(Luận văn thạc sĩ) nghiên cứu một số kỹ thuật đánh giá độ tương tự và ứng dụng luận văn ths công nghệ thông tin 1 01 10

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Vũ Xuân Hùng NGHIÊN CỨU MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƢƠNG TỰ VÀ ỨNG DỤNG LUẬN VĂN THẠC SĨ Hà Nội – 2006 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Vũ Xuân Hùng NGHIÊN CỨU MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƢƠNG TỰ VÀ ỨNG DỤNG Ngành : Công nghệ thông tin Mã số : 1.01.10 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC TIẾN SĨ : NGUYẾN THỊ HỒNG MINH Hà Nội – 2006 Mở đầu Vũ Xuân Hùng – K10T3 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu tơi thực hướng dẫn Tiến sĩ Nguyễn Thị Hồng Minh, cán giảng dạy Khoa sau đại học Đại học quốc gia Hà nội Tất công thức, lời trích dẫn, kết lấy từ báo, cơng trình cơng bố luận văn hồn tồn trung thực, có xuất xứ, nguồn gốc rõ ràng Phần xây dựng chương trình tơi tự viết có sử dụng số thuật tốn cơng bố cơng khai, thư viện mã nguồn mở hợp lệ Hà Nội, ngày 15 tháng 11 năm 2006 Học viên VŨ XUÂN HÙNG Luận văn tốt nghiệp cao học -3- Mở đầu Vũ Xuân Hùng – K10T3 LỜI CẢM ƠN Lòng biết ơn chân thành sâu sắc xin gửi đến cô giáo hướng dẫn: tiến sĩ Nguyễn Thị Hồng Minh - Khoa Sau đại học - Đại học quốc gia Hà Nội, người tận tình bảo cung cấp tài liệu q giá cho tơi q trình hình thành ý tưởng, nghiên cứu, triển khai hoàn thành luận văn Tôi xin dành lời cảm ơn tới thầy giáo, người hết lịng giảng dạy, truyền đạt kiến thức quý báu cho suốt trình học tập nghiên cứu khoa học trường Tôi xin bày tỏ lời cảm ơn tới gia đình, bạn bè, người khuyến khích, động viên tạo điều kiện cho thời gian làm luận văn vừa qua Do điều kiện thời gian lực có hạn, luận văn chắn khơng tránh khỏi thiếu sót, tơi mong nhận góp ý thầy giáo, bạn tất quan tâm đến vấn đề luận văn Học viên VŨ XUÂN HÙNG Luận văn tốt nghiệp cao học -4- Mở đầu Vũ Xuân Hùng – K10T3 MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN MỞ ĐẦU CHƢƠNG – PHÂN TÍCH NỘI DUNG CỦA ẢNH 10 Nhận thức qua thị giác ngƣời 11 1.1 Giải phẫu học mắt 12 1.2 Nhận thức mắt ảnh qua màu sắc, hình dạng, cấu trúc 14 1.2.1 Nhận thức màu sắc 14 1.2.2 Nhận thức hình dạng 15 1.2.3 Nhận thức cấu trúc 16 Các hệ màu 16 2.1 RGB 17 2.2 CMY/CMYK 18 2.3 HSI 20 2.4 YCbCr 21 Xác định độ đo nội dung ảnh 22 3.1 Độ đo thuộc tính màu sắc 22 3.1.1 Histogram 23 3.1.2 Moment màu 26 3.1.3 Vectơ gắn kết màu 26 3.1.4 Tương quan màu 27 3.2 Độ đo thuộc tính hình dạng 27 3.2.1 Cơ sở vùng 28 3.2.2 Cơ sở biên 31 3.3 Độ đo thuộc tính cấu trúc bề mặt 33 3.3.1 Các phương pháp không gian 34 3.3.2 Phương pháp tần số 35 3.3.3 Phương pháp moment 36 3.4 Độ đo qua bố cục không gian 38 CHƢƠNG - ĐÁNH GIÁ ĐỘ TƢƠNG TỰ 44 Lý thuyết độ tƣơng tự 44 Luận văn tốt nghiệp cao học -5- Mở đầu Vũ Xuân Hùng – K10T3 1.1 Tính “ghép đúng” tính “tương tự” 44 1.2 Khái