21 2.1 Đặc tính màu 21 2.1.1 Khơng gian màu 21 2.1.2 Lƣợng tử hóa màu 24 2.1.3 Mơ tả màu 26 2.2 Đặc tính bất biến 28 2.3 Đặc tính Tamura [4] 30 2.4 Mơ tả cấu trúc tồn 33 2.5 Đặc tính cục 33 2.6 Đặc tính dựa vùng ( regioned based feature) 35 2.7 Các đặc điểm biến đổi PCA 37 2.8 Tƣơng quan đặc tính khác 37 2.9 Tích chập 38 2.10 Biến đổi Fourier 39 CHƯƠNG : KHOẢNG CÁCH ĐẶC TÍNH TRONG HỆ THỐNG TRUY VẤN ẢNH 46 3.1 Phƣơng pháp so sánh lƣợc đồ 46 vii 3.1.1 So sánh thành phần ( bin-by-bin): 46 3.1.2 Phƣơng pháp so sánh chéo thành phần lƣợc đồ ( Cross-bin comparision) : 50 3.2 So sánh ảnh 54 3.2.1 Khoảng cách Euclidean 54 3.2.2 Khoảng cách tiếp tuyến 55 3.2.3 Mơ hình méo ảnh 55 3.3 So sánh ảnh dựa đặc tính cục 56 3.3.1 Chuyển trực tiếp (Direct Tranfer) 56 3.3.2 Mơ hình méo ảnh đặc tính cục ( Local Feature Image Distortion Model) 56 3.4 So sánh mơ tả dựa vùng 57 3.4.1 Sánh vùng kết hợp ( Integrated Region Matching) 57 3.4.2 Sánh vùng Hungarian lƣợng tử (Quantized Hungarian Region Matching) 58 3.5 Các đặc tính khác 60 CHƯƠNG : ĐÁNH GIÁ CHẤT LƯỢNG TRUY VẤN ẢNH 61 4.1 Thơng số đánh giá chất lƣợng truy vấn ảnh 61 CHƯƠNG : XÂY DỰNG PHẦN MỀM TRUY VẤN ẢNH THEO NỘI DUNG BẰNG NGƠN NGỮ LẬP TRÌNH C++ 65 5.1 Giới thiệu chƣơng trình mơ 65 5.2 Sơ đồ khối chƣơng trình 66 5.3 Kết nhận dạng ảnh đánh giá 68 5.3.1 Kết nhận dạng ảnh 68 5.3.2 Đánh giá 72 KẾT LUẬN 73 TÀI LIỆU THAM KHẢO 75 viii CHƢƠNG : ĐÁNH GIÁ CHẤT ƢỢNG TRUY VẤN ẢNH 4.1 Thơng số đánh giá chất lƣợng truy vấn ảnh Vấn đề việc đánh giá chất lƣợng truy vấn ảnh dựa nội dung khơng có sở liệu kiểm chuẩn thơng số đo chất lƣợng Vì vậy, số đánh giá ban đầu hệ thống truy vấn ảnh dựa nội dụng, kết thƣờng giới hạn u cầu ví dụ mà thƣờng cho kết tích cực khả hệ thống Rõ ràng khơng phải phép đo khách quan hay phép đo có tính chất định lƣợng Ta cần phép đo có tính khách quan định lƣợng Một vấn đề khác khơng có sở liệu chuẩn Các hệ thống truy vấn ảnh sử dụng sở liệu khác để biểu diễn kết hệ thống Do khó so sánh chất lƣợng hệ thống khác chí có kết định lƣợng Trong truy vấn thơng tin văn bản, vài phép đo chất lƣợng cho kết tốt thay đổi chúng để sử dụng cho truy vấn ảnh dựa nội dung Phép đo chất lƣợng đƣợc sử dụng phổ biến hệ thống truy vấn ảnh thơng tin precision (độ xác) P recall (khả truy vấn) R, đƣợc định nghĩa nhƣ sau : Số lƣợng tài liệu thích hợp truy vấn đƣợc P= Tổng số tài liệu truy vấn đƣợc (4.1) Số lƣợng tài liệu thích hợp truy vấn đƣợc R= (4.2) Tổng số tài liệu truy vấn thích hợp Hai giá trị thƣờng đƣợc kết hợp với thành biểu đồ PR Các số biểu diễn số lƣợng tài liệu thích hợp khơng thích hợp có tài 61 liệu đƣợc xếp hạng Biểu đồ PR đƣợc thực theo số