1 áp dụng độ đo entropy cho bài toán tách đặc trưng của bọt khí trên video và đề xuất kết hợp svm cho vấn đề tự động theo dõi sục khí tại trạm quan trắc môi trường

UBND TỈNH BÌNH DƯƠNG TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT  TRỊNH VĂN DŨNG ÁP DỤNG ĐỘ ĐO ENTROPY CHO BÀI TỐN TÁCH ĐẶC TRƯNG CỦA BỌT KHÍ TRÊN VIDEO VÀ ĐỀ XUẤT KẾT HỢP SVM CHO VẤN ĐỀ TỰ ĐỘNG THEO DÕI SỤC KHÍ TẠI TRẠM QUAN TRẮC MƠI TRƯỜNG CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN Mã ngành: 8480104 LUẬN VĂN THẠC SỸ BÌNH DƯƠNG – NĂM 2019 i UBND TỈNH BÌNH DƯƠNG TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT  TRỊNH VĂN DŨNG MSHV: 1694801040007 ÁP DỤNG ĐỘ ĐO ENTROPY CHO BÀI TỐN TÁCH ĐẶC TRƯNG CỦA BỌT KHÍ TRÊN VIDEO VÀ ĐỀ XUẤT KẾT HỢP SVM CHO VẤN ĐỀ TỰ ĐỘNG THEO DÕI SỤC KHÍ TẠI TRẠM QUAN TRẮC MÔI TRƯỜNG CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN Mã ngành: 8480104 LUẬN VĂN THẠC SỸ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS HỒNG MẠNH HÀ BÌNH DƯƠNG – NĂM 2019 ii LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Áp dụng độ đo entropy cho toán tách đặc trưng bọt khí video đề xuất kết hợp SVM cho vấn đề tự động theo dõi sục khí trạm quan trắc mơi trường” cơng trình nghiên cứu riêng định hướng hướng dẫn Thầy TS Hoàng Mạnh Hà Mọi thông tin liệu sử dụng luận văn có nguồn gốc rõ ràng, tuân thủ nguyên tắc Các kết nghiên cứu trình bày luận văn hồn tồn trung thực, khơng vi phạm điều luật sở hữu trí tuệ pháp luật Việt Nam Nếu sai, tơi hoàn toàn chịu trách nhiệm trước pháp luật Thủ Dầu Một, ngày … tháng … năm 2019 Tác giả luận văn: Trịnh Văn Dũng i LỜI CẢM ƠN Luận văn hoàn thành Trường Đại học Thủ Dầu Một hướng dẫn tận tình Thầy TS Hồng Mạnh Hà Lời đầu tơi xin bày tỏ lịng biết ơn đến Thầy TS Hoàng Mạnh Hà, Giảng viên Trường Đại học Thủ Dầu Một tâm giảng dạy, hướng dẫn đưa góp ý, điều chỉnh vô xác thực cho luận văn, đồng thời Thầy cho lời động viên quý báu giúp tơi có định hướng đắn để hồn thành luận văn Tôi xin gửi lời cảm ơn chân thành đến tồn thể q Thầy, Cơ giảng viên giảng dạy Trường Đại học Thủ Dầu Một tận tình giảng dạy, truyền đạt kiến thức quý báu tạo điều kiện thuận lợi cho suốt trình học tập, nghiên cứu thực luận văn Nhân xin gửi lời cảm ơn đến bạn bè khóa, bạn bè chun mơn, đồng nghiệp nhiệt tình hỗ trợ thông tin, chia sẻ kiến thức kinh nghiệm giúp cho việc thực luận văn Trân trọng! Tác giả luận văn: Trịnh Văn Dũng ii TÓM TẮT Ngày nay, để có mơi trường mà đặc biệt môi trường nước, ngành công nghiệp xử lý nước nhà nước cộng đồng quan tâm sâu sắc Để có nguồn nước sạch, người ta cần cải tạo môi trường hệ sinh thái cách nuôi vi sinh bể lớn nhằm cung cấp vi sinh cho chỗ nước bị nhiễm bẩn, hệ sinh thái bị biến đổi Trong q trình ni vi sinh người ta cần phải sục khí liên tục vào bể để