niệm độ tương tự hai ảnh 45 1.3 Độ đo tương tự 45 1.3.1 Các tiên đề đo 45 1.3.2 Tập lý thuyết độ tương tự 47 Đánh giá độ tƣơng tự 50 2.1 Mơ hình khơng gian vector VSM 50 2.1.1 Phép so sánh histogram 51 2.1.2 Phép so sánh qua giá trị điểm ảnh 55 2.2 Mơ hình Vector 57 2.2.1 SVM 57 2.2.2 SVM kỹ thuật tra cứu ảnh 59 2.3 Mơ hình k-phần tử kề cận (k-NN) 62 2.3.1 Thuật toán k-NN 62 2.3.2 k-NN so khớp điểm ảnh 64 2.4 Mơ hình kết hợp 65 CHƢƠNG – ỨNG DỤNG 66 Ứng dụng hệ thống tra cứu ảnh theo nội dung 66 1.1 Mô hình hoạt dộng 66 1.1.1 Bộ mô tả nội dung trực quan 66 1.1.2 Bộ so sánh đánh giá độ tương tự 67 1.2 Giới thiệu số hệ thống tra cứu ảnh theo nội dung 68 1.2.1 QBIC 68 1.2.2 Blob World 68 1.2.3 SIMBA 68 1.2.4 GIFT 68 1.2.5 CIRES 69 1.2.6 Hệ phân lớp trước 69 1.2.7 IRMA 69 Ứng dụng quản lý đăng ký lôgô thƣơng mại 70 2.1 Giới thiệu toán 70 2.2 Xây dựng chương trình 70 Luận văn tốt nghiệp cao học -6- Mở đầu Vũ Xuân Hùng – K10T3 2.2.1 Lựa chọn môi trường 70 2.2.2 Phân tích lơgơ 70 2.2.3 Đánh giá độ tương tự lôgô 71 2.2.4 Một số thuật tốn sử dụng chương trình 72 2.2.5 Hướng dẫn sử dụng chương trình kết 76 KẾT LUẬN 81 TÀI LIỆU THAM KHẢO 83 PHỤ LỤC - ẢNH LÔGÔ TRONG CƠ SỞ DỮ LIỆU 85 Luận văn tốt nghiệp cao học -7- Mở đầu Vũ Xuân Hùng – K10T3 MỞ ĐẦU Trong năm gần đây, lĩnh vực xử lý ảnh số ngày nhiều người quan tâm, phát triển nhanh chóng thiết bị đồ hoạ dung lượng thiết bị lưu trữ ngày tăng nhanh nhân tố tích cực thúc đẩy nghiên cứu ứng dụng thực tế từ công nghệ xử lý ảnh Nhận dạng ảnh việc dùng chương trình máy tính để phân tích nội dung ảnh Có nhiều hướng nghiên cứu xác định nội dung ảnh phân định đối tượng thuộc ảnh Các kết đạt phương pháp đưa vào ứng dụng thực tiễn để giải vấn đề cụ thể Với việc khơng cịn bị hạn chế độ lớn nhớ dùng để lưu trữ, vấn đề đặt khai thác kho liệu ảnh cho hiệu Bằng trực quan nguời dễ dàng hiểu nội dung ảnh, để máy tính hiểu nội dung thực vấn đề khó Ngay hạn chế vấn đề chỗ đem so sánh nội dung ảnh với theo góc độ đánh giá tính tương tự đặt nhiều vấn đề lớn cho việc nghiên cứu: so sánh dựa đặc trưng nào, giống hay khác mức độ bao nhiêu? Để tìm hiểu sâu vấn đề này, thực tế đặt cho toán xác định xem liệu đối tượng (được mơ tả dạng ảnh – trích phần từ ảnh lớn hơn) có xuất ảnh tập ảnh (cơ sở liệu đầu vào) cho trước hay không? Trong nghiên cứu khoa học nay, vấn đề xếp vào nhóm kỹ thuật tra cứu ảnh theo nội dung Các kỹ thuật cho phép trích chọn đặc điểm dựa vào nội dung trực quan bao gồm màu sắc, kết cấu, hình dạng, bố cục khơng gian… ảnh, từ làm sở cho việc tra cứu, xếp, tổ chức sở liệu ảnh Nghiên cứu - tìm hiểu - đánh giá phương pháp có để tìm lời giải cho tốn nội dung đề tài “Nghiên cứu số kỹ thuật đánh giá độ tương tự ứng dụng” Để đánh giá độ tương tự ảnh phân tích, trước hết phải xác định độ đo nội dung cần thiết để so sánh, sau phải xây dựng hàm đánh giá Đó hai mục tiêu