Nghiên cứu thuật toán tối ưu hóa đàn kiến cho bài toán tách đường biên của ảnh

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC VINH LÊ THỊ HẠNH HIỀN NGHIÊN CỨU THUẬT TOÁN TỐI ƢU HĨA ĐÀN KIẾN CHO BÀI TỐN TÁCH ĐƢỜNG BIÊN CỦA ẢNH LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THÔNG TIN ĐỒNG THÁP, 3/2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC VINH LÊ THỊ HẠNH HIỀN NGHIÊN CỨU THUẬT TỐN TỐI ƢU HĨA ĐÀN KIẾN CHO BÀI TỐN TÁCH ĐƢỜNG BIÊN CỦA ẢNH Chuyên ngành: CÔNG NGHỆ THÔNG TIN Mã số: 60.48.02.01 LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THƠNG TIN Ngƣời hƣớng dẫn khoa học: TS HỒNG HỮU VIỆT ĐỒNG THÁP, 3/2017 LỜI CAM ĐOAN -  Tôi xin cam đoan cơng trình nghiên cứu thân Ngồi việc sử dụng kết nghiên cứu tác giả khác trích dẫn, tơi hồn tồn chịu trách nhiệm nội dung trình bày luận văn Người cam đoan Lê Thị Hạnh Hiền LỜI CẢM ƠN -  Xin chân thành cảm ơn Khoa Công nghệ thông tin, trường Đại học Vinh tạo điều kiện thuận lợi cho tơi q trình học tập, thực luận văn tốt nghiệp Xin gửi lời cảm ơn sâu sắc đến thầy Hoàng Hữu Việt, người hướng dẫn tận tình ln động viên giúp đỡ tơi q trình thực đề tài Xin chân thành cảm ơn tất quý thầy, cô đặc biệt quý thầy, cô tham gia giảng dạy lớp CNTT-K23 trường Đại học Đồng Tháp tận tình giảng dạy, hướng dẫn, cung cấp cho kiến thức quý báu suốt trình học tập nghiên cứu Xin nhớ cơng ơn gia đình chăm sóc, động viên tạo điều kiện thuận lợi cho tơi hồn thành luận văn Cho tơi gửi lời cảm ơn đến toàn thể bạn bè – người quan tâm, giúp đỡ chia sẻ kiến thức cần thiết cho tơi q trình thực đề tài Một lần , xin gửi lời cảm ơn chân thành sâu sắc đến gia đình, thầy cô bạn bè Trân trọng Đồng Tháp, tháng 03 năm 2017 Lê Thị Hạnh Hiền MỤC LỤC Nội dung Trang LỜI CAM ĐOAN LỜI CẢM ƠN MỤC LỤC DANH MỤC HÌNH ẢNH DANH MỤC CÁC TỪ VIẾT TẮT MỞ ĐẦU Sự cần thiết vấn đề nghiên cứu Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Nội dung nghiên cứu Kết cấu luận văn Chƣơng GIỚI THIỆU TỔNG QUAN 1.1 Cơ sở lý luận 1.2 Cơ sở thực tiễn Chƣơng CƠ SỞ LÝ THUYẾT 11 2.1 Tổng quan hệ thống xử lý ảnh 11 2.2 Những vấn đề xử lý ảnh 12 2.3 Các phép toán phương pháp xử lý ảnh 20 2.4 Các phương pháp phát biên 23 Chƣơng 3.THUẬT TỐN TỐI ƢU HĨA ĐÀN KIẾN CHO BÀI TOÁN TÁCH ĐƢỜNG BIÊN ẢNH 33 3.1 Thuật tốn tối ưu hóa đàn kiến 33 3.2 Áp dụng thuật tốn tối ưu hóa đàn kiến cho toán tách đường biên ảnh 37 3.3 Cài đặt thuật tốn tối ưu hóa đàn kiến cho toán tách đường biên 38 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 43 4.1 Kết luận 43 4.2 Hướng phát triển 44 TÀI LIỆU THAM KHẢO 45 DANH MỤC HÌNH ẢNH Hình 1: Các giai đoạn xử lý ảnh 11 Hình 2: Lân cận điểm ảnh 16 Hình 3: Nắn chỉnh biến