Một số phương pháp đối sánh shape

1 MỤC LỤC MỤC LỤC MỞ ĐẦU .3 CHƢƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA TRÊN NỘI DUNG 1.1 Tra cứu thông tin trực quan 1.2 Những thành phần hệ thống tra cứu ảnh dựa nội dung ươ 1.3 1.3.1 Phương pháp trích chọn theo màu sắc 1.3.2 Kết cấu 1.3.3 Phương pháp trích chọn đặc trưng theo hình dạng 15 1.3.4 Độ đo khoảng cách độ đo tương tự .18 1.4 Đánh giá hiệu hệ thống tra cứu ảnh 21 1.5 Các hệ thống tra cứu ảnh dựa nội dung 23 1.5.1 Hệ thống QBIC (Query By Image Content) 23 1.5.2 Hệ thống Photobook 23 1.5.3 Hệ thống VisualSEEK WebSEEK 24 1.5.4 Hệ thống RetrivealWare 24 1.5.5 Hệ thống Imatch 24 25 CHƢƠNG 2: 2.1 Giới thiệu 25 2.2 Biểu diễn hình dạng dựa vùng 25 2.2.1 Phương pháp toàn cục (Global Method) 26 2.2.2 Phương pháp cấu trúc (Structural methods) 30 2.3 Phương pháp tìm xương theo DCE 31 ươ 2.3.1 31 2.3.2 R ng cong 31 2.3.3 Phương pháp cắt tỉa xương với DCE 32 CHƢƠNG 3: ĐỐI SÁNH SHAPE DỰA TRÊN ĐẶC TRƢNG VÙNG 34 3.1 Đối sánh dựa tương tự đồ thị xương 34 3.1.1 Đồ thị xương (Skeleton Graphs) 36 Nguyễn Hồng Quang – CT1201 3.1.2 Đối sánh đồ thị xương (Matching the Skeleton Graphs) 36 3.1.3 Tối ưu dãy song ánh (Optimal subsequence bijection) .40 3.2 Đối sánh đồ thị xương dựa điểm quan trọng cách sử dụng đường dẫn tương tự .42 3.2.1 Giới thiệu 42 3.2.2 Sát nhập nút giao (Mergence of junction nodes) 42 3.2.3 Đối sánh nút quan trọng (Matching Critical Nodes) 43 CHƢƠNG 4: THỰC NGHIỆM 45 4.1 Môi trường thực nghiệm 45 4.2 Một số kết 45 4.2.1 Thay đổi kích thước ảnh mẫu 45 4.2.2 Xoay ảnh mẫu góc α 46 4.2.3 Đồng thời thay đổi kích thước góc xoay ảnh 46 4.3 Một số nhận xét chương trình .47 KẾT LUẬN 48 TÀI LIỆU THAM KHẢO 49 Nguyễn Hồng Quang – CT1201 MỞ ĐẦU Cùng với phát triển cơng nghệ thơng tin, lượng hình ảnh số hóa lớn tăng lên nhanh chóng Một số lượng lớn ảnh sử dụng thư viện ảnh số Internet Vì nhu cầu tìm kiếm ảnh nhu cầu tất yếu Trước đây, người ta thường sử dụng cách tra cứu theo văn (Text Based Image Retriveal) Tuy nhiên việc tìm kiếm dựa vào văn kèm ảnh cịn có nhiều kết khơng phù hợp với mong muốn nội dung văn truy vấn nội dung ảnh trả như: International Journal of Computer Vision, IEEE conference… Nội dung đề tài bao gồm bốn chương: - Chương 1: Tổng quan tra cứu ảnh dựa nội dung - Chương 2: Biểu diễn hình dạng dựa vùng - Chương 3: Đối sánh Shape dựa đặc trưng vùng - Chương 4: Thực nghiệm Nguyễn Hồng Quang – CT1201 CHƢƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA TRÊN NỘI DUNG 1.1 Tra cứu thông tin trực quan Tra cứu thông tin trực quan chủ đề nghiên cứu lĩnh vực công nghệ thông tin Tương tác với nội dung trực quan cách thiết yếu để truy tìm thơng tin trực quan Các yếu tố trực quan màu sắc, kết cấu, hình dáng đối tượng yếu tố không gian trực tiếp liên quan đến khía cạnh cảm nhận nội dung ảnh, với khái niệm mức cao nhưý nghĩa đối tượng, khung cảnh ảnh, dùng manh mối cho tìm kiếm hình ảnh với nội dung tương tự từ sở liệu Tra cứu ảnh dựa vào nội dung địi hỏi phải có đóng góp từ lĩnh vực nghiên