nghiên cứu đề tài Trên sở nghiên cứu đó, đề tài thử nghiệm phương pháp cụ thể để xây dựng chương trình phần mềm cho phép tra cứu mẫu lơgơ thương mại xem có hay chưa có kho sở liệu ảnh lôgô thương mại lưu trữ Luận văn tốt nghiệp cao học -8- Mở đầu Vũ Xuân Hùng – K10T3 (đã đăng ký) cách liệt kê 20 mẫu lơgơ có nội dung ảnh gần giống với mẫu lôgô đưa vào, qua cho phép người dùng quan sát định có cho đăng ký (lưu trữ) mẫu lơgơ hay khơng Vì vậy, nội dung luận văn trình bày theo cấu trúc sau: Chương : Phân tích nội dung ảnh Nội dung chương vào phân tích chi tiết cấu thành nội dung ảnh theo khía cạnh nhận thức thị giác người Sau tìm hiểu sơ qua giải phẫu học nguyên lý cảm nhận mắt người, luận văn giới thiệu phương pháp vector đặc trưng dùng để mô tả nội dung ảnh Đây sở để thực phép tính toán so sánh ảnh với chương Chương : Đánh giá độ tương tự Đưa kỹ thuật đánh giá độ tương tự ảnh dựa độ đo nội dung ảnh (vector đặc trưng) Tính đến nay, có nhiều kỹ thuật giới thiệu Để hệ thống hoá phân loại, kỹ thuật trình bày theo tiêu chí phân loại mơ hình độ tương tự Chương : Ứng dụng Giới thiệu số hệ thống, số chương trình ứng dụng sử dụng kỹ thuật đánh giá độ tương tự có chương Tiếp chương trình phần mềm tự xây dựng nhằm mô cho lý thuyết đề cập luận văn Luận văn tốt nghiệp cao học -9- Chƣơng Vũ Xuân Hùng – K10T3 CHƢƠNG – PHÂN TÍCH NỘI DUNG CỦA ẢNH Tra cứu ảnh dựa theo nội dung (Content Based Image Retrieval - sau viết tắt CBIR) kỹ thuật dựa nội dung trực quan ảnh để tra cứu ảnh sở liệu Tuỳ theo mục đích người dùng, kỹ thuật nghiên cứu có bước tiến nhanh chóng từ năm 1990 Trong năm cuối thập kỷ trước, vài chương trình phần mềm đạt số kết định, thể lĩnh vực nghiên cứu lý thuyết phát triển hệ thống Tuy nhiên vấn đề thách thức nghiên cứu, chúng tiếp tục hấp dẫn nhà nghiên cứu từ nhiều lĩnh vực khác Chúng ta điểm qua lịch sử phát triển kỹ thuật Trước tiên quay lại cuối năm thập kỷ 1970 Vào năm 1979, hội nghị “Cơ sở liệu hình ảnh” tổ chức Florence tập trung nhận định đánh giá cao tiềm ứng dụng kỹ thuật quản lý sở liệu hình ảnh Thực tế cho thấy từ đến vấn đề ln thu hút quan tâm nhà nghiên cứu Ban đầu, kỹ thuật quản lý tra cứu ảnh nhìn chung không dựa đặc trưng trực quan mà chủ yếu dựa giải văn ảnh Nói cách khác, ảnh trước tiên ghi đoạn văn bản, sau thơng tin ảnh lưu trữ vào sở liệu dựa mô tả văn Thơng qua mơ tả ngơn ngữ văn bản, hình ảnh xếp theo thứ tự chủ đề ngữ nghĩa nhằm tạo thuận lợi cho chuẩn tra cứu lô-gic Tuy nhiên, việc mô tả văn chuỗi hình ảnh phức tạp không khả thi hầu hết hệ thống thu thập hình ảnh dựa sở văn chữ viết địi hỏi phải có thích thủ công cho ảnh đưa vào Rõ ràng, việc thích hình ảnh theo phương pháp nhiệm vụ nặng nề chi phí sở liệu hình ảnh lớn cao, ngồi cịn mang tính chủ quan, thiếu hoàn thiện phụ thuộc vào nhiều yếu tố ngoại cảnh, khó hỗ trợ tra cứu khai thác sau Đầu thập kỷ 1990, với