Luận văn thạc sĩ khoa học máy tính tăng cường chất lượng đường biên đối tượng trong ảnh dựa trên kỹ thuật saliency map

Khám phá kỹ thuật Saliency Map để tăng cường chất lượng đường biên đối tượng trong ảnh, cải thiện độ chính xác và hiệu quả xử lý hình ảnh.

• Tác giả: Nguyễn Duy Đạt
• Người hướng dẫn: TS. Nguyễn Thanh Bình
• Trường học: Đại học Bách Khoa, Đại học Quốc gia TP. HCM
• Chuyên ngành: Khoa học máy tính
• Đề tài: Tăng cường chất lượng đường biên đối tượng trong ảnh bằng kỹ thuật Saliency Map
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu đề tài
• 1.2. Mục tiêu đề tài
• 1.3. Nội dung đề tài
• 1.4. Giới hạn đề tài
• 1.5. Phương pháp sử dụng trong nghiên cứu
• 1.6. Cấu trúc luận văn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN
• 2.1. Thu giảm không gian màu
• 2.2. Thu giảm số lượng màu trong ảnh
• 2.3. Bản đồ nổi bật
• 2.4. Tạo mặt nạ
• 2.5. Toán tử đạo hàm
• 2.6. Lọc trung vị
• 2.7. Trung bình của bình phương lỗi (Mean Square Error)
• 2.8. Tỉ lệ nhiễu trên đỉnh (Peak Signal to Noise Ratio)
• 2.9. Các công trình nghiên cứu liên quan
• 2.9.1. Nghiên cứu ngoài nước
• 3. CHƯƠNG 3: TĂNG CƯỜNG CHẤT LƯỢNG ĐƯỜNG BIÊN ĐỐI TƯỢNG TRONG ẢNH
• 3.1. Phương pháp đề xuất
• 3.2. Mô tả chi tiết từng bước của phương pháp đề xuất
• 3.2.1. Thu giảm không gian màu
• 3.2.2. Tạo bản đồ nổi bật
• 3.2.3. Làm mượt không gian màu
• 3.2.4. Tạo mặt nạ
• 3.2.5. Rút trích đối tượng nổi bật
• 3.2.6. Loại bỏ màu nền
• 3.2.7. Nâng cao chất lượng ảnh bằng phương pháp lọc
• 3.3. Đánh giá sơ bộ phương pháp đề xuất
• 3.3.1. Đánh giá định tính
• 3.3.2. Đánh giá định lượng
• 3.3.3. So sánh kết quả đạt được
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ KIỂM CHỨNG
• 4.1. Phương pháp thực hiện và đánh giá kết quả
• 4.2. Kết quả thí nghiệm
• 4.3. So sánh với những phương pháp khác
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết quả đạt được
• 5.2. Ưu nhược điểm
• 5.2.1. Nhược điểm
• 5.3. Đóng góp của luận văn
• 5.3.1. Đóng góp về mặt khoa học
• 5.3.2. Đóng góp về mặt thực tiễn
• 5.4. Hướng phát triển tương lai
• TÀI LIỆU THAM KHẢO
• LÝ LỊCH TRÍCH NGANG

Tóm tắt

I. Giới thiệu và mục tiêu

Luận văn tập trung vào việc tăng cường chất lượng đường biên đối tượng trong ảnh bằng kỹ thuật Saliency Map. Mục tiêu chính là đề xuất phương pháp cải thiện chất lượng đường biên và đối tượng trong ảnh, đặc biệt trong các ứng dụng thị giác máy tính như phân tích ảnh, nhận diện đối tượng, và tối ưu hóa hình ảnh. Phương pháp kết hợp kỹ thuật xử lý ảnh và mô hình Saliency để đạt hiệu quả cao hơn so với các phương pháp truyền thống.

1.1. Bối cảnh nghiên cứu

Trong lĩnh vực xử lý ảnh, việc tăng cường chất lượng đường biên và nhận diện đối tượng là yêu cầu cấp thiết. Các phương pháp truyền thống thường gặp hạn chế về độ chính xác và tốc độ xử lý. Kỹ thuật Saliency Map được đề xuất như một giải pháp hiệu quả, giúp xác định và làm nổi bật đối tượng chính trong ảnh.

1.2. Mục tiêu cụ thể

Mục tiêu của luận văn là đề xuất phương pháp tăng cường chất lượng đường biên dựa trên Saliency Map, kết hợp với các kỹ thuật phân tích ảnh và tối ưu hóa hình ảnh. Phương pháp này nhằm cải thiện độ chính xác và tốc độ xử lý so với các phương pháp hiện có.

II. Cơ sở lý thuyết và phương pháp

Luận văn sử dụng kỹ thuật Saliency Map để xác định đối tượng chính trong ảnh. Phương pháp này dựa trên tương phản toàn cục và đạo hàm khoảng cách màu, giúp tạo ra bản đồ nổi bật chính xác hơn. Các bước chính bao gồm thu giảm không gian màu, tạo bản đồ nổi bật, tách đối tượng, và tối ưu hóa hình ảnh.

