TÌM KIẾM ẢNH dựa vào nội DUNG

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THƠNG TIN KHOA KHOA HỌC MÁY TÍNH ĐỒ ÁN TỐT NGHIỆP Đề tài TÌM KIẾM ẢNH DỰA VÀO NỘI DUNG GVHD: ThS MAI TIẾN DŨNG SVTH: LÊ ĐÌNH BẰNG HUỲNH THIỆN KHIÊM TP.HCM, 01/2011 MSSV: 06520022 MSSV: 06520222 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT MỤC LỤC TÓM TẮT ĐỒ ÁN LỜI MỞ ĐẦU PHẦN CƠ SỞ LÝ THUYẾT A TỔNG QUAN Sự hình thành tốn Cách tiếp cận 2.1 Màu sắc 2.2 Vân 10 2.3 Hình dạng 14 2.4 Độ đo 15 B CÁC PHƢƠNG PHÁP 16 Chƣơng Tìm kiếm ảnh dựa vào màu sắc 17 1.Màu sắc 18 Tìm kiếm ảnh dựa vào màu sắc: 21 Chƣơng Tìm kiếm ảnh dựa vào vân 28 Vân 29 Tìm kiếm ảnh dựa vào vân 31 Chƣơng Tìm kiếm ảnh dựa vào hình dạng 40 Hình dạng 41 Tìm kiếm ảnh dựa vào hình dạng 42 PHẦN CÀI ĐẶT 45 Lựa chọn đặc trƣng 45 Tổ chức liệu 45 Giới thiệu tổng quan xử lý 45 Kết thử nghiệm 57 PHẦN KẾT LUẬN 60 HẠN CHẾ 61 HƢỚNG PHÁT TRIỂN 61 Tài liệu tham khảo 62 Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT TÓM TẮT ĐỒ ÁN Tên đề tài: Nghiên cứu xây dựng hệ thống tìm kiếm ảnh dựa nội dung Mục đích Đồ Án tìm hiểu nghệ thuật “Tìm kiếm ảnh dựa vào nội dung” content-based image retrieval (CBIR) Đây công nghệ cho phép tìm kiếm ảnh dựa sở đặc tính gốc hình ảnh chẳng hạn nhƣ màu sắc, kết cấu hình dạng (colour, texture and shape) Phát chúng em dựa việc xem xét tài liệu liên quan thảo luận nhà nghiên cứu học viện lĩnh vực Để tài tập trung nghiên cứu phƣơng pháp biểu diễn đặc trƣng ngữ nghĩa thành phần ảnh bao gồm màu sắc, vân, hình dạng ảnh Từ xây dựng hệ thống tìm kiếm ảnh dựa nội dung Hƣớng tiếp cận: Tìm kiếm ảnh dựa vào màu sắc (Colour retrieval) Tìm kiếm ảnh dựa vào vân (Texture retrieval) Tìm kiểm ảnh dụa vào hình dạng (Shape retrieval) Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT LỜI MỞ ĐẦU Tìm kiếm hình ảnh tƣơng đồng sở liệu hình ảnh phƣơng pháp mẻ có khả áp dụng lĩnh vực, đặt biệt ngành công an để nhận dạng dấu vân tay Việc sử dụng sớm “Tìm kiếm hình ảnh dựa nội dung” tài liệu dƣờng nhƣ bởi Kato (1992), để mô tả thí nghiệm ơng vào Tìm kiếm ảnh tự động từ sở liệu theo tính màu sắc hình dạng Thuật ngữ từ đƣợc sử dụng rộng rãi để mơ tả q trình lấy hình ảnh mong muốn từ sƣu tập lớn sở tính (nhƣ kết cấu, màu sắc hình dạng) đƣợc tự động trích xuất từ hình ảnh thân Các tính đƣợc sử dụng để tìm kiếm nguyên thủy ngữ nghĩa, nhƣng trình khai thác phải đƣợc chủ yếu tự động Hiện có trang web sử dụng phƣơng thức tìm kiếm theo hình ảnh mà tìm kiếm theo từ khóa nên việc cung cấp hình ảnh gốc để tìm kiếm thực khó khăn Vì vậy, chúng em nghĩ tới việc, trang web lớn nhƣ Google lƣu trữ tạo lập sở liệu hình ảnh Ngƣời dùng cần cung cấp hình ảnh muốn tìm, trang web đƣa hình ảnh tƣơng đồng với địa trang web chứa hình ảnh Việc tìm kiếm hồn tồn dựa nội dung hình ảnh (màu sắc, hình dạng ) Tuy nhiên, lúc kết thu đƣợc thỏa mãn yêu cầu mong đợi ngƣời dùng mà tùy thuộc nhiều vào nội dung ảnh Nếu hình ảnh có q nhiều chi tiết phụ kết bị ảnh hƣởng nhiều Lĩnh vực ứng dụng khả thi kiến trúc để tìm kiếm hình ảnh tƣơng đồng cơng trình kiến trúc nhƣ giúp nhà kiến trúc hình thành nên ý niệm hình ảnh tổng quan cho