cứu khác lớn đặt nhiều thử thách nghiên cứu nhà khoa học kỹ sư Các lĩnh vực nghiên cứu khác nhau, phát triển độc lập, đóng góp lớn cho chủ đề nghiên cứu m 1.2 Những thành phần hệ thống tra cứu ảnh dựa nội dung Trong mơ hình Hình 1.1 người sử dụng tạo truy vấn cách chọn ảnh mẫu phác thảo hình vẽ mơ tả đối tượng ảnh cần tìm Ảnh mẫu đưa qua khối mơ tả nội dung trực quan, người ta sử dụng phương pháp mô tả nội dung trực quan để trích chọn đặc điểm nội dung trực quan để xây dựng thành vector đặc trưng Vector đặc trưng ảnh mẫu so sánh với vector đặc trưng tương ứng ảnh sở liệu ảnh Kết phép so sánh số đánh giá độ tương tự ảnh mẫu ảnh lấy để so sánh Dựa vào số độ tương tự tính tốn trên, hệ thống xếp ảnh tìm sở liệu ảnh theo sơ đồ đánh số Danh sách ảnh tìm (đã xếp) đưa đầu hệ thống Nguyễn Hồng Quang – CT1201 Hình 1.1 Các thành phần hệ thống tra cứu ảnh dựa nội dung 1.3 1.3.1 Phƣơng pháp trích chọn theo màu sắc Tìm kiếm ảnh theo màu sắc phương pháp phổ biến vàđược sử dụng nhiều hệ thống tìm kiếm ảnh theo nội dung Đây phương pháp đơn giản, tốc độ tìm kiếm tương đối nhanh nhiên kết tìm kiếm có độ xác khơng cao Nếu coi thơng tin màu ảnh tín hiệu một, hai, ba chiều đơn giản việc phân tích tín hiệu sử dụng ước lượng mật độ xác xuất cách dễ để mô tả thông tin màu ảnh 1.3.1.1 Biểu đồ màu toàn cục (Global Color Histogram) Biểu đồ màu loại mô tả phân bố màu sử dụng tập mức Việc sử dụng biểu đồ màu tồn cục ảnh mã hóa với biểu đồ màu khoảng cách hai ảnh xác định khoảng cách biểu đồ Nguyễn Hồng Quang – CT1201 màu chúng Với kỹ thuật sử dụng độ đo khác để tính tốn khoảng cách hai biểu đồ màu Đây phương pháp truyền thống cho việc tra cứu ảnh dựa màu sắc Mặc dù khơng chứa thơng tin liên quan đến phân bố màu sắc vùng Do đó, khoảng cách ảnh đơi khác thực chúng 1.3.1.2 Biểu đồ màu cục (Local Color Histogram) Phương pháp đề cập (gọi tắt LCH) bao gồm thông tin liên quan đến phân bố màu vùng Trước tiên phân đoạn ảnh thành nhiều khối sau biểu diễn biểu đồ màu cho khối, ảnh biểu diễn biểu đồ màu Khi so sánh hai hình ảnh, khoảng cách tính tốn cách sử dụng biểu đồ chúng vùng ảnh vùng tương ứng ảnh khác Khoảng cách hai ảnh xác định tổng tất khoảng cách Nếu sử dụng bậc hai khoảng cách Euclidean để tính tốn khoảng cách biểu đồ khoảng cách hai ảnh Q I cho biểu đồ màu cục là: (1.1) Ở M số vùng phân đoạn ảnh, N số mức biểu đồ màu H[i] giá trị mức i biểu đồ màu biểu diễn cho vùng k ảnh 1.3.1.3 Vector liên kết màu Vector liên kết màu đề xuất phân ngăn lược đồ thành hai loại: liên kết thuộc vùng màu đồng lớn khơng liên kết khơng thuộc vùng màu đồng lớn Cho αi biểu thị số pixel gắn kết ngăn thứ i βi biểu thị số pixel không gắn kết ảnh vector liên kết màu ảnh định nghĩa vector Trong đó: < (α1+β1), (α2+ β2),…, (αN+βN)> lược đồ màu ảnh Nguyễn Hồng Quang – CT1201 Việc thông tin không gian đối sánh vào biểu đồ màu sắc làm cho Vector liên kết màu cung cấp kết tra cứu tốt lược đồ màu, đặc biệt với ảnh có phần lớn màu đồng có kết cấu theo khu vực 1.3.1.4 Tƣơng quan màu (Color Correlogram) Tương