Nghiên cứu phương pháp biểu diễn ảnh và độ đo tương tự hiệu quả ứng dụng trong tra cứu ảnh qua mạng (tt)

1 HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - Vũ Thị Quế NGHIÊN CỨU PHƯƠNG PHÁP BIỂU DIỄN ẢNH VÀ ĐỘ ĐO TƯƠNG TỰ HIỆU QUẢ ỨNG DỤNG TRONG TRA CỨU ẢNH QUA MẠNG Chuyên ngành:Truyền liệu mạng máy tính TĨM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI – NĂM 2012 Luận văn hoàn thành tại: HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Người hướng dẫn khoa học: PGS.TS.NGÔ QUỐC TẠO (Ghi rõ học hàm, học vị) Phản biện 1: …………………………………………………………………………… Phản biện 2: ………………………………………………………………………… Luận văn bảo vệ trước Hội đồng chấm luận văn thạc sĩ Học viện Công nghệ Bưu Viễn thơng MỞ ĐẦU Ngày nay, phát triển mạnh mẽ công nghệ thông tin đặc biệt phát triển mạng Internet làm cho số lượng khổng lồ ảnh số đưa lên mạng Một thực tế khác số lượng ảnh ngày lớn Khi người sử dụng muốn tìm kiếm tranh tương tự với ảnh có việc khó Từ thực tế đặt vấn đề phải có phương pháp tổ chức sở liệu ảnh xây dựng kỹ thuật tra cứu, so sánh, tìm kiếm ảnh số hiệu Một phương pháp nhiều người quan tâm nghiên cứu kỹ thuật "Tra cứu ảnh dựa theo nội dung" (Content Based Image Retrieval) Kỹ thuật cho phép trích chọn đặc điểm dựa vào nội dung trực quan ảnh màu sắc, kết cấu, hình dạng bố cục khơng gian ảnh để làm sở cho việc tra cứu, xếp, tổ chức sở liệu ảnh Một số hệ thống tra cứu ảnh tiếng QBIC (IBM), Virage (Virage Inc.) Photobook (MIT) Visual SEEK (Columbia University) áp dụng thành công kỹ thuật Để giảm chi phí khơng gian lưu trữ, thời gian so sánh véc tơ đặc trưng thời gian tra cứu, cần có kỹ thuật biểu diễn, trích rút độ đo tương tự hiệu Đề tài nghiên cứu sở lý thuyết ứng dụng kỹ thuật tra cứu ảnh theo nội dung kỹ thuật biểu diễn độ đo tương tự hiệu quả, sở thử nghiệm phương pháp cụ thể để xây dựng phần mềm đọc vào ảnh mẫu qua mạng tìm kiếm ảnh tương tự với ảnh mẫu tập hợp ảnh cho trước Nội dung luận văn gồm chương: Chương 1: Tổng quan tra cứu ảnh dựa vào nội dung Chương 2: Kỹ thuật biểu diễn độ đo tương tự hiệu Chương 3: Xây dựng hệ thống tra cứu ảnh qua mạng 4 Chương TỔNG QUAN TRA CỨU ẢNH DỰA VÀO NỘI DUNG 1.1 Giới thiệu Với số lượng ảnh lớn Internet công việc tìm kiếm trở nên vơ khó khăn Để giải vấn đề này, hệ thống tìm kiếm ảnh đời như: Yahoo, MSN, Google Image Search, Bing,… Các kỹ thuật tra cứu ảnh thực chủ yếu theo hai hướng: kỹ thuật dựa vào văn mô tả ảnh, kỹ thuật dựa vào nội dung ảnh Một hệ thống tra cứu ảnh dựa vào nội dung (CBIR – Content Based Image Retrieval) gồm có chức có nhiều phương pháp truy vấn :  Truy vấn ảnh mẫu (QBE)  Truy vấn