dạng 17 Hình 4: Các dạng đường biên xử lý ảnh 24 Hình 5: Ảnh minh họa dò biên theo kỹ thuật Gradient 27 Hình 6: Ảnh minh họa dị biên sử dụng toán tử La bàn 29 Hình 7: Ảnh minh họa dị biên theo kỹ thuật Laplace 31 Hình 8: Ảnh minh họa dò biên theo PP gián tiếp 32 Hình 1: Kết sau thực thuật toán 42 DANH MỤC CÁC TỪ VIẾT TẮT  -STT TỪ VIẾT TẮT DIỄN GIẢI ACO AS ACS MMAS TSP TRAVELLING SALESMAN PROBLEM CGA COLOR GRAPHIC ADAPTOR ANT COLONY OPTIMIZATION ANT SYSTEM ANT COLONY SYSTEM MAX – MIN ANT SYSTEM MỞ ĐẦU Sự cần thiết vấn đề nghiên cứu Xử lý ảnh chuyên ngành quan trọng lâu đời Công nghệ thông tin Xử lý ảnh áp dụng nhiều lĩnh vực như: y học, quân sự, hóa học [4] Bài tốn trích đường biên ảnh toán ứng dụng nhiều hệ thống nhận dạng ảnh nhận dạng mặt người [2], [3], [5], nhận dạng vân tay [8], [9], tốn nhận dạng tự động chữ viết [3] Đã có nhiều hướng tiếp cận giải tốn trích đường biên ảnh Gần có nhiều thuật tốn đời theo hướng tiếp cận tiến hóa thuật tốn di truyền Genetic Algorithm hay cách mơ hành vi đàn kiến thuật toán đàn kiến áp dụng cho kết tốt nhiều [8] Thuật toán đàn kiến Thomas Stutzle Marco Dorigo đề xuất thuật toán độc đáo áp dụng cho nhiều tốn tối ưu tổ hợp với liệu lớn Thuật toán đàn kiến mô hành vi đàn kiến tự nhiên nhằm tìm kiếm đường ngắn tổ kiến nguồn thức ăn dựa mật độ mùi (pheromone) mà kiến để lại đường Người ta áp dụng thành công thuật toán đàn kiến toán tối ưu như: toán người đưa thư, toán người du lịch, tốn tơ màu đồ thị, tốn lập lịch, đặc biệt tốn trích đường biên ảnh Xuất phát từ nhu cầu nghiên cứu giải thuật tốt cho khơng gian tìm kiếm rộng lớn, áp dụng cho toán tách đường biên ảnh nên tơi chọn đề tài:“ NGHIÊN CỨU THUẬT TỐN TỐI ƯU HĨA ĐÀN KIẾN CHO BÀI TỐN TÁCH ĐƯỜNG BIÊN CỦA ẢNH” làm luận văn thạc sĩ Mục tiêu nghiên cứu Nghiên cứu thuật toán tối ưu hóa đàn kiến cho tốn tách đường biên ảnh Đối tƣợng phạm vi nghiên cứu 3.1 Đối tượng nghiên cứu - Tổng quan xử lý ảnh - Lý thuyết kỹ thuật phát đường biên - Lý thuyết thuật toán đàn kiến 3.2 Phạm vi nghiên cứu Nghiên cứu thuật tốn tối ưu hóa đàn kiến để xây dựng ứng dụng tách đường biên ảnh đánh giá tổng quát hiệu thuật toán đàn kiến so với kỹ thuật phát biên khác xử lý ảnh Nội dung nghiên cứu - Tìm hiểu đánh giá thuật tốn trích chọn đường biên ảnh có nhằm xác định ưu điểm hạn chế thuật toán - Nghiên cứu thuật toán tối ưu hóa đàn kiến biến thể nó; nghiên cứu việc áp dụng thuật tốn tối ưu hóa đàn kiến cho tốn tách đường biên ảnh - Nghiên cứu ngơn ngữ lập trình Matlab, cài đặt Matlab để mơ thuật tốn máy tính - Lập trình thuật tốn tối ưu hóa đàn kiến cho toán đường biên ảnh đánh giá hiệu thuật toán - Viết báo cáo đề tài Kết cấu luận