Chương 1:Téng quan vé tim kiếm ảnh dựa trên hình dang Error! Bookmark not. Trích chọn đặc trưng 1.Biến đổi Fourier.2, Sự hội tụ của chuỗi outer. Biến đổi Fourier. Biến đổi Fourier rời Tại 1.
Biến đổi I'ourier hai chiều. Phạm vi của biến đổi [“ourier. Không gian độ chia (Seale space) 1.2, Không gian độ chia Gaussian. Phạm vi của sự không tạo các đặc trưng mới.
Không gian độ chia mâu thuẫn với việc đa quyết định 1. Phép đo tương đương và thực hiện phép do. Phép do su giéng nhau. Không gian phép đo khoảng cáchh Diganee Metric Spaces) 1.2, Khoang céch dang Minkowski.
Khoảng cách Cosin. Thông tin tiếng kê 13.15 Đường giao biểu đổ. LOI NOI DAU Ngày nay thông tin nói chưng sử dụng trong ảnh là phổ biến. Rất nhiều lĩnh vực sử dụng ảnh như một công cụ để thực hiện công việc.
Những năm gần đây, chứng kiến tốc độ gia tăng mạnh của ảnh số trên toàn. thế giới, bởi sự gia tăng mạnh mẽ của các trạm làm việc tại mặt đất cũng như trạm vệ tỉnh, khó khăn trong lưu trỡ, chi phí cao cho xử lý và internet. các ứng dụng của ảnh góp phần ra đời thế hệ ảnh số. Các ứng dụng của ảnh bao gồm: giải trí số, thư viện số, gido dye va World Wide Web (www).
Các ứng dụng ngày càng trở nên phụ thuộc vào việc sử dụng ảnh gốc. Lợi ích trước mắt của ảnh số gồm cả mật xã hội và thương mại. Sử dụng ảnh gốc giúp sáng tạo sản phẩm mới, tiết kiệm thời gian và tiên bạc. Tuy nhiên, độ lớn của kho lưu trữ ảnh số trên toàn thế giới có giới hạn, sự tận dụng ánh số từ CSDL hiện tại khó hơn.
Điều này là vì thiếu cách đánh chi muc và quản lý ảnh số chuẩn. Thông thường các ảnh được lưu trữ trong CSDL sử dụng đưới dạng các thông tin thuộc tính. Thuận lợi của việc đánh chỉ mục thuộc tính ảnh: nó có thể cung cấp cho người sử dụng từ khoá tìm kiếm lướt qua mục lục, thậm chí thông qua giao diện truy vấn; ví dụ như ngôn ngữ truy vấn cấu trác (SQL). Tuy nhiên, nhìn từ bên ngoài có hạn chế; một trong những hạn chế đố là thời gian tính toán khi CSDL lớn, nó dường như không thể chú giải thủ công tất cả các ảnh.
Mặt khác các đặc trưng thị giác của ảnh rất khó mô tá bằng từ ngữ một cách khách quan, có một tiêu điểm mới trên việc phát triển công nghệ đánh chỉ mục ảnh, đố là khả năng tìm kiếm ảnh dựa trên ngữ cảnh: nó có thể độc lập và có thể tự động hoá. Các công nghệ hiện tại đa phần qui về tìm kiếm ảnh dựa trên ngữ nghĩa (CBIR) CBIR được giới thiệu như phần bổ xung cho việc tiến tới đánh chỉ mục thuộc tính truyền thống, nó là cần thiết để cấu thành CSDL multimedia. Khoảng cách bậc hai. Khoảng cách Mahalanobis.Thực hiện phép đo.
oT ĐỘ nhay và độ chính xác(RPP). Tỷ lệ trọng số thành công (PWII- Percentage orWeighted Tlits} 133. 2, 3 Phần trăm của thứ bậc Biống nhau PSR -Percentage of Similarity Ranking ). Trích chọn đặc trưng 1.
Chương 2 Phương pháp tách contrario. Cluster có thứ bậc và đánh giá giá trị.Giá trị nhóm Contrario. Cơ sở: bo po tape 1. Nhóm cố ý ngh te 1.
Tiêu chuẩn kết hợp tốt nhất. Lựa chọn vững thị 2. Riêng rễ và cực đại, 2. Kết cấu nhóm và không gian tương ing.
Tại sao phải tách kết cấu không gian. Đối sánh nhân tố hình dạng. Biến đổi mô tả. Trường hợp tương đồng.
Trường hợp biến đổi mối quan hệ. Cluster cổ ý nghĩa của biến đổi 2. Phén do sự không Lương dương sit các biến đổi.2 Phương thức nền. Kỹ thuật nhóm.