đặc trưng (QBF)  Các truy vấn dựa vào thuộc tính 1.2 Trích rút đặc trưng Trích rút đặc trưng sở tra cứu ảnh dựa vào nội dung 1.2.1 Màu Màu đặc trưng trực quan quan trọng đơn giản cho đánh số tra cứu ảnh Nó đặc trưng sử dụng phổ biến lĩnh vực tra cứu ảnh Lược đồ màu Lược đồ màu cung cấp biểu diễn hiệu nội dung màu ảnh mẫu màu so với phần lại tập liệu Lược đồ màu dễ dàng để tính tốn hiệu mơ tả phân bố màu tồn cục cục ảnh Hơn nữa, mạnh với quay dịch chuyển trục quan sát thay đổi chậm với tỷ lệ góc quan sát Các màu trội Ký hiệu mô tả đặc trưng lược đồ màu trội F định nghĩa tập cặp sau: F  {ci , pi }, i  N  (1  1) Ở N tổng số cụm màu ảnh, ci véc tơ màu ba chiều, pi phần trăm nó, i pi  Lưu ý N thay đổi từ ảnh sang ảnh khác Các mômen màu Các mômen màu mômen thống kê phân bố xác suất màu Các mơmen màu bậc (trung bình), bậc hai (phương sai) bậc ba (độ lệch), chứng minh hiệu biểu diễn phân bố màu ảnh 1.2.2 Kết cấu Kết cấu đặc tính quan trọng khác ảnh Các biểu diễn kết cấu đa dạng nghiên cứu nhận dạng mẫu thị giác máy tính Về bản, phương pháp biểu diễn kết cấu phân thành hai loại: cấu trúc thống kê 1.2.3 Hình dạng So với đặc trưng màu kết cấu, đặc trưng hình dạng thường mô tả sau ảnh phân đoạn thành vùng đối tượng Một số đặc trưng hình sử dụng phổ biến ứng dụng tra cứu ảnh như:  Các bất biến mơmen  Các góc uốn  Các ký hiệu mơ tả Fourier  Hình trịn, độ lệch tâm, hướng trục 1.2.4 Thơng tin khơng gian Các vùng đối tượng với đặc tính màu kết cấu tương tự phân biệt dễ dàng việc tận dụng ràng buộc khơng gian Vị trí không gian vùng (hoặc đối tượng) quan hệ không gian nhiều vùng (hoặc đối tượng) ảnh hữu ích cho tìm kiếm ảnh 1.3 Đánh số Để thực tra cứu ảnh dựa vào nội dung sở liệu ảnh lớn, kỹ thuật đánh số nhiều chiều cần sử dụng 6 Các kỹ thuật đánh số nhiều chiều phổ biến có gồm thuật toán bucketing, k-d, k-d ưu tiên, tứ phân, K-D-B, hB, R-tree biến thể R+ R* 1.4 Độ tương tự ảnh 1.4.1 Độ đo màu sắc Một số độ đo tương đồng sử dụng như: Độ đo khoảng cách Ơclit, độ đo Jensen-Shannon divergence (JSD)  Khoảng cách Ơclit: k Intersection (h(I),h(M)) = k 2  (h(I) h(M))  (h(I) h(M)) j1 j1 Với h(I) h(M) tương ứng lược đồ màu hai ảnh I ảnh M  Độ đo Jensen-Shannon divergence (JSD) M dJSD(H,H’)= H m m 1 log 2H m 2H ' m '  H log m H m  H 'm H 'm  H m Trong đó: H H’ biểu đồ màu so sánh, Hm dải thứ m biểu đồ H 1.4.2 Độ đo tương đồng cho hình dạng Độ đo hình dạng nhiều phạm vi lý thuyết môn xử lý ảnh Chúng trải rộng từ độ đo toàn cục dạng thô với trợ giúp việc nhận dạng đối tượng, độ đo chi tiết tự động tìm kiếm hình dạng đặc biệt 1.4.3 Độ đo tương đồng cho kết cấu ảnh