Đồ án tra cứu ảnh dựa trên nội dung

Đồ án tốt nghiệp Trường ĐHDL Hải Phòng MỤC LỤC MỤC LỤC DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH DANH MỤC CHỮ VIẾT TẮT LỜI CẢM ƠN MỞ ĐẦU CHƯƠNG 1:TỔNG QUAN VỀ TRA CỨU ẢNH DỰA TRÊN NỘI DUNG 1.1Giới thiệu thuật ngữ “Tra cứu ảnh dựa nội dung” 1.2Thành phần thống tra cứu ảnh dựa nội dung .11 1.2.1 Công nghệ tự động trích chọn metadata 11 1.2.2 Giao diện để lấy yêu cầu truy vấn người sử dụng 11 1.2.3 Phương pháp để so sánh độ tương tự ảnh 12 1.2.4 Công nghệ tạo số lưu trữ liệu hiệu 13 1.3 Công nghệ sử dụng hệ thống tra cứu ảnh dựa nội dung 13 1.3.1Cơng nghệ trích chọn đặc trưng trực quan 13 1.3.2 Độ đo tương tự sử dụng đặc trưng trực quan 18 1.3.3 Phân cụm phân lớp 20 1.3.4 Phản hồi liên quan 22 1.4 Ứng dụng Tra cứu ảnh dựa nội dung 25 1.4.1 Văn hóa nghệ thuật 25 1.4.2 Truyện tranh 25 1.4.3 Bảo mật hình ảnh 26 1.5 Những hướng phát triển hệ thống tương lai 27 CHƯƠNG 2: TRA CỨU ẢNH DỰA TRÊN ĐẶC TRƯNG HÌNH DẠNG 28 2.1 Giới thiệu 28 2.2 Trích chọn đặc trưng IDSC 29 Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng 2.2.1 Giới thiệu 29 2.2.2 Ngữ cảnh hình dạng (Shapes Context) 31 2.2.3 Khoảng cách ( THE INNER DISTANCE ) 32 2.2.4 Inner-Distance Shape Context 34 2.3 Đối sánh shape sử dụng quy hoạch động 35 2.4 Tra cứu ảnh với kĩ thuật học hàm khoảng cách 36 2.4.1 Học hàm khoảng cách (Learning New Distance Measures) 39 CHƯƠNG 3: CÀI ĐẶT CHƯƠNG TRÌNH VÀ ỨNG DỤNG 42 3.1 Môi trường thực nghiệm 42 3.2 Bài toán 42 3.3 Các bước chương trình 42 3.4 Một số hình ảnh chương trình 44 KẾT LUẬN 53 TÀI LIỆU THAM KHẢO 54 Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng DANH MỤC CÁC BẢNG Bảng 1.2 : Bảng so sánh hai phương pháp phân cụm phân lớp 20 Bảng 1.3: Tổng hợp phương pháp phân cụm 21 Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng DANH MỤC CÁC HÌNH Hình 1.1 Kiến trúc tổng quan hệ thống tra cứu 11 Hình 2.1: Ví dụ khoảng cách đối tượng .30 Hình 2.2: Ví dụ khoảng cách x y hình O 32 Hình 2.3: Quá trình biểu diễn khoảng cách đối tượng 33 Hình 2.4: Minh họa góc (Inner - Angle) .34 Hình 2.5: Ngữ cảnh hình dạng (SC) khoảng cách ngữ cảnh hình dạng (IDSC) 35 Hình 2.6 : Ví dụ khoảng cách ngữ cảnh hình dạng .37 Hình 2.7: Các hình biết sở liệu 38 Hình 3.1: Giao diện chương trình .44 Hình 3.2: Giao diện chọn thu mục chứa CSDL đặc trưng ảnh 45 Hình 3.3: Giao diện chọn thư mục chứa ảnh truy vấn cần tra cứu 46 Hình 3.4: Giao diện thị ảnh truy vấn cho ví dụ 47 Hình 3.5: Giao diện hiển thị kết tra cứu trước học hàm khoảng cách ví dụ 47 Hình 3.6: Giao diện kết hiển thị sau áp dụng kĩ thuật học hàm khoảng cách ví dụ 48 Hình 3.7: Giao diện hiển thị ảnh truy vấn ví dụ 49 Hình 3.8: Giao diện hiển thị kết tra cứu trước học hàm khoảng cách ví dụ 49 Hình 3.9: Giao diện hiển thị kết tra cứu sau học hàm khoảng cách ví dụ 50 Hình 3.10: Giao diện hiển thị ảnh truy vấn ví dụ 51 Hình 3.11: Giao diện hiển thị kết tra cứu ví dụ 51 Hình 3.12: Giao diện hiển thị kết tra cứu sau học hàm khoảng cách ví dụ 52 Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Bùi Đức Sơn - CTL601 Trường ĐHDL Hải Phòng Đồ án tốt nghiệp Trường ĐHDL Hải Phòng DANH MỤC CHỮ VIẾT TẮT CBIR CONTENT BASED IMAGE RETRIEVAL IDSC INNER DISTANCE SHAPE CONTEXT TID THE INNER DISTANCE DP DYNAMIC PROGRAM SC SHAPE CONTEXT QBIR QUERY BASED IMAGE RETRIEVAL Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng LỜI CẢM ƠN Em xin gửi lời cảm ơn chân thành tới thầy giáo hướng dẫn Th.s Ngô Trường Giang, người định hướng nghiên cứu tận tình bảo, giúp đỡ em trình làm đồ án, giúp em hoàn thành báo cáo thực tập kế hoạch Em xin chân thành cảm ơn thầy cô khoa công nghệ thông tin Trường ĐHDL Hải Phịng tận tình giảng dạy, truyền đạt kiến thức kinh nghiệm vô quý báu năm học vừa qua Em xin cảm ơn gia đình, bạn bè bên cạnh động viên em q trình làm đồ án để có kết ngày hôm Em xin chân thành cảm ơn! Hải phòng, ngày tháng năm 2019 Sinh viên Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng MỞ ĐẦU Sự phát triển công nghệ thông tin mạng internet kéo theo gia tăng đáng kể loại liệu đa phương tiện, liệu số, nhu cầu tìm kiếm chia sẻ loại liệu ngày tăng Kiểu liệu hình ảnh số Tìm kiếm theo hình ảnh mang tính trực quan dễ dàng cho người tìm kiếm thơng tin kèm ảnh, tìm kiếm ảnh mang nhiều mục đích để giải trí, thỏa mãn nhu cầu cá nhân, phục vụ cho nhiều lĩnh vực sống an ninh bảo mật, y tế, giáo dục… Do việc nghiên cứu phát triển hệ thóng tra cứu ảnh ngày trở nên cấp thiết Hai kiểu tìm kiếm phổ biến tìm kiếm ảnh theo nội dung tìm kiếm ảnh dựa vào từ khóa Mỗi phương pháp có ưu nhược điểm riêng, ưu điểm tìm kiếm ảnh theo từ khóa nhanh dễ dàng cho máy tìm kiếm hoạt động dựa việc phân tích so sánh từ cụm từ tương ứng với để đưa kết quả, kiểu liệu dạng văn bản, từ ngữ nhanh chóng cho kết quả, khơng địi hỏi phải có ảnh mẫu để so sánh Nhược điểm độ xác kết tìm kiếm khơng cao, việc đánh từ khóa cho ảnh khơng phải lúc đầy đủ theo ý người tìm kiếm, phù hợp với việc đáp ứng cầu người dùng thông qua việc mô tả từ ngữ Phương pháp thứ hai phương pháp tra cứu ảnh dựa vào nội dung hình ảnh Phương pháp cần ảnh mẫu cho đầu vào sau tìm ảnh tương ứng, độ xác phương pháp cao hơn, mơ tả tương đối đầy đủ nội dung ảnh đầu vào sau đối chiếu với ảnh sở liệu, từ cho ảnh xác Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng CHƯƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA TRÊN NỘI DUNG 1.1 Giới thiệu thuật ngữ “Tra cứu ảnh dựa nội dung” Tra ảnh theo nội dung thức xuất từ năm 1992, đánh dấu Hội thảo hệ thống quản lý thông tin trực quan Quỹ Khoa học Quốc gia Hoa Kỳ Tra cứu ảnh dựa nội dung trình tìm kiếm ảnh sở liệu ảnh ảnh thỏa mãn u cầu Những tìm kiếm đặc thù vào tiêu