Chương 3:Phương pháp ra quyết dinh Contrario. Một quyết định Contrario. Phương pháp hình dạng trái ngượcíc phương Phe t nén. Phương tiức quyết định Contrario.
Ước lượng xác suất cảnh báo sai Hình 3.6: Mã hoá sự tương đồng không dổi Hình 4.1: Ảnh và mức đường có ý nghĩa.2: Thử nghiệm hitchcook Tĩnh 4.3: Phương pháp nhận dạng bán cục bộ quan hệ không đổi seo R3 Hình 4.4: Phương pháp nhận dạng quan hệ bán cục bộ không đổi.5 Phương pháp nhận dạng bán cục bộ. "_ BA Hình 46: lập các đoạn đường mức đối sánh với ảnh trong C5DL.7: Phương pháp bán cục bộ lương đồng không đổi.8: Ảnh gốc và mức dường cố ý nghĩa Hình 4.9: Ảnh Menima và mức đường có ý nghĩa. DANH MUC CAC TU VIET TAT Từ viết tất ý nghĩa CBIR, Content Based Image Retrieval ED Fourie Descriptor FFT Fast Fourie Transtorm cSDL Cơ sở dữ liệu NFA Number of Fasle Alarm PFA Pridicion Fasle Alarm FT Fourie Transform NFA, NFA of region NFAge NFA of region-region Proposition. PrA Probability of False Alarm DANH MUC CAC TU VIET TAT Từ viết tất ý nghĩa CBIR, Content Based Image Retrieval ED Fourie Descriptor FFT Fast Fourie Transtorm cSDL Cơ sở dữ liệu NFA Number of Fasle Alarm PFA Pridicion Fasle Alarm FT Fourie Transform NFA, NFA of region NFAge NFA of region-region Proposition.
PrA Probability of False Alarm 1. Khoảng cách bậc hai. Khoảng cách Mahalanobis.Thực hiện phép đo. oT ĐỘ nhay và độ chính xác(RPP).
Tỷ lệ trọng số thành công (PWII- Percentage orWeighted Tlits} 133. 2, 3 Phần trăm của thứ bậc Biống nhau PSR -Percentage of Similarity Ranking ). Trích chọn đặc trưng 1. Chương 2 Phương pháp tách contrario.
Cluster có thứ bậc và đánh giá giá trị.Giá trị nhóm Contrario. Cơ sở: bo po tape 1. Nhóm cố ý ngh te 1. Tiêu chuẩn kết hợp tốt nhất.
Lựa chọn vững thị 2. Riêng rễ và cực đại, 2. Kết cấu nhóm và không gian tương ing. Tại sao phải tách kết cấu không gian.
Đối sánh nhân tố hình dạng. Biến đổi mô tả. Trường hợp tương đồng. Trường hợp biến đổi mối quan hệ.
Cluster cổ ý nghĩa của biến đổi 2. Phén do sự không Lương dương sit các biến đổi.2 Phương thức nền. Kỹ thuật nhóm. Chương 3:Phương pháp ra quyết dinh Contrario.
Một quyết định Contrario. Phương pháp hình dạng trái ngượcíc phương Phe t nén. Phương tiức quyết định Contrario. Ước lượng xác suất cảnh báo sai Hình 1.1: Đối tượng bị làm nhiễu bởi biến đổi phé.2: Ảnh và các biến đổi khác.3: Điểm qua Ô tại vị trí x và độ chia t của tín hiệu.4: (a) Khoảng cách Ocolit,.! Hình 1:a) Ảnh ký tứb) mức dường tương ứng, e) Đoạn mức đường.2: Nhóm dữ liệu 950 diểm dồng dang Tĩnh 2.5: Vấn để quan trọng của phân bố phương thức nên.6: Phân đoạn ảnh đã scan và 71 dường mức có mức ý nghĩa cực dại.7: Nhóm với mối quan hệ tới hướng.8: Nhóm trong không gian(toa dộ x, hướng) Tĩnh 2.9: Thử nghiệm Guemica.10: 'Thử nghiệm " Guerniea " quan hệ tương ứng ý nghĩa không đổi.L1: Hai đoạn mức đường và khung tương ứng.12: Thử nghiệm “ Guernica “.1: Trích chọn mức đường cố ý nghĩa Tình 3.3: Mã hoá sự không đổi tương đương bán cục bộ.4 : Mã hóa bán cục bộ mối quan hệ không đổi.5 : Mã hóa hình dạng bán cục bộ quan hệ bất biến.
