NGHIÊN NGHIÊN CỨU THUẬT TOÁN C-MEAN MỜ LOẠI HAI VÀ ỨNG DỤNG TRONG PHÂN ĐOẠN ẢNH

Tóm tắt luận văn: Họ và tên học viên: Nguyễn Đình Dũng Chuyên ngành: Hệ Thống Thông Tin Khóa: 21 Cán bộ hướng dẫn: TS Ngô Thành Long Tên đề tài: Nghiên cứu thuật toán C-mean mờ loại hai và ứng dụng trong phân đoạn ảnh. Tóm tắt: Luận văn giới thiệu thuật toán phân cụm C-mean mờ loại hai nhằm thực hiện phân cụm chính xác bằng cách sử dung hai tham số mờ m1 và m2. Đồng thời tiến hành cải tiến thuật toán nhằm xác định tâm cụm khởi tạo và không cần xác định trước số cụm ban đầu. Điều này đạt được bằng cách cực tiểu hóa hàm sai số và mật độ xác suất. Các thử nghiệm trên ảnh cho thấy thuật toán C-mean mờ loại hai thực hiện phân đoạn tốt. .

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ NGUYỄN ĐÌNH DŨNG NGHIÊN CỨU THUẬT TOÁN C-MEAN MỜ LOẠI HAI VÀ ỨNG DỤNG TRONG PHÂN ĐOẠN ẢNH Chuyên ngành: Hệ Thống Thông Tin LUẬN VĂN THẠC SĨ KỸ THUẬT Hà Nội - Năm 2011 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ NGUYỄN ĐÌNH DŨNG NGHIÊN CỨU THUẬT TOÁN C-MEAN MỜ LOẠI HAI VÀ ỨNG DỤNG TRONG PHÂN ĐOẠN ẢNH Chuyên ngành: Hệ Thống Thông Tin Mã số: 60 48 05 LUẬN VĂN THẠC SĨ KỸ THUẬT Hà Nội - Năm 2011 CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI HỌC VIỆN KỸ THUẬT QUÂN SỰ C¸n bé híng dÉn chÝnh: Tiến sĩ Ngô Thành Long Cán bộ chấm phản biện 1: Cán bộ chấm phản biện 2: Luận văn thạc sĩ được bảo vệ tại: HỘI ĐỒNG CHẤM LUẬN VĂN THẠC SĨ HỌC VIỆN KỸ THUẬT QUÂN SỰ Ngày tháng năm 2011 HỌC VIỆN KỸ THUẬT QUÂN SỰ CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG SAU ĐẠI HỌC Độc lập – Tự do – Hạnh phúc Hà Nội, ngày tháng năm 2011 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Đình Dũng Giới tính: Nam Ngày, tháng, năm sinh: 11/10/1982 Nơi sinh: Hà Nội Chuyên ngành: Hệ Thống Thông Tin Mã số: 60 48 05 I- TÊN ĐỀ TÀI: “NGHIÊN CỨU THUẬT TOÁN C-MEAN MỜ LOẠI HAI VÀ ỨNG DỤNG TRONG PHÂN ĐOẠN ẢNH” II- NHIỆM VỤ VÀ NỘI DUNG: Ứng dụng thuật toán phân cụm C-mean mờ loại hai vào phân đoạn ảnh. + Phân cụm ảnh bằng thuật toán FCM, C-mean mờ loại hai + Hiển thị, lưu trữ các cụm của ảnh và ảnh sau khi được phân đoạn. III- NGÀY GIAO NHIỆM VỤ: IV- NGÀY HOÀN THÀNH NHIỆM VỤ: V- CÁN BỘ HƯỚNG DẪN: Tiến sĩ Ngô Thành Long CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN QL CHUYÊN NGÀNH Nội dung và đề cương luận văn thạc sĩ đã được Hội đồng chuyên ngành thông qua. Ngày tháng năm 2011 TRƯỞNG PHÒNG SĐH TRƯỞNG KHOA QL NGÀNH MỤC LỤC Trang Trang phụ bìa Nhiệm vụ luận văn Mục lục Tóm tắt luận văn Danh mục các ký hiệu Danh mục các hình vẽ MỞ ĐẦU 1 Chương 1 3 TỔNG QUAN VỀ LOGIC MỜ 3 1.1. Tập mờ loại một 3 1.1.1. Định nghĩa tập mờ loại một 3 1.2.2. Biểu