Số ảnh trả về
Số lần phản hồi 20 40 60 80
Không phản hồi liên quan 0.66 0.54 0.46 0.43
Phản hồi lần 1 0.78 0.66 0.55 0.50
Phản hồi lần 2 0.87 0.67 0.56 0.48
Phản hồi lần 3 0.88 0.68 0.57 0.47
Phản hồi lần 4 1 0.75 0.61 0.52
Từ kết quả thu được có thể nhận thấy vai trò của thuật toán SCRF cùng với việc phản hồi tương quan là rất rõ nét. Độ chính xác được cải thiện khi tăng số lần phản hồi. Đặc biệt, với việc phản hồi 4 lần, số lượng ảnh trả về là 20, toàn bộ ảnh gợi ý đều cùng lớp với ảnh truy vấn.
3.6 Kết luận chương 3
Trong chương 3, luận văn đã trình bày chi tiết việc xây dựng chương trình mô phỏng nhằm đánh giá hiệu quả của phương pháp tra cứu ảnh dựa trên thuật toán phân cụm phổ trong phản hồi liên quan (SCRF). Các kết quả đánh giá lần lượt được thực hiện dựa trên việc thay đổi véc tơ đặc trưng, độ đo tương tự, số ảnh trả về, số lượng cụm trong thuật toán SCRF, số lần phản hồi liên quan. Việc tiến hành thực nghiệm còn rất khiêm tốn, cơ sở dữ liệu ảnh chỉ là 1000 ảnh trong bộ mẫu Wang nên chưa thể khẳng định về tính ưu việt của thuật toán này so với các thuật toán tra cứu ảnh khác.Tuy nhiên, các kết quả ban đầu này cũng phần nào cho thấy được tiềm năng hứa hẹn của việc áp dụng của thuật toán SCRF trong các bài toán tra cứu ảnh thực tế.
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
Tra cứu ảnh là một lĩnh vực nghiên cứu hấp dẫn vì có thể áp dụng trong rất nhiều bài toán thực tế. Đây cũng là một bài toán phức tạp nhưng sẽ được giải quyết nếu ta biết ứng dụng các thành tựu nghiên cứu trong các lĩnh vực như xử lý ảnh số, trí tuệ nhân tạo…Trong đó, việc ứng dụng thành quả của phân cụm đồ thị mà trong đó đặc biệt là thuật toán phân cụm đồ thị quang phổ trong phản hồi liên quan cho ta các kết quả thực sự ấn tượng.
Sau một thời gian tìm hiểu nghiên cứu, luận văn đã trình bày được các vấn đề sau:
- Nghiên cứu lý thuyết chung tra cứu ảnh, tập trung phân tích bài toán tra cứu ảnh theo nội dung
- Nghiên cứu lý thuyết về phân cụm đồ thị quang phổ, cập nhật các ứng dụng mới nhất của phương pháp này trong lĩnh vực tra cứu ảnh theo nội dung
- Xây dựng chương trình minh họa hiệu quả của các phương pháp trích chọn đặc trưng và sử dụng phân cụm đồ thị quang phổ trong phản hồi liên quan cho tra cứu ảnh trên cơ sở dữ liệu Wang.
Trong quá trình thử nghiệm chương trình, các kết quả tra cứu ảnh là tương đối tốt. Tuy nhiên, bài toán tra cứu ảnh vẫn chỉ dừng lại trong phạm vi nghiên cứu của đề tài là tra cứu từ dữ liệu có sẵn được cộng đồng quốc tế công nhận. Việc lựa các tham số của thuật toán phân cụm đồ thị quang phổ vẫn chỉ dựa trên phương pháp “thử sai”. Vì vậy, theo quan điểm của học viên, đề tài còn có một số hướng phát triển sau:
- Nghiên cứu phương pháp tối ưu nhằm xác các tham số của thuật toán phân cụm đồ thị quang phổ cho mỗi ứng dụng cụ thể thay vì phương pháp thử sai.
