Chuong 4 TRÍCH CHỌN ĐẶC TRƯNG CƠ BẢN Chương nảy trình bày khái niệm cơ bản về đặc trưng và phân tích trích chọn đặc trưng ảnh, một số phương pháp trích chọn đặc trưng cơ bản được sử dụng nhiều trong các ứng dụng nhận dạng mẫu và phân tích hình ảnh như phát hiện đị trưng cạnh theo toán ttr Sobel, Prewwitt, Robert, Canny; trich chon đặc trưng điểm chính (keypoint) như phương pháp Harris, Forstnerm và mô tả vùng đặc trưng vùng ảnh như Laplace of Gaussian, Different of Gaussian, Determinant of Hessian. CAC KHAI NIEM 4. Đặc trưng và trích chọn đặc trưng ảnh Đặc trưng ảnh là các thuộc tính được trích rút ra từ ảnh dựa trên phân phối cấu trúc hình ảnh, đối tượng có trong ảnh, từ đó tổng hợp các dữ liệu riêng lẻ để xác định thông tin có thể đo lường được khi quan sát, phân tích một tình huống nào đó từ dữ liệu hình ảnh. Phương pháp trích chọn và biểu diễn đặc trưng đề thể hiện một cách riêng biệt và độc lập là yêu cầu căn bản, quan trọng và quyết định mức độ thành công của phương pháp phân loại, nhận dạng mẫu.
Trích chọn đặc trưng ảnh là nhiệm vụ hết sức quan trọng trong quá trình phân tích hình ảnh và nhận dạng mẫu từ tín hiệu ảnh thu nhận được. Không có định nghĩa đơn nhất, đồng thuận và chính xác hoàn toàn về thuật ngữ trích chọn đặc trưng (feature extraction) trong lĩnh vực xử lý ảnh. Theo tác giả trong tài liệu[17] thì trích chọn đặc trưng ảnh được hiểu là quá trình biến đổi dữ liệu thô ban đầu từ tín hiệu hình ảnh quan sát được thành các tín hiệu hoặc dữ liệu có nhiều thông tin hơn để biểu diễn và xử lý hiệu quả hơn so với dữ liệu thô ban đầu, nó mang ý nghĩa và giữ lại được những thông tin quan trọng phục vụ cho việc phân tích, phân loại và xử lý ngữ nghĩa hơn. Ở đây cần phân biệt khái niệm feature và attribute hay property.
Trong tiếng Việt, thuật ngữ feature và attribute có đều được dịch là thuộc tính, 95 đặc trưng, đặc tính nhưng thực chất, feature thường có nghĩa bao hàm. Đặc biệt trong lĩnh vực nhận dạng và xử lý ảnh, khi một hình ảnh thu nhận từ đầu vào sẽ gồm các thuộc tính (attributes) là các điêm ảnh (giá trị cường độ sáng. màu của điểm ảnh). feature trong tình huồng này có thể là giá trị cường độ sáng ảnh.
cũng có thê là các đường biên hay cầu trúc hình học của đối tượng có trong ảnh hoặc các tính chất khác được trích rút ra từ hình ảnh thô ban đầu như giá trị gradient, lược đồ ảnh,. Do vậy để phân biệt feature với attribute, trong tài liệu này, hai khái niệm đặc trưng và thuộc tính được dùng với nghĩa tương ứng với feature và attribute. Như vậy, trích chọn đặc trưng có thể hiểu là quá trình biến đổi tap dit liệu ảnh thô thành tập các đặc trưng (feature) có thê giúp biểu diễn dữ liệu ban đầu tốt hơn nhằm giải quyết các yêu cầu đặt ra dễ dàng hơn, phù hợp với từng mô hình xử lý cụ thê, đồng thời cũng làm tăng độ chính xác kết quả theo yêu cầu bài toán. Trích chọn đặc trưng trong ảnh bao gồm việc làm giảm bớt độ phức tạp, nguồn tài nguyên cần thiết để mô tả dữ liệu lớn trong ảnh.