Kết cấu trích xuất từ ảnh biểu diễn thành véc tơ nhiều chiều khoảng cách Ơclit dùng để đo độ tương đồng đặc trưng ảnh truy vấn với đặc trưng ảnh sở liệu 1.4.4 Độ đo tương đồng cho đặc trưng phân đoạn  Độ đo Cosin: d(x,y) = x y x y x y x y  Khoảng cách góc: d(x,y) = cos 1 ( x y ) cos 1 ( x, y )  Độ đo Euclide: m d(x,y) =  xi  yi i 1 1.5 m x y i i i 1 Các hệ thống CBIR 1.5.1 QBIC IBM QBIC hỗ trợ truy vấn dựa vào ảnh mẫu, phác thảo vẽ người sử dụng xây dựng, mẫu kết cấu màu lựa chọn 1.5.2 Virage Virage hỗ trợ truy vấn trực quan dựa màu, thành phần cấu tạo (bố cục màu), kết cấu cấu trúc (thông tin đường bao đối tượng) 1.5.3 RetrievalWare RetrievalWare ứng dụng mạng neural để tra cứu ảnh sử dụng màu, hình, kết cấu, độ sáng, bố cục màu, hướng tỷ lệ ảnh, đặc trưng truy vấn 1.5.4 VisualSeek WebSeek VisualSEEk máy tìm kiếm đặc trưng trực quan WebSEEk máy tìm kiếm văn bản/ảnh web Các đặc trưng trực quan sử dụng hệ thống họ tập màu đặc trưng kết cấu dựa vào biến đổi sóng 1.5.5 Photobook Photobook tập cơng cụ tương tác để duyệt tìm kiếm ảnh phát triển phịng thí nghiệm MIT Media Photobook gồm ba nhỏ từ đặc trưng hình, kết cấu, bề mặt trích rút tương ứng 1.5.6 Netra Netra sử dụng thông tin màu, kết cấu, hình, vị trí khơng gian vùng ảnh phân đoạn để tìm kiếm tra cứu vùng tương tự từ sở liệu 1.6 Đánh giá hiệu tra cứu Để đánh giá hiệu hệ thống tra cứu, người ta đưa hai số đo độ triệu hồi (recall) độ xác (precision) Độ xác: precision  Độ triệu hồi : recall  Q( q )R( q ) Q( q ) Q( q )R( q ) R( q ) Với truy vấn q, tập hợp ảnh sở liệu thích hợp với truy vấn q ký hiệu R(q) kết tra cứu truy vấn q ký hiệu Q(q) 1.7 Kết luận chương Trong chương này, giới thiệu số khái niệm kỹ thuật tra cứu ảnh dựa vào nội dung, bao gồm: trích rút đặc trưng, đánh số, độ tương tự ảnh, hệ thống tra cứu ảnh, đánh giá hiệu tra cứu trình bày số hệ thống CBIR 9 Chương 2:KỸ THUẬT BIỂU DIỄN VÀ ĐỘ ĐO TƯƠNG TỰ HIỆU QUẢ 2.1 Giới thiệu Động việc nghiên cứu phương pháp biểu diễn ảnh hiệu là: tra cứu độ tương tự sở liệu ảnh lớn sử dụng màu sắc Màu sắc vùng chia thành nhiều cụm nhỏ màu Mô tả đặc trưng bao gồm biểu diễn màu tỉ lệ chúng vùng Phương pháp đo độ tương tự sử dụng đồ án sử dụng độ đo khoảng cách lược đồ màu phương, nghĩa màu sắc biểu diễn đánh số tọa độ không gian màu ba chiều (3D), điều giúp chương trình tránh vấn đề sảy việc sử dụng lược đồ màu truyền thống Để tra cứu độ tương tự, màu biểu diễn ảnh truy vấn kết hợp để đưa kết cuối Hiệu đánh số đưa nhằm tăng tốc độ tra cứu Thực nghiệm cho thấy phương pháp miêu tả kết hợp cho hiệu tra cứu cao so với phương pháp lược đồ màu truyền