quan màu không để mô tả phân bố màu pixel, mà tương quan không gian cặp màu Một tương quan màu bảng đánh số cặp màu Với pixel có màu i ảnh, xác suất tìm thấy pixel có màu j pixel ban đầu khoảng cách k Cho I biểu diễn toàn tập pixel ảnh Ic(i) biểu diễn tập pixel có màu C(i) tương quan màu định nghĩa bằng: γ(k)i,j=Pr[p2ЄIc(j)||p1-p2|=k] Trong đó: (1.2) p1 Є Ic(i) , p2 Є I i, j Є {1,2,…,N} k Є {1,2,…,d} |p1-p2| khoảng cách pixel p1 p2 Kích thước Correlogram O(N2d) Khi chọn d để tính Correlogram ta cần ý vấn đề sau: - Giá trị d lớn cần nhiều chi phí tính tốn khơng gian lưu trữ - Giá trị d nhỏ giảm giá trị lưu trữ đặc trưng So sánh với lược đồ màu vector liên kết màu, tương quan màu cho kết tra cứu tốt hơn, cho chi phí tính tốn cao có chiều cao 1.3.2 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 Các phương pháp cấu trúc bao gồm tốn tử hình thái đồ thị kề, mô Nguyễn Hồng Quang – CT1201 tả kết cấu nhận dạng cấu trúc gốc luật đặt chúng Các phương pháp thống kê bao gồm kỹ thuật phổ lượng Fourier, ma trận đồng hiện, phân tích thành phần bất biến - trượt, đặc trưng Tamura, phân rã Wold, trường ngẫu nhiên Markov, mơ hình Fractal, lọc đa phân giải biến đổi Gabor sóng, mơ tả kết cấu phân bố thống kê cường độ ảnh Một số biểu diễn kết cấu, sử dụng thường xuyên chứng minh hiệu tra cứu ảnh dựa theo nội dung 1.3.2.1 Các đặc trƣng Tamura Các đặc trưng Tamura bao gồm độ thơ, độ tương phản, hướng, giống nhất, tính chất nhám, thiết kế phù hợp với nghiên cứu tâm lý nhận thức người kết cấu Trong đó, độ thơ, độ tương phản, hướng sử dụng số hệ thống tra cứu ảnh tiếng QBIC Photobook - Độ thô ( Coaseness): Thơ độ tính chất hạt kết cấu Để tính tốn thơ, trung bình động Ak(x,y) tính sử dụng cỡ 2k x 2k (k=0,1,…,5) pixel (x,y).Ta có: (1.3) Trong đó, g(i,j) cường độ pixel (i,j) Sự khác cặp trung bình động khơng theo hướng ngang đứng cho pixel tính tốn, là: Ek,h(x,y)=|Ak(x+2k-1,y)–Ak(x-2k-1,y)| (1.4) Ek,v(x,y) = |Ak(x, y+2k-1) – Ak(x, y-2k-1)| Giá trị k cực đại hóa E theo hai hướng sử dụng để đặt cỡ tốt cho pixel, là: Sbest= (1.5) Cải tiến đặc trưng thơ thu sử dụng lược đồ để mô tả phân bố Sbest Đã làm tăng đáng kể hiệu tra cứu làm cho đặc trưng Nguyễn Hồng Quang – CT1201 có khả xử lý với ảnh vùng có đa đặc tính kết cấu Do vậy, hữu ích ứng dụng tra cứu ảnh -Độ tương phản: Công thức cho độ tương phản là: Fcon= Trong đó: (1.6) α4 = µ4/ µ4: moment thứ tư trung bình : phương sai -Độ định hướng: Để tính tốn hướng ta sử dụng hai mảng 3x3 vector gradient điểm ảnh tính tốn Độ lớn góc vector định nghĩa sau: |∆G|=(|∆H|+|∆V|)/2 (1.7) = tan-1(∆V/∆H) + π/2 Trong đó, ∆H ∆V khác biệt ngang dọc chập Sau lượng hóa đếm số pixel với độ lớn tương ứng |∆G| lớn ngưỡng, lược đồ , biểu thị HD, xây dựng Lược đồ cho biết đỉnh bền vững cho ảnh hướng cao tương đối phẳng với ảnh khơng có hướng bền vững Tồn lược đồ tóm lược để thu tồn độ đo hướng dựa tính nhọn đỉnh: Fdir= Trong đó: ( ) (1.8) p tổng phạm vi np đỉnh Mỗi đỉnh p, wp tập bin màu phân bố p bin màu nhận giá trị đỉnh Nguyễn Hồng