Trong chương này, chúng ta sẽ đưa ra một vài hướng phân tích nội dung của một ảnh. Nghĩa là chúng ta cố gắng tìm ra những gì có trong ảnh. Chúng ta sẽ xem xét hai cách tiếp cận, nhận dạng mẫu thống kê và mạng nơ ron, mỗi một phương pháp đều có thể áp dụng vào ảnh số. Các cuốn sách đã viết nhiều về cả hai phương pháp này, giúp độc giả những người mong muốn tiếp tục tìm hiểu với những giới thiệu về lĩnh vực này rất nhiều.
Ch¬ng 18 NHẬN DẠNG MẪU: PHÂN ĐOẠN ẢNH 18.1 GIỚI THIỆU Từ trước đến nay, sách này, xem xét phương pháp chủ yếu để cải thiện ảnh hiển thị Trong chương 16, tham vọng đạt ảnh gần giống so với ảnh ban đầu, ảnh không suy biến Trong chương hai chương tiếp theo, đưa vài hướng phân tích nội dung ảnh Nghĩa cố gắng tìm có ảnh Chúng ta xem xét hai cách tiếp cận, nhận dạng mẫu thống kê mạng nơ ron, phương pháp áp dụng vào ảnh số Các sách viết nhiều hai phương pháp này, giúp độc giả người mong muốn tiếp tục tìm hiểu với giới thiệu lĩnh vực nhiều Trong chương nhận dạng mẫu này, đưa tập chủ đề lĩnh vực Trong thực tế, nghiên cứu nhận dạng mẫu thống kê, thực kỹ thuật xử lý ảnh số Việc trước hết bao gồm việc định vị cô lập đối tượng ảnh sau nhận biết (phân loại) đối tượng sử dụng kỹ thuật dựa lý thuyết định thống kê Chúng ta xem qua việc sử dụng mạng nơ ron nhân tạo cho việc nhận dạng mẫu 18.1.1 Nhận dạng mẫu thống kê Chi nhánh thị giác máy lĩnh vực trí tuệ nhân tạo nghiên cứu cách phát triển thuật giải phân tích nội dung ảnh Một đa dạng phương pháp tiếp với mục đích hiểu ảnh dùng, việc hiểu tảng cho nhận thức tồn q trình nhận dạng mẫu, nhiên thực Nhận dạng mẫu thống kê giả thiết ảnh chứa hay nhiều đối tượng đối tượng thuộc kiểu, loại hay lớp mẫu định nghĩa trước Trong thực nhận dạng mẫu nhiều cách, quan tâm tới việc thực kỹ thuật xử lý ảnh số Cho ảnh số có chứa vài đối tượng, q trình nhận dạng mẫu gồm có pha (Xem Hình 18-1) Pha gọi phân đoạn ảnh hay cô lập đối tượng, đối tượng tìm ảnh tách khỏi cảnh cịn lại Pha thứ hai gọi trích chọn đặc trưng Đây pha mà đối tượng đo lường Một số đo giá trị tính chất xác định số lượng đối tượng Một đặc trưng hàm hay nhiều số đo, tính tốn cho nó xác định tính chất quan trọng đối tượng Q trình trích chọn đặc trưng tạo tập đặc trưng, nhận được, bao gồm vec tơ đặc trưng Điều làm giảm khối lượng thông tin (so với ảnh ban đầu) biểu diễn tin tức mà định thống kê phải dựa vào Thật hữu ích để nhận thức hố khơng gian n chiều mà vec tơ đặc trưng n phần tử có tập trung vào Vì thế, đối tượng riêng biệt tương ứng với điểm không gian đặc trưng Pha thứ ba nhận dạng mẫu phân loại, đầu đơn định lớp đối tượng Mỗi đối tượng coi thuộc lo phân đoạn dòng số điểm ảnh phân đoạn dòng Đối với đối tượng hình 18-31, hai tệp đối tượng đoạn mở Sau hai đoạn lưu tệp đối tượng 2, nhiên, chương trình khám phá 377 đối tượng giống Vì vậy, cấu trúc sâu tệp đối tượng khơng thể tiếp tục Sau đó, hay sau phân đoạn hoàn toàn đối tượng này, hai tệp đoạn đối tượng hợp Kết kỹ thuật mã hố phân đoạn dịng tập tệp đoạn, tệp cho đối tượng Nếu tệp đoạn lưu ghi đơn lẻ ổ đĩa, cần vịng quay đĩa đủ để đọc ghi toàn đối tượng Một ảnh đối tượng dễ dàng tái tạo nhớ đơn giản cách mở tệp đoạn Điêug thường sử dụng cần xử lý thêm ảnh đối tượng Đối với việc phân đoạm ảnh lớn, ảnh đầu vào đọc dòng từ đĩa tệp đoạn đối tượng thu thập nhớ Miễn tệp đối tượng hồn thành, nhãn thơng qua tệp ghi lên đĩa ghi Một điểm thuận lợi phương pháp diện tích, chu vi, IOD, kích thước mở rộng chiều ngang chiều dọc đối tượng dễ dàng xây dựng thành bước trích chọn đối tượng Trong phương pháp này, vài đặc trưng quan trọng đối tượng biết bước phân đoạn hoàn thành HÌNH 18-32 Hình 18-32 Tệp đoạn đối tượng 