thống 2.2 Một số kỹ thuật tra cứu ảnh dựa vào đặc trưng màu 2.2.1 Các không gian màu Một không gian màu rõ màu số, theo đặc tả Các khơng gian màu dùng để sinh biểu diễn màu, đặc biệt biểu diễn số, in số hiển thị điện tử số Mục đích khơng gian màu để phục vụ đặc tả màu theo số cách chuẩn, chấp nhận chung Một số không gian màu phổ biến : Không gian màu RGB, HSx, YUV YIQ, CIE XYZ LUV 2.2.2 Phân đoạn ảnh Phân đoạn ảnh thao tác mức thấp toàn trình xử lý ảnh Quá trình thực việc phân vùng ảnh thành vùng rời rạc đồng với hay nói cách khác xác định biên vùng ảnh Các vùng ảnh 10 đồng thông thường tương ứng với toàn hay phần đối tượng thật bên ảnh 2.3 Phương pháp tra cứu ảnh sử dụng biểu diễn màu hiệu Trích chọn đặc trưng màu cục bắt đầu với phân đoạn màu ảnh Để phân đoạn ảnh, sử dụng thuật toán edgeflow Phân cụm màu thực vùng phân đoạn để thu màu đại diện chúng Sau phân cụm, số nhỏ lượng màu lại, sau ta tính tốn tỷ lệ phần trăm màu Mỗi màu đại diện tỷ lệ tương ứng chúng tạo thành cặp thuộc tính[19](mơ tả đặc điểm màu vùng ảnh) Mơ tả màu trội F định nghĩa theo công thức: F = {{ci, p i}, i = 1,…, N} (2.1) Với N tổng số cụm màu vùng ảnh, ci vector màu 3D, pi tỷ lệ phần trăm, ∑iPi = Lưu ý: N thay đổi qua vùng 2.3.1 Phân cụm màu Trong thuật toán phân cụm giá trị màu điểm ảnh vector lượng hóa sử dụng thuật tốn Loyd tổng qt (GLA) Màu biểu diễn không gian màu đồng dạng CIE LUV Sự thay đổi D cụm tính theo cơng thức: Di =  v ( n ) || x ( n )  c || i , xn   C i (2.2) n Với ci trọng tâm cụm, x(n) vector màu điểm ảnh n, v(n) trọng số cảm quan điểm ảnh n Để tính tốn độ cảm nhận màu sắc ta dùng công thức: c i   v(n) x(n) ,  v(n) xn   C i (2.3) Phân cụm tích lũy thực dựa trọng tâm cụm để gộp cụm cho khoảng cách hai trọng tâm nhỏ ngưỡng xác định Td Ảnh lượng hóa cuối thu qua việc gán điểm ảnh vào trọng tâm cụm gần 2.3.2 Độ tương tự màu 11 Các màu {ci} tỷ lệ phần trăm độ tương tự điểm ảnh pi có dạng mô tả màu đưa (2.1) Ta có hai mơ tả đặc trưng màu sau: F1 = {{ci, pi}, i = 1,…, N1} Và F2 = {{b j, qj}, j = 1,…, N2} Khoảng cách F1 F2 tính theo cơng thức: N1 N2 N1 N i 1 j 1 i 1 j 1 D F1 , F2    p i  q j  2ai , j pi q j (2.4) Trong a i,j hệ số tương tự màu ci bj 1  d i , j d max , ai, j    0, d i , j  Td (2.5) d i , j  Td Với di,j khoảng cách Euclide màu ci b j d i,j = ||ci - bj|| (2.6) Td định nghĩa trước, khoảng cách cực đại hai màu cho tương tự dmax = αTd , giá trị hệ số α=1.2 thực nghiệm Độ đo khoảng cách cơng thức thể tốt qua khoảng cách lược đồ màu bình phương: T D h H , H   H , H  AH  H  (2.7) Ở H1 H2 vector lược đồ màu truyền thống, hệ số ma trận A ai,j Mặt