bƣớc : Đầu tiên, giả sử ngƣời sử dụng kiểm tra tài liệu danh sách xếp hạng Với n = N, precision Pn recall Rn đƣợc tính tốn Ta thu đƣợc đƣờng cong cƣa xét thêm ảnh tăng giảm precision Bƣớc tiếp theo, đƣờng cong hình cƣa đƣợc chuyển đổi thành đƣờng cong đơn điệu cách đặt : Pk : maxPi | i  k  (4.3) Q trình đƣợc giải thích nhƣ sau : xét đến tập hợp kết tối ƣu cục mà recall precision khơng thể đƣợc cải thiện đồng thời kiểm tra thêm tài liệu Trong bƣớc cuối cùng, biểu đồ PR u cầu khác đƣợc kết hợp cách tính trung bình số học giá trị precision tƣơng ứng với giá trị recall Một số giá trị recall đƣợc lựa chọn, giá trị precision tƣơng ứng với giá trị recall đƣợc tính cho u cầu đƣợc tính trung bình Biểu đồ PR khơng chứa tất thơng tin mong muốn khơng rõ so sánh hệ thống truy vấn ảnh nhƣ dựa vào biểu đồ Ta cải thiện biểu đồ PR tập hợp phép đo chất lƣợng khác đƣợc ~ định nghĩa sau : Rank1 , Rank , P(20),P(50), P(NR), R(P=0.5), R(100), P(P=R), P(1), NN-ER PR-area Rank1 thứ hạng ảnh thích hợp thu nhận đƣợc ~ Rank thứ hạng trung bình chuẩn hóa ảnh thích hợp ~ R ank  NN R  NR N  N  1    Ri  R R   n 1  (4.4) Với Ri thứ hạng ảnh truy vấn thích hợp N R tổng số ảnh thích hợp Phép đo có giá trị khơng với hệ thống hồn hảo cho hệ thống thất bại Với truy vấn ngẫu nhiên, giá trị mong muốn 0.5 62 P(20), P(50), P( N R ) precision sau 20, 50 N R ảnh đƣợc truy vấn R(P=0.5), R(100) recall với P = 0.5 recall sau 100 ảnh đƣợc truy vấn P(P=R) precision recall precision PR-area vùng phía dƣới PR- graph P(1) precision ảnh truy vấn đầu tiên, lấy trung bình tồn sở liệu, giống nhƣ tốc độ nhận dạng phân loại lân cận gần sử dụng đặc tính phép đo khoảng cách Vì tốc độ lỗi phân loại tính NN- ER = 1- P(1) Dựa vào tập hợp phép đo chất lƣợng này, so sánh hệ thống truy vấn ảnh dựa nội dung cách định lƣợng theo sở liệu mà ảnh thích hợp biết trƣớc tƣơng ứng với số u cầu Để so sánh chất lƣợng hệ thống truy vấn ảnh dễ dàng hơn, ngƣời ta thƣờng dùng phép đo chất lƣợng Vì phép đo đánh giá chất lƣợng hệ thống truy vấn cách hay cách khác nên rõ ràng chúng có tƣơng quan với Ma trận tƣơng quan số phép đo chất lƣợng đƣợc mơ tả Hình 4.1 Ma trận biểu diễn phép đo có tƣơng quan lớn với để so sánh hệ thống truy vấn ảnh, sử dụng phép đo chất lƣợng đủ Sự tƣơng quan lớn thấy rõ giá trị lân cận từ biểu đồ PR Các giá trị khơng tƣơng quan lớn với phép đo khác R (P=0.5) P(R=1) Điều hai giá trị khơng phản ánh chất lƣợng ảnh truy vấn đầu tiên, nhƣng P(R=1) xét đến ảnh cuối đƣợc truy vấn Đối với ngƣời tìm kiếm ảnh, tìm đƣợc ảnh thích hợp cách nhanh quan trọng tìm đƣợc ảnh thích hợp cuối Nếu cần phân tích chi tiết cần đánh giá đặc tính cụ thể hệ thống