Kiểm tra độ khác biệt của logo dùng kỹ thuật so khớp ảnh

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG LỤC THỊ THANH HUỆ KIỂM TRA ĐỘ KHÁC BIỆT CỦA LOGO DÙNG KỸ THUẬT SO KHỚP ẢNH Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC TS Phạm Đức Long Thái Nguyên năm 2020 i LỜI CAM ĐOAN Tên là: Lục Thị Thanh Huệ Sinh ngày: 26/12/1984 Là em lớp cao học CHK17A - Trường Đại học Công nghệ Thông tin Truyền thông - Đại học Thái Nguyên Hiện công tác tại: Trường THPT Định Hóa - tỉnh Thái Ngun Tơi xin cam đoan: Đề tài “Kiểm tra độ khác biệt logo dùng kỹ thuật so khớp ảnh” TS Phạm Đức Long hướng dẫn cơng trình nghiên cứu riêng tơi Tất tài liệu tham khảo có nguồn gốc, xuất xứ rõ ràng Tôi xin cam đoan tất nội dung luận văn nội dung đề cương yêu cầu thầy giáo hướng dẫn Nếu sai tơi hồn tồn chịu trách nhiệm trước hội đồng khoa học trước pháp luật Thái Nguyên, ngày 18 tháng 09 năm 2020 Tác giả luận văn Lục Thị Thanh Huệ ii LỜI CẢM ƠN Sau thời gian nghiên cứu làm việc nghiêm túc, động viên, giúp đỡ hướng dẫn tận tình Thầy giáo hướng dẫn TS Phạm Đức Long em hoàn thành luận văn với Đề tài “Kiểm tra độ khác biệt logo dùng kỹ thuật so khớp ảnh” Tơi xin bày tỏ lịng biết ơn sâu sắc đến thầy giáo hướng dẫn TS Phạm Đức Long tận tình bảo, hướng dẫn, giúp đỡ tơi hồn thành luận văn Tôi xin cảm ơn thầy cô giáo, Phòng đào tạo Sau đại học Trường Đại học Công nghệ Thông tin Truyền thông Thái Nguyên giúp đỡ tơi q trình học tập thực luận văn Tôi xin chân thành cảm ơn Trường THPT Định Hóa - tỉnh Thái Nguyên nơi công tác tạo điều kiện thuận lợi cho tơi theo học khóa học Tơi xin chân thành cảm ơn bạn bè, đồng nghiệp gia đình động viên, khích lệ, tạo điều kiện giúp đỡ tơi suốt q trình học tập, thực hoàn thành luận văn Thái Nguyên, ngày 18 tháng năm 2020 Tác giả luận văn Lục Thị Thanh Huệ iii MỤC LỤC Trang Lời cam đoan i Lời cảm ơn ii Mục lục iii Danh mục bảng iv Danh mục hình v Danh mục từ viết tắt vi MỞ ĐẦU 1 Lý chọn đề tài Mục tiêu Đối tượng phạm vi nghiên cứu Ý nghĩa khoa học thực tiễn đề tài nghiên cứu Phương pháp nghiên cứu CHƯƠNG NHU CẦU SO KHỚP LOGO QUA ẢNH 1.1 Các nhu cầu thực tế 1.1.1 Logo tầm quan trọng chúng 1.1.2 Bắt chước thiết kế 1.1.3 Luật bảo hộ quyền 1.2 So khớp qua ảnh 1.3 Các đặc điểm phân biệt đối tượng 10 KẾT LUẬN CHƯƠNG 11 CHƯƠNG MỘT SỐ KỸ THUẬT SO KHỚP QUA ẢNH HIỆN NAY 12 2.1 So sánh tương xứng hình dạng 12 2.1.1 Dùng khoảng cách Hausdorff 12 2.1.2 Dùng phương pháp Shape Context 14 2.1.3 Dùng phương pháp Inner Distance 26 iv 2.2 Sử dụng phương pháp phân cấp 31 2.3 Sử dụng học máy (Machine Learning) 33 2.3.1 Những lĩnh vực nghiên cứu quan trọng Học máy 33 2.3.2 Liên quan học máy với khai thác liệu trí tuệ nhân tạo 34 2.3.3 Phân loại thuật toán học máy 35 2.3.4 So sánh ba thuật toán học máy quan trọng 37 2.4 So sánh phương pháp 37 2.5 So sánh màu sắc 39 2.6 So sánh kết cấu bề mặt 44 KẾT LUẬN CHƯƠNG 47 CHƯƠNG ĐÁNH GIÁ THỰC NGHIỆM 48 3.1 Thực nghiệm so khớp với số ảnh cũ 48 3.2 Thực nghiệm so sánh với ba thuộc tính 50 3.3 Nhận xét đánh giá 53 KẾT LUẬN CHƯƠNG 53 KẾT LUẬN 54 HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 54 TÀI LIỆU THAM KHẢO 55 PHỤ LỤC ivv DANH SÁCH CÁC BẢNG Trang Bảng 1.1 Bốn dạng nhãn hiệu truyền thống bảo hộ Việt Nam Bảng 2.1 Dữ liệu tuổi 17 Bảng 2.2 Thông tin mẫu liệu 18 Bảng 2.3 So sánh Gaussian NB, SVM and Decision Tree 37 vi Bảng 2.4 Đặc điểm phương pháp so khớp đối tượng qua ảnh 37 Bảng 2.5 Tính tham số kết cấu bốn