khác, số bin màu vector lược đồ Nh đủ lớn cho tất màu đại diện bin màu phương pháp lược đồ màu Khoảng cách bình phương viết lại sau: N1 N1 N2 N2 N1 N2 i1 k1 j1 l1 i1 j1 d2h H1, H2   ai,k pi pk aj,l qj ql 2ai, j pi qj (2.8) Trong trình phân cụm, khoảng cách cực tiểu hai trọng tâm cụm đặt Td thảo luận Lưu ý rằng: 1, ai,k  0, i k i k 1, a j ,l   0, Ta dễ dàng nhận ra: Dh(H1,H2) = D(F1,F2) j l j l (2.9) 12 2.4 Độ tương tự 2.4.1 Cấu trúc mạng D*3 Có hai tham số quan trọng việc thiết kế mạng: p bán kính tối thiểu hình cầu bao gồm tế bào Voronoi, p’ bán kính tối đa tế bào Voronoi Hình 2.4 minh họa thơng số trường hợp 2-D Hình 2.4 Mạng tinh thể 2-D hình lục giác có p bán kính tối thiểu, p’ bán kính tối đa Đối với mạng D*3 bản, p ’basic = ||(0,0,0) – (1,1,1)|| / = 0.866 Tuy nhiên, việc tính tốn p phức tạp Trong [18], tỷ lệ hai biến cung cấp, tức p’/p=0.7747 Giá trị p cho q trình thiết kế Ta tính tốn yếu tố s theo quy mơ mạng D*3 công thức đây: s = 0.7747 p/p’basic (2-10) Với điểm truy vấn c tùy ý không gian 3-D, điểm mạng gần tương ứng b c tính tốn cách dễ dàng sau: c be  round  .L  L (2-11) c  L 2 .L  L (2.12)  L  b  round  Ở L = 2s, L kích thước dọc theo trục tọa độ Ví dụ L = mạng Chú ý b e điểm mạng chẵn gần b điểm lưới lẻ gần điểm c cho trước Cho b={be, b0} Sau đó: bc  arg  b  c b  (2.13) 2.4.2 Đánh số Trong xây dựng sở liệu, vùng màu phân điểm mạng gần Bảng 2.1 cho thấy ví dụ cấu trúc liệu lập mục nút 13 Bảng 2.1 Cấu trúc liệu lập mục nút Hình 2.5 minh họa cho hai chiều (2-D) nơi bán kính tìm kiếm mong muốn r tìm kiếm phạm vi truy vấn bán kính tìm kiếm R thực tế tìm kiếm khoảng cách tối thiểu cho điểm mạng cho hình cầu mong muốn có bán kính r đảm bảo p hiển thị bán kính hình cầu nhỏ bao tế bào Voronoi, biểu diễn hình 2.5 Lưu ý rằng: R = r + p Hình 2.5 Cơ chế tìm kiếm mặt phẳng 2-D 2.4.3 Thủ tục tìm kiếm Thủ tục tìm kiếm hoàn chỉnh bao gồm bước sau đây: Bước 1: Để nhanh chóng loại bỏ kết sai, ngưỡng Tp thiết lập khác biệt phần trăm truy vấn pi tỷ lệ thu hồi qj Một khu vực bị loại không đạt điều kiện sau: | p i – qj | < Tp (2.14) Bước 2: Các truy vấn màu lấy kết phù hợp loại bỏ tất kết sai Khu vực mà phù hợp hai điều kiện sau coi thu điều kiện cuối cùng: p i i  Tt q j  Tt (2.15) j i j số màu phù hợp Giá trị Tt = 0,6 thí nghiệm 14 Bước 3: Xếp hạng tính khoảng cách tra cứu truy vấn theo thứ tự Đối với việc lập mục tìm bán kính r để đo khoảng cách Td phù hợp, khoảng cách lớn cho hai màu coi tương đương Bước 4: Nếu truy vấn phạm vi thực hiện, tất kết hợp với khoảng cách nhỏ so với phạm vi định trả lại Nếu truy vấn N gần thực hiện, N trả 2.5 Kết