thức và tham số của một số hàm thuộc 5 1.1.3. Các phương pháp giải mờ 10 1.2 Tập mờ loại hai 12 1.2.1. Các định nghĩa cơ bản 12 1.2.2. Trọng tâm của tập mờ loại hai 18 1.3. Tập logic mờ loại hai khoảng 24 1.4. Mô hình hóa bài toán phân đoạn ảnh sử dụng phân cụm mờ 27 1.5. Kết luận 29 Chương 2 29 PHƯƠNG PHÁP PHÂN CỤM DỮ LIỆU 29 2.1. Khái niệm và mục tiêu của phân cụm dữ liệu 29 2.2. Những kỹ thuật cơ bản trong phân cụm dữ liệu 30 2.2.1. Phương pháp phân cụm phân hoạch 30 2.2.2. Phương pháp phân cụm phân cấp 34 2.2.3. Phương pháp phân cụm dựa trên mật độ 36 2.2.4. Phương pháp phân cụm dựa trên lưới 36 2.2.5. Phương pháp phân cụm dựa trên mô hình 37 2.2.6. Phương pháp phân cụm có dữ liệu ràng buộc 39 2.3. Kỹ thuật phân cụm dữ liệu mờ loại một 40 2.3.1. Tổng quan về phân cụm mờ 40 2.3.2. Thuật toánFuzzy C-means (FCM) 41 2.3.3. Thuật toán FCM cải tiến 49 2.3.4. Thuật toán ε- Insensitive Fuzzy C-means (εFCM) 51 Chương 3 57 KỸ THUẬT PHÂN CỤM DỮ LIỆU MỜ LOẠI 2 57 3.1. Thuật toán phân cụm mờ loại hai khoảng (IT2FCM) 57 3.1.1. Cơ sở thuật toán IT2FCM 57 3.2.2. Thuật toán IT2FCM 60 3.3. Thuật toán IT2FCM cải tiến 64 3.3.2. Thuật toán tự động xác định số cụm 66 3.3.3. Thuật toán IT2FCM cải tiến 68 Chương 4 71 CÀI ĐẶT THỬ NGHIỆM VÀ ỨNG DỤNG 71 4.1. Mô hình hóa bài toán phân đoạn ảnh và cài đặt 71 4.1.1. Mô hình hóa bài toán phân đoạn ảnh 71 4.1.2. Cài đặt chương trình 71 4.2. Kết quả ứng dụng phân đoạn trên ảnh không gian màu RGB 73 4.2.1. So sánh kết quả FCM và IT2FCM 73 4.2.2. So sánh kết quả IT2FCM và IT2FCM cải tiến 75 KẾT LUẬN VÀ KIẾN NGHỊ 79 1. Kết luận 79 2. Kiến nghị 80 TÀI LIỆU THAM KHẢO 81 Tóm tắt luận văn: Họ và tên học viên: Nguyễn Đình Dũng Chuyên ngành: Hệ Thống Thông Tin Khóa: 21 Cán bộ hướng dẫn: TS Ngô Thành Long Tên đề tài: Nghiên cứu thuật toán C-mean mờ loại hai và ứng dụng trong phân đoạn ảnh. Tóm tắt: Luận văn giới thiệu thuật toán phân cụm C-mean mờ loại hai nhằm thực hiện phân cụm chính xác bằng cách sử dung hai tham số mờ m 1 và m 2 . Đồng thời tiến hành cải tiến thuật toán nhằm xác định tâm cụm khởi tạo và không cần xác định trước số cụm ban đầu. Điều này đạt được bằng cách cực tiểu hóa hàm sai số và mật độ xác suất. Các thử nghiệm trên ảnh cho thấy thuật toán C-mean mờ loại hai thực hiện phân đoạn tốt. . DANH MỤC CÁC KÍ HIỆU CNTT Công nghệ thông tin CSDL Cơ sở dữ liệu εFCM Phân cụm mờ nhạy cảm với nhiễu FCM Phân cụm mờ loại một FL Logic mờ FOU Footprint of Uncertainty FS Tập mờ GC Trọng tâm tổng quát IT2FCM Phân cụm mờ loại hai khoảng IT2FS Tập mờ loại hai khoảng LMF Hàm thuộc dưới MF Hàm thuộc PCDL Phân cụm dữ liệu T2FCM Phân cụm mờ loại hai T2FS Tập mờ loại hai UMF