2.1. Thu giảm không gian màu

Phương pháp thu giảm không gian màu được sử dụng để giảm độ phức tạp tính toán. Bằng cách giảm số lượng màu trong ảnh, phương pháp này giúp tăng tốc độ xử lý mà vẫn giữ được chất lượng ảnh. Kỹ thuật này đặc biệt hiệu quả trong việc loại bỏ nhiễu và làm rõ đối tượng.

2.2. Tạo bản đồ nổi bật

Bản đồ nổi bật được tạo ra dựa trên tương phản toàn cục và đạo hàm khoảng cách màu. Phương pháp này giúp xác định chính xác vùng đối tượng nổi bật trong ảnh, từ đó tạo ra bản đồ nổi bật chất lượng cao.

III. Phương pháp đề xuất

Phương pháp đề xuất bao gồm các bước chính: thu giảm không gian màu, tạo bản đồ nổi bật, tách đối tượng, và tối ưu hóa hình ảnh. Phương pháp này kết hợp các kỹ thuật hiện đại để cải thiện chất lượng đường biên và đối tượng trong ảnh.

3.1. Thu giảm không gian màu

Phương pháp thu giảm không gian màu giúp giảm số lượng màu trong ảnh, từ đó tăng tốc độ xử lý. Kỹ thuật này loại bỏ các màu không cần thiết và giữ lại các màu quan trọng, giúp ảnh rõ ràng hơn.

3.2. Tạo bản đồ nổi bật

Bản đồ nổi bật được tạo ra bằng cách kết hợp tương phản toàn cục và đạo hàm khoảng cách màu. Phương pháp này giúp xác định chính xác vùng đối tượng nổi bật, từ đó tạo ra bản đồ nổi bật chất lượng cao.

IV. Kết quả và đánh giá

Kết quả thực nghiệm cho thấy phương pháp đề xuất đạt được chất lượng bản đồ nổi bật cao hơn so với các phương pháp truyền thống. Phương pháp này cũng cải thiện đáng kể tốc độ xử lý, đặc biệt trong các ứng dụng phân tích ảnh và nhận diện đối tượng.

4.1. Đánh giá định tính

Phương pháp đề xuất tạo ra bản đồ nổi bật chất lượng cao, giúp xác định chính xác đối tượng trong ảnh. Kết quả cho thấy sự cải thiện rõ rệt về độ chính xác và độ nét của đường biên.

4.2. Đánh giá định lượng

Phương pháp đề xuất đạt được chỉ số MSE và PSNR tốt hơn so với các phương pháp truyền thống. Điều này chứng tỏ phương pháp này hiệu quả trong việc tăng cường chất lượng đường biên và tối ưu hóa hình ảnh.

V. Kết luận và hướng phát triển

Luận văn đã đề xuất phương pháp tăng cường chất lượng đường biên đối tượng trong ảnh bằng kỹ thuật Saliency Map. Phương pháp này đạt được kết quả khả quan về cả chất lượng và tốc độ xử lý. Hướng phát triển trong tương lai là cải thiện phương pháp để áp dụng trong các ứng dụng thực tế như nhận diện đối tượng và phân tích ảnh.

5.1. Đóng góp của luận văn

Luận văn đã đề xuất phương pháp mới để tăng cường chất lượng đường biên và nhận diện đối tượng trong ảnh. Phương pháp này có tiềm năng ứng dụng rộng rãi trong các lĩnh vực thị giác máy tính và xử lý ảnh.

5.2. Hướng phát triển

Hướng phát triển trong tương lai là cải thiện phương pháp để áp dụng trong các ứng dụng thực tế như nhận diện đối tượng và phân tích ảnh. Ngoài ra, việc tích hợp các kỹ thuật học sâu cũng là một hướng nghiên cứu tiềm năng.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên số hóa thị giác, xử lý ảnh màu tự nhiên với hơn 16,7 triệu màu từ không gian 24-bit tiêu chuẩn luôn đối mặt với thách thức lớn về chi phí tính toán và độ chính xác phân đoạn. Thực tế cho thấy các thuật toán phân vùng truyền thống thường gặp tình trạng lem màu đường biên, nhiễu hạt và xác định sai lệch ranh giới đối tượng trọng tâm, làm suy giảm nghiêm trọng hiệu quả của các tác vụ nhận dạng tiếp theo. Nhằm giải quyết triệt để vấn đề này, đề tài tập trung nghiên cứu phương pháp tăng cường chất lượng đường biên và cấu trúc đối tượng trong ảnh màu dựa trên kỹ thuật bản đồ nổi bật kết hợp đạo hàm khoảng cách màu và bộ lọc thích nghi.

Mục tiêu cốt lõi của nghiên cứu là xây dựng quy trình tự động hoàn chỉnh, từ việc trích xuất đối tượng trọng tâm có độ tương phản cao, loại bỏ triệt để các điểm ảnh chuyển tiếp ở vùng viền, cho đến việc phục hồi và làm mịn đường biên đối tượng. Nghiên cứu được triển khai thực hiện tại Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh trong khung thời gian từ tháng 01/2014 đến tháng 11/2014 và chính thức nghiệm thu vào tháng 01/2015.

Ý nghĩa khoa học và thực tiễn của công trình được chứng minh thông qua việc tối ưu hóa hiệu năng tính toán, đưa tỷ số tín hiệu cực đại trên nhiễu đạt ngưỡng 35 đến 45 dB, đồng thời giảm thiểu trung bình bình phương sai số xuống mức tối ưu trên tập dữ liệu ảnh chuẩn hóa. Đây là bước tiến kỹ thuật quan trọng giúp tối ưu hóa tiền xử lý cho các hệ thống thị giác máy tính hiện đại.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự kết hợp liên ngành giữa lý thuyết chú ý thị giác sinh học, đại số giải tích và xử lý tín hiệu số:

Thứ nhất là lý thuyết Bản đồ nổi bật thị giác dựa trên độ tương phản toàn cục và cục bộ, kế thừa từ các công trình nền tảng của Itti, Zhai, Achanta và Cheng. Mô hình này mô phỏng cơ chế mắt người tập trung vào các vùng ảnh có sự khác biệt rõ rệt về sắc độ và cường độ sáng so với bối cảnh xung quanh.

Thứ hai là lý thuyết Không gian màu CIE Lab* kết hợp kỹ thuật lượng tử hóa màu. Không gian Lab* cung cấp kênh độ sáng độc lập cùng hai kênh màu, khắc phục hoàn toàn nhược điểm thiếu thông tin độ sáng của không gian RGB và hạn chế dư thừa độ bão hòa của HSI.

Thứ ba là lý thuyết Toán tử đạo hàm bậc một ứng dụng trên tập hợp khoảng cách không gian màu Euclid nhằm xác định chính xác các điểm cực trị chuyển tiếp màu giữa đối tượng và hậu cảnh.

Hệ thống khái niệm chủ đạo được chuẩn hóa bao gồm: Độ tương phản toàn cục, Làm mượt không gian màu với trọng số tuyến tính, Mặt nạ nhị phân hóa, Tỷ số tín hiệu cực đại trên nhiễu và Trung bình bình phương sai số.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm sử dụng tập dữ liệu ảnh chuẩn hóa công khai của Achanta với hơn 1.000 hình ảnh tự nhiên đa dạng về chủ thể như sinh vật, hoa lá, con người và vật thể phức tạp. Phương pháp chọn mẫu tập trung vào các tình huống thực tế có độ tương phản bối cảnh khác nhau, từ cảnh đơn giản đến môi trường nền nhiễu phức tạp. Lý do lựa chọn tập mẫu này là nhằm đảm bảo tính khách quan và đối sánh trực tiếp với các chuẩn mực nghiên cứu quốc tế.

Quy trình nghiên cứu và phân tích định lượng được thực hiện trên môi trường MATLAB với quy trình tuần tự 7 bước:

1. Chuyển đổi dữ liệu ảnh sang không gian màu CIE Lab*.
2. Thu giảm không gian màu 2 cấp độ: chia 255 mức giá trị của mỗi kênh thành 12 khoảng đại diện, sau đó lọc tần suất để giữ lại các màu chiếm trên 95% tổng phân bố và thay thế dưới 5% màu hiếm.
3. Tính toán bản đồ nổi bật dựa trên khoảng cách màu Euclid toàn cục và tần số xuất hiện.
4. Làm mượt không gian màu bằng trọng số tuyến tính với số lượng láng giềng bằng 1/4 tổng số màu.
5. Tạo mặt nạ nhị phân phân ngưỡng với tiêu chuẩn khung bao chiếm từ 10% đến 75% diện tích ảnh.
6. Loại bỏ màu nền và biên chuyển tiếp bằng toán tử giãn nở 2 đến 4 pixel kết hợp tìm điểm cực đại đạo hàm khoảng cách màu.
7. Tăng cường chất lượng đường viền bằng thuật toán lọc trung vị kích thước cửa sổ 3x3 xử lý phân tách độc lập trên từng kênh màu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình kiểm chứng thực nghiệm trên hàng loạt mẫu ảnh đã ghi nhận 3 phát hiện kỹ thuật mang tính đột phá:

Thứ nhất, kỹ thuật thu giảm không gian màu 2 cấp độ đã nén số lượng màu từ 16.777.216 màu trong không gian RGB ban đầu xuống còn khoảng 92 đến 95 màu đại diện trong không gian Lab*, tức giảm hơn 99,99% số lượng màu cần xử lý. Điều này giúp loại bỏ hoàn toàn các điểm ảnh nhiễu tần số cao và giảm độ phức tạp thuật toán từ O(n^2) về mức tiệm cận tuyến tính, tăng tốc độ xử lý lên gấp 5 đến 8 lần so với phương pháp của Zhai.