ảnh 47 Bảng 3.1 Kết thực nghiệm so sánh hình dáng màu cặp ảnh 51 Bảng 3.2 So sánh kết cấu bề mặt 52 v vii DANH SÁCH CÁC HÌNH Trang Hình 1.1 Một số logo Hình 1.2 Làm nhái logo Hình 1.3 Logo số thương hiệu số 50 thương hiệu tiếng Việt Nam 2019 viii Hình 1.4 Ý tưởng bị làm “nhái” Hình 1.5 Ví dụ tranh chấp quyền: ix Hình 1.6 Nhái logo Toyota Hình 1.7 Ví dụ tranh chấp logo Hình 1.8 Doanh nghiệp thành lập từ 2012 đến 2019 54 KẾT LUẬN Trong thời đại mặt hoạt động sống phát triển vũ bão người luôn không ngừng nghỉ tạo sản phẩm phục vụ cho người sống Với sản phẩm nhà sản xuất ln mong muốn có dấu ấn khách hàng, đối tác sử dụng Những nhãn hiệu, logo thiết kế nhằm mục đích Trong thực tế vơ tình cố tình nhiều nhà sản xuất xây dựng logo có nhiều nét tương đồng với logo sản phẩm chủng loại (và với khác chủng loại); điều vi phạm luật sở hữu trí tuệ, bảo hộ nhãn hiệu, thương hiệu Cho đến nay, trình đánh giá trùng khớp với hai logo chủ yếu cảm nhận trực tiếp người Luận văn thực nghiên cứu số phương pháp so sánh đặc điểm hai ảnh logo để nhằm đưa định lượng đánh giá so sánh thuộc tính Cũng giống chương trình tin học hỗ trợ lĩnh vực y tế, tài chính, … điều chưa thể thay hoàn toàn người; số liệu tính tốn giúp cho định người nhanh có độ tin cậy cao HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Hồn thiện chương trình sưu tập liệu logo Việt Nam để làm sở so sánh với logo khác nước giới Tiếp tục nghiên cứu đặc điểm so sánh để tăng tốc độ xử lý liệu lớn việc so sánh đặc điểm liệu ảnh có tốc độ chậm Khi thực luận văn em phải cố gắng tiếp thu nhiều kiến thức ôn lại kiến thức cũ Tuy nhiên kiến thức em xử lý ảnh đặc biệt nhận dạng so khớp đối tượng chưa rèn luyện nhiều nên luận văn cịn có khiếm khuyết Em xin chân thành cảm ơn nhận xét góp ý thày, cô để luận văn em hoàn thiện thêm Thái Nguyên, Ngày 16 tháng năm 2020 LỤC THỊ THANH HUỆ 55 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Luật kinh doanh bảo hiểm, sở hữu trí tuệ Việt Nam, Thư viện pháp luật, 6-2019 [2] Phạm Đức Long, Ứng dụng xử lý ảnh công nghiệp, Khoa Cơng nghệ Tự động hóa Trường Đại học CNTT&TT ĐH Thái Nguyên, 2019 Tiếng Anh [3] ChiaNingLee, Logo History and Design, December, 2018 [4] Erica Cowin, The Evolution of U.S Coporate Logos: A Semiotic Analysys, Spring Term, 2011 [5] Nazanin Sadat Hashemi, Roya Babaei Aghdam, Atieh Sadat Bayat Ghiasi, Parastoo Fatemi, Template Matching Advances and Applications in Image Analysis, American Scientific Research Journal for Engineering, Technology, and Sciences (ASRJETS), 2016 [6] Daniel P Huttenlocher, Gregory A Klanderman, and William J Rucklidge, Comparing Images Using the Hausdorff Distance, IEEE Transactions on Patern Analysis and Machine Intelligence, Vol 15, No 9, September 1993 [7] Belongie, Malik, Matching with shape contexts, IEEE, DOI: 10.1109/IVL.2000.853834, 2000 [8] Greg Mori, Serge Belongie, Jitendra Malik, Efficient Shape Matching Using Shape Contexts, IEEE Transaction on Pattern Analysis and Machine Intelligence, VOL 27, NO 11, pg 1832-1837, 2005 [9] Hichem Sahbi, Lamberto Ballan, Giuseppe Serra, and Alberto Del Bimbo, Context-Dependent Logo Matching and Recognition, IEEE Transactions on Image Processing, 2013 [10] Haibin Ling, David W Jacobs, Shape Classification Using the InnerDistance, Journals & Magazines, IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 29, Issue 2, 2007 56 [11] Pedro F Felzenszwalb, Joshua D.Schwartz, Hierarchical