Quang – CT1201 10 1.3.2.2 Các đặc trƣng Wold Phân rã Wold cung cấp cách tiếp cận khác để mô tả kết cấu mặt đặc tính tri giác Ba thành phần Wold, điều hịa, độ phai mờ độ bất định tương ứng với chu kỳ, hướng tính ngẫu nhiên kết cấu tương ứng Các kết cấu chu kỳ có thành phần độ điều hịa cao, kết cấu có tính định hướng cao có kết cấu độ phai mờ lớn, kết cấu cấu trúc có thành phần độ bất định lớn Đối với trường ngẫu nhiên đồng {y(m,n),m,nЄZ2}, phép phân tích Wold 2D cho ba thành phần trực giao đơi Được định nghĩa: y(m,n)=u(m,n)+d(m,n)=u(m,n)+h(m,n)+e(m,n) Trong đó: (1.9) u(m,n) thành phần vô định d(m,n) thành phần tiền định e(m,n) thành phần tạm thời h(m,n) thành phần điều hịa Thành phần tạm thời phân rã tiếp thành h(m,n) e(m,n) Trong miền tần số ta có: Fy(ξ,η)=Fu(ξ,η)+Fd(ξ,η)=Fu(ξ,η)+Fh(ξ,η)+Fe(ξ,η) (1.10) Trong đó, Fy(ξ,η), Fu(ξ,η),Fd(ξ,η), Fh(ξ,η), Fe(ξ,η): hàm phân bố phổ (SDF) {y(m,n)}, {u(m,n)}, {d(m,n)}, {h(m,n)} {e(m,n)} tương ứng Trong miền khơng gian, ba thành phần trực giao tính toán phép ước lượng khả tối đa ( MLE) liên quan đến việc điều quy trình tự thoái lui (AR) bậc cao, tối thiểu hàm định giá giải hệ phương trình tuyến tính Trong miền tần số, tính tốn thành phần Wold cách đặt ngưỡng tổng thể cho biên độ phổ Fourier ảnh Nguyễn Hồng Quang – CT1201 35 voi (hình 3.1a hình 3.1b) tương tự, đồ thị xương (hình 3.1c hình 3.1d) lại khác Ví dụ minh họa khó khăn phải đối mặt cách tiếp cận dựa hoạt động chỉnh sửa đồ thị đối sánh xương Hình 3.1 Hình dạng (a) (b) tương tự khác đồ thị xương Mặt khác, đồ thị xương đối tượng khác có cấu trúc topo giống nhau, hình 3.2 Các xương bàn chải hình 3.2(a) kìm hình 3.2(b) có topo thể hình 3.2(c) Hình 3.2 Hình dạng (a) (b) khác có đồ thị xương (c) giống Đề xuất đối sánh đồ thị xương dựa giả định tương tự xương có tương tự cấu trúc nút cuối (sự giống đường ngắn đến nút cuối khác) Nguyễn Hồng Quang – CT1201 36 3.1.1 Đồ thị xƣơng (Skeleton Graphs) Phần mô tả bước để xây dựng đồ thị xương Các định nghĩa sau áp dụng cho xương liên tục, xương ảnh kỹ thuật số (bao gồm điểm ảnh) - Định nghĩa 1: Một điểm xương có điểm liền kề điểm cuối (điểm cuối xương), điểm xương có ba nhiều điểm lân cận điểm giao Nếu điểm xương điểm cuối điểm giao gọi điểm kết nối (giả định đường cong xương có chiểu rộng pixel) - Định nghĩa 2: Chuỗi điểm kết nối trực tiếp hai điểm xương gọi nhánh xương Một cách tiêu chuẩn để xây dựng đồ thị xương sau: điểm cuối điểm giao lựa chọn nút cho đồ thị, tất nhánh xương nút cạnh nút - Định nghĩa 3: Các điểm cuối đồ thị xương gọi nút cuối điểm giao đồ thị xương gọi nút giao 3.1.2 Đối sánh đồ thị xƣơng (Matching the Skeleton Graphs) 3.1.2.1 Biểu diễn Shape-path - Định nghĩa 4: Đường ngắn cặp nút cuối đồ thị xương gọi đường dẫn xương Giả sử có N nút kết thúc đồ thị xương G, vi nút thứ i dọc theo đường viền theo chiều kim đồng hồ Cho p(vm, vn) biểu thị đường xương từ vm tới Lấy mẫu p(vm,vn) với M điểm cách đều, tất điểm xương Rm,n(t) bán kính tối đa đĩa điểm xương với số t p(v m,vn) Một vector bán kính