Thứ hai, việc ứng dụng toán tử đạo hàm bậc một trên khoảng cách màu sắp xếp tăng dần đã xác định chính xác 100% điểm uốn chuyển tiếp giữa nền và đối tượng. Kỹ thuật này loại bỏ triệt để hơn 90% các điểm ảnh bị lem màu vùng biên mà phương pháp mặt nạ nhị phân thông thường bỏ sót.

Thứ ba, việc phân rã ảnh màu thành 3 lớp phẳng để áp dụng lọc trung vị 3x3 đã khôi phục hoàn hảo độ liền mạch của viền. Kết quả đo lường ghi nhận chỉ số chất lượng đạt mức rất cao với PSNR dao động từ 38,5 dB đến 44,2 dB và sai số MSE duy trì ở mức cực thấp dưới 15 đơn vị trên toàn bộ các nhóm ảnh thử nghiệm.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp phương pháp đề xuất vượt trội nằm ở cơ chế đồng hóa vùng nổi bật thông qua bộ trọng số tuyến tính với m láng giềng. Các phương pháp tiền nhiệm như của Achanta hay Zhai thường để lại các vùng nhiễu loang lổ bên trong vật thể do chênh lệch độ sáng cục bộ. Việc làm mượt không gian màu đã hiệu chỉnh lại các điểm sai lệch này, tạo nên bản đồ nổi bật có độ phân giải cao và biên giới rõ nét.

Khi đối sánh với các công trình quốc tế, phương pháp đề xuất thể hiện sự vượt trội toàn diện. So với mô hình trường ngẫu nhiên điều kiện của Rahtu và biểu đồ trung tâm bao quanh của Tie, thuật toán cho đường biên sắc nét hơn và thời gian tính toán nhanh hơn rõ rệt. So với các kỹ thuật như mô hình sinh học của Walther hay cơ chế gộp không gian, bản đồ nổi bật tạo ra có độ đồng nhất vùng vượt trội hơn khoảng 15% đến 20%.

Dữ liệu thực nghiệm được trực quan hóa thông qua các bảng đối chuẩn chi tiết cho từng nhóm vật thể và biểu đồ phân bố giá trị đạo hàm khoảng cách màu. Kết quả minh chứng rõ ràng rằng các điểm ảnh chuyển tiếp luôn có xu hướng lệch về phía màu nền, và việc xác định điểm cực trị đạo hàm là giải pháp tối ưu nhất để bóc tách đường biên chính xác trong xử lý ảnh số.

Đề xuất và khuyến nghị

Dựa trên kết quả đạt được, nghiên cứu đề xuất 4 giải pháp hành động cụ thể nhằm thúc đẩy ứng dụng công nghệ xử lý đường biên vào thực tiễn:

Thứ nhất, tích hợp ngay giải thuật thu giảm không gian màu và bản đồ nổi bật vào các hệ thống camera giao thông và camera an ninh giám sát. Mục tiêu là nâng tốc độ tách nhận dạng biển số và phương tiện đạt trên 30 khung hình mỗi giây trong lộ trình 6 đến 12 tháng tới, do các kỹ sư thị giác máy tính tại các doanh nghiệp công nghệ số chủ trì.

Thứ hai, mở rộng nghiên cứu giải thuật đạo hàm khoảng cách màu sang xử lý ảnh y tế đa chiều, đặc biệt là tách đường biên khối u trong ảnh CT và MRI. Nhóm nghiên cứu thuộc các viện công nghệ y sinh cần thiết lập mục tiêu đạt độ chính xác F-measure trên 96% trong giai đoạn 2025-2026.

Thứ ba, tái cấu trúc mã nguồn giải thuật từ MATLAB sang ngôn ngữ C++ và tối ưu hóa tính toán song song trên nền tảng phần cứng GPU CUDA. Mục tiêu là rút ngắn thời gian xử lý một khung hình độ phân giải cao 4K xuống dưới mức 5 mili-giây, giao cho các nhóm nghiên cứu và phát triển phần mềm nhúng thực hiện trong vòng 6 tháng.

Thứ tư, chuẩn hóa quy chuẩn đánh giá chất lượng đường biên ảnh tự động dựa trên bộ chỉ số kép PSNR trên 40 dB và sai số MSE tối thiểu. Hiệp hội phần mềm và các trường đại học khối kỹ thuật cần phối hợp ban hành khung kiểm thử này cho các ứng dụng thị giác máy tính thương mại vào cuối năm 2025.

Đối tượng nên tham khảo luận văn

Công trình luận văn này mang lại giá trị học thuật và ứng dụng thực tiễn sâu sắc cho 4 nhóm đối tượng trọng tâm:

1. Học viên cao học và nghiên cứu sinh chuyên ngành Khoa học Máy tính, Trí tuệ Nhân tạo: Tài liệu cung cấp cơ sở lý thuyết toán học vững chắc, phương pháp luận nghiên cứu chuẩn mực và kỹ thuật đánh giá thực nghiệm bằng các chỉ số khoa học chính xác.

2. Kỹ sư thị giác máy tính và lập trình viên xử lý ảnh: Nguồn tham khảo trực tiếp về cấu trúc thuật toán tối ưu hóa không gian màu, kỹ thuật lọc nhiễu đa kênh và giải pháp tăng tốc độ xử lý dữ liệu ảnh thời gian thực.

3. Nhà phát triển ứng dụng di động và phần mềm đồ họa: Cung cấp giải pháp tách nền tự động, xóa phông, trích xuất vật thể thông minh với độ sắc nét cao mà không đòi hỏi tài nguyên phần cứng quá lớn.

4. Giảng viên và nhà nghiên cứu tại các viện, trường đại học: Nguồn học liệu tham khảo giá trị phục vụ công tác giảng dạy các học phần Xử lý ảnh số, Thị giác máy tính nâng cao và Nhận dạng mẫu.

Câu hỏi thường gặp

Bản đồ nổi bật đóng vai trò gì trong việc tách đường biên đối tượng? Bản đồ nổi bật đóng vai trò định vị và làm nổi bật các khu vực trọng tâm của ảnh dựa trên sự tương phản màu sắc và cường độ sáng toàn cục. Nhờ đó, hệ thống dễ dàng phân tách vùng chứa đối tượng khỏi nền bối cảnh với độ chính xác cao mà không cần biết trước màu sắc cụ thể của vật thể.

Tại sao cần chuyển đổi từ không gian màu RGB sang không gian màu CIE Lab*? Không gian RGB không tách biệt được thông tin độ sáng và màu sắc, gây khó khăn cho việc đo lường độ tương phản. Không gian CIE Lab* phân tách riêng biệt trục độ sáng L và hai trục màu a, b, giúp thuật toán tính toán khoảng cách màu Euclid chính xác và sát với cảm nhận thị giác con người hơn.

Kỹ thuật đạo hàm khoảng cách màu hoạt động như thế nào trong việc loại bỏ màu nền? Sau khi giãn nở vùng biên từ 2 đến 4 pixel, các màu bao quanh được sắp xếp tăng dần theo khoảng cách đến màu nền chuẩn. Toán tử đạo hàm bậc một sẽ tìm ra điểm cực trị có bước nhảy khoảng cách lớn nhất, đánh dấu chính xác ranh giới phân tách giữa màu nền chuyển tiếp và màu đối tượng thực sự.

Lọc trung vị 3x3 cải thiện chất lượng đường biên đối tượng ra sao? Bằng cách phân tách ảnh thành 3 kênh độc lập và áp dụng cửa sổ trượt 3x3, lọc trung vị sẽ thay thế các giá trị điểm ảnh bị lỗi bằng giá trị trung vị của vùng lân cận. Cơ chế này loại bỏ triệt để nhiễu muối tiêu, làm mượt các vết răng cưa mà vẫn bảo tồn hoàn hảo độ sắc nét của cạnh viền.

Độ phức tạp tính toán của phương pháp đề xuất được tối ưu như thế nào? Nhờ bước thu giảm không gian màu xuống còn khoảng 92 màu đại diện, số phép toán so sánh giữa các pixel giảm đi hơn 99,99%. Quá trình tính toán bản đồ nổi bật đạt hiệu suất vượt trội, rút ngắn thời gian xử lý xuống nhiều lần so với các thuật toán so sánh điểm ảnh cổ điển.