Matching of Deformable Shapes, DOI: 10.1109/CVPR.2007.383018, ISSN: 1063-6919, 2007 [12] Andreas Opelt , Axel Pinz , and Andrew Zisserman, A Boundary-FragmentModel for Object Detection, European Conference on Computer Vision ECCV 2006, pp 575-588, Computer Vision – ECCV 2006 [13] Kajaree Das , Rabi Narayan Behera, A Survey on Machine Learning: Concept, Algorithms and Applications, International Journal of Innovative Research in Computer and Communication Engineering, Vol 5, Issue 2, February 2017 [14] N Jayanthi and S Indum, Comparison of Image Matching Techniques, International Journal of Latest Trends in Engineering and Technology Vol.(7)Issue(3), pp 396‐401, 2018 [15] Andrzej Materka and Michal Strzelecki, Texture Analysis Methods – A Review, TechnicalUniversity of Lodz, Institute of Electronics, COST B11 report, Brussels 1998 [16] H Tamura, S Mori, T Yamawaki, Textural Features Corresponding to Visual Perception, IEEE Trans on Systems, Man and Cyber., June 1978, vol 8, no 6, p 460–473 [17] Fogel, I.; Sagi, D., Gabor filters as texture discriminator Biological Cybernetics 61 (2) CiteSeerX 10.1.1.367.2700 doi:10.1007/BF00204594 ISSN 0340-1200 OCLC 895625214, June 1989 PHỤ LỤC Một số mã nguồn chương trình  Shape context % Shape Context Demo #1 load save_fish_outlier_3_2.mat X=x1; Y=y2a; display_flag=1; mean_dist_global=[]; % use [] to estimate scale from the data nbins_theta=12; nbins_r=5; nsamp1=size(X,1); nsamp2=size(Y,1); ndum1=0; ndum2=0; if nsamp2>nsamp1 % (as is the case in the outlier test) ndum1=ndum1+(nsamp2-nsamp1); end eps_dum=0.15; r_inner=1/8; r_outer=2; n_iter=5; r=1; % annealing rate beta_init=1; % initial regularization parameter (normalized) if display_flag [x,y]=meshgrid(linspace(0,1,18),linspace(0,1,36)); x=x(:);y=y(:);M=length(x); end if display_flag figure(1) plot(x1(:,1),x1(:,2),'b+',y2a(:,1),y2a(:,2),'ro') title(['original pointsets (nsamp1=' int2str(nsamp1) ', nsamp2=' int2str(nsamp2) ')']) if h1=text(x1(:,1),x1(:,2),int2str((1:nsamp1)')); h2=text(y2a(:,1),y2a(:,2),int2str((1:nsamp2)')); set(h2,'fontangle','italic'); end drawnow end tps_iter_match_1 %file “sc_compute.m” Tính tốn shape context function [BH,mean_dist]=sc_compute(Bsamp,Tsamp,mean_dist,nbins_theta,nbins_r,r_inn er,r_outer,out_vec); % [BH,mean_dist]=sc_compute(Bsamp,Tsamp,mean_dist,nbins_theta,nbins_r,r_inn er,r_outer,out_vec); % % compute (r,theta) histograms for points along boundary % % Bsamp is x nsamp (x and y coords.) % Tsamp is x nsamp (tangent theta) % out_vec is x nsamp (0 for inlier, for outlier) % % mean_dist is the mean distance, used for length normalization % if it is not supplied, then it is computed from the data % % outliers are not counted in the histograms, but they get % assigned a histogram % nsamp=size(Bsamp,2); in_vec=out_vec==0; % compute r,theta arrays r_array=real(sqrt(dist2(Bsamp',Bsamp'))); % real is needed to % prevent bug in Unix version theta_array_abs=atan2(Bsamp(2,:)'*ones(1,nsamp)ones(nsamp,1)*Bsamp(2,:),Bsamp(1,:)'*ones(1,nsamp)ones(nsamp,1)*Bsamp(1,:))'; theta_array=theta_array_abs-Tsamp'*ones(1,nsamp); % create joint (r,theta) histogram by binning r_array and % theta_array % normalize distance by mean, ignoring outliers if isempty(mean_dist) tmp=r_array(in_vec,:); tmp=tmp(:,in_vec); mean_dist=mean(tmp(:)); end r_array_n=r_array/mean_dist; % use a log scale for binning the distances