đĩa tối đa có tâm điểm M p(vm,vn) biểu thị như: Rm,n = (Rm,n(t))t=1,2,…,M = (r1, r2,…,rM) (3.1) Bán kính Rm,n(t) xấp xỉ với giá trị hàm biến đổi khoảng cách DT(t) (Distance Transform) điểm xương với số t Giả sử có N0 điểm ảnh hình dạng ban đầu S Để làm cho phương pháp đề nghị bất biến với co dãn, tác giả chuẩn hóa Rm,n(t) theo cách sau: Nguyễn Hồng Quang – CT1201 37 (3.2) Với Si (i=1,2,…,N0) biến đổi tất N0 điểm ảnh hình - Định nghĩa 5: Hình dạng khác hai đường xương gọi khoảng cách đường dẫn(path distance) Nếu Rvà R’ biểu thị vector bán kính hai đường dẫn hình dạng p(u,v) p(u’,v’) tương ứng, khoảng cách đường dẫn định nghĩa là: (3.3) l l’ chiều dài p(u,v) p(u’,v’) yếu tố khối lượng Để kích thước bất biến chiều dài đường phải chuẩn hóa Bằng cách biểu diễn đường khoảng cách đường dẫn có kích thước bất biến Để giải vấn đề giống hình dạng khớp nối, khoảng cách đường dẫn (3.3) không xử phạt biến dạng đường (vd, biến dạng từ thẳng đến đường cong) không thay đổi vector bán kính độ dài đường Điều cho phép nhận tương tự đối tượng biến dạng rắn 3.1.2.2 Đối sánh nút cuối sử dụng đƣờng dẫn (Matching End Nodes Using Skeleton Paths) Trong đồ thị xương, nút cuối có đường dẫn xương tới tất nút khác đồ thị Như thấy, đường xương mơ tả hình dạng hữu ích Để G G’ biểu thị hai đồ thị đối sánh, vi v’j số nút kết thúc G G’ Số lượng nút kết thúc G G’ K+1 N+1, Chi phí đối sánh c(vi, v’j) vi v’j ước tính dựa đường dẫn đến tất đỉnh khác phát tán G G’ từ vi v’j tương ứng Trước tiên, đặt tất nút cuối G theo đường viền theo chiều kim đồng hồ với nút bắt đầu vi mà chúng biểu thị vi0 (Ở đây, có thuận lợi tất điểm cuối xương nằm đường biên.) Ta có chuỗi nút kết thúc vi0, vi1,…, vik G tương tự vj0, vj1,…,vjn G’ Nguyễn Hồng Quang – CT1201 38 Sau tính toán khoảng cách đường hai chuỗi (Biểu diễn cho đường xuất phát từ vi=vi0 G vj=vj0 G’) Ta có ma trận khoảng cách đường tính theo: (3.4) Để tính tốn giá trị khơng giống hai nút cuối vi v’jcác tác giả sử dụng phương pháp đối sánh hai chuỗi có độ dài khác (OSB) Các thuộc tính OSB bỏ qua yếu tố ngoại lai, tức bỏ qua số điểm cuối xương Hình 3.3 Kết đối sánh hai voi Bằng cách áp dụng OSB vào ma trận (3.4) ta có khác hai đầu nút vi v’j: Nguyễn Hồng Quang – CT1201 39 ) (3.5) Với hai đồ thị G G’, với nút cuối vi (i=0,1,…,K) v’j (j=0,1,…,N), sau tính tốn giá trị khơng giống nút cuối hai đồ thị ta có ma trận sau: (3.6) Cuối cùng, tính tốn tổng số khác biệt c(G,G’) G G’với thuật toán Hungary C(G,G’) Đối với nút cuối vi G thuật tốn Hungary tìm thấy nút cuối tương ứng v’j G’ Khi G G’ có số lượng nút cuối khác nhau, tổng giá trị khác biệt bao gồm hình phạt cho nút cuối mà khơng tìm nút cuối tương ứng Để đạt điều phải bổ sung thêm hàng với giá trị số tới [3.6] để C(G,G’) trở thành ma trận vuông Giá trị số mức trung bình tất giá trị khác C(G,G’) Có nghĩa tìm kiếm tương ứng 1-1 nút cuối đồ thị xương, với số nút cuối gán giá trị số biểu diễn nút giả Cách tiếp cận không yêu cầu tương ứng với nút giao Điều vơ quan trọng, nhiều trường hợp, tương