biểu cho hệ thống là: QBIC, VIR Image, Engine, VisualSEEK, NeTrA, MARS, Viper… Thuật ngữ tra cứu ảnh dựa nội dung Kato sử dụng để mơ tả thí nghiệm ơng lĩnh vực tra cứu tự động hình ảnh từ sở liệu dựa đặc điểm hình dạng màu sắc Từ đó, sử dụng rộng rãi để mơ tả q trình tra cứu hình ảnh mong muốn từ tập hợp lớn hình ảnh dựa đặc điểm màu sắc, kết cấu hình dạng, đặc điểm trích rút cách tự động từ hình ảnh Tra cứu ảnh dựa nội dung (CBIR) việc ứng dụng thị giác máy tính (Computer Vision) vào việc tra cứu ảnh, tránh sử dụng miêu tả từ khóa, thay vào sử dụng tương đồng nội dung ảnh : kết cấu, màu sắc, hình dạng Tra cứu ảnh dựa nội dung trái ngược với tra cứu ảnh dựa từ khóa, dựa số đặc trưng mức thấp (Low-Level features): Màu Sắc (Colors), hình dạng (Shape), kết cấu (Textures) liên hệ khơng gian (Spatial relationship) Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng Màu sắc: Là đặc trưng phổ biến, giúp người dễ dàng nhận khác biệt hình ảnh, dùng lược đồ màu sắc (Color Histogram) để biểu diễn Tìm kiếm ảnh theo màu sắc tiến hành tính tốn biểu đồ cho ảnh để xác định vị trí điểm ảnh chứa giá trị đặc biệt xét khơng gian màu (RGB, CIE, HSV) Hình dạng (Shape): Là đặc trưng quan trọng khâu trích chọn đặc trưng từ nội dung hình ảnh đối tượng, tiếp cận dựa vùng (Region) đối tượng, dựa biên đối tượng hay cịn gọi thuộc tính hình học ảnh Thuộc tính hình học dùng phân lớp, so sánh nhận dạng đối tượng Kết cấu: Các thuộc tính kết cấu (Tương phản, Hướng, Quy luật, Chu kỳ, Ngẫu nhiên), đặc trưng trích chọn nhằm tìm mơ hình trực quan ảnh cách thức ảnh xác định không gian, cung cấp thông tin xếp mặt không gian màu sắc cường độ ảnh Liên hệ không gian: Được dùng để phân biệt đối tượng ảnh theo hai cách theo đối tượng theo quan hệ Những phương pháp dựa đặc trưng mức thấp phát triển tốt thời gian gần đây, nhiên việc dựa đặc trưng mức thấp lúc mang lại hiệu mong muốn cho người sử dụng, phải kết hợp đặc điểm lại với nhau, ngày nay, nhiều hệ thống CBIR đưa vào sử dụng, tiêu biểu hệ thống tra cứu hình ảnh Image Search Google, Yahoo, Bing Bùi Đức Sơn - CTL601 10 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng đối tượng biết (hoặc tập hợp đào tạo) sau đó, xếp giá trị sim(x1, xi) theo thứ tự giảm dần i = 2,…n, đạt đượng xếp hạng cở sở liệu đối tượng theo độ tương tự chúng cho truy vấn Đối tượng giống với ảnh truy vấn có giá trị cao hiển thị lên Đôi độ đo khoảng cách (Sự khác nhau) sử dụng để thay cho độ đo tương tự (sự giống nhau), trường hợp này, việc xếp hạng, xếp đối tượng sở liệu theo chiều tăng có nghĩa là, đối tượng sở liệu có độ khác nhỏ có giá trị nhỏ hiển thị lên trước Một vấn đề gặp phải hàm sim khơng hồn tồn cho nhiều cặp đối tượng, trả kết sai, trả kết cho hầu hết cặp Một phương án để giải cho vấn đề là: học hàm tương tự gọi simT , giúp cải thiện kết tra cứu sim cho truy