cơng trình Khả ứng dụng thứ hai để xây dựng sơ liệu vân tay, tìm kiếm vân tay gần giống để chọn lọc Sau ứng dụng phƣơng pháp tìm kiếm định dạng truyền Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT thống việc xác định vân tay Ngoài ra, đƣợc ứng dụng việc nhận dạng quyền với tác phẩm nghệ thuật Ứng dụng khác quân tự động hóa Sự cần thiết để tìm thấy hình ảnh mong muốn từ sƣu tập đƣợc chia sẻ nhiều nhóm chuyên nghiệp, bao gồm nhà báo, kỹ sư thiết kế sử gia nghệ thuật Trong yêu cầu ngƣời sử dụng hình ảnh thay đổi đáng kể, hữu ích để mơ tả truy vấn hình ảnh thành ba mức độ trừu tƣợng: tính nguyên màu sắc hay hình dáng, tính logic chẳng hạn danh tính đối tượng hiển thị, thuộc tính trừu tượng ý nghĩa cảnh miêu tả Trong hệ thống CBIR hoạt động hiệu mức thấp hầu hết ngƣời dùng yêu cầu cấp độ cao Ngƣời dùng cần để tìm hình ảnh từ sƣu tập đến từ nhiều lĩnh vực, bao gồm cơng tác phòng chống tội phạm, y học, kiến trúc, thời trang xuất Những thu thập nhỏ chƣa đƣợc công khai cách ngƣời sử dụng tìm kiếm sử dụng hình ảnh, nỗ lực đƣợc thực để phân loại hành vi ngƣời dùng với hy vọng điều kích hoạt nhu cầu họ đƣợc đáp ứng tốt tƣơng lai CBIR hoạt động nguyên tắc hồn tồn khác lập mục từ khóa Tính đặc trƣng nguyên thủy nội dung hình ảnh, chẳng hạn nhƣ màu sắc, bố cục hình dạng, đƣợc tính tốn cho hai hình ảnh đƣợc lƣu trữ truy vấn, đƣợc sử dụng để xác định (nói) 20 hình ảnh đƣợc lƣu trữ gần phù hợp với câu truy vấn Có hệ thống CBIR thƣơng mại – IBM’s QBIC, Virage’s VIR Image Engine, Excalibur’s Image RetrievalWare Ngoài ra, phiên demo nhiều hệ thống thử nghiệm đƣợc xem web, bao gồm MIT’s Photobook, Columbia University’s WebSEEk, Carnegie-Mellon University’s Informedia Hệ thống CBIR bắt đầu để tìm chỗ đứng thị trƣờng; lĩnh vực ứng dụng bao gồm cơng tác phòng chống tội phạm (dấu vân tay nhận dạng khuôn mặt), Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT sở hữu trí tuệ (đăng ký nhãn hiệu hàng hố), báo chí quảng cáo (video tài sản quản lý) tìm kiếm web Hiệu tất hệ thống CBIR vốn bị hạn chế thực tế chúng hoạt động mức tính ngun thủy Khơng hệ thống chúng tìm kiếm hiệu quả, ảnh chó - số truy vấn ngữ nghĩa đƣợc xử lý cách cho họ nguyên thủy Một cảnh bãi biển, ví dụ, đƣợc lấy cách xác định khu vực rộng lớn màu xanh phía hình ảnh, màu vàng phía dƣới Có chứng cho thấy việc kết hợp tính hình ảnh ngun thủy với từ khố văn siêu liên kết khắc phục số vấn đề Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT PHẦN CƠ SỞ LÝ THUYẾT Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT A TỔNG QUAN Sự hình thành tốn Sự quan tâm đến tiềm ảnh kỹ thuật số tăng lên vô vài năm qua Ít phần tăng trƣởng nhanh chóng hình ảnh giới Web Các vấn đề tìm kiếm hình ảnh dần đƣợc cơng nhận rộng rãi, tìm kiếm giải pháp ngày tích cực đƣợc nghiên cứu phát triển Một số dấu hiệu cho thấy tốc độ tăng đƣợc thu thập từ số lƣợng báo xuất năm đề tài này, tăng từ năm 1991 lên 12 năm 1994, 45 năm 1998 Việc sử dụng sớm “Tìm kiếm hình ảnh dựa nội dung” tài liệu dƣờng nhƣ bởi Kato (1992), để mơ tả thí nghiệm ơng vào Tìm kiếm ảnh tự động từ sở liệu theo tính màu sắc hình dạng Thuật ngữ từ đƣợc sử dụng rộng rãi để mơ tả q trình lấy hình ảnh mong muốn từ sƣu tập lớn sở tính (nhƣ kết cấu, màu sắc hình dạng) đƣợc tự động trích xuất từ hình ảnh thân Các tính đƣợc sử dụng để tìm kiếm ngun thủy ngữ nghĩa, nhƣng trình khai thác phải đƣợc chủ yếu tự động Hiện có trang web sử dụng phƣơng thức tìm kiếm theo hình ảnh mà tìm kiếm theo từ khóa nên việc cung cấp hình ảnh gốc để tìm kiếm thực khó khăn Vì vậy, chúng em nghĩ tới việc, trang web lớn nhƣ Google lƣu trữ tạo lập sở liệu hình ảnh Ngƣời dùng cần cung cấp hình ảnh muốn tìm, trang web đƣa hình ảnh tƣơng đồng với địa trang web chứa hình ảnh Việc tìm kiếm hồn tồn dựa nội dung hình ảnh (màu sắc, hình dạng ) Cách tiếp cận Đề tài tập trung nghiên cứu: - Tìm kiếm ảnh dựa vào màu sắc (Colour retrieval) - Tìm kiếm ảnh dựa vào vân (Texture retrieval) - Tìm kiểm ảnh dụa vào hình dạng (Shape retrieval) Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT 2.1 Màu sắc 2.1.1 Định nghĩa Một yếu tố quan trọng mà nhận diện hình ảnh ngƣời màu sắc Màu sắc thuộc tính mà phụ thuộc vào phản chiếu ánh sáng vào mắt xử lý thông tin não Chúng ta sử dụng màu sắc ngày để biết khác biệt đối tƣợng, địa điểm, thời gian ngày Thông thƣờng màu sắc đƣợc xác định khơng gian màu ba chiều Có thể RGB (Red, Green, Blue), HSV (Hue, Saturation, Value) HSB (Hue, Saturation, Brightness) Hai cuối phụ thuộc vào nhận thức ngƣời màu sắc, độ bão hòa, độ sáng (Hue, Saturation, Value) Hầu hết định dạng hình ảnh nhƣ JPEG, BMP, GIF, sử dụng không gian màu RGB để lƣu trữ thông tin Các không gian màu RGB đƣợc định nghĩa khối lập phƣơng đơn vị với trục màu đỏ, xanh cây, xanh dương Nhƣ vậy, vector với ba phối hợp đại diện cho màu sắc không gian Khi ba tọa độ đƣợc thiết lập thành màu sắc cảm nhận màu đen Khi ba tọa độ đƣợc đặt màu sắc cảm nhận màu trắng Các không gian màu khác tƣơng tự nhƣng với nhận thức khác Màu sắc vấn đề cần tập chung giải nhiều nhất, ảnh màu thơng tin quan trọng ảnh màu sắc Hơn thông tin màu sắc thông tin ngƣời dùng quan tâm nhất; qua đặc trƣng màu sắc, lọc đƣợc nhiều lớp ảnh, thơng qua vị trí, khơng gian, định lƣợng màu ảnh 2.1.2 Các cách thức mơ tả Phƣơng pháp việc mơ tả thơng tin màu sắc hình ảnh hệ thống CBIR thông qua biểu đồ màu Một biểu đồ màu sắc loại biểu đồ bar (biểu đồ thanh), nơi mà đại diện cho màu sắc cụ thể không gian màu đƣợc sử dụng Các biểu đồ màu đƣợc gọi bins chúng đại diện cho trục x Số lƣợng bins phụ thuộc vào số lƣợng màu có ảnh Các trục y biểu thị số lƣợng điểm ảnh có bins Nói cách khác điểm ảnh hình ảnh màu sắc cụ thể Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT Một ví dụ biểu đồ màu sắc không gian màu HSV đƣợc nhìn thấy với hình ảnh sau đây: Figure: Hình ảnh mẫu biểu đồ tương ứng Colour Map Number of Pixels per Bin (x-axis) (y-axis) H S V 0.9922 0.9882 0.9961 106 0.9569 0.9569 0.9882 242 0.9725 0.9647 0.9765 273 0.9176 0.9137 0.9569 372 0.9098 0.8980 0.9176 185 0.9569 0.9255 0.9412 204 0.9020 0.8627 0.8980 135 0.9020 0.8431 0.8510 166 0.9098 0.8196 0.8078 179 0.8549 0.8510 0.8941 188 0.8235 0.8235 0.8941 241 0.8471 0.8353 0.8549 104 0.8353 0.7961 0.8392 198 Page ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT var verticalProjection = new double[height]; var bitmapData1 = bitmap.LockBits(new Rectangle(0, 0, bitmap.Width, bitmap.Height), ImageLockMode.ReadOnly, PixelFormat.Format32bppArgb); unsafe { var imagePointer1 = (byte*)bitmapData1.Scan0; for (var y = 0; y < height; y++) { for (var x = 0; x < width; x++) { var blu = imagePointer1[0]; var green = imagePointer1[1]; var red = imagePointer1[2]; int luminosity = (byte)(((0.2126 * red) + (0.7152 * green)) + (0.0722 * blu)); horizontalProjection[x] += luminosity; verticalProjection[y] += luminosity; imagePointer1 += 4; } imagePointer1 += bitmapData1.Stride - (bitmapData1.Width * 4); } } MaximizeScale(ref horizontalProjection, height); MaximizeScale(ref verticalProjection, width); var projections = new[] { horizontalProjection, verticalProjection Page 49 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT }; bitmap.UnlockBits(bitmapData1); return projections; } /// /// Optimize the range of values /// /// The array to process. /// The max value for the elements. private static void MaximizeScale(ref double[] projection, double max) { var minValue = double.MaxValue; var maxValue = double.MinValue; for (var i = 0; i < projection.Length; i++) { if (projection[i] > 0) { projection[i] = projection[i] / max; } if (projection[i] < minValue) { minValue = projection[i]; } if (projection[i] > maxValue) { maxValue = projection[i]; } } if (maxValue == 0) { return; Page 50 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT } for (var i = 0; i < projection.Length; i++) { if (maxValue == 255) { projection[i] = 1; } else { projection[i] = (projection[i] - minValue) / (maxValue - minValue); } } } } } 3.3 RgbProjections Lớp xử lý Rgb theo chiều ngang, dọc namespace EyeOpen.Imaging { using System; using System.Collections.Generic; using System.Linq; /// /// Represents RGB projections, horizontal and vertical /// public class RgbProjections { private readonly double[] horizontalProjection; private readonly double[] verticalProjection; internal RgbProjections(double[][] projections) : this(projections[0], projections[1]) { Page 51 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT } internal RgbProjections(double[] horizontalProjection, double[] verticalProjection) { this.horizontalProjection = horizontalProjection; this.verticalProjection = verticalProjection; } public double[] HorizontalProjection { get { return horizontalProjection; } } public double[] VerticalProjection { get { return verticalProjection; } } /// /// Calculate the similarity between two RGB projections, horizontal and vertical /// /// The RGB projection to compare with. /// Return the max similarity value betweem horizontal and vertical RGB projections. public double CalculateSimilarity(RgbProjections compare) { var horizontalSimilarity = CalculateProjectionSimilarity(horizontalProjection, compare.horizontalProjection); var verticalSimilarity = CalculateProjectionSimilarity(verticalProjection, compare.verticalProjection); return Math.Max(horizontalSimilarity, verticalSimilarity); Page 52 