văn Nội dung luận văn gồm chương: Chương 1: Giới thiệu tổng quan Giới thiệu tổng quan đề tài " Nghiên cứu thuật tốn tối ưu hóa đàn kiến cho toán tách đường biên ảnh", nêu lên sở lý luận sở thực tiễn đề tài Chương 2: Cơ sở lý thuyết Trình bày khái niệm nội dung xử lý ảnh Tìm hiểu phương pháp xử lý ảnh phương pháp phát biên Chương 3: Thuật toán tối ưu hóa đàn kiến cho tốn tách đường biên ảnh Khái quát tảng xây dựng thuật toán Mơ tả thuật tốn tối ưu hóa đàn kiến biến thể Áp dụng thuật toán đàn kiến cho toán tách đường biên ảnh 31 Ảnh gốc Ảnh kết Hình 7: Ảnh minh họa dò biên theo kỹ thuật Laplace c) Phƣơng pháp dò biên gián tiếp Dựa kỹ thuật phân vùng ảnh, phương pháp dò biên theo thay đổi mức xám màu ảnh Nếu điểm ảnh có màu có màu khác khoảng cách màu nằm phạm vi cho phép, đồng thời nằm kề tạo thành vùng Khi đường phân ranh vùng biên Trước hết ta tìm hiểu khái niệm liên quan đến phương pháp: + Định nghĩa khoảng cách màu: Khoảng cách màu khái niệm để khác giá trị màu điểm ảnh Giả sử a b giá trị màu điểm ảnh Khoảng cách màu d a b tính sau: d (a, b)  Ra  Rb  Ga  Gb  Ba  Bb Trong đó: Ra: giá trị màu đỏ điểm ảnh Ga: giá trị màu xanh (green) điểm ảnh Ba: giá trị màu xanh lam (blue) điểm ảnh 32 Nếu khoảng cách màu d=0 điểm ảnh có màu Đường biên vùng đường biên cần tìm Đầu vào: Ma trận điểm ảnh, khoảng cách màu tối thiểu Đầu ra: Ma trận điểm ảnh (chứa đường biên tìm thấy) Lặp (mỗi điểm ảnh ảnh) { + Tính khoảng cách màu điểm ảnh với điểm ảnh lân cận: Tính theo hướng điểm ảnh + Tìm khoảng cách màu lớn Nếu(khoảng cách màu lớn khoảng cách màu cho phép(ngưỡng)) { Ghi nhận điểm ảnh điểm biên } Ngược lại Điểm (màu đen) } Hình 8: Ảnh minh họa dị biên theo PP gián tiếp 33 Chƣơng 3.THUẬT TỐN TỐI ƢU HĨA ĐÀN KIẾN CHO BÀI TOÁN TÁCH ĐƢỜNG BIÊN ẢNH 3.1 Thuật tốn tối ƣu hóa đàn kiến 3.1.1 Mơ tả thuật tốn tối ưu hóa đàn kiến Tối ưu hóa đàn kiến – Ant Colony Optimization (ACO) phương pháp nghiên cứu lấy cảm hứng từ việc mô hành vi đàn kiến tự nhiên nhằm mục tiêu giải toán tối ưu phức tạp Vào năm 1991, thuật tốn tối ưu hóa đàn kiến đề xuất A Colorni M Dorigo, nhận quan tâm rộng lớn khả tối ưu nhiều lĩnh vực khác Khái niệm ACO lấy cảm hứng từ việc quan sát hành vi đàn kiến trình chúng tìm kiếm nguồn thức ăn Người ta khám phá rằng: đàn kiến ln tìm đường ngắn từ tổ chúng đến nguồn thức ăn Phương tiện truyền đạt tín hiệu kiến sử dụng thơng báo cho khác đàn để tìm đường hiệu mùi chúng (pheromone) Kiến để lại vệt mùi mặt đất chúng di chuyển với mục đích đánh dấu đường cho theo sau Sẽ có trường hợp xảy ra: vệt mùi bị bay từ từ dần theo thời gian; hai vệt mùi củng cố nhiều kiến khác đàn tiếp tục đường lần Dần dần, kiến theo