nên xét nhiều tất phép đo chất lƣợng Error rate (ER) đƣợc lựa chọn làm phép đo chất lƣợng để so sánh thơng số khác 63 Hình 4.1 Tƣơng quan phép đo chất lƣợng theo phạm vi [-100,100] Chúng ta vừa tìm hiểu sơ qua hệ thống truy vấn ảnh theo nội dung với đặc tính truy vấn, phép đo khoảng cách đặc tính, hay thơng số đánh giá chất lƣợng hệ thống Dựa vào tảng lý thuyết truy vấn ảnh theo nội dung, chƣơng sau, tìm hiểu xây dựng chƣơng trình nhận dạng ảnh đƣợc mơ ngơn ngữ lập trình C++ 64 CHƢƠNG : XÂY DỰNG PHẦN MỀM TRUY VẤN ẢNH THEO NỘI DUNG BẰNG NGƠN NGỮ P TRÌNH C++ 5.1 Giới thiệu chƣơng trình mơ Chƣơng trình đƣợc mơ ngơn ngữ lập trình C++, xây dựng chƣơng trình nhận dạng ảnh Nhận dạng ảnh q trình liên quan đến mơ tả đối tƣợng mà ngƣời ta mong muốn đặc tả Q trình nhận dạng đƣợc thực sau q trình trích chọn đặc tính chủ yếu đối tƣợng Vì thế, thấy nhận dạng ảnh nhiệm vụ cụ thể hệ thống truy vấn ảnh Ảnh đƣợc nhận dạng chƣơng trình ảnh y sinh, đối tƣợng cần đƣợc nhận dạng quan nội tạng thể ngƣời Ảnh đƣợc sử dụng chƣơng trình ảnh chụp X-Quang, chụp quan nội tạng thể ngƣời, ảnh đƣợc định dạng Raw, có kích thƣớc 640x480 Cơ sở liệu ảnh bao gồm 460 ảnh X-Quang, có : - 28 ảnh Gallbladder - 59 ảnh Kidney - 67 ảnh Liver - 33 ảnh Pancreas - 22 ảnh Spleen - 17 ảnh Heart Chamber - 36 ảnh Heart Parasternal View - 16 ảnh Heart Short Axis View Papilary - 16 ảnh Heart Short Axis View Mitral Valve - 40 ảnh LT.THY.TRANS - 42 ảnh RT.CCA.LONG - 43 ảnh RT.THY.LỌNG - 41 ảnh RT.THY.TRANS Trong nhận dạng ảnh, có hai kiểu mơ tả đối tƣợng: 65 - Mơ tả theo tham số - Mơ tả theo cấu trúc Trong chƣơng trình mơ này, ta sử dụng kiểu mơ tả đối tƣợng theo tham số Mơ hình tham số sử dụng vector để đặc tả đối tƣợng Mỗi phần tử vector mơ tả đặc tính đối tƣợng [1] Ở chƣơng trình mơ phỏng, đặc tính đối tƣợng đƣợc sử dụng đặc tính phổ Fourier Chƣơng trình trích chọn đặc tính phổ Fourier ảnh, tính tốn vector đặc tính, sau đem so sánh vector đặc tính với vector đặc tính trung bình lớp đối tƣợng đƣợc định nghĩa để nhận dạng ảnh đầu vào 5.2 Sơ đồ khối chƣơng trình Ngƣời sử dụng Chọn ảnh u cầu đầu vào Cơ sở liệu Vector trung bình lớp Tính vector đặc tính ảnh Tính khoảng cách vector đặc tính ảnh u cầu với vector trung bình So sánh khoảng cách CSDL với mức cho Hiển thị kết truy vấn thích hợp Hình 5.1 Sơ đồ khối mơ tả hoạt động chƣơng trình 66 Hình 5.1 mơ tả sơ đồ khối chƣơng trình Đầu tiên, ngƣời sử dụng chọn ảnh u cầu đầu vào cần đƣợc nhận dạng Chƣơng trình trích chọn đặc tính ảnh đầu vào Sau đó, chƣơng trình tính vector đặc tính ảnh đầu vào đem so sánh với vector đặc tính trung bình lớp đối tƣợng sở liệu để thu đƣợc khoảng cách chúng