Tìm hiểu phép toán hình thái phương pháp di truyền và ứng dụng

Giao diện chương trình 61 Một số kết thử nghiệm 62 Chƣơng VI: Kết luận Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 67 http://www.lrc-tnu.edu.vn Trang DANH MỤC CÁC HÌNH VẼ Hình I.1 Sơ đồ quy trình xử lý ảnh Hình I.2 Mơ hình tổng qt hệ thống nhận dạng ảnh 13 Hình II.1.1 Ảnh nhị phân 16 Hình II.1.2 Ảnh đa cấp xám 17 Hình II.1.3 Các phép tốn tập hợp 19 HÌnh II.1.4 Các phép tốn 20 Hình II.2.1 Phép tốn dilation 22 Hình II.2.2 Ứng dụng phép tốn dilation 22 Hình II.2.3 Loại bỏ thành phần nhiễu 23 Hình II.2.4 Phép tốn Opening 24 Hình II.2.5 Phép tốn Closing 24 Hình II.2.6 Phép tốn Opening Closing 25 Hình II.2.7 Xử lý nhiễu ảnh vân tay 26 Hình II.2.8 Phép tốn Hit ỏ Miss 27 Hình II.3.1 Trích chọn biên 29 Hình II.3.2 Ảnh trích chọn biên 30 Hình II.3.3 Ví dụ thuật tốn tơ miền 31 Hình II.3.4 Tìm thành phần liên thơng ảnh 32 Hình II.3.5 Xác định vật thể lạ ảnh 33 Hình II.3.6 Làm mảnh ảnh 34 Hình II.3.7 Làm dầy ảnh 35 Hình II.3.8 Tìm xương ảnh 36 Hình III.1 Mơ q trình tiến hóa 40 Hình III.2 Lai ghép điểm 42 Hình III.3 Lai ghép hai điểm 42 Hình III.4 Cắt ghép 42 Hình III.5 Ví dụ phép lai 43 Hình III.6 Đột biến bít thứ 44 Số hóa Trung tâm Học liệu – Đại học Thái Ngun http://www.lrc-tnu.edu.vn Trang Hình III.7 Mơ tả hoạt động thuật tốn 45 Hình IV.1 Cấu trúc liệu 53 Hình IV.2 Ví dụ cắt ghép nối 58 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang LỜI NÓI ĐẦU Trong thực tế, hình dạng thường trọng kích thước người nhận đối tượng xung quanh chủ yếu thơng qua hình dạng Chính vậy, biểu diễn hình dạng vấn đề quan trọng khơng thể thiếu q trình nhận dạng đối tượng Xử lý ảnh quan tâm chủ yếu đến việc trích chọn thơng tin hữu ích từ ảnh Các thuật toán xử lý ảnh phân làm mức Mức thấp phương pháp thao tác trực tiếp với liệu thô, giá trị điểm ảnh bị nhiễu Mức thứ hai tận dụng kết mức để đưa kết tốt như: phân đoạn ảnh, liên kết ảnh Mức thứ ba phương pháp trích trọn ngữ nghĩa thơng tin dựa kết mức thấp hơn, ví dụ như: nhận dạng chữ viết tay, nhận dạng mặt người Toán học hình thái (Mathematic Morphology) lĩnh vực riêng biệt xử lý ảnh Không giống cách tiếp cận khác thiên tốn học tính tốn, MM dựa cấu trúc hình dạng, dùng tốn hình thái để làm đơn giản ảnh giữ lại đặc trưng MM cịn cơng cụ để trích chọn thành phần ảnh, biên ảnh, xương ảnh, hữu dụng cho việc biểu diễn các vùng khác ảnh Những kỹ thuật dùng tốn hình thái lọc ảnh, làm mảnh ảnh hay làm dầy ảnh có sử dụng tốn học hình thái sử dụng q trình tiền xử lý ảnh Ngồi ra, ứng dụng quan trọng mà đề cập luận văn là: Phân rã phần tử cấu trúc thành phần tử cấu trúc nhỏ Phần tử cấu trúc phần tử tham gia phép tốn hình thái, việc phân rã phần tử cấu trúc nói cách khác ma trận điểm ảnh có ba lợi ích quan trọng: Thứ nhất, làm giảm phép toán ứng dụng mà phần tử tham gia Thứ hai, giảm khơng gian lưu trữ ảnh Thứ ba, Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang hệ thống hỗ trợ tập lệnh SIMD phần tử nhỏ nhiều phần tử cấu trúc, việc phân rã phần tử cấu trúc thành phần tử cấu