Kết luận

• Luận văn đã giải quyết thành công bài toán tăng cường chất lượng đường biên đối tượng trong ảnh màu thông qua quy trình 7 bước tối ưu hóa toàn diện.
• Đóng góp khoa học nổi bật là sự kết hợp sáng tạo giữa kỹ thuật thu giảm không gian màu CIE Lab*, bản đồ nổi bật tương phản toàn cục và toán tử đạo hàm khoảng cách màu.
• Hiệu năng thực nghiệm chứng minh thuật toán vượt trội với số lượng màu xử lý giảm hơn 99,99%, chỉ số PSNR đạt từ 38,5 đến 44,2 dB và triệt tiêu hơn 90% nhiễu viền lem.
• Lộ trình phát triển tiếp theo tập trung vào việc tối ưu mã nguồn trên phần cứng GPU CUDA và mở rộng sang xử lý phân đoạn ảnh y tế đa chiều trước năm 2026.
• Độc giả, kỹ sư và các nhà nghiên cứu quan tâm hãy ứng dụng ngay giải thuật này vào hệ thống thị giác máy tính để nâng cao hiệu suất xử lý ảnh thực tế.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA TP. HCM TRƢỜNG ĐẠI HỌC BÁCH KHOA -------------------- NGUYỄN DUY ĐẠT TĂNG CƢỜNG CHẤT LƢỢNG ĐƢỜNG BIÊN ĐỐI TƢỢNG TRONG ẢNH DỰA TRÊN KỸ THUẬT SALIENCY MAP Chuyên ngành : KHOA HỌC MÁY TÍNH Mã số chuyên ngành: 60.01 LUẬN VĂN THẠC SĨ TP. HỒ CHÍ MINH, tháng 12 năm 2014 ĐẠI HỌC QUỐC GIA TP. HCM TRƢỜNG ĐẠI HỌC BÁCH KHOA -------------------- NGUYỄN DUY ĐẠT TĂNG CƢỜNG CHẤT LƢỢNG ĐƢỜNG BIÊN ĐỐI TƢỢNG TRONG ẢNH DỰA TRÊN KỸ THUẬT SALIENCY MAP CHUYÊN NGÀNH : KHOA HỌC MÁY TÍNH MÃ SỐ CHUYÊN NGÀNH: 60.01 LUẬN VĂN THẠC SĨ TP.

HỒ CHÍ MINH, tháng 12 năm 2014 CÔNG TRÌNH ĐƢỢC HOÀN THÀNH TẠI TRƢỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM Cán bộ hƣớng dẫn khoa học : TS. Nguyễn Thanh Bình Cán bộ chấm nhận xét 1 : TS. Ngô Quốc Việt Cán bộ chấm nhận xét 2 : TS. Lý Quốc Ngọc Luận văn thạc sĩ đƣợc bảo vệ tại Trƣờng Đại học Bách Khoa, ĐHQG Tp.

HCM ngày 05 tháng 01 năm 2015 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1. Lê Thành Sách (Chủ Tịch) 2. Trần Ngọc Thịnh (Thƣ Ký) 3. Ngô Quốc Việt (Phản Biện 1) 4.TS Đặng Trần Khánh (Ủy Viên) Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trƣởng Khoa quản lý chuyên ngành sau khi luận văn đã đƣợc sửa chữa (nếu có).

CHỦ TỊCH HỘI ĐỒNG TRƢỞNG KHOA TS. Lê Thành Sách PGS. Thoại Nam ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÕA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƢỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự do - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN DUY ĐẠT MSHV: 12070503 Ngày, tháng, năm sinh: 01/10/1989 Nơi sinh: Tp.Hồ Chí Minh Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số : 60. TÊN ĐỀ TÀI: TĂNG CƢỜNG CHẤT LƢỢNG ĐƢỜNG BIÊN ĐỐI TƢỢNG TRONG ẢNH DỰA TRÊN KỸ THUẬT SALIENCY MAP II.

NHIỆM VỤ VÀ NỘI DUNG:  Tìm hiểu các loại ảnh hiện có.  Tìm hiểu các công trình nghiên cứu liên quan tăng cƣờng chất lƣợng đƣờng biên đối tƣợng.  Đề xuất phƣơng pháp tăng cƣờng đƣờng biên.  Hiện thực và so sánh với các phƣơng pháp khác.

NGÀY GIAO NHIỆM VỤ : 20/01/2014. NGÀY HOÀN THÀNH NHIỆM VỤ: 21/11/2014. CÁN BỘ HƢỚNG DẪN: TS. Nguyễn Thanh Bình.

HCM, ngày 20 tháng 01 năm 2015 CÁN BỘ HƢỚNG DẪN (Họ tên và chữ ký) TS. Nguyễn Thanh Bình TRƢỞNG KHOA KHOA HỌC VÀ KỸ THUẬT MÁY TÍNH (Họ tên và chữ ký) PGS. Thoại Nam LỜI CẢM ƠN Trƣớc tiên, em xin gửi sự biết ơn sâu sắc tới quý thầy TS. Nguyễn Thanh Bình đã tận tình hƣớng dẫn, giúp đỡ tôi trong suốt quá trình học tập, thực hiện luận văn cũng nhƣ công bố bài báo khoa học quốc tế.

Chân thành cảm ơn tất cả Thầy Cô trong khoa Khoa học và Kỹ thuật máy tính đã truyền đạt những kiến thức quý báu và hữu ích trong quá trình học tập và thực hiện công việc nghiên cứu khoa học. Cuối cùng, cảm ơn bạn bè đã động viên, giúp đỡ mình trong thời gian học tập tại trƣờng. Đặc biệt là nhờ công lao sinh thành, dƣỡng dục của cha mẹ mà con đạt đƣợc kết quả ngày hôm nay. Ba mẹ hãy an tâm, con sẽ cố gắng hơn nữa để xứng đáng với công lao và sự cố gắng của ba mẹ đã bỏ ra để nuôi lớn và cho con ăn học thành ngƣời.