ứng nút giao thiết lập trực tiếp phương pháp chỉnh sửa đồ thị cần thiết cần tương ứng nút giao Một điều quan trọng cần tuân thủ thay đổi cấu trúc nút đường giao với việc cắt tỉa xương mà không cần loại bỏ số nút kết thúc quan trọng Mặt khác, cắt tỉa xương làm giảm tập hợp nút cuối để đến nút cấu trúc liên quan cách loại bỏ nút giả Phương pháp đo độ tương tự dựa hình dạng xương Nó đối sánh đồ thị xương dựa tương tự đường ngắn nhất, đường ngắn cặp điểm cuối xương biểu diễn chuỗi bán kính đĩa cực đại điểm xương tương ứng Nguyễn Hồng Quang – CT1201 40 3.1 Hình 3.3 cho thấy xương hai voi khác tương ứng với nút cuối liên kết đường Ta lập mục nút để nút tương ứng có số tương tự Ma trận C(G,G’) thể bảng Các chi phí đối sánh nút kết thúc tương tự đánh dấu màu đỏ 3.1.3 Tối ƣu dãy song ánh (Optimal subsequence bijection) Thuật toán OSB sử dụng để đối sánh hai chuỗi có độ dài khác m n Cụ thể hơn, hai chuỗi hữu hạn nút cuối xương a=(a1,…,am) b=(b1,…,bn) Mục đích để tìm chuỗi a’ a b’ b a’ phù hợp với b’ Bỏ qua số yếu tố a b cần thiết hai chuỗi có chứa số yếu tố outlier Tuy nhiên bỏ qua nhiều yếu tố chuỗi làm gia tăng kết không phù hợp Để ngăn chặn điều xảy phải có hình phạt để bỏ qua yếu tố Hình phạt biểu diễn dạng đối sánh thêm số yếu tố Do đó, ta mở rộng chuỗi b thêm yếu tố Mục tiêu phương pháp để tìm tương ứng tốt dãy a đến dãy b’ b Ở xác định tương ứng ánh xạ đơn điệu cho phạm vi giới hạn hàm xạ đến hàm tất Nguyễn Hồng Quang – CT1201 với với cho phép ánh xạ nhiều-một đến ánh 41 Đặt số có nghĩa bỏ qua yếu tố với b cho xác định dãy , hạn chế dãy Các a song ánh Giả định hàm khoảng cách d (distance function d) đưa tính tốn giá trị khác biệt yếu tố a b, với Ở khơng hạn chế chức khoảng cách d hàm khoảng cách thực Trong phương pháp đưa sử dụng khoảng cách đường pd định nghĩa (3.4) khoảng cách d Mặc dù hầu hết ứng dụng cho đưa việc bổ sung yếu tố khoảng cách lựa chọn cẩn thận Thường nên số cho tất để xác định chi phí bỏ qua yếu tố đưa chuỗi a Nó gọi số jumpcost,được tính sau: (3.7) Như vậy, yếu tố tìm thấy yếu tố gần nhất, sau lấy trung bình cộng với độ lệch chuẩn (std) khoảng cách tới yếu tố gần Ví dụ, chuỗi tương tự với trường hợp ngoại lệ yếu tố outlier, gọi với khoảng cách nhỏ , với tìm thấy phần tử Do jumpcost nhỏ, để khoảng cách đến yếu tố gần b cho lớn jumpcost yếu tố bị loại khỏi đối sánh với hình phạt tương đối nhỏ Đối với tương ứng định, xác định khoảng cách hai trình tự sau: (3.8) Mục tiêu tìm f tương ứng để d(a’,b’,f) tối thiểu Chính xác f tương ứng tối ưu yếu tố dãy a tới yếu tố dãy b định nghĩa giá trị nhỏ d(a,b,f) tất f tương ứng: (3.9) Nguyễn Hồng Quang – CT1201 42 Cuối cùng, khoảng cách tối ưu cho công thức [3.8] cho f=f^ Sự tương ứng tối ưu tìm thấy với thuật tốn đường ngắn đồ thị có hướng(DAG) Biểu thị khoảng cách tối ưu d(a,b) [3.10] với OSB(a,b) cho DAG tất cặp số trọng số cạnh w định nghĩa là: (3.10) 3.2 Đối sánh đồ thị xƣơng dựa điểm quan trọng cách sử dụng đƣờng dẫn tƣơng tự 3.2.1 Giới thiệu Ý tưởng phương pháp đối sánh điểm quan