cung cấp đủ oxi để nuôi sống vi sinh, không sục khí thường xun vi sinh sống thiếu oxi Xuất phát từ thực tế này, cần có phần mềm để theo dõi giám sát xem bể nuôi vi sinh có sục khí liên tục hay khơng Trong đó, vấn đề liên quan đến xử lý video, xử lý frame ảnh nhận dạng frame ảnh video phục vụ cho nhu cầu phát cảnh báo vấn đế khơng có bọt khí (khi bể khơng sục khí) thơng qua việc giám sát tự động camera Với nhu cầu trên, hướng dẫn Thầy TS Hồng Mạnh Hà, tơi tiến hành nghiên cứu thực nghiệm đề tài “Áp dụng độ đo entropy cho toán tách đặc trưng bọt khí video đề xuất kết hợp SVM cho vấn đề tự động theo dõi sục khí trạm quan trắc môi trường” Trong khuôn khổ luận văn này, tơi tìm hiểu, nghiên cứu số phương pháp xử lý trích chọn đặc trưng, đồng thời cài đặt thử nghiệm đề xuất theo hai hướng sau: - Hướng thứ nhất: Trích chọn đặc trưng việc xác định độ đo Entropy cho điểm ảnh (pixel) để xác định độ bất định cho điểm ảnh có khả bọt khí hay khơng bọt khí cho ảnh Đồng thời kết hợp Fuzzy Logic để khử pixel ảnh khơng rõ ràng bọt khí hay khơng (trường hợp Entropy gần 0) Sau sử dụng phép biến đổi Wavelet Haar để thu gọn kích thước liệu ảnh dạng nhỏ mà giữ lại đủ thông tin quan trọng cho điểm ảnh Từ đây, có tập ảnh mang đặc trưng tốt để phục vụ cho huấn luyện phân lớp mẫu ảnh phục vụ cho tốn nhận dạng ảnh bọt khí - Hướng thứ hai: Trích chọn đặc trưng việc sử dụng kỹ thuật tìm biên ảnh Gradient (sử dụng số tốn tử như: Roberts, Prewitt, Sobel, Canny) dựa vào tính giá trị cực đại cực tiểu đạo hàm bậc ảnh Từ so sánh, đánh giá kết chọn phương pháp tìm biên phù hợp Canny (còn gọi lọc Canny), mang lại ảnh có chất lượng biên tốt để huấn luyện phân lớp Với ảnh trích chọn đặc trưng hướng trên, tiến hành cài đặt thực nghiệm tiếp cận phương pháp học SVM để huấn luyện phân lớp mẫu Đồng thời kiểm thử phân lớp nhận dạng với frame ảnh từ video clip (trên 10.000 frame ảnh cho clip) tương ứng trạm từ đơn vị quan trắc mơi trường Bình Dương, cụ thể sau: - Đối với hướng thứ nhất: Huấn luyện cho 80 tập (mỗi tập 100 ảnh) liệu ảnh (40 tập cho ảnh bọt khí 40 tập cho ảnh khơng bọt khí) lấy theo thời gian số lượng, trích xuất từ video clip Đồng thời thử nghiệm test kiểm thử cho tập ảnh không huấn luyện từ video clip trạm khác đạt kết phân loại với độ xác cao iii - Đối với hướng thứ hai: Huấn luyện cho 200 ảnh (100 ảnh có bọt khí 100 ảnh khơng có bọt khí) lấy theo thời gian số lượng, trích xuất từ video clip Đồng thời thử nghiệm test nhận dạng cho video clip trạm khác (tương ứng 8805 frame ảnh cho clip) đạt kết nhận dạng 100% Như vậy, qua q trình nghiên cứu kết thực nghiệm tơi đề xuất với hai phương pháp trích chọn đặc trưng: Một ứng dụng độ đo Entropy kết hợp Fuzzy Logic Wavelet Haar để đưa ảnh có đặc trưng tốt cho huấn luyện phân lớp; Hai