trúc nhỏ cần thiết Trong khuôn khổ luận văn tìm hiểu khái niệm tốn học hình thái phép tốn làm béo, làm gầy dựa vào cấu trúc mẫu, số thuật toán dựa phép tốn hình thái; Tìm hiểu thuật tốn di truyền, lai ghép, đột biến tái sinh lựa chọn, phương pháp phân rã phần tử cấu trúc mẫu dựa thuật toán di truyền vv Bố cục luận văn tổ chức sau: Chƣơng I Giới thiệu chung xử lý ảnh phương pháp nâng cao chất lượng hình ảnh Chƣơng II: Trình bày khái niệm tốn học hình thái Chƣơng III: Trình bày khái niệm liên quan đến thuật tốn di truyền Chƣơng IV: Giải toán phân rã phần tử cấu trúc phương pháp tiếp cận ngẫu nhiên dựa thuật tốn di truyền Chƣơng V: Trình bày kết thực nghiệm Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang CHƢƠNG I GIỚI THIỆU CHUNG VỀ XỬ LÝ ẢNH VÀ PHƢƠNG PHÁP NÂNG CAO CHẤT LƢỢNG HÌNH ẢNH Giới thiệu chung xử lý ảnh Cũng xử lý liệu đồ hoạ, xử lý ảnh số lĩnh vực tin học ứng dụng Xử lý liệu đồ họa đề cập đến ảnh nhân tạo, ảnh xem xét cấu trúc liệu tạo chương trình Xử lý ảnh số bao gồm phương pháp kỹ thuật để biến đổi, để truyền tải mã hóa ảnh tự nhiên Mục đích xử lý ảnh gồm: * Thứ nhất, biến đổi ảnh làm đẹp ảnh * Thứ hai, tự động nhận dạng ảnh hay đoán nhận ảnh đánh giá nội dung ảnh Nhận dạng ảnh trình liên quan đến mơ tả đối tượng mà người ta muốn đặc tả Q trình nhận dạng thường sau q trình trích chọn đặc tính chủ yếu đối tượng Có hai kiểu mơ tả đối tượng - Mô tả tham số (nhận dạng theo tham số) - Mô tả theo cấu trúc (nhận dạng theo cấu trúc) Nhận biết đánh giá nội dung ảnh phân tích hình ảnh thành phần có nghĩa để phân biệt đối tượng với đối tượng khác Dựa vào ta mơ tả cấu trúc hình ảnh ban đầu Có thể liệt kê số phương pháp nhận dạng nhận dạng biên đối tượng ảnh, tách cạnh, phân đoạn hình ảnh Kỹ thuật sử dụng nhiều y học (xử lý tế bào, nhiễm sắc thể) Trong thực tế người ta áp dụng kỹ thuật nhận dạng thành công với nhiều đối tượng khác như: nhận dạng ảnh vân tay, nhận dạng chữ (chữ cái, chữ số, chữ có dấu) Nhận dạng chữ in đánh máy văn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang phục vụ cho việc tự động hố q trình đọc tài liệu, tăng nhanh tốc độ chất lượng thu nhận thông tin từ máy tính, Nhận dạng chữ viết tay (với múc độ ràng buộc khác cách viết, kiểu chữ, Các trình xử lý ảnh: Các trình xử lý ảnh tiến hành theo sơ đồ sau: Hình I.1 Sơ đồ quy trình xử lý ảnh Trước hết qúa trình thu nhận ảnh Ảnh thu nhận qua camera Thường ảnh thu nhận qua camera tín hiệu tương tự (loại camera ống kiểu CCIR), tín hiệu số hố (loại CCD - Charge Coupled Device) Ảnh thu nhận từ vệ tinh qua cảm ứng (sensor), hay ảnh, tranh quét qua scanner Tiếp theo q trình số hóa (Digitalizer) để biến đổi tín hiệu tương tự sang tín hiệu rời rạc (lấy mẫu) số hóa lượng hóa, trước chuyển sang giai đoạn xử lý, phân tích hay lưu trữ lại Số hóa Trung tâm Học liệu – Đại học Thái Ngun http://www.lrc-tnu.edu.vn Trang Q trình phân tích ảnh thực chất bao gồm nhiều công đoạn nhỏ Trước hết cơng việc tăng cường hình ảnh (Image Enhancement) để nâng cao chất lượng hình ảnh Do nguyên nhân khác nhau: thiết bị thu nhận ảnh, nguồn sáng hay nhiễu, ảnh bị suy biến Do cần phải tăng cường khôi phục (Image Restoration) lại ảnh để làm bật số đặc tính ảnh, hay làm cho ảnh gần giống với trạng thái gốc- trạng thái trước ảnh bị biến dạng Giai đoạn phát đặc tính biên (Edge Detection), phân vùng ảnh (Image Segmentation), trích chọn đặc tính (Feature Extraction),v.v Cuối cùng, tuỳ theo mục đích ứng dụng, giai đoạn nhận dạng, phân lớp hay định khác Các giai đoạn trình xử lý ảnh mơ tả hình I.1 Giới thiệu ảnh nhị phân Như giới thiệu Trong trình xử lý ảnh, ảnh thu nhập vào máy tính phải mã hố Hình ảnh lưu trữ dạng tập tin phải số hoá Tiêu chuẩn đặt ảnh phải lưu trữ cho ứng dụng khác thao tác loại liệu Hiện có 30 kiểu lưu trữ ảnh khác nhau, ta thường gặp dạng ảnh sau: TIFF, GIF, BMP, PCX, JPEG, Nói chung kiểu lưu ảnh có ưu điểm riêng 2.1 Một số khái niệm * Pixel (Picture Element): Phần tử ảnh Ảnh thực tế ảnh liên tục không gian giá trị độ sáng Để xử lý ảnh máy tính cần thiết phải tiến hành số hố ảnh Trong q trình số hố, ngươì ta biến đổi tín hiêụ liên tục sang tín hiệu rời rạc thơng qua q trình lấy mẫu (rời rạc hố khơng gian) lượng hố thành phần giá trị mà nguyên tắc, mắt thường không phân biệt hai điểm kề Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 10 Trong trình này, người ta sử dụng khái niệm Picture Element mà ta quen gọi hay viết pixel - phần tử ảnh Như ảnh tập hợp pixel Ở cần phân biệt khái niệm pixel hay đề cập đến hệ thống đồ hoạ máy tính Để tránh nhầm lẫn ta tạm gọi khái niệm pixel pixel thiết bị Khái niệm pixel thiết bị xem xét sau: Khi ta quan sát hình (trong chế độ đồ hoạ), hình khơng liên tục mà gồm nhiều điểm nhỏ, gọi pixel Mỗi pixel gồm cặp toạ độ x,y màu * Ảnh nhị phân Tuỳ theo vùng giá trị mức xám điểm ảnh, mà ảnh phân chia thành ảnh màu, ảnh xám, hay ảnh nhị phân Khi ảnh có giá trị ta nói ảnh nhị phân ảnh đen trắng điểm ảnh gọi điểm ảnh nhị phân * Với ảnh xám Nếu dùng bít (1 byte) để biểu diễn mức xám số mức xám biểu diễn 28 hay 256 Mỗi mức xám biểu diễn dạng số nguyên nằm khoảng từ đến 255, với mức biểu diễn chúc mức cường độ tối mức 255 biểu diễn cho mức cường độ sáng * Với ảnh mầu Cách biểu diễn tương tự với ảnh đen trắng, khác số phần tử ma trận biểu diễn cho ba mầu riêng rẽ gồm: đỏ(red), lục(green) lam(blue) Để biểu diễn cho điểm ảnh mầu cần 24 bít, 24 bít chia thành ba khoảng bít Mỗi khoảng biểu diễn cho cường độ sáng mầu tổ hợp mầu ta nhiều mức biểu diễn, điểm ảnh mơ tả rõ giá trị màu tự nhiên (true color) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 11 * Ảnh đa cấp xám Ảnh đa cấp xám áp dụng tronh nhiều lĩnh vực sinh vật học công nghiệp Thực tế ứng dụng ảnh mức xám ứng dụng ảnh mầu Ta biến đổi ảnh mầu ảnh xám Mỗi điểm ảnh mầu có giá trị (Red, Green, Blue), giá trị thi ta có màu xám(Grey), với điểm ảnh ta cần lưu giá trị Việc xử lý ảnh nhị phân bước tiền xử lý ảnh, để phân đoạn tách đặc tính Nhờ ta biết mối quan hệ tơpơ điểm ảnh thực phép biến đổi ảnh khơng tuyến tính đạt hiệu quả; q trình xử lý ảnh phép biến đổi dẫn đến đơn giản hóa