3 Phương pháp đề xuất và kết quả thử nghiệm
3.1.1 Phương pháp kết nối trực tiếp
Một trong những phương pháp kết hợp đặc trưng đơn giản nhất đó là nối trực tiếp các lược đồ lại với nhau. Lược đồ local binary pattern cho ba kênh màu đỏ (red), xanh lục (green), xanh dương (blue) xử lý trên vùng3×3điểm ảnh lân cận. Sử dụng giá trị màu của pixel trung tâm làm ngưỡng để tạo ra mã LBP (LBP encoding). Các mã này sẽ được nhân với các giá trị trọng số tương ứng trước khi được chuyển thành các lược đồ tương ứng cho ba kênh màu.
Thay vì sử dụng các giá trị các điểm ảnh để tạo ra mã LBP, ở đây phương pháp sử dụng độ lớn gradient (độ lớn gradient được tính dựa vào công thức (2.7)). Mã LBP dựa vào độ lớn (MLBP - local binary pattern based on gradient magnitude) cũng được tính toán trên vùng3 và sử dụng giá trị độ lớn ở điểm trung tâm làm giá trị ngưỡng. Các giá trị MLBP này được nhân với các trọng số tương ứng sau đó sẽ được chuyển thành lược đồ độ lớn cho 3 kênh màu.
Pixel values 1 2 3 6 8 7 5 4 9 1 2 3 6 8 7 5 4 9 LBP encodings Magnitude values 1 2 3 6 8 7 5 4 9 1 2 3 6 8 7 5 4 9 MLBP encodings Direction values 1 2 3 6 8 7 5 4 9 1 2 3 6 8 7 5 4 9 DLBP encodings
Hình 3.1: Phương pháp kết nối trực tiếp
Cuối cùng, phương pháp sử dụng hướng của gradient (hướng gradient được tính dựa vào công thức (2.6)) để tạo mã DLBP (local binary pattern based on gradient direction). Giá trị hướng tại điểm trung tâm cũng được dùng để làm ngưỡng, tuy nhiên khác với phương pháp tính LBP dựa vào giá trị điểm ảnh hay độ lớn gradient, hướng của một điểm lân cận được xem là cùng hướng với điểm trung tâm (giá trị ngưỡng) nếu
|dp−dc|≤200 (3.1) Trong đó dp là giá trị hướng của điểm lân cận và dc là giá trị hướng của điểm trung tâm (giá trị ngưỡng). Mã DLBP sẽ được nhân với các trọng số tương ứng trước khi được chuyển thành lược đồ.
Như vậy ba lược đồ dựa vào giá trị điểm ảnh, ba lược đồ dựa vào giá trị độ lớn gradient và ba lược đồ dựa vào hướng gradient trên từng kênh màu sẽ được nối lại với nhau thành một lược đồ kết quả duy nhất như trên hình 3.1. Lược đồ kết hợp này sẽ dùng làm đầu vào cho bộ phân lớp support vector machine hoặc k-nearest-neighbor. Sự kết hợp này mong muốn mang nhiều thông tin hơn cho phân lớp trong quá trình học cũng như kiểm tra, tuy nhiên một vấn đề độ phức tạp tính toán sẽ tăng lên, do độ dài của lược đồ kết hợp tăng lên đáng kể.
Báo cáo tổng kết . . . .Mã số: T2018.07.02