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT } /// /// Calculate the similarity to another RGB projection /// /// The source RGB projection. /// The RGB projection to compare with. /// Return a value from to that is the similarity. private static double CalculateProjectionSimilarity(double[] source, double[] compare) { if (source.Length != compare.Length) { throw new ArgumentException(); } var frequencies = new Dictionary(); ////Calculate frequencies for (var i = 0; i < source.Length; i++) { var difference = source[i] - compare[i]; difference = Math.Round(difference, 2); difference = Math.Abs(difference); if (frequencies.ContainsKey(difference)) { frequencies[difference] = frequencies[difference] + 1; } else { frequencies.Add(difference, 1); } } var deviation = frequencies.Sum(value => (value.Key * value.Value)); ////Calculate "weighted mean" ////http://en.wikipedia.org/wiki/Weighted_mean Page 53 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT deviation /= source.Length; ////Maximize scale deviation = (0.5 - deviation) * 2; return deviation; } } } 3.4 SimilarityImages: Lớp so sánh độ tƣơng đƣơng hình ảnh namespace EyeOpen.Imaging { using System; using System.Collections.Generic; using System.Diagnostics.CodeAnalysis; /// /// Represents a comparable images class /// public class SimilarityImages : IComparer, IComparable { private readonly ComparableImage source; private readonly ComparableImage destination; private readonly double similarity; public SimilarityImages(ComparableImage source, ComparableImage destination, double similarity) { this.source = source; this.destination = destination; this.similarity = similarity; } public ComparableImage Source { Page 54 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT get { return source; } } public ComparableImage Destination { get { return destination; } } public double Similarity { get { return Math.Round(similarity * 100, 1); } } public static int operator !=(SimilarityImages value, SimilarityImages compare) { return value.CompareTo(compare); } public static int operator (SimilarityImages value, SimilarityImages compare) { return value.CompareTo(compare); } public override string ToString() { return string.Format("{0}, {1} > {2}", source.File.Name, destination.File.Name, similarity); } #region IComparer Members public int Compare(SimilarityImages x, SimilarityImages y) { return x.similarity.CompareTo(y.similarity); } #endregion #region IComparable Members public int CompareTo(object obj) { SimilarityImages other = (SimilarityImages)obj; return this.Compare(this, other); } #endregion public override bool Equals(object obj) { if (obj == null || GetType() != obj.GetType()) { return false; } var other = (SimilarityImages)obj; Page 56 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT var equals = Source.File.FullName.Equals(other.Source.File.FullName, StringComparison.InvariantCultureIgnoreCase); if (!equals) { return false; } equals = Destination.File.FullName.Equals(other.Destination.File.FullName, StringComparison.InvariantCultureIgnoreCase); if (!equals) { return