việc đánh giá ảnh Việc đếm điểm ảnh ảnh nhị phân qua biến đổi tạo điều kiện thuận lợi cho việc tách đặc tính Bằng cách sử dụng ảnh nhị phân qua xử lý mặt nạ ảnh xám, ta tách vùng đáng quan tâm ảnh xám từ tập hợp ảnh Để tạo ảnh nhị phân, ảnh xám cần phải biến đổi thành ảnh nhị phân nhờ trình phân đoạn thích hợp Muốn phương pháp đơn giản phương pháp tách ngưỡng Các giá trị nằm bên ngưỡng gán giá trị bên ngưỡng gán giá trị Việc tìm giá trị ngưỡng thực tự động nhờ kỹ thuật tách ngưỡng tự động 2.2 Đặt toán nâng cao chất lƣợng ảnh phép tốn hình thái Hình ảnh thực tế nhận qua thiết bị như: Photocopy, Fax, nhiều bị nhiễu, thâm chí biến dạng đến mức độ khiến người nhận hiểu sai mặt ý nghĩa Như biết ngành Thiết kế kỹ thuật như: Thiết kế máy, Thiết kế xây dựng, Thiết kế mạch điện v.v dù theo TCVN (tiêu chuẩn Việt Nam) hay ISO(International Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 59 Hình IV.2 Ví dụ cắt ghép nối (a)Lai ghép thay thế, (b)Các toán tử Toán tử so sánh Ở giai đoạn toán tử lựa chọn số bố mẹ cá thể chèn vào hệ tiếp theo.Trong [8], tác giả X Zhuang R.M Haralick đưa sơ đồ dựa sơ đồ đa số định Toán tử di truyền ngơi Trong GA chuẩn tốn tử ngơi đột biến, đảo ngẫu nhiên hay nhiều bit xâu biểu diễn nhiễm sắc thể Mặt khác cài đặt phép đột biến có mục tiêu chủ yếu chèn lại gen bị bỏ trước gen bị mất; Tiêu biểu trường hợp phân hoạch nhỏ mà đóng góp để cải thiện hệ số thích nghi bị đánh giá thấp pha thực trước Đóng góp cần sau để đạt phủ toàn B Gen rút từ mảng gen (chứa tất gen có thể) lưu trữ nhớ gen lựa chọn theo chu kỳ Hai toán tử tạo: Đột biến 1: Toán tử so sánh gen tạo nhiễm sắc thể cá thể với gen g mảng Gen g thay gen giống chuỗi, gen làm cực đại phần giao hai gen ví dụ Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 60 Đột biến 2: Toán tử buộc gen g phải tính đến việc loại bỏ gen trùng lên Nó làm cho thích nghi có lợi để tăng đa dạng nhiễm sắc thể ví dụ Giả sử ta có phần tử cấu trúc B định nghĩa : B  {( x, y, f ( x, y)) : x  1, m, y  1, n} đó: f ( x, y ) : Z  {0,1} Ta xây dựng mã giả thuật toán sau: Mã giả (presedo-code) //initialize population P:={}; For each (x,y) in B : Determine Trange={T:T is trange and T  B }; Add(P,T);// add all the elements of T to P //Choose randomly a number of elements in P Initilize randomly Q = { :q q P} ; numGen=0; Loop until numGen> threshold Choose some(A,B)  Q2: Make offspring A1,A2,B1,B2 between A and Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 61 B Calculate fitness values of A1,A2,B1,B2 Add A1,A2,B1,B2 into current genration Q:={}, Choose the best individuals in current generation to make next generation numGen++; if(best(individual)= =B) exit; End Loop; Print best(individual); Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 62 CHƢƠNG V THỰC NGHIỆM Trong chương này, tơi trình bày cấu trúc chương trình thực nghiệm số kết dựa thuật toán đưa chương IV Mơ tả tốn giả thuyết Ma trận phần tử cấu trúc đầu vào ma trận có kích thước mxn nhập từ file Cấu trúc file mơ tả đây: - Dịng đầu bao gồm số nguyên thể kích