luận chương Chương trình bày kỹ thuật tra cứu ảnh sử dụng đặc trưng màu Kỹ thuật mô tả sau: Một đại diện màu trội cho khu vực hình ảnh đề xuất Mô tả màu trội bao gồm màu sắc đại diện khu vực tỷ lệ phần trăm Sự giống mơ tả màu sắc đề xuất biểu thị khoảng cách bậc hai lược đồ màu Một màu sắc hiệu lập mục cho ảnh truy vấn cách sử dụng mô tả màu sắc Kết thử nghiệm cho thấy phương pháp đề xuất nhanh chóng hiệu 15 CHƯƠNG 3: ỨNG DỤNG 3.1 Xây dựng hệ thống tra cứu ảnh qua mạng Ngày với phát triển mạnh mẽ cơng nghệ thơng tin người ta thu thập ảnh phong cảnh theo mục đích Tuy nhiên sở liệu Internet có kích cỡ cực lớn việc thu thập trở nên khó khăn Để giải vấn đề sử dụng cơng nghệ tra cứu ảnh dựa vào nội dung để tìm ảnh phong cảnh tương tự với ảnh truy vấn Từ thực tế đặt tốn tra cứu ảnh phong cảnh sau: tìm sở liệu ảnh phong cảnh ảnh có nội dung (màu sắc, hình dạng, kết cấu) giống với ảnh phong cảnh mẫu nhất, sau phân hạng theo thứ tự giảm dần độ tương tự Với hệ thống tra cứu ảnh qua mạng bạn cần đường kết nối Internet máy tính Bạn không cần phải lo lắng việc cài đặt phần mềm Ngồi bạn tra cứu lúc nơi đâu 3.2 Phân tích tốn Nhiệm vụ tốn xây dựng hệ thống tra cứu ảnh phong cảnh có số chức sau: o Khi người sử dụng cung cấp ảnh phong cảnh mẫu cần tra cứu Hệ thống có nhiệm vụ tìm kiếm sở liệu ảnh có cho danh sách tất ảnh tương tự ảnh mẫu theo thứ tự ảnh tương tự với ảnh mẫu phân hạng phía o Người sử dụng qui định số lượng ảnh kết trả lại 3.3 Thiết kế hệ thống Hệ thống mô tả tổng quát sau: Từ sở liệu ảnh cho trước, ta tiến hành trích rút đặc trưng ảnh lưu trữ sở liệu đặc trưng Người sử dụng đưa vào ảnh truy vấn, đặc trưng ảnh truy vấn tập hợp thành véc tơ đặc trưng Sau đó, hệ thống tiến hành so sánh véc tơ đặc trưng với đặc trưng sở liệu đặc trưng để từ tìm độ 16 tương tự Tra cứu cho độ tương tự cao kết tốt Tức kết tìm giống với ảnh truy vấn ban đầu Tác nhân tra cứu  Chọn ảnh truy vấn  Chọn tra cứu ảnh Hệ thống thực trích rút đặc trưng màu ảnh truy vấn, so sánh với đặc trưng CSDL trả kết tập ảnh có độ tương tự gần với ảnh truy vấn Tập ảnh kết xếp giảm dần theo độ tương tự Biểu đồ trình tự Hình 3.2: Biểu đồ trình tự tra cứu ảnh 17 Hình 3.3: Biểu đồ hoạt động tác nhân tra cứu ảnh 3.4 Thiết kế giao diện Hệ thống thiết kế thực webform với công nghệ Net sử dụng ngơn ngữ lập trình C# mơi trường Visual Studio 2010, hệ quản trị sở liệu MS SQL Server 2008 Giao diện chương trình + Giao diện hệ thống tra cứu ảnh: 18 Hình 3.4 Giao diện hệ thống tra cứu ảnh 19 Giao diện hệ thống thực truy vấn: Hình 3.5 Giao diện hệ thống thực truy vấn 20 3.5 Một số kết 3.5.1 Mô tả tập