sau lựa chọn đường với lượng mùi dày đặc đồng nghĩa với việc chúng làm gia tăng nồng độ mùi đường Các đường với nồng độ mùi bị loại bỏ cuối cùng, tất đàn kiến kéo đường mà có khuynh hướng trở thành đường ngắn Để mô tả hành vi đàn kiến thực, Dorigo xây dựng kiến nhân tạo có đặc trưng sinh vết mùi 34 Thuật toán Ant System (AS) thuật toán thuật tốn tối ưu hóa đàn kiến (ACO) áp dụng tìm nghiệm cho tốn người du lịch (traveling salesman problem - TSP), gần mở rộng cải tiến để áp dụng cho nhiều toán tối ưu khác Bài tốn TSP mơ tả sau: đặt V = {a, b, …, z} tập thành phố, A = {(r,s): r, s  V} tập cạnh (r,s) = (s,r) chi phí cạnh (r,s)  A Bài tốn TSP tìm chu trình ngắn để thăm thành phố lần Trong thuật tốn AS, ngồi việc sử dụng tham số (r,s), cạnh (r,s) định nghĩa thêm tham số (r,s) để biểu diễn vết mùi cạnh đàn kiến Chú ý AS áp dụng cho tốn TSP đối xứng (r,s) = (s,r), áp dụng cho tốn TSP khơng đối xứng (r,s) ≠ (s,r) Thuật tốn AS làm việc sau: kiến tạo chu trình hoàn chỉnh cách chọn thành phố theo luật xác suất chuyển trạng thái (probabilistic state transition rule), tức kiến chọn thành phố mà cạnh kết nối với có nhiều vết mùi Khi tất kiến hồn thành chu trình nó, luật cập nhật vết mùi tổng thể (global pheromone updating rule) áp dụng Luật chuyển trạng thái kiến k thành phố r chọn thành phố s để di chuyển tới sau: ( ( ) {∑ ( ) ) ( ( ) ) ( ) ( ) (3.1)  vết mùi, (r,s) = 1/(r,s), Jk(r) tập thành phố chưa qua kiến k thành phố r  tham số xác định quan hệ vết mùi khoảng cạnh ( > 0) Trong (3.1), nhân lượng vết mùi cạnh (r,s) với giá trị kinh nghiệm (heuristic) (r,s), điều có nghĩa 35 kiến chọn cạnh ngắn hay có nhiều vết mùi để Trong AS, luật cập nhật tổng định nghĩa sau: ( Trong ( ) ) ( { ) ( ( ) ∑ ( ) (3.2) ) ế ượ <  < tham số bay vết mùi, Lk chiều dài chu trình tạo kiến k m số kiến Mục đích luật cập nhật tổng thể cập nhật nhiều giá trị vết mùi cho chu trình ngắn ngắn Yếu điểm thuật tốn AS tìm nghiệm cho tốn TSP với số đỉnh 3.1.2 Các biến thể thuật tốn tối ưu hóa đàn kiến Thuật toán Ant Colony System (ACS) khác với thuật tốn AS ba điểm chính: - Luật chuyển trạng thái nhằm cân thăm dò cạnh khai thác kiến thức tích lũy toán; - Luật cập nhật tổng thể áp dụng cho cạnh thuộc đường tốt nhất; - Trong kiến xây dựng nghiệm, luật cập nhật vết mùi cục cho đường kiến sử dụng Trong toán TSP, thuật toán ACS làm việc sau: m kiến đặt ngẫu nhiên n thành phố Mỗi kiến xây dựng chu trình (nghiệm tốn TSP) sử dụng luật chuyển trạng thái Trong xây dựng chu trình, kiến cập nhật vết mùi cách cạnh qua theo luật cập nhật cục (local updating rule) Khi tất kiến xây dựng xong chu trình nó, vết mùi chu trình ngắn cập nhật theo luật