Với khoảng cách tính đƣợc, chƣơng trình nhận dạng đƣợc đối tƣợng ảnh đầu vào Giao diện chƣơng trình Hiển thị ảnh u cầu Kết phản hồi Chọn ảnh Tên ảnh Thơng tin ảnh Hình mơ tả nội tạng thể ngƣời Thốt Nhậndạng ảnh Hình 5.2 Giao diện chƣơng trình mơ Chƣơng trình bao gồm: - Module chọn ảnh u cầu đầu vào: Bấm nút ―Open‖ để chọn ảnh đầu vào, hiển thị ảnh khung ảnh ―Image‖ hiển thị tên ảnh khung Textbox bên cạnh - Module nhận dạng ảnh: Bấm nút ―Run Recognition‖ để chƣơng trình tính tốn đƣa kết nhận dạng ảnh 67 - Module khỏi chƣơng trình: Bấm nút ―Cancel‖ để khỏi chƣơng trình 5.3 Kết nhận dạng ảnh đánh giá 5.3.1 Kết nhận dạng ảnh Qua thực nghiệm thực chƣơng trình mơ với tồn 460 ảnh sở liệu, chƣơng trình nhận dạng đƣợc 445 ảnh nhận dạng sai 15 ảnh Một số kết đƣợc đƣa hình dƣới Hình 5.3 Chƣơng trình nhận dạng 68 Hình 5.4 Chƣơng trình nhận dạng Hình 5.3 Hình 5.4 hai ví dụ nhận dạng chƣơng trình mơ Ảnh đầu vào với thơng tin xác nhận Gallbladder Heart Parasternal sau chƣơng trình thực chức nhận dạng, kết nhận dạng Gallbladder Heart Paraternal 69 Hình 5.5 Chƣơng trình nhận dạng sai: Đối tƣợng Gallbladder nhƣng kết nhận dạng lại Kidney Hình 5.5 ví dụ nhận dạng sai chƣơng trình mơ Ảnh đầu vào với thơng tin ảnh Gallbladder nhƣng kết nhận dạng chƣơng trình lại cho Kidney 70 Hình 5.6 Chƣơng trình nhận dạng sai Hình 5.6 ví dụ nhận dạng sai chƣơng trình mơ So với thơng tin xác nhận ảnh đầu vào Liver kết nhận dạng chƣơng trình lại RT.CCA.LONG Dựa thực nghiệm, ta tính đƣợc độ xác chƣơng trình mơ nhƣ sau: A Số ảnh nhận dạng Tồn xác số ảnh đƣợc nhận (5.1) dạng Vậy với 445 ảnh đƣợc nhận dạng xác tất 460 ảnh đƣợc đƣa vào để nhận dạng độ xác chƣơng trình mơ là: 71 A 445  100 %  96 ,73 % 460 (5.2) 5.3.2 Đánh giá Qua tìm hiểu mục 5.3.1, chƣơng trình mơ hệ thống nhận dạng ảnh thể đƣợc đầy đủ chức với độ xác nhận dạng cao Tuy chƣơng trình đơn giản với giới hạn sở liệu ảnh, số đặc tính ảnh đƣợc trích chọn, loại ảnh đƣợc nhận dạng, hay số lớp đối tƣợng cần đƣợc nhận dạng,…nhƣng với kết đạt đƣợc, hồn tồn phát triển chƣơng trình thành hệ thống truy vấn ảnh hồn chỉnh 72 K T U N Luận văn trình bày số đặc tính đƣợc sử dụng để truy vấn ảnh theo nội dung Để so sánh ảnh dựa đặc tính trích trọn, phƣơng pháp so sánh tính tƣơng tự đặc tính khác đƣợc sử dụng Chƣơng IV đánh giá hiệu truy vấn ảnh đặc tính hàm khoảng cách khác Kết cho thấy hiệu truy vấn phụ thuộc vào sở liệu khác Điều có nghĩa tùy thuộc vào ứng dụng khác ta cần chọn đặc tính hàm khoảng cách thích hợp để đạt đƣợc hiệu tốt Chƣơng V giới thiệu chƣơng trình mơ viết ngơn ngữ lập trình C++ Đây chƣơng trình nhận dạng ảnh y sinh dựa tảng lý thuyết truy vấn ảnh