ảnh Hệ thống tra cứu ảnh tập sở liệu gồm 1000 ảnh phong cảnh sưu tầm Internet với nhiều chủ đề bầu trời, hoa, ngựa, Chúng ta xem kết hệ thống tra cứu với số ảnh thuộc chủ đề khác để thấy hiệu hệ thống 3.5.2 Kết thử nghiệm Từ hệ thống tra cứu ảnh qua mạng, tiến hành thử nghiệm với truy vấn, truy vấn lấy tập ảnh sở liệu truy vấn lấy tập ảnh sở liệu  Truy vấn lấy tập ảnh sở liệu: Thử nghiệm 1: Ảnh truy vấn Với ảnh truy vấn 1, hệ thống tra cứu trả 20 ảnh kết quả, có 16 ảnh kết tương tự với ảnh truy vấn ảnh kết có độ tương tự so với ảnh truy vấn - Các ảnh phù hợp với ảnh truy vấn: 21 - Các ảnh không phù hợp với ảnh truy vấn: Hình 3.6 Kết tra cứu với mặt trời  Truy vấn lấy tập ảnh sở liệu: Thử nghiệm 1: Truy vấn 1: Với ảnh truy vấn 1, hệ thống tra cứu trả 20 ảnh kết quả, có 18 ảnh kết tương tự với ảnh truy vấn ảnh kết có độ tương tự so với ảnh truy vấn - Các ảnh kết phù hợp với ảnh truy vấn: 22 - Các ảnh không phù hợp với ảnh truy vấn: Hình 3.9 Kết tra cứu tịa nhà 3.6 Kết luận chương Trong chương này, thực xây dựng hệ thống tra cứu ảnh ứng dụng kỹ thuật phân cụm ảnh vào toán tra cứu ảnh phong cảnh: phân tích thiết kế hệ thống, số giao diện kết thực nghiệm với số chủ đề cụ thể Kết hệ thống trả hiệu 23 KẾT LUẬN Bản luận văn trình bày phương pháp tra cứu ảnh theo nội dung dựa vào đặc trưng màu, phương pháp cho kết nhanh chóng hiệu Các kết đạt luận văn: ■ Nghiên cứu tổng quan tra cứu ảnh dựa vào nội dung ■ Nghiên cứu kỹ thuật biểu diễn độ đo tương tự ảnh ■ Nghiên cứu kỹ thuật tra cứu ảnh sử dụng đặc trưng màu ■ Ứng dụng kỹ thuật phân cụm vào trình phân đoạn ảnh ■ Xây dựng phần mềm thực nghiệm qua mạng đọc vào ảnh mẫu tìm kiếm ảnh tương tự với ảnh mẫu tập hợp ảnh cho trước ■ Chúng tiến hành thực nghiệm với sở liệu gồm 1000 ảnh, kết thực nghiệm cho thấy hiệu KIẾN NGHỊ VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO - Thử nghiệm tập ảnh có kích cỡ lớn đa dạng chủ đề - Kết hợp thêm đặc trưng khác vào trình tra cứu - Từng bước đưa vào ứng dụng thực tế  ... tự ảnh, hệ thống tra cứu ảnh, đánh giá hiệu tra cứu trình bày số hệ thống CBIR 9 Chương 2:KỸ THUẬT BIỂU DIỄN VÀ ĐỘ ĐO TƯƠNG TỰ HIỆU QUẢ 2.1 Giới thiệu Động việc nghiên cứu phương pháp biểu diễn. .. thuyết ứng dụng kỹ thuật tra cứu ảnh theo nội dung kỹ thuật biểu diễn độ đo tương tự hiệu quả, sở thử nghiệm phương pháp cụ thể để xây dựng phần mềm đọc vào ảnh mẫu qua mạng tìm kiếm ảnh tương tự. .. tra cứu ảnh dựa vào nội dung ■ Nghiên cứu kỹ thuật biểu diễn độ đo tương tự ảnh ■ Nghiên cứu kỹ thuật tra cứu ảnh sử dụng đặc trưng màu ■ Ứng dụng kỹ thuật phân cụm vào trình phân đo? ??n ảnh ■ Xây