cập nhật tổng thể 36 Thuật tốn ACS cho tốn TSP mơ tả sau: Khởi tạo { Lặp { Mỗi kiến đặt điểm bắt đầu { Lặp Mỗi kiến áp dụng quy tắc chuyển đổi trạng thái để bước xây dựng giải pháp Một ví trí mùi cập nhật theo qui tắc } Cho đến tất kiến xây dựng xong chu trình Vết mùi cập nhật theo luật tổng thể } Dừng kiến xây dựng chu trình } Trong ACS, luật chuyển trạng thái sau: kiến thành phố r chọn thành phố s để di chuyển theo luật sau: { ( ) { ( ) ( ) } (3.3) Trong q biến ngẫu nhiên phân bố đoạn [0 1], q0 tham số (0 ≤ q0 ≤ 1) S biến ngẫu nhiên chọn theo phân bố xác suất (3.1) 37 Sau tất kiến hoàn thành xong chu trình nó, luật cập nhật tổng thể cập nhật cho chu trình ngắn vịng lặp thời thuật toán Luật cập nhật tổng thể định nghĩa sau: ( ( ) { ) ( ( ) ( ( ) ) ( ) (3.4) ) Với < α d_max 3.3 Cài đặt thuật tốn tối ƣu hóa đàn kiến cho toán tách đƣờng biên * Cài đặt thuật toán matlab %1 Đặt m kiến vị trí ngẫu nhiên rndep = randi([1,c_ep],m,1); ant_tours(:,1) = endpoints(rndep); %2 Tạo lộ trình for i = : n for k = : m current_node = ant_tours(k,i-1); if (current_node == 0) continue; end r = pixels(current_node,1); c = pixels(current_node,2); neighbors(1) = (r - 2)*width + c-1; 39 neighbors(2) = (r - 2)*width + c; neighbors(3) = (r - 2)*width + c+1; neighbors(4) = (r-1)*width + c-1; neighbors(5) = (r-1)*width + c+1; neighbors(6) = r*width + c-1; neighbors(7) = r*width + c; neighbors(8) = r*width + c+1; visited = ant_tours(k,:); to_visit = setdiff(neighbors,visited); c_tv = length(to_visit); if (c_tv == 0) continue; end p = zeros(1,c_tv); for j = : c_tv rj = pixels(to_visit(j),1); cj = pixels(to_visit(j),2); p(j) = tau(rj,cj)^alpha * eta(rj,cj)^beta; end q = rand; next_node = to_visit(1); if q threshold) && (c_pixel > 30)) 42 dstImg(r,c) = 255; eta(r,c) = 0; end end 5% Lặp t=t+1 end figure; imshow(dstImg); * Kết hiển thị Ảnh gốc Ảnh kết Hình 1: Kết sau thực thuật toán 43 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 4.1 Kết luận 4.1.1 Kết đạt Đề tài “Nghiên cứu thuật tốn tối ưu hóa đàn kiến cho toán tách đường biên ảnh” theo em đề tài mang tính thiết thực, phù hợp với xu hướng ngày xử lý ảnh ngành phổ biến, ứng dụng nhiều Luận văn tập trung tìm hiểu, nghiên cứu nội dung: tổng qt xử lý ảnh, nội dung nghiên cứu phương pháp phát biên để làm tiền đề áp dụng thuật toán đàn kiến vào việc tách biên ảnh Đối chiếu với mục tiêu, đối tượng nội dung nghiên cứu xác định trước luận văn đạt kết quả: - Tìm hiểu giới thiệu tổng quan xử lý ảnh - Nghiên cứu trình bày chi tiết khái niệm liên quan đến xử lý ảnh - Nghiên cứu đưa thuật tốn cho phương pháp tách biên thơng thường - Nghiên cứu thuật toán đàn kiến biến thể - Áp