tiến Internet cơng nghệ cảm biến hình ảnh số, ứng dụng khoa học, giáo dục, y tế, công nghệ ứng dụng khác đưa ảnh có dung lượng tăng đột biến Các khó khăn việc thu thập hình ảnh dựa sở văn ngày trở nên rõ ràng Việc quản lý hiệu thông tin trực quan mở rộng nhanh chóng ngày trở thành vấn đề cấp bách Điều tạo động lực thúc đẩy xuất kỹ thuật thu thập hình ảnh dựa sở nội dung Năm 1992, Trung tâm Khoa học Quốc gia Mỹ tổ chức Luận văn tốt nghiệp cao học - 10 - Chƣơng Vũ Xuân Hùng – K10T3 W Kết cửa sổ W trượt hết qua ảnh I tạo vùng vng xung quanh điểm ảnh (nhiễu) Kích thước cửa sổ W lớn cảm nhận nhiễu thấp Hình 29 - Hàm xấp xỉ Gaussian rời rạc với   1.4 (cửa sổ W kích cỡ 5x5) Bước : Tính tốn Gradient Sau ảnh I làm mịn ước lượng nhiễu, bước tìm điểm nhiễu mạnh cách thực gradient Lựa chọn cặp mặt lạ (cửa sổ Gx Gy) kích cỡ 3x3 Hình 30, để tính tốn gradient theo phương trục x, để tính cho phương trục y Hình 30 - Cặp mặt lạ tính tốn gradient Tổng hợp kết đơi phép tính thu ảnh có đường biên nơi có nhiễu mạnh Gradient kết hợp tính sau: G  Gx  Gy Một biết hướng theo đường trục x y việc xác định hướng cho đường biên trở nên thực đơn giản Góc xác định hướng đường biên tính theo lượng giác:  Gy    Gx    arctan Luận văn tốt nghiệp cao học - 73 - Chƣơng Vũ Xuân Hùng – K10T3 Bước : Loại trừ khơng cực đại Sau có hướng đường biên tạo từ nhiễu mạnh, phép loại trừ không cực đại áp dụng để bỏ điểm nhiễu không đủ mạnh (không xem đường biên) Kết tạo ảnh có đường đậm nét mảnh Bước : Dùng ngưỡng loại trừ đường trễ Cuối sử dụng cách loại trừ đường trễ (giống làm ba via) Hiện tượng có nguyên nhân tính tốn dao động ngưỡng ngưỡng bước Để tránh điều này, sử dụng ngưỡng T1 T2 (cao thấp) Bất giá trị điểm ảnh mà lớn T1 coi điểm biên, đánh dấu Sau tất điểm kế cận điểm đánh dấu có giá trị lớn T2 đánh dấu điểm đường biên 2.2.4.2 Thuật toán dị tìm điểm góc quan trọng Harris Thuật tốn có số ý tưởng gần giống với thuật tốn Canny, bước thực sau [7]: Bước : Tính tốn đạo hàm theo phương x y cho ảnh xám Sử dụng toán tử Prewitt Bước : Làm mịn ảnh gradient Gọi I I ảnh gradient có từ bước trước y x Tính tốn giá trị sau :  I  A      x   I  B      y   I I  C      x y  Với ma trận Gaussian 3x3 để làm mịn sau : Luận văn tốt nghiệp cao học - 74 - Chƣơng Vũ Xuân Hùng – K10T3 Bước : Với điểm ảnh, xây dựng ma trận 2x2 Tính giá trị tương ứng với vị trí điểm x,y : k = 0,04 Bước : Loại trừ không cực đại Sử dụng cửa sổ 3x3 để loại trừ điểm không cực đại Nếu giá trị R điểm ảnh cực đại phạm vi cửa sổ 3x3 đánh dấu điểm góc Bước : Xác định điểm góc thực quan trọng Ấn định số điểm góc thực quan trọng có ảnh số tỉ lệ phần trăm so với tổng số điểm ảnh (từ thực nghiệm, tỉ lệ 1:15) Luận văn tốt nghiệp cao học - 75 - Chƣơng Vũ Xuân Hùng – K10T3 2.2.5 Hƣớng dẫn sử dụng chƣơng trình kết 2.2.5.1 Lựa chọn tham số Vào menu Image Retrieval -> Method’s Option (Hình 