thước ma trận - Bắt đầu từ dòng thứ đến dòng thứ n biểu diễn giá trị điểm ảnh Các giá trị điểm ảnh phân biệt với dấu tab Với giả thuyết phân rã ma trận cấu trúc ban đầu thành phần tử cấu trúc kích thước 3x3 Kết lưu trữ dạng file Giao diện chƣơng trình Bước đầu, người dùng cần nhập vào file chứa thông tin phần tử cấu trúc cách nhấp vào nút “Nhập từ file” hình giao diện, sau tới nơi chứa file text chứa ma trận đầu vào Sau kết thúc phần chọn file liệu đầu vào, người dùng chọn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 63 tùy chọn, bao gồm: số hệ cá thể sinh ra, số lượng cá thể lấy ngẫu nhiên hệ để thực việc tạo hệ tiếp sau, hệ số phạt Cuối người dùng nhấp vào nút phân rã để thực việc phân rã ma trận đầu vào thành ma trận với kích thước nhỏ Kết lưu vào file C:\\result.txt pop-up hình Một số kết thử nghiệm Trong phần thực nghiệm này, ta sử dụng hàm mục tiêu định nghĩa sau: fc ( I )  af ( I )  bf p ( I ) Ta xét với a  card ( I ) , b=1 AConst = 10 card ( B) f p (I )  abs(card ( I )  card ( B)) *40 card ( B) Trong ví dụ sau, ta quy ước phép tốn làm béo có độ ưu tiên cao phép lấy hợp Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 64 Một số kết thử nghiệm Trong phần thực nghiệm này, ta sử dụng hàm mục tiêu định nghĩa sau: fc ( I )  af ( I )  bf p ( I ) Ta xét với a  card ( I ) , b=1 AConst = 10 card ( B) f p (I )  abs(card ( I )  card ( B)) *40 card ( B) Trong ví dụ sau, ta quy ước phép tốn làm béo có độ ưu tiên cao phép lấy hợp Ví dụ ta xét ví dụ với ma trận B có dạng sau Thử nghiệm xử lý pentum tốc độ 3.0GHz, 512 MB RAM Thời gian chạy chương trình phút Ta thu kết sau: Ma trận B phân rã thành hợp phần tử cấu trúc khối 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 http://www.lrc-tnu.edu.vn 1 0 0 0 Trang 65 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 Như chuỗi phân rã B dạng phần tử cấu trúc kích thước 3x3 sau:  0  1 0   0  1        B   0   1 0    0   1  1  1 0   1  1        1 0   0   0  0        1 0    0    0  0 1 0   0   1  1       0 0   0  0 0   0 0   0 0 0   1 0  0 1  0  0    1   1  1 0   0            0    0   1 0    0   0   0  1 0   0          Ví dụ Giả sử ma trận B ma trận cỡ 9x9 có dạng sau 1 1 1 1 11111111 11111111 11111011 11111100 11000000 11100100 11100100 11110011 11110011 Ma trận B phân rã thành hợp phần tử cấu trúc hình khối sau: 0 0 0 0 0 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0 1 0 1 0 1 0 1 0 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 1 0 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 http://www.lrc-tnu.edu.vn 0 0 Trang 66 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Tương tự chuỗi phân rã B dạng phần tử cấu trúc kích thước 3x3 sau 0 0 0 0 1 1 1 1 1 0           B  0 0  0 0 0 0  0 0  0 0 0 1 1 1 0 0 0 0 0 0            0     0   0  1 0              1       1    0   1 0    1     0   0  1 0            1 0 1 1     0 0  0 0 1 0 0 0     Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 67 VI KẾT LUẬN Trong khuôn khổ luận văn này, tơi trình bày cách có hệ thống khái niệm từ đến nâng