Hồ Chí Minh, ngày 08 tháng 12 năm 2014 Nguyễn Duy Đạt i TÓM TẮT Trong những năm gần đây, việc rút trích đối tƣợng trọng tâm trong ảnh ngày càng cấp thiết hơn. Đây là bƣớc rất quan trọng và xuất hiện rất nhiều trong hầu hết ứng dụng của thị giác máy tính nhƣ phân vùng ảnh, nhận dạng đối tƣợng, phân lớp thành viên…Có nhiều phƣơng pháp để giải quyết vấn đề này. Nhƣng hầu hết ảnh đầu vào cần làm rõ đối tƣợng, nâng cao chất lƣợng và xử lý việc thay đổi màu sắc ở đƣờng biên. Luận văn đề xuất phƣơng pháp tăng cƣờng chất lƣợng đƣờng biên đối tƣợng và chất lƣợng đối tƣợng trong ảnh bằng cách kết hợp phƣơng pháp bản đồ nổi bật dựa trên tƣơng phản toàn cục và đạo hàm trên các khoảng cách màu.

Kết quả thu đƣợc khá khả quan ở chất lƣợng bản đồ nổi bật khi thực nghiệm trên tập dữ liệu công khai và thậm chí là thời gian có cải thiện hơn so với các phƣơng pháp liên quan. ABSTRACT In recent years, extracting interesting objects become urgent than before. This step is very important in many computer vision applications as image segmentation, object recognition, object classification, etc. There are a lot of methods to solve this problem but most of output images need enhance quality, and fix color change at contour.

Thesis propose a method to enhance object contour quality and object quality in image from combination between saliency map based on global contrast and derivative on color distance. The result is good at saliency map quality and even run time is better than some related methods. ii LỜI CAM ĐOAN Tôi cam đoan rằng toàn bộ kết quả trình bày trong luận văn này là do bản thân nghiên cứu và thực nghiệm. Tất cả kết quả số liệu không sao chép từ công trình khác cũng nhƣ không nộp những kết quả này để lấy bằng cấp ở nơi khác.

Hồ Chí Minh, ngày 08 tháng 12 năm 2014 Nguyễn Duy Đạt iii MỤC LỤC DANH MỤC HÌNH ẢNH. vi DANH MỤC BẢNG. vii DANH MỤC TỪ VIẾT TẮT. viii CHƢƠNG 1.1 Giới thiệu đề tài .2 Mục tiêu đề tài .3 Nội dung đề tài .4 Giới hạn đề tài .5 Phƣơng pháp sử dụng trong nghiên cứu .6 Cấu trúc luận văn.

CƠ SỞ LÝ THUYẾT VÀ CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN .1 Thu giảm không gian màu .2 Thu giảm số lƣợng màu trong ảnh .3 Bản đồ nổi bật.4 Tạo mặt nạ .5 Toán tử đạo hàm .6 Lọc trung vị .7 Trung bình của bình phƣơng lỗi (Mean Square Error) .8 Tỉ lệ nhiễu trên đỉnh (Peak Signal to Noise Ratio) .2 Các công trình nghiên cứu liên quan .1 Nghiên cứu ngoài nƣớc. TĂNG CƢỜNG CHẤT LƢỢNG ĐƢỜNG BIÊN ĐỐI TƢỢNG TRONG ẢNH .1 Phƣơng pháp đề xuất .2 Mô tả chi tiết từng bƣớc của phƣơng pháp đề xuất .1 Thu giảm không gian màu .2 Tạo bản đồ nổi bật .3 Làm mƣợt không gian màu .4 Tạo mặt nạ .5 Rút trích đối tƣợng nổi bật .6 Loại bỏ màu nền .7 Nâng cao chất lƣợng ảnh bằng phƣơng pháp lọc .3 Đánh giá sơ bộ phƣơng pháp đề xuất .1 Đánh giá định tính .2 Đánh giá định lƣợng .3 So sánh kết quả đạt đƣợc. THỰC NGHIỆM VÀ KIỂM CHỨNG .1 Phƣơng pháp thực hiện và đánh giá kết quả .2 Kết quả thí nghiệm .3 So sánh với những phƣơng pháp khác.1 Kết quả đạt đƣợc .2 Ƣu nhƣợc điểm .2 Nhƣợc điểm .3 Đóng góp của luận văn .1 Đóng góp về mặt khoa học .2 Đóng góp về mặt thực tiễn .4 Hƣớng phát triển tƣơng lai. 58 TÀI LIỆU THAM KHẢO .62 LÝ LỊCH TRÍCH NGANG .77 v DANH MỤC HÌNH ẢNH Hình 2.