31) Các tham số lựa chọn bao gồm: + Similarity Method : Lựa chọn phương pháp đo độ tương tự cho màu sắc hình dạng + Các lựa chọn cho tra cứu theo : By Color (màu sắc), By Shape (hình dạng), By Both (màu sắc hình dạng) + Top N Result : N số kết hiển thị (có độ tương tự lớn nhất) + Kích cỡ ảnh chuẩn : Widht (rộng), Height (cao) + Threshold : giá trị ngưỡng cho phép biến đổi ảnh xám + Canny : tham số cho việc thực dị biên theo thuật tốn Canny (xem phần thuật tốn Canny) 2.2.5.2 Cách sử dụng chƣơng trình số kết Thứ tự trình bày hình rõ bước sử dụng chương trình số hình kết Vào menu Image Retrieval -> Method’s Option Hình 31 - Màn hình lựa chọn tham số cho chƣơng trình Luận văn tốt nghiệp cao học - 76 - Chƣơng Vũ Xuân Hùng – K10T3 Hình 32 - Màn hình lựa chọn menu mở file ảnh lôgô đƣa vào tra cứu Hình 33 - Màn hình hiển thị ảnh lơgơ đƣa vào histogram màu hình dạng Luận văn tốt nghiệp cao học - 77 - Chƣơng Vũ Xuân Hùng – K10T3 Hình 34 - Lựa chọn menu Image Retrieval -> By Color (tra cứu theo màu sắc) Hình 35 - Màn hình hiển thị kết 10 ảnh lôgô gần giống theo màu sắc Luận văn tốt nghiệp cao học - 78 - Chƣơng Vũ Xuân Hùng – K10T3 Hình 36 - Lựa chọn menu Image Retrieval -> By Shape để tra cứu theo hình dạng Hình 37 - Màn hình hiển thị kết 10 ảnh lơgơ gần giống theo hình dạng Luận văn tốt nghiệp cao học - 79 - Chƣơng Vũ Xuân Hùng – K10T3 Hình 38 - Màn hình hiển thị ảnh chụp cảnh nhƣng khác khung nhìn Hình 39 - Màn hình hiển thị điểm góc trội “so khớp” ảnh Luận văn tốt nghiệp cao học - 80 - Chƣơng Vũ Xuân Hùng – K10T3 KẾT LUẬN Mô tả nội dung ảnh trực quan cảm nhận người thông qua tri giác thực mong muốn ngành khoa học máy tính Đây chủ đề lớn tương đối rộng, tất khía cạnh quan tâm nghiên cứu dự án, cơng trình khoa học Với mối quan tâm trên, nội dung luận văn nhấn mạnh đến vấn đề sau: Một là: tìm hiểu phương pháp trích chọn đặc tính dựa thuộc tính ảnh bao gồm màu sắc, hình dạng, cấu trúc… làm sở để mô tả nội dung ảnh Tiêu chí chung cách trích chọn đặc tính bám sát vào thực tế nhận thức tri gác người đối tượng ảnh Kết phép trích chọn mơ tả dạng vector đặc trưng ngắn gọn phù hợp với việc lưu trữ - khai thác thông tin đứng góc độ quản trị sở liệu hình ảnh Hai là: tìm hiểu giới thiệu số mơ hình đánh giá độ tương tự giới khoa học nghiên cứu ứng dụng Nhìn chung chất kỹ thuật đánh giá - so sánh độ tương tự hay độ khác biệt dựa hàm đánh giá ước lượng “khoảng cách” vector đặc trưng mô tả nội dung ảnh Tuy nhiên, nhiều vấn đề khác, để đưa vào ứng dụng thực tế khơng có phương pháp tuyệt đối Để tiếp cận vấn đề, phần đầu chương 1, trước bàn luận đến đối tượng ảnh, luận văn giới thiệu sơ qua giải phẫu học mắt người, tất nhiên đứng góc độ tìm hiểu chức phân tích trực quan Qua với nghiên cứu tâm lý trực giác định hướng cho kỹ thuật nghiên cứu việc phân tích nội dung ảnh sau Sẽ khó để sâu vào nghiên cứu phân tích