Khi thực hiện phân tích một lượng lớn dữ liệu phức tạp. thì một trong những vấn đề chính là số lượng các biến liên quan để biểu diễn và xử lý trong quá trình phân tích dữ liệu. Phân tích dữ liệu với một sỐ lượng lớn các biến thường đòi hỏi bộ nhớ và tài nguyên tính toắn máy tính lớn. Nó cũng là nguyên nhân dẫn đến một số thuật toán xử lý bị quá nhớ và mức độ tông quát hóa kém dẫn đến không giải quyết được khi mẫu dữ liệu mới đưa vào.
Tóm lại, phương pháp trích chọn đặc trưng là một thuật ngữ chung để chỉ các phương pháp dùng đề xây dựng, kết hợp ‹ các biến dữ liệu để giải quyết các vấn đề của bài toán đặt ra trong khi vẫn mô tả đầy đủ dữ liệu và đảm bảo độ chính xác. Việc trích chọn đặc trưng là quá trình biến đôi ảnh đầu vào qua một không gian khác nhằm làm giảm bớt độ phức tạp của dữ liệu và làm nôi bật tính chất. đặc điểm của dữ liệu phục vụ tốt hơn cho mục đích cụ thể nào đó giúp nâng cao chất lượng phân tích ảnh. Ta có thê phân loại đặc trưng ảnh thành 2 loại là đặc trưng mức thấp và đặc trưng mức cao.
Đặc trưng mức thấp Có nhiều cách hiểu khác nhau về đặc trưng mức thấp (Low-level hiểu đặc trưng mức feature). Theo Nixon và các tác giả trong tài liệu[18], trực tiếp từ ảnh thấp là các đặc trưng cø bản có thê được trích rút tự động 96 đầu vào mà không cần bất kỳ thông tin nào khác về hình dáng đối tượng (thông tin về các mối quan hệ không gian) và ngữ cảnh trong ảnh đó. Hiểu theo cách khác, đặc trưng mức thấp là những đặc trưng mang tính cục bộ, không biểu diễn nhiều thông tin về mối quan hệ ngữ cảnh, đặc tả tính chất trong phạm vỉ hẹp của ảnh. Ví dụ phương pháp lọc ảnh dựa vào ngưỡng là một hình thức trích xuất đặc trưng mức thấp áp dụng trực tiếp toán tử lọc trên điêm ảnh theo các phương pháp lọc ngưỡng đã trình bày ở chương trước.
Đương nhiên, các phương pháp này có thê được sử dụng trong quá trình trích chọn đặc trưng mức cao, để tìm các hình dạng, đường biên đối tượng trong ảnh, nhận dạng người trong ảnh chân dung. Trích chọn đặc trưng mức thấp phát hiện cạnh với mục tiêu là tạo ra các cạnh ngăn cách đối tượng hoặc phát hiện vùng chuyển động của đối tượng trong ảnh tuần tự. Trích chọn đặc trưng mức thấp: (a) Trích chọn đặc trưng cạnh; v (b) Loại trừ nên đề phát hiện vùng chuyên động. Dac trung mire cao Thực ra không có một khái niệm chính xác hoàn toàn giữa khái niệm đặc trưng mức cao, đặc trưng mức thấp và cũng không có ranh giới rð ràng.
Như đã trình bày ở mục trước, đặc trưng mức thấp và thuật toán trích chọn đặc trưng mức thấp phần lớn liên quan đề việc trích xuất trực tiếp từ các điểm ảnh có liên quan với nhau trong ảnh hoặc tìm kiếm những dữ liệu được phân lớp thành những tập có chung đặc điểm ở mức thấp nhất như tập các cạnh, đường thăng hoặc các điểm ảnh có tính chất đặc biệt nào đó. Ngược lại, đặc trưng ở mức cao liên quan đến những yan đề mà ta có thể nhìn thấy, nhận thức được như phân loại đối tượng, phân đoạn. Đặc trưng mức cao thường biểu diễn mối quan hệ giữa các đối tượng trong một phạm vi rộng hơn. Như vậy sự phân biệt giữa đặc trưng mức thấp và đặc trưng mức cao có thê mô tả như sau[17]: Đặc trưng mức thấp là các đặc trưng căn bản, có thê được trích rút trực tiếp từ ảnh gốc mà không cần bất kỳ mô tả nào về đối tượng.