Hàm thuộc trên DANH MỤC HÌNH VẼ Trang MỞ ĐẦU 1 Chương 1 3 TỔNG QUAN VỀ LOGIC MỜ 3 1.1. Tập mờ loại một 3 1.1.1. Định nghĩa tập mờ loại một 3 1.2.2. Biểu thức và tham số của một số hàm thuộc 5 1.1.3. Các phương pháp giải mờ 10 1.2 Tập mờ loại hai 12 1.2.1. Các định nghĩa cơ bản 12 1.2.2. Trọng tâm của tập mờ loại hai 18 1.3. Tập logic mờ loại hai khoảng 24 1.4. Mô hình hóa bài toán phân đoạn ảnh sử dụng phân cụm mờ 27 1.5. Kết luận 29 Chương 2 29 PHƯƠNG PHÁP PHÂN CỤM DỮ LIỆU 29 2.1. Khái niệm và mục tiêu của phân cụm dữ liệu 29 2.2. Những kỹ thuật cơ bản trong phân cụm dữ liệu 30 2.2.1. Phương pháp phân cụm phân hoạch 30 2.2.2. Phương pháp phân cụm phân cấp 34 2.2.3. Phương pháp phân cụm dựa trên mật độ 36 2.2.4. Phương pháp phân cụm dựa trên lưới 36 2.2.5. Phương pháp phân cụm dựa trên mô hình 37 2.2.6. Phương pháp phân cụm có dữ liệu ràng buộc 39 2.3. Kỹ thuật phân cụm dữ liệu mờ loại một 40 2.3.1. Tổng quan về phân cụm mờ 40 2.3.2. Thuật toánFuzzy C-means (FCM) 41 2.3.3. Thuật toán FCM cải tiến 49 2.3.4. Thuật toán ε- Insensitive Fuzzy C-means (εFCM) 51 Chương 3 57 KỸ THUẬT PHÂN CỤM DỮ LIỆU MỜ LOẠI 2 57 3.1. Thuật toán phân cụm mờ loại hai khoảng (IT2FCM) 57 3.1.1. Cơ sở thuật toán IT2FCM 57 3.2.2. Thuật toán IT2FCM 60 [...]... người sử dụng Với đề tài Nghiên cứu thuật toán C-mean mờ loại hai và ứng dụng trong phân đoạn ảnh , Luận văn sẽ trình bày một số vấn đề về Phân cụm dữ liệu (PCDL) và việc ứng dụng Logic mờ vào PCDL Trong đó, Luận văn tập trung vào việc sử dụng các thuật toán PCDL để thực hiện Phân đoạn ảnh, đặc biệt là thuật toán C-Mean mờ loại hai Đây là hướng nghiên cứu có triển vọng vì Phân đoạn ảnh là một ứng dụng. .. trình bày trong 4 chương: Chương 1: Giới thiệu tổng quan về Logic mờ Chương 2: Giới thiệu các phương pháp phân cụm dữ liệu và các thuật toán tiêu biểu Chương 3: Trình bày thuật toán phân cụm dữ liệu mờ loại hai và so sánh với các thuật toán phân cụm dữ liệu khác Chương 4: Thử nghiệm và ứng dụng vào phân đoạn ảnh màu Kết luận : Tóm tắt các vấn đề được tìm hiểu trong luận văn và các vấn đề liên quan trong. .. loại hai khoảng Trong phần 1.2, chúng ta đã nghiên cứu về tập mờ loại hai, ở đây chúng ta sẽ nghiên cứu một trường hợp đặc biệt của tập mờ loại hai – tập mờ loại hai khoảng, chúng được sử dụng rộng rãi vì không phức tạp trong tính toán như trong tập mờ loại hai % Định nghĩa 1.17: Khi tất cả µ A ( x, u ) = 1 thì tập mờ loại hai A ở trên % được gọi là tập mờ loại hai khoảng (IT2 FS) Đó là: % A = {(( x, u... Logic mờ trong lĩnh vực xử lý ảnh đã đem lại những hiệu quả rõ rệt Bởi vì, với việc áp dụng Logic mờ vào trong xử lý ảnh, ta đã phần nào xử lý được những