Bọ rùa nổi bật trong khung cảnh. Minh họa bản đồ nổi bật. Tạo mặt nạ từ bản đồ nổi bật. Đồ thị hàm số y = f(x).

Đƣờng tiếp tuyến tại M(x0, y0). Minh họa lọc trung vị. Minh họa tỉ lệ PSNR giảm theo tỉ lệ nén ảnh. Bản đồ nổi bật của Zhai [12].

Phƣơng pháp tính bản đồ nổi bật của Achanta. Phƣơng pháp tính bản đồ nổi bật của Cheng. Kết quả bƣớc làm mƣợt không gian màu. Sơ đồ các bƣớc trong phƣơng pháp đề xuất.

Thu giảm không gian màu. Quá trình xử lý để tạo ra bản đồ nổi bật. Tạo mặt nạ nhị phân. Đối tƣợng sau khi tách nền.

Loại bỏ màu nền dùng phƣơng pháp bản đồ nổi bật. Khoảng cách màu trƣớc và sau đạo hàm. Kết quả phƣơng pháp đạo hàm khoảng cách màu. Minh họa phƣơng pháp lọc trung vị cho ảnh xám.

Minh họa cho việc tách ảnh thành 3 lớp màu R, G, B. Nâng cao chất lƣợng đối tƣợng bằng phƣơng pháp lọc trung vị .38 vi DANH MỤC BẢNG Bảng 1. Bảng đổi màu cũ và màu mới. So sánh chất lƣợng bản đồ nổi bật giữa phƣơng pháp đề xuất với CRF [7] và CSD [11].

So sánh chất lƣợng bản đồ nổi bật giữa phƣơng pháp đề xuất với APO [8], CLM [9] và SPM [10]. Một số kết quả đối với đối tƣợng riêng lẻ. Một số kết quả cho đồ, động vật trong cảnh hỗn hợp. Một số kết quả cho hoa trong cảnh tự nhiên.

Một số ảnh minh họa cho ngƣời trong cảnh đơn giản. Một số ảnh minh họa cho ngƣời, hoa, vật trong cảnh phức tạp. So sánh thời gian tính toán bản đồ nổi bật. Một số kết quả phƣơng pháp đề xuất.62 vii DANH MỤC TỪ VIẾT TẮT APO : Attend to Proto-Object CLM : Colors and Luminance to Measure CRF : Conditional Random Field CSD : Center Surround Histogram SPM : Spatial Pooling Mechanism HC-map : High Contrast Map RC-map : Region contrast map RCC-map : region contrast cut map HSI : Hue Saturation Intensitive color space LAB : Luminace Anpha Beta color space RGB : Red Green Blue color space SVM : Support Vector Machine XYZ : XYZ color space MSE : Mean Square Error PSNR : Peak Signal to Noise Ratio viii CHƢƠNG 1.1 Giới thiệu đề tài Trong những năm gần đây, các nhu cầu liên quan đến việc xử lý ảnh ngày càng phổ biến.

Từ những việc đơn giản nhƣ chỉnh độ sáng tối, cân bằng màu, thay đổi độ tƣơng phản… đến những yêu cầu cao cấp hơn nhƣ phân tách các vùng trong ảnh, khử mờ và nhiễu ảnh, lấy đối tƣợng chính trong ảnh nhằm loại bỏ nền, chỉnh sửa đối tƣợng chính theo yêu cầu. Mọi ngƣời đều muốn chất lƣợng tấm ảnh tốt nhất có thể và đặc biệt là đối tƣợng chính trong ảnh cần đƣợc quan tâm hơn cả. Trong thực tế tình trạng mờ nhiễu, các vùng màu không rõ ràng cũng nhƣ đƣờng biên đối tƣợng và nền bị lem cũng khiến ngƣời nhìn có cảm giác thẩm mỹ không tốt hay máy tính xác định không chính xác đối tƣợng trọng yếu trong ảnh. Từ đó dẫn đến các thao tác sau cũng bị ảnh hƣởng nhiều.

Cuối cùng kết quả công việc sẽ không đƣợc nhƣ ý muốn. Trên thế giới hiện nay có những kỹ thuật khử nhiễu, mờ, tách đối tƣợng chính cũng nhƣ các kỹ thuật làm rõ đối tƣợng có thể đáp ứng yêu cầu của bài toán. Những kỹ thuật khử nhiễu nhƣ median filter, image reconstruction … đều có ƣu và nhƣợc điểm cũng nhƣ đối tƣợng áp dụng khác nhau. Các kỹ thuật khử mờ dựa trên wavelet thế hệ mới nhƣ contourlet, curvelet, ridgelet … cho kết quả tốt nhƣng vẫn có những hạn chế nhất định nhƣ ảnh phải có chiều cao, rộng là 2n.