chi tiết ảnh khơng có lý thuyết liên quan đến màu sắc - thuộc tính ảnh, sở tính tốn xử lý ảnh Trong lưu trữ ảnh, có nhiều hệ khơng gian màu định nghĩa Mỗi cơng thức tốn học sử dụng giá trị màu sắc định nghĩa không gian màu định Việc nắm rõ hệ màu cho phép áp dụng tốt công cụ thao tác xử lý ảnh Tri giác không nhận biết riêng thuộc tính màu sắc, cịn cảm nhận thuộc tính hình dạng, thuộc tính cấu trúc bề mặt, bố cục khơng gian Phân tích nội dung trực quan việc đưa phương pháp xây dựng vector đặc trưng dựa theo thuộc tính Trong Luận văn tốt nghiệp cao học - 81 - Chƣơng Vũ Xuân Hùng – K10T3 histogram cách để khai thác thuộc tính màu sắc, phép dị biên lại sở để phân tích thuộc tính hình dạng, biến đổi tần số có ưu việc xử lý cấu trúc Ngoài ra, việc giới thiệu phương pháp trích chọn điểm ảnh quan trọng đưa cách tiếp cận mẻ việc phân tích nội dung ảnh Vì số lượng điểm ảnh không nhiều nên phương pháp nói cải thiện tốt mặt lưu trữ khai thác tìm kiếm sau này, nhiên việc phân tích ban đầu lại có độ phức tạp lớn Các phương pháp dựa thuộc tính màu sắc, hình dạng, cấu trúc có ưu mơ tả nội dung tổng thể phương pháp dựa phân tích điểm quan trọng lại thể tính cục ảnh cao Tất điều thể chương 1- “Nội dung trực quan ảnh” Nội dung luận văn chương - vấn đề ước lượng tính tốn độ tương tự Trước hết số sở lý thuyết liên quan đến khái niệm tính tương tự, độ đo độ tương Sau kỹ thuật xác định độ đo độ tương tự ảnh Có nhiều kỹ thuật đưa ra, để tổng hợp, luận văn đưa cách phân loại theo số mơ hình tương tự Mơ hình phổ biến mơ hình khơng gian vector, theo mơ hình này, việc xác định độ đo tương tự dẫn đến việc tính giá trị “khoảng cách” cặp vector đặc trưng cho nội dung trực quan ảnh Không dừng lại mặt lý thuyết, chương luận văn giới thiệu số ứng dụng thành công thực tế Đặc biệt việc tự phát triển chương trình ứng dụng để tra cứu quản lý ảnh lôgô thương mại, dừng lại góc độ trình diễn cho nghiên cứu tiến hành, song mong muốn có điều kiện phát triển, trở thành sản phẩm thực mang tính thương mại Luận văn tốt nghiệp cao học - 82 - Tài liệu tham khảo Vũ Xuân Hùng – K10T3 TÀI LIỆU THAM KHẢO Q Tian, N Sebe, M.S Lew, E Loupias, T S Huang, “Content-Based Image Retrieval Using Wavelet-based Salient Points”, August 2001 Mari Partio, “Content-based Image Retrieval using Shape and Texture Attributes”, Master of Science Thesis,Tampere University of Technology, April 2002 M Trimeche, “Shape Representations for Image Indexing and Retrieval”, Master of Science Thesis, Tampere University of Technology, May 2000 S M Lee, J H Xin, S Westland, “Evaluation of Image Similarity by Histogram Intersection”, Hong Kong Polytechnic University, January 2005 Luong Chi Mai, “Introduction to computer vision and image processing”, United Nations Educational, Scientific and Cultural Organisation (UNESCO), 2000 Dr Fuhui Long, Dr Hongjiang Zhang and