yếu tố không chắc chắn thường xuyên xảy ra trong xử lý ảnh, bởi vì đầu vào ảnh thường có nhiễu và các đối tượng trong ảnh thường không rõ ràng và nằm chồng lên nhau Chính vì vậy, việc ứng dụng Logic mờ vào xử lý ảnh đã trở thành hướng nghiên cứu và quan...3.3 Thuật toán IT2FCM cải tiến .64 3.3.2 Thuật toán tự động xác định số cụm 66 3.3.3 Thuật toán IT2FCM cải tiến .68 Chương 4 .71 CÀI ĐẶT THỬ NGHIỆM VÀ ỨNG DỤNG 71 4.1 Mô hình hóa bài toán phân đoạn ảnh và cài đặt 71 4.1.1 Mô hình hóa bài toán phân đoạn ảnh 71 4.1.2 Cài đặt chương trình 71 4.2 Kết quả ứng dụng phân đoạn trên ảnh không gian... trọng của tập mờ loại hai, so sánh giữa tập logic mờ loại một và loại hai 1.2.1 Các định nghĩa cơ bản 1.2.1.1 Các định nghĩa cơ bản của tập mờ loại hai Trong phần này, chúng ta định nghĩa tập mờ loại hai và một vài khái niệm quan trọng Hãy tưởng tượng khoảng mờ của hàm thuộc loại một được vẽ trong hình 1.5 (a) bằng cách di chuyển các điểm trên tam giác hoặc tới bên 13 trái hoặc tới bên phải, và không cần... tập mờ loại một, vì vậy để thực hiện các phép toán như phép hợp, phép giao trên tập mờ loại hai, chúng ta cần thực hiện các phép toán t-norm và t-conorm giữa các tập mờ loại một Hai tập mờ loại một F = ∫ µ F (v) / v , G = ∫ µG (u ) / u x x Toán tử nhị phân * trên được mở rộng cho hai tập mờ F và G như sau: E=F*G = ∫ ∫ [ f (v) • g (u )] / (v ∗ u ) v u Tập mờ E có không gian nền là miền giá trị của toán. .. việc thực hiện các ứng dụng xử lý ảnh như nhận dạng, giải mã… Có nhiều phương pháp khác nhau để phân đoạn ảnh song mỗi phương pháp đều có những ưu điểm và nhược điểm riêng tùy thuộc vào từng bài toán cụ thể Với bài toán phân đoạn ảnh, ta sẽ tiến hành mô hình hóa dữ liệu ảnh đầu vào, sau đó áp dụng phương pháp phân cụm dữ liệu để chia dữ liệu thành các các vùng có nghĩa Bởi vì ảnh đầu vào thường có các... ( yi ) với m là số tập mờ đầu ra sau quá trình suy diễn Phương pháp này dễ sử dụng và trọng tâm của các hàm thuộc mờ thông dụng được biết trước 1.2 Tập mờ loại hai Như chúng ta đã nghiên cứu trong 1.1 về tập mờ loại một, từ khi ra đời (1965) lý thuyết tập mờ và hệ logic mờ đã có những đóng góp quan trọng trong nhiều ứng dụng có ý nghĩa thực tiễn cao Tuy nhiên nó cũng thể hiện được những nhược điểm... khởi tạo tâm cụm và gán ít nhất một mẫu dữ liệu vào trong một cụm Bước thứ hai gán các mẫu dữ liệu vào các cụm sao cho tối thiểu hóa hàm mục tiêu Thuật toán sẽ tự động loại bỏ các tâm cụm không chính xác Khi hàm mục tiêu đặt tới giá trị cực tiểu toàn cục số cụm chính xác được xác định và các mẫu dữ liệu được đặt vào các cụm thực Thuật toán cho kết quả trong việc phân đoạn ảnh khá tốt và ổn định Ngoài