trọng (điểm giao điểm cuối) đồ thị xương cách so sánh đường dẫn đo điểm cuối điểm giao xương Phương pháp Yao Xu, Bo Wang, Wenyu Liu Xiang Bai đề xuất dựa thực tế điểm giao mang thơng tin cấu trúc toàn cục đối tượng đường dẫn điểm giao điểm cuối đại diện cho thơng tin cụ thể hình dạng cho phận cục Phương pháp mang lại độ xác đầy hứa hẹn hai tệp liệu hình có diện khớp nối, kéo dài, biến dạng ranh giới xoay 3.2.2 Trộn nút giao (Mergence of junction nodes) Các nút giao xương mang thông tin cấu trúc toàn cầu đối tượng có thực tế có nhiều điểm giao đồ thị xương Do việc xác định xác điểm giao để đối sánh việc vơ quan trọng Giả sử có N đường giao xương Chi phí để hợp hai nút giao Vi Vj định nghĩa sau: (3.11) Nguyễn Hồng Quang – CT1201 43 Với spi,k spj,k đường junction-to-end tất nút kết thúc nút giao nhau, Vi Vj k số nút kết thúc theo hướng ngược chiều kim đồng hồ Và điều kiện sát nhập sau: (3.12) Với giá trị nhỏ ngưỡng Bất kỳ cặp nút giao đáp ứng điều kiện (3.12) sát nhập Hình 3.4 minh họa ví dụ q trình hợp Hình 3.4 Minh họa hợp nút Như hình cho thấy, nút giao c d sát nhập nút d giao chúng đáp ứng điều kiện (3.12), tương tự với b’ e’ Trong việc thực này, nút giao c d không hợp nút thực Thay vào có hai nút lựa chọn làm nút đối sánh 3.2.3 Đối sánh nút quan trọng (Matching Critical Nodes) Ta có G G’ biểu thị hai đồ thị để đối sánh, số nút đường giao G G’ tương ứng K K’ Giả sử Thật dễ để biết có trường hợp phù hợp mục tiêu đặt có đối sánh một-một tối ưu với chi phí tối thiểu Trong trường hợp đó, hai đồ thị có số lượng nút giao khác , hoạt động cắt giảm thực cách bỏ qua Nguyễn Hồng Quang – CT1201 44 nút giao dư thừa Ví dụ có nút giao V1 G, hai nút giao V1’, V2’ G’, có hai trường hợp: Trong hầu hết trường hợp, xảy tình đối sánh phức tạp Trong hình 3.5 sau đối sánh nút giao hoạt động cắt giảm thu điểm quan trọng Sau nhận cấu trúc chung xương Hình 3.5 Minh họa đối sánh nút giao Đối với ố , giả sử số lượng nút cuối tiếp giáp với V V’ tương ứng m n Giả định Như có lựa chọn phù hợp Bằng cách nhận U loại lựa chọn phù hợp Một lựa chọn phù hợp có chi phí phù hợp mục tiêu có chi phí tối thiểu Giả sử có Pk đường đối sánh Qk đường chưa đối sánh với kth lựa chọn đối sánh (k số lựa chọn phù hợp), mơ hình biểu diễn sau: (3.13) Với biểu diễn cho đường xương đồ thị để đối sánh, Qk/Pk chức yếu tố hình phạt Nguyễn Hồng Quang – CT1201 45 CHƢƠNG 4: THỰC NGHIỆM 4.1 Môi trƣờng thực nghiệm Chương trình cài đặt mơi trường Windows XP SP3, sử dụng ngôn ngữ Matlab Version 7.7.0.471 (R2008b) Dữ liệu sử dụng thử nghiệm tập liệu thuộc MPEG-7 xương DCE 4.2 Một số kết 4.2.1 Thay đổi kích thƣớc ảnh mẫu 30% Hình 4.1 Kết thu thay đổi kích thước ảnh mẫu (a): Ảnh mẫu, (b): Ảnh mẫu sau giảm kích thước 30%, (c): Kết đối sánh Nguyễn Hồng Quang – CT1201 46 4.2.2 Xoay ảnh mẫu góc α 900 Hình 4.2 Kết thu thay đổi góc quay ảnh mẫu α=900 4.2.3 Đồng thời thay đổi kích thƣớc góc xoay ảnh 30% α=900 Nguyễn Hồng Quang – CT1201 47 Hình 4.3 Kết thu đồng thời thay đổi kích thước góc quay ảnh (a): Ảnh