dụng thuật tốn đàn kiến việc tách biên ảnh - Nghiên cứu ngôn ngữ Matlab, cài đặt mô phần ứng dụng 4.1.2 Hạn chế Mặc dù cố gắng tất nỗ lực để hồn thành luận văn nhiên kiến thức thân cịn hạn chế, nhìn nhận chưa sâu đề tài, ảnh hưởng số nguyên nhân khách quan khác nên mức độ hoàn thiện luận văn chưa đạt mức cao Cụ thể luận văn số hạn chế sau: 44 - Về sở lý thuyết: Mặc dù thân lần đầu tiếp xúc nghiên cứu xử lý ảnh, nhiên, xử lý ảnh môn học phổ biến, kiến thức xử lý ảnh có giáo trình tổng quát - Các phương pháp tách biên chưa có demo hồn chỉnh - Demo thuật tốn cịn chưa hết trường hợp 4.2 Hƣớng phát triển Với kết đạt hạn chế tồn tại, hướng phát triển luận văn sau: - Tiếp tục lập trình demo cho phương pháp tách biên thông thường khác để so sánh kết tốt xác - Nâng cao thuật tốn đàn kiến để tách biên ảnh cho tất đối tượng ảnh - Áp dụng biến thể thuật toán đàn kiến cho toán tách biên ảnh 45 TÀI LIỆU THAM KHẢO  -A TIẾNG VIỆT TS Phạm Việt Bình , TS Đỗ Năng Tồn (2007), "Giáo trình mơn học Xử lý ảnh", Đại học Thái Nguyên Nguyễn Trung Chiến (2014),"Ứng dụng thuật tốn đàn kiến tìm kiếm đường tối ưu", Đại học Thái Nguyên Võ Hồng Hoan (2010),"Nhận dạng mặt người Matlab", Luận văn tốt nghiệp, Đại học Sư phạm Kỹ thuật Tp.HCM Đặng Quý Linh (2013), "Nghiên cứu ứng dụng giải thuật đàn kiến để giải toán người du lịch", Luận văn thạc sĩ kỹ thuật, Đại học Đà Nẵng Phương pháp tối ưu hóa đàn kiến ứng dụng: http://luanan.nlv.gov.vn Nguyễn Mạnh Tiến (2010),"Xử lý ảnh", Đồ án tốt nghiệp, Đại học Dân lập Hải Phòng Nguyễn Quang Thọ (2013), "Thuật toán ACO ứng dụng", luận văn thạc sĩ khoa học máy tính, Đại học Tây Nguyên Tìm hiểu nhận dạng vân tay: http://fet.itc.edu.vn Tìm hiểu nhận dạng vân tay: http://doan.edu.vn B TIẾNG ANH 10 Dorigo M., Gambardella M L (1997), Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem, IEEE Transactions on Evolutionary Computation, vol 1, no 1, pp 53 - 66 11 Dorigo M., Gianni D C (1999), Ant colony optimization: a new meta-heuristic, in Proc of the 1999 Congress on Evolutionary Computation, Washington, DC, 06 - 09 Jul, 1999 ... tốn tối ưu hóa đàn kiến cho toán tách đường biên ảnh Khái quát tảng xây dựng thuật tốn Mơ tả thuật tốn tối ưu hóa đàn kiến biến thể Áp dụng thuật toán đàn kiến cho toán tách đường biên ảnh 9... dụng cho tốn tách đường biên ảnh nên tơi chọn đề tài:“ NGHIÊN CỨU THUẬT TỐN TỐI ƯU HĨA ĐÀN KIẾN CHO BÀI TOÁN TÁCH ĐƯỜNG BIÊN CỦA ẢNH? ?? làm luận văn thạc sĩ 7 Mục tiêu nghiên cứu Nghiên cứu thuật. .. CHO BÀI TỐN TÁCH ĐƢỜNG BIÊN ẢNH 33 3.1 Thuật toán tối ưu hóa đàn kiến 33 3.2 Áp dụng thuật tốn tối ưu hóa đàn kiến cho tốn tách đường biên ảnh 37 3.3 Cài đặt thuật tốn tối