vấn x1 Cho wi, j = sim (xi, xj), với i, j = 1, … ,n ma trận tương tự, mà có tên gọi khác ma trận quan hệ Ta khai báo chuối hàm gán nhãn ft  : X [0, 1] với f0 (x1) = f0 (xi) = , i = 2,…,n Ta có hàm đệ quy f t sau: ft : ft+1(x1)= (1) với i = ,… n ta đặt: ft+1(x1) = (2) Lúc này, ta lớp chứa phần tử có nhãn truy vấn x1, hàm tương tự học thay x1 định nghĩa sau: simt(x1, xi) = ft(xi) Bùi Đức Sơn - CTL601 (3) 40 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng Do đó, ta coi ft tập hợp giá trị tương tự chuẩn hóa với truy vấn x1 Quan sát thấy, sim1 (x1, xj) = w1,i = sim (x1, xi) Bước (1) (2) lặp lặp lại bước t = T Sau đó, ta xếp hạng độ tương tự cho truy vấn x1 với sim T Bước (1) bước (2) sử dụng lan truyền nhãn Đặc biệt trường hợp có lớp biết, lớp đối tượng truy vấn, có nghĩa thực tế, lan truyền nhãn có cách giải trường hợp lim t ∞ ft (xi) = với i = 1,…,n., có nghĩa tất đối tượng gán lớp nhãn truy vấn hình dạng Do mục đích xếp hạng đối tượng sở liệu theo độ tương tự chúng với truy vấn, nên việc tính tốn dừng lại sau số bước lặp phù hợp t = T Thơng thường, q trình lặp lặp lại phải đảm bảo hội tụ Tuy nhiên, việc tính tốn dừng lại khác biệt || ft+1 - ft || trở nên nhỏ Nếu sở liệu đối tượng biết trước lớn, việc tính tốn với n đối tượng trở nên khơng thực tế Vì vậy, xây dựng ma trận w sử dụng M cho M < n đối tượng tương tự với truy vấn x xếp theo hàm khoảng cách ban đầu sim Bùi Đức Sơn - CTL601 41 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng CHƯƠNG 3: CÀI ĐẶT CHƯƠNG TRÌNH VÀ ỨNG DỤNG 3.1 Mơi trường thực nghiệm Chương trình xây dựng công cụ Matlab 7.7.0 (R2008) sử dụng ngơn ngữ lập trình Matlab Sử dụng sở liệu ảnh MPEG7 gồm 1400 ảnh(Shape) chia làm 70 lớp lớp gồm 20 ảnh Nhóm modul chương trình Tra cứu ảnh theo nội dung ứng dụng phương pháp học hàm khoảng cách Trích chọn đặc trưng toàn ảnh sở liệu Chọn hiển thị ảnh truy vấn Tra cứu ảnh truy vấn, hiển thị kết tra cứu Học hàm khoảng cách giúp cải thiện kết truy vấn 3.2 Bài tốn Chương trình tra cứu hình dạng ảnh ứng dụng kỹ thuật học hàm khoảng cách nhằm phục vụ cho mục đích tra cứu hiển thị hình ảnh có độ tượng ảnh truy vấn Đầu vào: Ảnh truy vấn (Shape) Đầu ra: Danh sách 20 ảnh giống so với ảnh truy vấn đầu vào 3.3 Các bước chương trình Bước (Offline): Xây dựng CSDL đặc trưng Trích chọn đặc trưng 1400 ảnh CSDL phương pháp khoảng cách (IDSC) Tính ma trận khoảng cách ảnh so với ảnh lại CSDL Độ tương tự ảnh tính tốn cách sử dụng phương pháp quy hoạch động (Dynamic Program) Bùi Đức Sơn - CTL601 42 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng Bước (Online): Tra cứu ảnh Chọn ảnh truy vấn hiển thị ảnh truy vấn Trích chọn đặc trưng ảnh truy vấn sử dụng kĩ thuật IDSC Tính độ tương tự ảnh truy vấn ảnh CSDL Sắp xếp ảnh kết theo độ tương tự tăng dần Hiển thị 20 ảnh có độ tương tự giống so với ảnh truy vấn