r_bin_edges=logspace(log10(r_inner),log10(r_outer),5); r_array_q=zeros(nsamp,nsamp); for m=1:nbins_r r_array_q=r_array_q+(r_array_n0; % flag all points inside outer boundary % put all angles in [0,2pi) range theta_array_2 = rem(rem(theta_array,2*pi)+2*pi,2*pi); % quantize to a fixed set of angles (bin edges lie on 0,(2*pi)/k, 2*pi theta_array_q = 1+floor(theta_array_2/(2*pi/nbins_theta)); nbins=nbins_theta*nbins_r; BH=zeros(nsamp,nbins); for n=1:nsamp fzn=fz(n,:)&in_vec; Sn=sparse(theta_array_q(n,fzn),r_array_q(n,fzn),1,nbins_theta,nbins_r); BH(n,:)=Sn(:)'; end %file “dist2.m” – Tính tốn cặp điểm function n2 = dist2(x, c) %DIST2 Calculates squared distance between two sets of points % % Description % D = DIST2(X, C) takes two matrices of vectors and calculates the % squared Euclidean distance between them Both matrices must be of % the same column dimension If X has M rows and N columns, and C has % L rows and N columns, then the result has M rows and L columns The % I, Jth entry is the squared distance from the Ith row of X to the % Jth row of C [ndata, dimx] = size(x); [ncentres, dimc] = size(c); if dimx ~= dimc error('Data dimension does not match dimension of centres') end n2 = (ones(ncentres, 1) * sum((x.^2)', 1))' + ones(ndata, 1) * sum((c.^2)',1) - 2.*(x*(c'));  So khớp hình dạng %coded by anishfrancis,ECE dept AmalJyothi College of %engineering(www.amaljyothi.com),INDIA %the program is a test program for patternmatching studies,suidted for %applications involving small image recongnition.mathchind done pixel based %on binary images function varargout = push(varargin) % push M-source for push.fig % push, by itself, creates a new push or raises the existing % singleton* % % H = push returns the handle to a new push or the handle to % the existing singleton* % % push('CALLBACK',hObject,eventData,handles, ) calls the local % function named CALLBACK in push.M with the given input arguments % % push('Property','Value', ) creates a new push or raises the % existing singleton* Starting from the left, property value pairs are % applied to the GUI before push_OpeningFunction gets called An % unrecognized property name or invalid value makes property application % stop All inputs are passed to push_OpeningFcn via varargin % % *See GUI Options on GUIDE's Tools menu Choose "GUI allows only one % instance to run (singleton)" % % See also: GUIDE, GUIDATA, GUIHANDLES % Copyright 2002-2003 The MathWorks, Inc % Edit the above text to modify the response to help push % Last Modified by GUIDE v2.5 21-Nov-2008 11:43:53 % Begin initialization code - DO NOT TARGET gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, 'gui_Singleton', gui_Singleton, 'gui_OpeningFcn', @push_OpeningFcn, 'gui_OutputFcn', @push_OutputFcn, 'gui_LayoutFcn', [] , 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT TARGET % - Executes just before push is made visible function push_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to push (see VARARGIN) % Choose default command line output for push handles.pic='test1.jpg'; %handles.pic='test1.bmp'; handles.output = hObject; handles.pic='test1.jpg'; %handles.pic='test1.bmp'; % Update handles structure guidata(hObject, handles); % UIWAIT makes push wait for user response (see UIRESUME) % uiwait(handles.figure1); % - Outputs from this function are returned to the command line function varargout = push_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % - Executes