mẫu, (b): Ảnh mẫu giảm kích thước 30% xoay 900, (c): Kết 4.3 Một số nhận xét chƣơng trình Chương trình mơ tả phương pháp đối sánh dựa tương tự đồ thị xương điểm quan trọng Sau danh sách số tập tin chức chương trình: - Matching.m: Hàm để chạy chương trình - GetSkeletonPath.m: Lấy xương đối tượng, điểm endpoints, giá trị bán kính đĩa tối đa tới biên điểm nằm đối tượng - GetBranchPath.m: Xác định nhánh xương đối tượng, nhánh xương sau chuẩn hóa Nguyễn Hồng Quang – CT1201 48 KẾT LUẬN Sau thời gian tìm hiểu nghiên cứu, đồ án trình bày số vấn đề sau: - Về lý thuyết: Trình bày tổng quan tra cứu ảnh dựa nội dung, số phương pháp trích chọn đặc trưng dựa hình dạng đặc biệt trình bày cụ thể phương pháp đối sánh dựa xương điểm quan trọng - Về thực nghiệm: Cài đặt chương trình thử nghiệm đối sánh ảnh dựa đồ thị xương phục vụ cho việc đối sánh tra cứu ảnh Tuy nhiên trình thực hiện, thời gian khơng có nhiều, lực chun mơn cịn hạn chế, nên đề tài dừng mức dịch, hiểu tóm lược phương pháp Em mong nhận đóng góp ý kiến Thầy Cơ bạn để em có thêm kiến thức kinh nghiệm để tiếp tục hoàn thiện nội dung nghiên cứu đề tài Em xin chân thành cảm ơn! Nguyễn Hồng Quang – CT1201 49 TÀI LIỆU THAM KHẢO Tài liệu tiếng Việt: [1] Lương Thị Hồi Xn, “ Tìm hiểu phương pháp DSE cho tốn tìm xương ảnh.” Đồ án Tốt nghiệp, Đại học Dân lập Hải Phòng, 2011 [2] Phùng Thị Lệ, “ Tìm hiểu phương pháp trích chọn dấu hiệu ảnh dựa vào đặc trưng hình dạng.” Đồ án Tốt nghiệp, Đại học Dân lập Hải Phòng, 2011 ,“ , 2011 Tài liệu tiếng Anh: [3] Ritendra Datta, Jia Li, James Z Wang, “ Content-Based Image RetrievalApproaches and Trends of the New Age.” The Pennsylvania State University, University Park, PA 16802, USA [4] Dr.Fuhui Long, Dr.Hongjiang Zhang and Prof David Dagan Feng, “ Fundamentals of Content-Based Image Retrieval.” [5] Dengsheng Zhang*, Goujun Lu, “ Review of shape representation and description techniques.” Gippsland School of Computing and Info Tech., Monash University, Churchill, Vic 3842, Australia [6] Xiang Bai and Longin Jan Latecki, “ Path Similarity Skeleton Graph Matching.” IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008 [7] Yao Xu, Bo Wang, Wenyo Liu, and Xiang Bai, “Skeleton Graph Matching Based on Critical Points Using Path Similarity.” Department of Electronics and Information Engineering , Huazhong University of Science and Technology, Wuhan, 430074, China Nguyễn Hồng Quang – CT1201 ... chữ ký hình dạng (shape signature), biểu đồ chữ ký (signature histogram), shape invariants (hình dạng bất biến), moments, độ cong (curvature), (shape context), ma trận hình dạng (shape matrix)…... xét đến để có biểu diễn hình Các phương pháp dựa phổ biến sử dụng mơ tả moments để mơ tả hình dạng Phương pháp dựa vùng khác bao Phương pháp dựa vùng chia thành phương pháp tồn cấu trúc tùy thuộc... Hình 2.2 Phương pháp lưới Nguyễn Hồng Quang – CT1201 29 Những lợi phương pháp lưới đơn giản hóa biểu diễn, phù hợp với trực giác thống với phương pháp mã hóa hình dạng MPEG-4 Vấn đề phương pháp