Bước 3: Học hàm khoảng cách Xây dựng ma trận khoảng cách tất ảnh Chuẩn hóa ma trận khoảng cách Học hàm khoảng cách Sắp xếp hàm khoảng cách giảm dần Lấy 20 ảnh để hiển thị Bùi Đức Sơn - CTL601 43 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng 3.4 Một số hình ảnh chương trình Hình 3.1: Giao diện chương trình Bùi Đức Sơn - CTL601 44 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng Hình 3.2: Giao diện chọn thu mục chứa CSDL đặc trưng ảnh Trong phần CSDL đặc trưng nằm thư mụa IDSC_MPEG7 Bùi Đức Sơn - CTL601 45 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng Hình 3.3: Giao diện chọn thư mục chứa ảnh truy vấn cần tra cứu Trong phần ảnh truy vấn nằm thư mục Data Bùi Đức Sơn - CTL601 46 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng Ví dụ 1: Ảnh truy vấn ảnh 01 thuộc lớp 25 Hình 3.4: Giao diện thị ảnh truy vấn cho ví dụ Hình 3.5: Giao diện hiển thị kết tra cứu trước học hàm khoảng cách ví dụ Bùi Đức Sơn - CTL601 47 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng Ta thấy kết tra cứu trả số ảnh có độ tương tự chưa giống so với ảnh truy vấn, ảnh 19 lớp 49 (hình ngựa) ảnh 02 lớp 15 (hình lạc đà), để giải vấn đề cần áp dụng kĩ thuật học hàm khoảng cách nhằm cải thiện lại độ xác kết tra cứu Hình 3.6: Giao diện kết hiển thị sau áp dụng kĩ thuật học hàm khoảng cách ví dụ Chúng ta thấy, lớp 49 (con ngựa) lớp 15 (con lạc đà) khơng cịn hiển thị kết tra cứu, thay vào hiển thị ảnh thuộc lớp 26 (lớp linh dương) lớp với ảnh truy vấn, chứng tỏ việc học hàm khoảng cách giúp cải thiện lại độ xác kết tra cứu Bùi Đức Sơn - CTL601 48 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng Ví dụ 2: Thay đổi ảnh truy vấn đầu vào ảnh 01 lớp 15 Hình 3.7: Giao diện hiển thị ảnh truy vấn ví dụ Kết tra cứu trước học hàm khoảng cách Hình 3.8: Giao diện hiển thị kết tra cứu trước học hàm khoảng cách ví dụ Bùi Đức Sơn - CTL601 49 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng Chúng ta thấy kết hiển thị chưa xác cịn nhiều ảnh khơng lớp với ảnh truy vấn (lớp lớp 18) Ảnh kết sau học Hình 3.9: Giao diện hiển thị kết tra cứu sau học hàm khoảng cách ví dụ Nhìn vào kết hiển thị sau học hàm khoảng cách ta thấy độ xác cải thiện đáng kể, cụ thể số ảnh thuộc lớp với ảnh truy vấn tăng lên, nhiên tồn ảnh không lớp với ảnh truy vấn Bùi Đức Sơn - CTL601 50 Đồ án tốt nghiệp Trường ĐHDL Hải Phịng Ví dụ 3: Thay đổi ảnh truy vấn đầu vào ảnh 01 thuộc lớp 09 Hình 3.10: Giao diện hiển thị ảnh truy vấn ví dụ Kết trước học hàm khoảng cách Hình 3.11: Giao diện hiển thị kết tra cứu ví dụ Bùi Đức Sơn - CTL601 51 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng Nhìn vào kết tra cứu ta thấy số ảnh khác lớp với ảnh truy vấn nhiều, bên cạnh ảnh số 09 thuộc lớp 09 giống với ảnh truy vấn hơn, lại xếp sau ảnh 08 thuộc lớp 34 khác với ảnh truy vấn Kết sau học hàm khoảng