ứng ứng dụng lọc Canny để tìm đường biên tốt cho ảnh cho huấn luyện phân lớp Từ huấn luyện phân lớp có mơ hình phân lớp mẫu tốt nhằm sử dụng cho toán nhận dạng ảnh bọt khí /khơng bọt khí ứng dụng cho việc quản lý, giám sát q trình sục khí cho bể ni vi sinh Đồng thời giúp cho đơn vị quan trắc môi trường hay công ty sản xuất có nước xả thải xử lý tốt trước xả thải môi trường Đặc biệt hướng ứng dụng lọc canny cài đặt Visual Studio C++ sử dụng thư viện mã nguồn mở OpenCV có kết nhận dạng với độ xác cao (100%) thuận tiện cho việc xây dựng ứng dụng người dùng, đưa vào ứng dụng thực tế cho camera giám sát bể nuôi vi sinh iv MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii TÓM TẮT iii MỤC LỤC v DANH MỤC CÁC HÌNH VÀ ĐỒ THỊ viii DANH MỤC CÁC BẢNG ix PHẦN MỞ ĐẦU Chương 1: TỔNG QUAN VỀ XỬ LÝ VÀ NHẬN DẠNG ẢNH 1.1 CÁC KHÁI NIỆM CƠ BẢN VỀ ẢNH 1.1.1 Khái niệm ảnh (Image) 1.1.2 Điểm ảnh (Picture element hay Pixel) 1.1.3 Độ phân giải ảnh (Image resolution) 1.1.4 Cường độ sáng ảnh điểm ảnh (Brightness intensity) 1.1.5 Mức xám ảnh (Gray image) 1.1.6 Ảnh nhị phân (Binary image) 1.1.7 Ảnh màu (Color image) 1.1.8 Quan hệ điểm ảnh 1.1.9 Biên ảnh (Image boundary) 1.2 GIỚI THIỆU CHUNG VỀ XỬ LÝ VÀ NHẬN DẠNG ẢNH 1.2.1 Thu nhận ảnh (Image acquisition) 1.2.2 Số hóa ảnh (Image digitalizer) 1.2.3 Tiền xứ lý ảnh (Image processing) 1.2.3.1 Lọc nhiễu 1.2.3.1 Mức xám đồ 1.2.4 Phân tích trích chọn đặc trưng ảnh (Image analysis and Feature extraction) 10 1.2.4.1 Giới thiệu chung phân tích ảnh 10 1.2.4.2 Tiêu chuẩn hoá trích chọn đặc trưng ảnh 10 1.2.4.3 Kỹ thuật tìm biên ảnh (Image boundary) 11 1.2.4.4 Độ đo Entropy 15 1.2.4.5 Fuzzy Logic 18 1.2.4.6 Phép biến đổi Wavelet 21 v 1.2.5 Phân lớp (Classfication) 22 1.2.6 Nhận dạng nội suy ảnh (Image recognition and Interpretation) 22 1.2.6.1 Giới thiệu chung nhận dạng 23 1.2.6.2 Phương pháp số nhận dạng ảnh 23 Chương 2: NGHIÊN CỨU PHƯƠNG PHÁP GIẢI QUYẾT BÀI TỐN NHẬN DẠNG BỌT KHÍ 25 2.1 XÂY DỰNG BÀI TOÁN NHẬN DẠNG BỌT KHÍ 25 2.1.1 Quá trình xử lý ảnh 25 2.1.2 Quá trình huấn luyện phân lớp mẫu 27 2.1.3 Quá trình nhận dạng 27 2.2 VẤN ĐỀ TRÍCH CHỌN ĐẶC TRƯNG CHO ẢNH BỌT KHÍ 28 2.2.1 Sử dụng Entropy kết hợp Fuzzylogic Wavelet 28 2.2.2 Sử dụng phương pháp tìm biên ảnh 29 2.3 VẤN ĐỀ PHÂN LỚP CHO DỮ LIỆU ẢNH BỌT KHÍ 30 2.3.1 Huấn luyện mơ hình phân lớp liệu ảnh 30 2.3.2 Phân lớp liệu ảnh – Thử nghiệm mơ hình 30 2.4 PHƯƠNG PHÁP SVM CHO BÀI TỐN NHẬN DẠNG BỌT KHÍ 31 2.4.1 Giới thiệu chung SVM 31 2.4.2 SVM cho toán lớp 32 2.4.3 Xây dựng toán tối ưu cho SVM lớp bọt khí 34 2.4.4 Ưu điểm SVM cho phân lớp ảnh bọt khí 35 Chương 3: THỰC NGHIỆM VÀ ĐỀ XUẤT ỨNG DỤNG PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG ẢNH CHO BÀI TOÁN NHẬN DẠNG ẢNH BỌT KHÍ 36 3.1 MƠI TRƯỜNG CÀI ĐẶT VÀ CÔNG CỤ SỬ DỤNG 36 3.2 DỮ LIỆU VÀ XÂY DỰNG TẬP DỮ LIỆU ẢNH BỌT KHÍ 36 3.3 ỨNG DỤNG ĐỘ ĐO ENTROPY KẾT HỢP FUZZY LOGIC VÀ WAVELET CHO TRÍCH CHỌN ĐẶC TRƯNG BỌT KHÍ 37 3.4 ỨNG DỤNG BỘ LỌC CANNY CHO TRÍCH CHỌN ĐẶC TRƯNG ẢNH BỌT KHÍ 39 Chương 4: THỰC NGHIỆM ÁP DỤNG PHƯƠNG PHÁP SVM VÀO BÀI TỐN THEO DÕI VẤN ĐỀ SỤC KHÍ CHO BỂ NUÔI VI SINH 43 4.1 MÔI TRƯỜNG CÀI ĐẶT VÀ CÔNG CỤ SỬ DỤNG 43 4.2 ÁP DỤNG SVM TRÊN ẢNH ĐƯỢC TRÍCH CHỌN ĐẶC TRƯNG DỰA TRÊN ĐỘ ĐO ENTROPY KẾT HỢP FUZZY LOGIC VÀ WAVELET 43 vi 4.2.1 Huấn luyện xây dựng mơ hình phân lớp 43 4.2.2 Thực kiểm thử với mơ hình 43 4.2.3 Kết thực nghiệm đánh giá 44 4.3 ÁP DỤNG SVM TRÊN ẢNH ĐƯỢC TRÍCH CHỌN ĐẶC TRƯNG DỰA TRÊN BỘ LỌC CANNY 45 4.3.1 Huấn luyện xây dựng mơ hình 45 4.3.2 Thực nhận dạng với mô hình 46 4.2.3 Kết thực nghiệm đánh giá 46 4.4 KẾT LUẬN CHUNG VÀ ĐỀ XUẤT 48 TÀI LIỆU THAM KHẢO 51 vii DANH MỤC CÁC HÌNH VÀ ĐỒ THỊ Hình 1.1: Minh hoạ bước hệ thống xử lý nhận dạng ảnh Hình 1.2: Một số kiểu đường biên ảnh thông dụng 11 Hình 1.3: Cửa sổ mặt nạ dùng cho toán tử Sobel 13 Hình 1.4: Cửa sổ mặt nạ dùng cho toán tử Prewitt 14 Hình 1.5: Cửa sổ mặt nạ dùng cho tốn tử Roberts 14 Hình 1.6: Ví dụ hàm thuộc khác số tập mờ số gần 20 Hình 1.7: Ví dụ tập mờ tốc độ chậm, tốc độ trung bình, tốc độ nhanh 20 Hình 1.8: Ví dụ tập mờ dạng hình tam giác 20 Hình 1.9: Hàm ψ (t) biến đổi Haar 22 Hình 2.1: Mơ hình chung cho tốn nhận dạng bọt khí 25 Hình 2.2: Biểu diễn tính Entropy pixel ảnh qua tập ảnh 29 Hình 2.3: Minh hoạ hàm Activation 29 Hình 2.4: Hàm ψ (t) biến đổi Haar 29 Hình 2.5: Mơ hình phân lớp ảnh cho tốn nhận dạng bọt khí 30 Hình 2.6: Mơ tả khơng gian nhiều điểm cho SVM tuyến tính 32 Hình 2.7: Mơ tả siêu phẳng cho SVM tuyến tính 32 Hình 2.8: Các mặt phân cách hai lớp cho toán SVM lớp 33 Hình 2.9: Margin hai lớp lớn 33 Hình 2.10: Mơ tả siêu phẳng cho SVM tuyến tính 34 Hình 3.1: Minh hoạ frame ảnh có bọt khí (xử lý Entropy Fuzzylogic) 39 Hình 3.2: Minh hoạ frame ảnh khơng bọt khí (xử lý Entropy Fuzzylogic) 39 Hình 3.3: Minh hoạ frame ảnh có bọt khí cho việc xử lý tìm biên 41 Hình 3.4: Minh hoạ frame ảnh khơng bọt khí cho việc xử lý tìm biên 41 viii ... hành nghiên cứu thực nghiệm đề tài ? ?Áp dụng độ đo entropy cho toán tách đặc trưng bọt khí video đề xuất kết hợp SVM cho vấn đề tự động theo dõi sục khí trạm quan trắc môi trường? ?? Trong khuôn khổ... CAM ĐOAN Tôi xin cam đoan luận văn ? ?Áp dụng độ đo entropy cho toán tách đặc trưng bọt khí video đề xuất kết hợp SVM cho vấn đề tự động theo dõi sục khí trạm quan trắc mơi trường? ?? cơng trình nghiên... DƯƠNG TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT  TRỊNH VĂN DŨNG MSHV: 16 948 010 40007 ÁP DỤNG ĐỘ ĐO ENTROPY CHO BÀI TỐN TÁCH ĐẶC TRƯNG CỦA BỌT KHÍ TRÊN VIDEO VÀ ĐỀ XUẤT KẾT HỢP SVM CHO VẤN ĐỀ TỰ ĐỘNG THEO DÕI