on button press in pushbutton1 function pushbutton1_Callback(hObject, eventdata,handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %set(handles.text1, 'String', 'push button pushed') %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%% % Function Developed by Fahd A Abbasi % Department of Electrical and Electronics Engineering, University of % Engineering and Technology, Taxila, PAKISTAN %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%% % % The function takes two images as argument and using edge detection % checks whether they are the same or not a cool and simple code which % can be used in security systems % The level at which the two pictures should be matched can be controlled % by changing the code at line 100 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%% % % USAGE (SAMPLE CODE) % % % pic1 = imread('cameraman.tif'); % pic2 = imread('cameraman.tif'); % ait_picmatch(pic1,pic2); % % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%% %function pattmatch(k,p) % %display('anish'); % BO DI KHONG SAO !!!!!!!!! % cac dong sau bo di khong tinh duoc phan tram matching k=handles.XX; p=handles.YY; [x,y,z] = size(k); if(z==1) ; else k = rgb2gray(k); end [x,y,z] = size(p); if(z==1) ; else p = rgb2gray(p); end %///////////////////////////////////////// %applying edge detection on first picture %so that we obtain white and black points and edges of the objects present %in the picture edge_det_k = edge(k,'prewitt'); %%applying edge detection on second picture %so that we obtain white and black points and edges of the objects present %in the picture edge_det_p = edge(p,'prewitt'); %definition of different variables to be used in the code below %output variable if pictures have been matched OUTPUT_MESSAGE = ' almost same x-ray images '; %output variable if objects in the whole picture have not been matched OUTPUT_MESSAGE2 = ' x-ray images not matching '; %initialization of different variables used matched_data = 0; white_points = 0; black_points = 0; x=0; y=0; l=0; m=0; %for loop used for detecting black and white points in the picture for a = 1:1:300 for b = 1:1:300 if(edge_det_k(a,b)==1) white_points = white_points+1; else black_points = black_points+1; end end end display('testing'); %for loop comparing the white (edge points) in the two pictures for i = 1:1:300 for j = 1:1:300 if(edge_det_k(i,j)==1)&(edge_det_p(i,j)==1) matched_data = matched_data+1; else ; end end end %calculating percentage matching total_data = white_points; total_matched_percentage = (matched_data/total_data)*100; %handles.pp=total_matched_percentage; %guidata(hObject,handles); set(handles.result,'String',total_matched_percentage); %outputting the result of the system if(total_matched_percentage >= 85) %can add flexability at this point by reducing the amount of matching total_matched_percentage OUTPUT_MESSAGE display(OUTPUT_MESSAGE); set(handles.result1,'String',OUTPUT_MESSAGE); else total_matched_percentage OUTPUT_MESSAGE2 display(OUTPUT_MESSAGE2); set(handles.result1,'String',OUTPUT_MESSAGE2); end % - Executes during object creation, after setting all properties function text1_CreateFcn(hObject, eventdata, handles) % hObject handle to text1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % -function source_Callback(hObject, eventdata, handles) % hObject handle to source (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) file = uigetfile('*.jpg'); %file = uigetfile('*.bmp'); if ~isequal(file, 0) k=imread(file); handles.YY = k; z=k; guidata(hObject,handles); %guidata(hObject,handles); subplot(2,2,1),imshow(k);title('source'); end % -function new_Callback(hObject, eventdata, handles) % hObject handle to new (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % -function target_Callback(hObject, eventdata, handles) % hObject handle to target (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) file = uigetfile('*.jpg'); %file = uigetfile('*.bmp'); if ~isequal(file, 0) p=imread(file); subplot(2,2,2),imshow(p);title('target'); handles.XX = p; guidata(hObject,handles); end % -function Untitled_2_Callback(hObject, eventdata, handles) % hObject handle to Untitled_2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % -function Untitled_1_Callback(hObject, eventdata, handles) % hObject handle to Untitled_1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % -function about_Callback(hObject, eventdata, handles) % hObject handle to about (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) msgbox('coded by ANISHFRANCIS,lecturer,ECE DEPT'); % -function Untitled_5_Callback(hObject, eventdata, handles) % hObject handle to Untitled_5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % -function Untitled_6_Callback(hObject, eventdata, handles) % hObject handle to Untitled_6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % -function howto_Callback(hObject, eventdata, handles) % hObject handle to howto (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) msgbox('use medium sized images'); % - Executes during object creation, after setting all properties function figure1_CreateFcn(hObject, eventdata, handles) % hObject handle to figure1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % -function open_Callback(hObject, eventdata, handles) % hObject handle to open (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) file = uigetfile('*.jpg'); %file = uigetfile('*.bmp'); if ~isequal(file, 0) imshow(file); %open(source); end function result_Callback(hObject, eventdata, handles) % hObject handle to result (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of result as text % str2double(get(hObject,'String')) returns contents of result as a double % - Executes during object creation, after setting all properties function result_CreateFcn(hObject, eventdata, handles) % hObject handle to result (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows % See ISPC and COMPUTER if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end % - Executes on button press in pushbutton2 function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) ///////////////// % - Executes on button press in pushbutton3 function pushbutton3_Callback(hObject, eventdata, handles) % hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) function result1_Callback(hObject, eventdata, handles) % hObject handle to result1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of result1 as text % str2double(get(hObject,'String')) returns contents of result1 as a double /////////////////////// % - Executes during object creation, after setting all properties function result1_CreateFcn(hObject, eventdata, handles) % hObject handle to result1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows % See ISPC and COMPUTER if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end % -function help_Callback(hObject, eventdata, handles) % hObject handle to help (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)  Tính moment colors để so sánh màu: clear all I=imread('Old_Nike_logo2.jpg'); %I=imread('acerlogo2.jpg'); %I=imread('pic2.jpg'); %I=imread('a2.jpg'); %I=imread('logo1.jpg'); I2 = im2double(I); % im2double(I)converts the intensity image I to double precision, rescaling the data if necessary I can be a grayscale intensity image, a truecolor image, or a binary image % If the input image is of class double, then the output image is identical % Extract RGB Channel R=I(:,:,1); G=I(:,:,2); B=I(:,:,3); R2=I2(:,:,1); G2=I2(:,:,2); B2=I2(:,:,3); % Extract Statistical features % 1] MEAN meanR=mean2(R); meanG=mean2(G); meanB=mean2(B); % 2] Standard Deviation stdR=std2(R); stdG=std2(G); stdB=std2(B); A=[meanR meanG meanB stdR stdG stdB] %//////////////////////////////////// % Get entropy redEntropy = entropy(R); greenEntropy = entropy(G); blueEntropy = entropy(B); B=[redEntropy greenEntropy blueEntropy] %///////// Calculate skewns ///////// %skewnsR = @(R) (sum((R-mean2(R)).^3)./length(R)) / (var(R,1).^1.5) % Get skewns of Image skewns = skewness(I2(:)) % Get skewns of chanel by coloumn skewnsR = skewness(R2(:)); skewnsG = skewness(G2(:)); skewnsB = skewness(B2(:)); %kurtosis(I) ColorMoments=[meanR meanG meanB stdR stdG stdB skewnsR skewnsG skewnsB]  So sánh kết cấu bề mặt Tính thơng số vùng Rangefilt, stdfilt, entropyfilt image = imread('guot4.png'); gray = rgb2gray(pout); gray =double(gray); % Muc xam trung binh meanIntensityValue = mean2(gray) % range parametr rang=mean(sum(rangefilt(gray))) % standart distorian parametr I=mean(std(gray(:))) % entropy parametr gtentr = entropy(gray) Thỏa ước La-hay Những nước tham gia Thỏa ước La-hay phải Thành viên Công ước Paris bảo hộ Sở hữu trí tuệ - SHCN Cơng ước thành lập Tổ chức SHTT giới (WIPO); tổ chức liên phủ mà có quốc gia thành viên tổ chức liên phủ Thành viên Công ước thành lập WIPO Các nước tham gia Văn kiện 1999 Văn kiện khác Thỏa ước La-hay thành lập liên minh chung gọi Liên minh La-hay Tính đến nay, Liên minh La-hay có 66 nước thành viên So với Văn kiện trước đó, Văn kiện năm 1999 nới rộng quy định Thỏa ước việc cho phép nước thành viên đưa tuyên bố để lựa chọn chế phù hợp với quy định luật pháp nước nhằm thu hút quốc gia có thủ tục thẩm định nội dung, đặc biệt tham gia Cơ quan SHTT lớn giới USPTO (Hoa Kỳ), JPO (Nhật Bản), KIPO (Hàn Quốc), Hiện tại, JPO, KIPO USPTO tham gia Thỏa ước theo Văn kiện 1999 Cơ quan SHTT Liên minh châu Âu (EUIPO) phê chuẩn Văn kiện 1999 vào ngày 01/01/2008 Trên sở đánh giá tiến hoàn thiện Văn kiện 1999 so với Văn kiện khác, Việt Nam định phê chuẩn Thỏa ước La-hay theo Văn kiện 1999 Nguồn: Trung tâm Nghiên cứu Phát triển truyền thông KH&CN ... với số ảnh logo thực Mục tiêu Mục tiêu luận văn nghiên cứu xây dựng thuật toán so khớp ảnh để kiểm tra độ khác biệt Logo Từ tiến hành xây dựng mơ hình thực nghiệm kiểm tra độ khác biệt Logo phần... việc nghiêm túc, động viên, giúp đỡ hướng dẫn tận tình Thầy giáo hướng dẫn TS Phạm Đức Long em hoàn thành luận văn với Đề tài ? ?Kiểm tra độ khác biệt logo dùng kỹ thuật so khớp ảnh? ?? Tơi xin bày... đến 2019 Khái niệm 10 Khớp mẫu kỹ thuật xử lý ảnh kỹ thuật số để tìm phần nhỏ ảnh khớp với ảnh mẫu Những thách thức Những thách thức nhiệm vụ so khớp mẫu là: Sự xác so khớp, phát thay đổi hình