18.9 TỔNG KẾT NHỮNG ĐIỂM QUAN TRỌNG Phân đoạn ảnh trình phân chia ảnh số thành tập điểm ảnh liên kết không đè lên nhau, tập tương ứng với tập lại tương ứng với đối tượng ảnh Phân đoạn ảnh tiếp cận trình ấn định điểm ảnh cho đối tượng hay tìm đường biên đối tượng (hay đối tượng nền) Phân ngưỡng mức xám kỹ thuật phân vùng đơn giản tạo đường biên kín, liên thơng Q trình làm đặc khử nhiễu, xây dựng trước phân đoạn, thường cải thiện hiệu suất suốt trình phân đoạn Phân ngưỡng mức xám thường cần thiết để thay đổi phạm vi ảnh, độ tương phản đối tượng mức xám tương đối ổn định Đối với ảnh đối tượng đơn giản tương phản, việc lập mức ngưỡng điểm lõm lược đồ nhị thức làm tối thiểu hố tính nhạy của diện tích đo với thay đổi ngưỡng Hàm chiếu điểm trịn đồng tâm xuất phát từ lược đồ hay hàm chu vi ảnh Gradient trung bình xung quanh đường viền tính từ hàm chu vi lược đồ [biểu thức (12)] 378 Phân đoạn đối tượng thực cách tìm vết đường biên, hay phân ngưỡng, theo gradient ảnh 10 Các kỹ thuật tăng vùng thường dùng cho việc phân đoạn cảnh phức tạp sử dụng định nghĩa đối tượng phức tạp 11 Phân đoạn ảnh lưu trữ đồ thành viên, chuỗi mã hay theo mã phân đoạn dòng BÀI TẬP Bên lược đồ ảnh 20 mức xám (0 màu đen) bóng bi-a màu trắng đen Quả bóng làm vật liệu có trọng lượng riêng 1.5 gam/cm3 Khoảng cách điểm ảnh mm Quả bóng cân nặng bao nhiêu? [0 100 500 3000 9000 3000 500 200 100 200 300 500 627 500 300 200 100 0 0] Bên lược đồ ảnh 20 mức xám trái tương phản Khoảng cách điểm ảnh mm Đây anh đào, nho hay bí ngơ? [0 100 200 300 500 600 500 300 200 100 200 500 3000 8000 20000 8000 3000 5000 1000 0] Bên lược đồ ảnh 32 mức xám (0 màu đen) chứa máy ghi đĩa màu đen, đường kíng 12 inch, với nhãn màu trắng xám Khoảng cách điểm ảnh bao nhiêu? đường kính nhãn bao nhiêu? [0 0 100 200 2000 6000 2000 200 100 0 200 3000 9000 3000 200 0 50 100 400 100 50 0 0 0 0] DỰ ÁN Phát triển chương trình tạo ảnh số vết nhiễu Gauss có mức xám định Kể khả xác định vị trí chiều x chiều y (độ lệch tiêu chuẩn) vết biên độc nhiễu trắng phân bố không đồng Tạo ảnh 200 mức xám cao, vết 15 20 với nhiễu có biên độ đỉnh mức xám 10 Phát triển chương trình tạo tóm tắt từ diện tích chu vi vết miêu tả dự án tính đạo hàm bậc bậc hai tóm tắt Định nghĩa SNR biên độ vết chia cho biên độ nhiễu RMS Với vết trịn bán kính 5, 10 20 điểm ảnh, với SNR 40, 20, 10 5, tạo tóm tắt từ diện tích xác định vị trí điểm có độ dốc cực đại Xác định theo kinh nghiệm, kích thước vết, SNR tối thiểu cần thiết để xác định vị trí điểm uốn với sai số không điểm ảnh Phát triển chương trình hiệu chỉnh hàm Gauss hai chiều thành vết nhiễu Gauss có mức xám (xem phần 19.5.5) Sử dụng chương trình để xác định vị trí, kích thước biên độ vết nhiễu ảnh tạo chương trình miêu tả dự án hay có cách số hố ảnh đối tượng trịn Phát triển chương trình phân ngưỡng thích nghi mà thiết lập ngưỡng cho đối tượng cảnh sử dụng kỹ thuật chọn ngưỡng miêu tả chương kiểm tra chương trình ảnh chứa đối tượng có độ tương phản khác không Sử dụng ảnh số khác hay ảnh tạo chương trình miêu tả dự án 379 ... đối tượng biết bước phân đoạn hoàn thành HÌNH 1 8-3 2 Hình 1 8-3 2 Tệp đoạn đối tượng 18.9 TỔNG KẾT NHỮNG ĐIỂM QUAN TRỌNG Phân đoạn ảnh trình phân chia ảnh số thành tập điểm ảnh liên kết không đè... thường dùng cho việc phân đoạn cảnh phức tạp sử dụng định nghĩa đối tượng phức tạp 11 Phân đoạn ảnh lưu trữ đồ thành viên, chuỗi mã hay theo mã phân đoạn dòng BÀI TẬP Bên lược đồ ảnh 20 mức xám (0... tượng Một ảnh đối tượng dễ dàng tái tạo nhớ đơn giản cách mở tệp đoạn Điêug thường sử dụng cần xử lý thêm ảnh đối tượng Đối với việc phân đoạm ảnh lớn, ảnh đầu vào đọc dòng từ đĩa tệp đoạn đối