Prof David Dagan Feng, “Fundamental of Content Base Image Retrieval”, Konstantinos G Derpanis, “The kosta@cs.yorku.ca, October 2004 Daniel Heesch, Alexei and Stefan Ruger, “Performance comparision of different similarity models for CBIR with relevance feedback”, Department of Computing, South Kensington Campus, Imperial College London Anil K Jain, Aditaya Vailaya, “Image retrieval using color and shape”, Department of Computer Science Michigan State University East Lansing, May 1995 Harris Corner Detector”, 10 V Gouet N Boujemaa, “Object-based queries using color points of interest”, Valerie.Gouet@inria.fr, Nozha.Boujemaa@inria.fr, April 2001 11 Nicu Sebe, Michael S Lew, “Salient Points for Content-based Retrieval”, Leiden Institute of Advanced Computer Science, Netherlands, 2001 12 Chaur-Chin Chen, Hsueh-Ting Chu, “Similarity Measurement Between Images”, Department of Computer Science National, Tsing Hua University, Taiwan, 2003 13 Amos Storkey, “Nearest Neighbour Classifcation”, Barber 2004 Luận văn tốt nghiệp cao học - 83 - Tài liệu tham khảo Vũ Xuân Hùng – K10T3 14 Norio Katayama and Shin’ichi Satoh, “Similarity Image Retrieval with Significane-Sensitive Nearest-Neighbor Search”, National Institute of Informatics, 2004 15 Pengyu Hong, Qi Tian, Thomas S Huang, “Incorporate Support Vector Machine to Content-Based Image Retrieval With Relevant Feedback”, IFP Group, Beckman Institute - University of Illinois at Urbana-Champaign, Urbana, USA, 2000 16 Kerry Rodden, Wojciech Basalaj,David Sinclair, Kenneth Wood, “A comparison of measures for visualising image similarity”, University of Cambridge Computer Laboratory 17 Thomas Deselaers, “Features for Image Retrieval”, Master of Science Thesis, Technische Hochschule Aachen, December 2003 18 Pinar Duygulu, “Interest Points”, Computer Vision, Bilkent University, Spring 2006 19 Simone Santani and Ramesh Jain, “Similarity Measures”, University of California, San Diego Luận văn tốt nghiệp cao học - 84 - Phụ lục Vũ Xuân Hùng – K10T3 PHỤ LỤC - ẢNH LÔGÔ TRONG CƠ SỞ DỮ LIỆU Luận văn tốt nghiệp cao học - 85 - Phụ lục Luận văn tốt nghiệp cao học Vũ Xuân Hùng – K10T3 - 86 - Phụ lục Vũ Xuân Hùng – K10T3 Luận văn tốt nghiệp cao học - 87 - ... QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Vũ Xuân Hùng NGHIÊN CỨU MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƢƠNG TỰ VÀ ỨNG DỤNG Ngành : Công nghệ thông tin Mã số : 1. 01. 10 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA... tra cứu, xếp, tổ chức sở liệu ảnh Nghiên cứu - tìm hiểu - đánh giá phương pháp có để tìm lời giải cho tốn nội dung đề tài ? ?Nghiên cứu số kỹ thuật đánh giá độ tương tự ứng dụng? ?? Để đánh giá độ tương. .. tính ? ?tương tự? ?? 44 1. 2 Khái niệm độ tương tự hai ảnh 45 1. 3 Độ đo tương tự 45 1. 3 .1 Các tiên đề đo 45 1. 3.2 Tập lý thuyết độ tương tự 47 Đánh giá độ