Chƣơng trình đƣợc thực với sở liệu ảnh chụp phim XQuang với lớp đối tƣợng quan nội tạng thể ngƣời nhƣ gan, mật, tụy, lách hay tim Qua thực nghiệm, thấy kết chƣơng trình tƣơng đối tốt Chƣơng trình mơ luận văn tƣơng đối đơn giản, thực đƣợc số module hệ thống truy vấn ảnh hồn chỉnh Vì thế, tơi xin đƣợc đề xuất hƣớng nghiên cứu dựa chƣơng trình mơ để hồn thiện đƣợc chƣơng trình truy vấn ảnh theo nội dung: - Mở rộng phạm vi hoạt động chƣơng trình Cụ thể chƣơng trình thực nhiều loại ảnh đƣợc định dạng khác nhau, nhƣ mở rộng với nhiều loại, nhiều lớp đối tƣợng khác nhau, khơng ảnh y sinh - Nghiên cứu thiết kế thêm module khác để tiến tới hồn thiện thành chƣơng trình truy vấn ảnh nghĩa với ảnh đầu vào lựa chọn ảnh đầu nhƣ mong muốn ngƣời sử dụng Trong tƣơng lai, điều kiện cho phép, tơi có mong muốn đƣợc nghiên cứu cách kỹ lƣỡng đề tài này, sâu vào ứng dụng cụ thể 73 Một lần nữa, tơi xin đƣợc chân thành cảm ơn giúp đỡ, hƣớng dẫn tận tình PGS.TS Nguyễn Tiến Dũng gia đình bạn bè q trình tơi thực luận văn Xin chân thành cảm ơn! 74 TÀI IỆU THAM KHẢO [1] Lƣơng Mạnh Bá, Nguyễn Thanh Thủy, Nhập mơn xử lý ảnh số, Nhà xuất khoa học kỹ thuật, Hà Nội-1999 [2] Rafael C.Gonzalez, Richard E.Woods, Digital Image Processing, Prentice Hall, Upper Saddle River, New Jersey 07458 [3] Mark S.Nixon, Alberto S.Aguado, Feature Extraction and Image Processing, Newnes, 2002 [4] Thomas Deselaers,Features for Image Retrieval, Aschen, 2003 [5] Rafael C.Gonzalez, Richard E.Woods Digital Image Processing Second Edition, Prentice – Hall, Inc.2002 [6] Quoc Ngoc Ly, Anh Duc Duong Hierarchical Algorithm Clustering in Content-Based-Image-Retrieval Proceedings of The International Technical Conference on Circuits/Systems, Computers, and Communication (ITC- CSCC 2005), July 4, 2005 Korea [7] D BimBo Visual information Retrieval Morgan Kaufmann ,1999 [8] Ihtisham Kabir Ihtisham Kabir,‖High Performance Computer Imaging‖, Manning Publiccations Company, 1996 [9] Alberto Del Bimbo,‖Visual Information Retrieval‖, Morgan Publishers, Inc.1999 75 ... giá chất lƣợng truy vấn ảnh - Chƣơng IV: Đánh giá chất lƣợng truy vấn ảnh: đánh giá hiệu truy vấn ảnh đặc tính hàm khoảng cách khác - Chƣơng V: X y dựng chƣơng trình truy vấn ảnh theo nội dung... xếp truy vấn. Các liệu đa phƣơng tiện khác y u cầu công cụ phƣơng tiện khác Từ năm 1970, truy vấn ảnh lĩnh vực nghiên cứu thực hai cộng đồng nghiên cứu quản lý liệu ảnh m y tính Các nghiên cứu truy. .. dạng ảnh đơn giản (một chức quan trọng hệ thống truy vấn ảnh) Truy vấn ảnh dựa nội dung vấn đề đƣợc nhiên cứu để đáp ứng y u cầu khác lĩnh vực áp dụng khác Trong tƣơng lai, hy vọng có hội để nghiên