cách Hình 3.12: Giao diện hiển thị kết tra cứu sau học hàm khoảng cách ví dụ Nhìn vào kết tra cứu sau học hàm khoảng cách ta thấy, hình khác lớp với ảnh truy vấn khơng cịn hiển thị kết tra cứu, thay vào ảnh thuộc lớp với ảnh truy vấn hiển thị Chứng tỏ, học hàm khoảng cách cải thiện độ xác kết tra cứu Bùi Đức Sơn - CTL601 52 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng KẾT LUẬN Nội dung đồ án trình bày số khái niệm tra cứu ảnh theo nội dung, kĩ thuật trích chọn đặc trưng hình dạng sử dụng phương pháp khoảng cách kĩ thuật học hàm khoảng cách để cải thiện hiệu tra cứu Về mặt thực nghiệm, chương trình tra cứu hình dạng sử dụng học hàm khoảng cài đặt ngôn ngữ Matlab Kết thực nghiệm cho thấy độ xác cải thiện đáng kể so với kết trước áp dụng hàm học, nhiên vài vấn đề hạn chế, tốc độ tra cứu chưa nhanh, hay kết tra cứu chưa xác 100% Mặc dù hồn thành mục tiêu đồ án điều kiện thời gian có hạn mà lĩnh vực cần tìm hiểu tương đối rộng nên tìm hiểu đồ án khó tránh khỏi thiếu xót Chương trình thử nghiệm chưa thực hồn thiện kết khả quan Trong thời gian tới có điều kiện em xây dựng lại chương trình tra cứu hình dạng ứng dụng học hàm khoảng cách cách hồn chỉnh hơn, tối ưu thuật tốn nhằm tăng tốc độ tra cứu độ xác kết hiển thị Bùi Đức Sơn - CTL601 53 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng TÀI LIỆU THAM KHẢO [1] Datta, R., Joshi, D., Li, J., Wang, J.Z.: Image retrieval: Ideas, influences, and trends of the new age ACM Computing Surveys 40 (2008) [2] H Ling and D Jacobs, “Shape classification using the inner- distance,” IEEE Transactions on Patter n Analysis and Machine Intelligence, 29 (2007) [3] Xingwei Yang “Improving Shap Retrieval by Learning Graph Transduction” In: Proceedings of the 10th European Conference on Computer Vision (2008) [4] Datta, R., Joshi, D., Li, J., Wang, J.Z.: Content-based image retrieval: approaches and trends of the new age, In: Proceedings of the 7th ACM SIGMM international workshop on Multimedia information retrieval (2005) [5] Xie, J., Heng, P.A., Shah, M.: Shape matching and modeling using skeletal context Pattern Recognition 41 (2008) Website: www.matworks.com Bùi Đức Sơn - CTL601 54 ... ảnh xác Bùi Đức Sơn - CTL601 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng CHƯƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA TRÊN NỘI DUNG 1.1 Giới thiệu thuật ngữ ? ?Tra cứu ảnh dựa nội dung? ?? Tra ảnh theo nội dung. .. thống tra cứu ảnh dựa nội dung tra cứu ảnh màu sắc, hình dạng, kết cấu kết hợp đặc tính 1.2.2 Giao diện để lấy yêu cầu truy vấn người sử dụng Trong hệ thống tra cứu qúa trình tra cứu u cầu tra cứu. .. miêu tả từ khóa, thay vào sử dụng tương đồng nội dung ảnh : kết cấu, màu sắc, hình dạng Tra cứu ảnh dựa nội dung trái ngược với tra cứu ảnh dựa từ khóa, dựa số đặc trưng mức thấp (Low-Level features):