DANH MUC CAC TU VIET TAT Từ viết tất ý nghĩa CBIR, Content Based Image Retrieval ED Fourie Descriptor FFT Fast Fourie Transtorm cSDL Cơ sở dữ liệu NFA Number of Fasle Alarm PFA Pridicion Fasle Alarm FT Fourie Transform NFA, NFA of region NFAge NFA of region-region Proposition. PrA Probability of False Alarm Hình 1.1: Đối tượng bị làm nhiễu bởi biến đổi phé.2: Ảnh và các biến đổi khác.3: Điểm qua Ô tại vị trí x và độ chia t của tín hiệu.4: (a) Khoảng cách Ocolit,.! Hình 1:a) Ảnh ký tứb) mức dường tương ứng, e) Đoạn mức đường.2: Nhóm dữ liệu 950 diểm dồng dang Tĩnh 2.5: Vấn để quan trọng của phân bố phương thức nên.6: Phân đoạn ảnh đã scan và 71 dường mức có mức ý nghĩa cực dại.7: Nhóm với mối quan hệ tới hướng.8: Nhóm trong không gian(toa dộ x, hướng) Tĩnh 2.9: Thử nghiệm Guemica.10: 'Thử nghiệm " Guerniea " quan hệ tương ứng ý nghĩa không đổi.L1: Hai đoạn mức đường và khung tương ứng.12: Thử nghiệm “ Guernica “.1: Trích chọn mức đường cố ý nghĩa Tình 3.3: Mã hoá sự không đổi tương đương bán cục bộ.4 : Mã hóa bán cục bộ mối quan hệ không đổi.5 : Mã hóa hình dạng bán cục bộ quan hệ bất biến. -10- tiêm nang tứng dụng rộng rãi của nó, CBIR đã thu hút dược số lượng lớn các chú ý trong những năm gần đây (KATT 92, NIB 93, YOS 99). "Trong CBEIR, ảnh trong CSDI.
là dữ liệu không cấu trúc, ảnh số hoàn toàn chi bao gồm mảng các pixel độ chối, không có ý nghĩ vốn có. Một trong những chìa khoá bất nguồn CBIR là sự cần thiết để trích chọn thông tin hữu ích từ dữ liệu thô, dể phản ánh ngữ nghĩa ảnh. Vì vậy việc trích chọn hiệu quả các đặc trưng ngữ nghĩa đó là điểu cốt yếu sự thành công của CBIR. Nghiên cứu trên những yêu cầu của người sử dụng đối với ảnh từ bộ sưu tập ánh biểu thị những đặc trưng nguyên thuỷ đồ như màu sắc, kết cấu, hình dạng hoặc hỗn hợp của chúng là rất hữu ích đối với việc mô tả và khôi phục ảnh (BAK 99).
Những đặc trưng này là khách quan và trực tiếp bắt nguồn từ tự bản thân ảnh mà không cần tham khảo bất kỳ một kiến thức cơ bản nào từ bên ngoài Vì vậy đặc trưng nguyên thuỷ của ảnh ở mức thấp có thể được bắt nguồn và khai thác để khuyến khích việc CDIR tự động hoá. *Đối trợng nghiên cứu. các thông tin cơ bản trên đây các ảnh trong CSDL, có thể được đánh chỉ mục bảng cách sử đụng thông tin thuộc tính hoặc thông tin ngữ nghĩa. Ngữ nghĩa của ảnh có thể được mô tả sử đụng các đặc trưng nguyên thuỷ; ví dụ: màu sắc, cẩu trúc, hình đạng hoặc tổ hợp của chúng.
Kết quả nghiên cứu này chấn nhận tiến tới CHIR, đồ là việc đánh chỉ mục và tì kiếm ảnh bằng ngữ nghĩa của ảnh. Đặc biệt, việc tìm kiếm hội tụ ở việc đánh chỉ mục và tìm kiếm ảnh dựa trên hình dạng. Mục đích chủ yếu của cách im kiếm này là tìm kiếm và khai thác hình dạng rất khả thi để tìm kiếm và nhận dạng hình dạng. Điều tra các công nghệ và phát triển trung nghiên cứu này có thể là trực tiếp ứng dụng cho các ứng dụng đặc thù; ví dụ fìm kiếm nhãn mác, nhận dạng đối tượng.
hoặc cố thể hợp nhất trong bất cứ hệ thống CBIR nào để dễ dàng nhận dạng hình dạng sử dụng các đặc trưng hỗn hợp của ảnh. Khoảng cách bậc hai. Khoảng cách Mahalanobis.Thực hiện phép đo. oT ĐỘ nhay và độ chính xác(RPP).
Tỷ lệ trọng số thành công (PWII- Percentage orWeighted Tlits} 133. 2, 3 Phần trăm của thứ bậc Biống nhau PSR -Percentage of Similarity Ranking ). Trích chọn đặc trưng 1. Chương 2 Phương pháp tách contrario.
Cluster có thứ bậc và đánh giá giá trị.Giá trị nhóm Contrario.