Trong khi đó, đặc trưng mức cao liên quan đến mô tả hình dáng, đối tượng trong ảnh và nó thường được trích rút dựa trên những đặc trưng mức thấp. Minh họa về đặc trưng mức cao[ 19] 4. KỸ THUẬT TRÍCH CHỌN ĐẶC TRƯNG CẠNH Phát hiện cạnh (đường biên) trong ảnh là một trong những phương pháp quan trọng trong xử lý ảnh. Có thê xem phương pháp phát hiện biền liên quan đến trích xuất đặc trưng mức thấp[18].
Có nhiều cách tiếp cận khác nhau để biểu diễn ảnh, phân tích, “hiểu” bức ảnh dựa trên đường biên từ việc phân tích và trích xuất cạnh. Cạnh thường ít nhạy cảm với sự thay đổi ánh sáng và thay đổi hướng nhìn. Phát hiện cạnh thường dựa vào 98 sự tương phản cường độ sáng của đối tượng trong ảnh. độ tương phản cao thê hiện qua sự khác biệt lớn về cường độ sáng, sẽ làm nồi bật đặc trưng và chỉ ra được đường biên của đối tượng trong ảnh.
Điều này tương tự với thị giác con người trong vi c trực quan và “cảm nhận" về đường biên bao quanh đối tượng từ đó xác định được đối tượng khác nhau một cách rõ ràng. Về cơ bản, ranh giới của đối tượng được xác định là bước thay đôi cường độ sáng đột ngột. Vị trí đường biên chính là vị trí xảy ra sự thay đôi ngược nhau về cường độ sáng. Đê phát hiện vị trí cạnh, một phép biến đối vi phân bậc nhất được thực hiện đề làm nôi bật sự thay đổi ngược nhau qua giá trị đạo hàm bậc nhất đề tìm cực trị.
Bài toán phát hiện đường biên đối tượng trong ảnh liên quan đến các bài toán phân loại và nhận dạng các đối tượng có trong ảnh. Do vậy, nhiệm vụ phát hiện đường biên được xem là một nhiệm vụ quan trọng trong xác định việc liệu đối tượng có ton tại hay không, có bao nhiêu đối tượng hoặc có bao nhiêu thành phần nhỏ của đối tượng lớn hơn. Phát hiện đường biên đối tượng làm giảm không gian dữ liệu cân xử lý và loại bỏ các phần dữ liệu không cần thiết nhưng vẫn đảm bảo các thuộc tính quan trọng về cấu trúc của đối tượng trong bức ảnh. Có rất nhiều phương, pháp phát hiện biên khác nhau, mỗi phương pháp thường hiệu quả cao đối với một loại đường biên cụ thể.
Các phương pháp phát hiện đường biên cơ bản liên quan đến các kỹ thuật lọc ảnh. Để lọc đường biên, người ta thường sử dụng một bộ lọc kích thước zxø với giá trị khởi tạo của bộ lọc được xác định theo một phương pháp nhất định. Một trong những bộ lọc được biết đến và sử dụng nhiều là bộ lọc Roberts, Sobel. Prewitt kết quả của phép lọc tiếp tục được nhị phân bằng ngưỡng để phân loại.
Trích chọn biên bằng toán tử Sobel Để lọc cạnh theo kỹ thuật mặt nạ Sobel, cần sử dụng hai mặt nạ có kích thước 3x3 để lọc cạnh theo hướng ngang và hướng dọc. Hai mặt nạ chỉ đơn thuần là quay mặt nạ của nhau một góc 72.1) si Ø ñ| lí - ‹Í 99 Để thực hiện phát hiện cạnh theo mỗi hướng, ta thực hiện phép tích chap (convolution) giữa ảnh đầu vào với các mặt nạ để thu được bảng gradient theo chiều dọc Œ, và chiều ngang Œ,. Như vậy, sau khi tích chập ảnh gốc với các mặt nạ Sobel theo mỗi hướng ta thu được gradient theo từng hướng tương ứng. Cuối cùng để trích chọn biên ta sử dụng thêm phép lọc dựa vào ngưỡng đề phân loại các điểm ảnh thuộc về biên và các điểm ảnh không thuộc về đường biên.