cao việc ứng dụng phép tốn hình thái xử lý ảnh Đồng thời, tơi trình bày khái niệm thuật toán di truyền Phần quan trọng trình bày tiếp cận để phân rã phần tử cấu trúc hình thái nhị phân có dạng tuỳ ý thành chuỗi nhân tử sử thuật toán di truyền Việc áp dụng kỹ thuật phần tử cấu trúc lồi phân rã tối ưu thảo luận tài liệu Ngoài luận văn cung cấp cách phân rã phần tử cấu trúc không lồi Đối với ma trận lớn, thuật toán lộ rõ nhược điểm thời gian chạy chương trình lớn Một cách giải xây dựng thuật tốn song song để chạy máy tính đa CPU Việc phân rã quản lý tiến trình “chủ”, mà tiến trình sinh tiến trình nút khác cụm trạm làm việc; tiến trình gánh vác phần riêng đặc thù cơng việc xử lý, mà tiến trình thực song song với tất tiến trình khác Việc cài đặt song song cho phép nâng cao tốc độ xử lý phân rã phần tử cấu trúc lớn Do giải pháp dựa cách tiếp cận ngẫu nhiên nên lần thực thuật tốn kết khác nhau, độ “tốt” phân rã mà khác Người dùng thực việc phân rã nhiều lần, sau chọn lấy cách phân rã tối ưu Điều thực dựa hàm mục tiêu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 68 Tài liệu tham khảo [1] P Angeline, G Saunders, and J Pollack, “An Evolutionary Algorithm That Constructs Recurrent Neural Networks,” IEEE Trans Neural Networks, vol 5, pp 54-65, Jan 1994 [2] A Broggi, “ Speeding-Up Mathematical Morphology Computations with Special-Purpose Array Processors,” Proc 27th Hawaii Int’l Conf System Sciences, T.N Mudge and B.D Shriver, eds., vol 1, pp 321-330, Maui, Hawaii, Jan 4-7 1994 Los Alamitos, Calif.: IEEE Computer Society [3] E Falkenauer, “A New Representation and Operators for Genetic Algorithms Applied to Grouping Problems,” Evolutionary Computation, vol no 2, 1994 [4] Giovanni Anelli, Alberto Broggi, Giulio Destri, "Decomposition of Arbitrarily Shaped Binary Morphological Structuring Elements Using Genetic Algorithms," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 20, no 2, pp 217-224, Feb., 1998 [5] Marcos Quintana, “Genetic programming applied to morphological image processing”, PhD thesis, pp 9-30, 2004 [6] D.E Goldberg, B Korb, and K Deb, “Messy Genetic Algorithms: Motivation, Analysis, and First Results,” Complex Systems, vol 3, pp 493530, 1989 [7] D.E Goldberg, B Korb, and K Deb, “Messy Genetic Algorithms Revisited: Studies in Mixed Size and Scale,” Complex Systems, vol 4, pp 415-444, 1990 [8] R.M Haralick, S.R Sternberg, and X Zhuang, “ Image Analysis Using Mathematical Morphology,” IEEE Trans Pattern Analysis and Machine Intelligence, vol 9, no 4, pp 532-550, Apr 1987 [9] J Holland, Adaption Natural and Artificial Systems Ann Arbor, Mich.: Univ of Michigan Press, 1975 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 69 [10] S.W Mahfoud, “Crossover Interactions Among Niches,” Proc First IEEE Conf on Evolutionary Computation, pp 188-193, 1994 [11] G Matheron, Random Sets and Integral Geometry New York: John Wiley, 1975 [12] Z Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs Berlin: Springer-Verlag, 1992 [13] H Park and R.T Chin, “Optimal