- Áp dụng các kiến thức về xử lý ảnh nhằm phát triển bài toán tra cứu ảnh với các dữ liệu đầu vào là ảnh trong thực tế
Do giới hạn về thời gian nghiên cứu và kiến thức của bản thân, luận văn khó có thể tránh khỏi một số sai sót nhất định. Học viên rất mong nhận được sự đóng góp ý kiến của các thầy cô, các bạn đọc quan tâm để luận văn được hoàn thiện hơn.
Một lần nữa học viên xin được cảm ơn Thầy giáo PGS. TS. Ngô Quốc Tạo đã tận tình giúp đỡ, hướng dẫn trong thời gian thực hiện đề tài, cảm ơn sự giúp đỡ của gia đình, bạn bè và các đồng nghiệp trong thời gian qua.
TÀI LIỆU THAM KHẢO
I. Tài liệu tiếng Việt
[1] Nguyễn Thanh Thuỷ - Lương Mạnh Bá (1998), “Nhập môn xử lý ảnh số”, NXB Khoa học và kỹ thuật, Hà Nội.
[2] Đỗ Năng Toàn – Phạm Việt Bình (2007), “Xử lý ảnh”.
[3] Phạm Xuân Hinh (2016), Tra cứu ảnh dựa trên nội dung sử dụng nhiều đặc trưng và phản hồi liên quan, Luận văn thạc sĩ công nghệ thông tin, Trường ĐH Dân lập Hải Phòng
[4] Đào Thị Thúy Quỳnh (2019), Nâng cao độ chính xác tra cứu ảnh dựa vào nội dung sử dụng kỹ thuật điều chỉnh trọng số hàm khoảng cách, Luận án tiến sĩ công nghệ thông tin, Học viện Khoa học và công nghệ, Viện hàn lâm khoa học Việt Nam
[5] Đào Thị Thúy Quỳnh, Nguyễn Hữu Quỳnh, Phương Văn Cảnh, Ngô Quốc Tạo (2017), Một phương pháp tra cứu ảnh hiệu quả sử dụng phân cụm phổ trong phản hồi liên quan, Kỷ yếu Hội nghị Quốc gia lần thứ X về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Đà Nẵng, ngày 17-18/08/2017, DOI: 10.15625/vap.2017.00071
[6] Kiều Thị Hương Lan (2011), Tra cứu ảnh dựa vào nội dung ứng dụng tra cứu ảnh y tế, Luận văn thạc sĩ công nghệ thông tin, Trường ĐH Công nghệ thông tin và truyền thông, ĐH Thái Nguyên
[7] Trần Hà Phương (2016), Phân cụm dữ liệu đồ thị và ứng dụng, Luận văn thạc sĩ công nghệ thông tin, Trường ĐH Công nghệ thông tin và truyền thông, ĐH Thái Nguyên
II. Tài liệu tiếng Anh
[8] K Houari, M Kholladi, Youssef Chahir (2010). Spectral clustering and dimensionality reduction appliedto Content based image retrieval with hybrid Descriptors. International Review on Computers and Software (IRECOS), Praise Worthy Prize, International Review on Computers and Software, 5 (1), pp.14-21. hal-01883173
[9] Gonzalez R.C, Digital Image Processing, Pearson Education (2008).
[10] V. Lonarkar and B. A. Rao, "Content-based image retrieval by segmentation and clustering," 2017 International Conference on Inventive Computing and Informatics (ICICI), Coimbatore, 2017.
[11] J. He, M. Li, H.-J. Zhang, H. Tong, and C. Zhang, “Manifold-ranking based image retrieval,” in Proceedings of the 12th Annual ACM International Conference on Multimedia, 2004, pp. 9–16.
[12] S. Rota Bu, M. Rabbi, and M. Pelillo, “Contentbased image retrieval with relevance feedback using random walks,” Pattern Recognition, vol. 44, no. 9, pp. 2109–2122, Sep. 2011.
[13] B. Xu, J. Bu, C. Chen, C. Wang, D. Cai and X. He, "EMR: A Scalable Graph- Based Ranking Model for Content-Based Image Retrieval," in IEEE
Transactions on Knowledge and Data Engineering, vol. 27, no. 1, pp. 102-114,
Jan. 2015.
Các trang Web
[14] http://wang.ist.psu.edu/docs/related/
[15] https://sites.google.com/site/dctresearch/Home/content-based-image-retrie