false; } return true; } public override int GetHashCode() { return string.Format("{0};{1}", Source.File.FullName, Destination.File.FullName).GetHashCode(); } } } Kết thử nghiệm 4.1 Màn hình khởi tạo Page 57 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT 4.2 Màn hình chọn nguồn Page 58 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT 4.3 Màn hình chọn file cần tìm 4.4 Màn hình kết Page 59 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT PHẦN KẾT LUẬN Page 60 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT HẠN CHẾ Không phải lúc kết thu đƣợc thỏa mãn yêu cầu mong đợi ngƣời dùng mà tùy thuộc nhiều vào nội dung ảnh Nếu hình ảnh có q nhiều chi tiết phụ kết bị ảnh hƣởng nhiều HƯỚNG PHÁT TRIỂN Hiện có trang web sử dụng phƣơng thức tìm kiếm theo hình ảnh mà tìm kiếm theo từ khóa nên việc cung cấp hình ảnh gốc để tìm kiếm thực khó khăn Vì vậy, chúng em nghĩ tới việc, trang web lớn nhƣ Google lƣu trữ tạo lập sở liệu hình ảnh Ngƣời dùng cần cung cấp hình ảnh muốn tìm, trang web đƣa hình ảnh tƣơng đồng với địa trang web chứa hình ảnh Việc tìm kiếm hồn tồn dựa nội dung hình ảnh (màu sắc, hình dạng ) Page 61 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT Tài liệu tham khảo [1] Discovering Association Rules based on Image Content, Carlos Ordonez & Edward Omiecinski, College of Computing Georgia Institute of Technology Atlanta, Georgia, USA [2] Data mining, multimedia, soft computing, and bioinformatics, Sushmita Mitra & Tinku Achaya [3] Feature selection for content-based image retrieval using statistical discriminat analysis, Ph.D Thesis 2008, TEE CHENG SIEW, Faculty of Computer Science and Information System, University Technology Malaysia [4] Distinctive Image Features from Scale-Invariant Keypoints, David G Lowe, International Journal of Computer Vision, 2004 [5] Tìm kiếm ảnh dựa vào nội dung, CN Nguyễn Quốc Uy – Đại học KHTN TPHCM [6] Face Recognition using SIFT features, Mohamed Aly, CNS186 Term Project Winter 2006 [7] Textural features for Image classification, Robert M.Haralick, K.Shanmugam & Its’hak Dinstein, 1973 [8] Image Retrieval using Shape Feature, S.Arivazhagan, L.Ganesan, S.Selvanidhyananthan [9] COMPUTER VISION, Linda G.Shapiro, George C.Stockman [10] DIGITAL IMAGE PROCESSING Ratael C.Gonzalez, Richard E Woods [11] A METHOD OF COLOR HISTOGRAM CREATION FOR IMAGE RETRIEVAL Marius Tico, Taneli Haverinen, Pauli Kuosmanen Page 62 ĐỒ ÁN TỐT NGHIỆP – KHOA KHMT – ĐHCNTT [12] MULTIRESOLUTION IMAGE QUERYING Charles E Jacobs, Adam Finkelstein, David H Salesin - FAST Page 63 ... Chƣơng Tìm kiếm ảnh dựa vào màu sắc 17 1.Màu sắc 18 Tìm kiếm ảnh dựa vào màu sắc: 21 Chƣơng Tìm kiếm ảnh dựa vào vân 28 Vân 29 Tìm kiếm ảnh. .. dựng hệ thống tìm kiếm ảnh dựa nội dung Mục đích Đồ Án tìm hiểu nghệ thuật Tìm kiếm ảnh dựa vào nội dung content-based image retrieval (CBIR) Đây công nghệ cho phép tìm kiếm ảnh dựa sở đặc tính... thành phần ảnh bao gồm màu sắc, vân, hình dạng ảnh Từ xây dựng hệ thống tìm kiếm ảnh dựa nội dung Hƣớng tiếp cận: Tìm kiếm ảnh dựa vào màu sắc (Colour retrieval) Tìm kiếm ảnh dựa vào vân (Texture