Decomposition of Convex Structuring Elements for a 4-Connected Parallel Array Processor,” IEEE Trans Pattern Analysis and Machine Intelligence, vol 16, no 3, Mar 1994 [14] H Park and R.T Chin, “Decomposition of Arbitrarily Shaped Morphological Structuring Elements,” IEEE Trans Pattern Analysis and Machine Intelligence, vol 17, no 1, Jan 1995 [15] J Serra, Image Analysis and Mathematical Morphology London: Academic Press, 1982 [16] M Srinivas and L Patnaik, “Adaptive Probabilities of Crossover and Mutation in Genetic Algorithm,” IEEE Trans System, Man, and Cybernetics, vol 24, no 4, Apr 1994 [17] R van den Boomgaard, Mathematical Morphology: Extensions Towards Computer Vision, PhD thesis, Universiteit Van Amsterdam, 1992 [18] R van den Boomgaard and R van Balen, “Methods for Fast Morphological Image Transforms Using Bitmapped Binary Images,” Computer Vision, Graphics, and Image Processing: Graphical Models and Image Processing, vol 54, no 3, pp 252-258, May 1992 [19] S.S Wilson, “ Theory of Matrix Morphology,” IEEE Trans Pattern Analysis and Machine Intelligence, vol 14, no 6, pp 636-652, June 1992 [20] X Zhuang and R.M Haralick, “Morphological Structuring Element Decomposition,” Computer Vision, Graphics, and Image Processing, vol 35, pp 370-382, Sept 1986 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Trang 70 [21] N R Harvey New Techniques for the Design of Morphological Filters using Genetic Algorithms PhD thesis, University of Strathclyde, Glasgow, UK, 1997 [22] N R Harvey and S Marshall Mathematical Morphology and Its Applications to Image Procesing, chapter Using Genetic Algorithms in the Design of Morphological Filters, pages 53-59 Kluwer Academic Publishers, 1994 [23] N R Harvey and S Marshall Rank-order morphological _lters: A new class of _lters In IEEE Workshop on nonlinear signal and image processing, pages 975-978,Halkidiki, Greece, 1994 [24] N R Harvey and S Marshall The use of genetic algorithms in morphological _filter design Signal Processing: Image Communication, 8(1):55-72, Jan 1996 [25] M Yu, N Eua-anant, A Saudagar, and L Udpa Genetic algorithm approach to image segmentation using morphological operations In International Conference on Image Processing, volume 3, pages 775-779, 1998 [26] GONALEZ RC WOOD, Digital image processing, 2002 by Prentice Hall Upper Saddle River, New Jersey, Chapter Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn ... II.1.4 Các phép tốn 20 Hình II.2.1 Phép tốn dilation 22 Hình II.2.2 Ứng dụng phép tốn dilation 22 Hình II.2.3 Loại bỏ thành phần nhiễu 23 Hình II.2.4 Phép tốn Opening 24 Hình II.2.5 Phép tốn Closing... khuôn khổ luận văn tơi tìm hiểu khái niệm tốn học hình thái phép tốn làm béo, làm gầy dựa vào cấu trúc mẫu, số thuật tốn dựa phép tốn hình thái; Tìm hiểu thuật toán di truyền, lai ghép, đột biến... 21 Phép toán làm béo (Dilation) làm gầy (Erosion) Ta bắt đầu thảo luận phép tốn hình thái, bước đầu xem xét phép tốn hình thái bản: làm béo làm gầy Đây phép toán thực tế đa số thuật toán dựa phép