Luận Văn Thạc Sĩ: Phương Pháp Tra Cứu IC Máy Tính Dựa Trên Hình Dạng Đối Tượng Trong Ảnh

Luận văn thạc sĩ nghiên cứu phương pháp tra cứu IC máy tính dựa trên hình dạng đối tượng trong ảnh, ứng dụng công nghệ xử lý hình ảnh hiện đại.

• Tác giả: Ngô Huy Cường
• Trường học: Đại học Công nghệ Thông tin và Truyền thông - Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Tra cứu IC máy tính dựa vào hình dạng đối tượng trong ảnh
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ BIỂU DIỄN HÌNH DẠNG VÀ BÀI TOÁN TRA CỨU IC
• 1.1. Khái quát về biểu diễn hình dạng
• 1.1.1. Xử lý ảnh, các vấn đề cơ bản trong xử lý ảnh
• 1.1.1.1. Xử lý ảnh là gì?
• 1.1.1.2. Các vấn đề cơ bản trong xử lý ảnh
• 1.1.2. Thu nhận và biểu diễn ảnh
• 1.1.2.1. Thu nhận, các thiết bị thu nhận ảnh
• 1.1.2.2. Biểu diễn ảnh
• 1.2. Bài toán tra cứu IC máy tính dựa vào ảnh
• 1.2.1. Sơ lược về IC
• 1.2.1.1. Khái niệm về IC - Sự kết tụ trong hệ thống điện tử
• 1.2.1.2. Các loại IC
• 2. CHƯƠNG 2: MỘT SỐ KỸ THUẬT TRA CỨU ẢNH DỰA VÀO HÌNH DẠNG
• 3. CHƯƠNG 3: CHƯƠNG TRÌNH THỰC NGHIỆM

Tóm tắt

I. Giới thiệu

Luận văn thạc sĩ này tập trung vào việc tra cứu IC máy tính thông qua hình dạng đối tượng trong ảnh. Trong bối cảnh hiện đại, ảnh máy tính đóng vai trò quan trọng trong việc cung cấp thông tin và hỗ trợ trong nhiều lĩnh vực, đặc biệt là trong khoa học và công nghệ. Việc xử lý và tra cứu hình ảnh là một thách thức lớn, khi mà khối lượng hình ảnh ngày càng tăng. Đề tài này nhằm nghiên cứu các kỹ thuật phân tích hình ảnh để tìm kiếm và nhận diện các IC máy tính dựa trên hình dạng của chúng. Luận văn được chia thành ba chương chính, mỗi chương sẽ đi sâu vào các khía cạnh khác nhau của vấn đề.

1.1. Tầm quan trọng của việc tra cứu hình ảnh

Trong thời đại công nghệ thông tin, việc tìm kiếm thông tin từ hình ảnh trở nên cần thiết hơn bao giờ hết. Hình ảnh không chỉ là phương tiện truyền tải thông tin mà còn là nguồn dữ liệu phong phú cho các nghiên cứu khoa học. Việc nhận diện đối tượng trong ảnh giúp cải thiện khả năng truy xuất thông tin, từ đó nâng cao hiệu quả trong các ứng dụng thực tiễn. Các kỹ thuật xử lý ảnh hiện đại cho phép phân tích và nhận diện hình dạng một cách chính xác, từ đó hỗ trợ cho việc tra cứu IC máy tính một cách hiệu quả.

II. Khái quát về biểu diễn hình dạng và bài toán tra cứu IC

Chương này trình bày tổng quan về biểu diễn hình dạng và các vấn đề liên quan đến tra cứu IC máy tính. Xử lý ảnh là quá trình thao tác với ảnh đầu vào để tạo ra kết quả mong muốn. Các bước cơ bản trong xử lý ảnh bao gồm thu nhận, nắn chỉnh biến dạng, khử nhiễu và trích chọn đặc điểm. Việc trích chọn đặc điểm là rất quan trọng trong việc nhận diện hình dạng, giúp cho việc nhận dạng đối tượng trở nên chính xác hơn. Các đặc điểm không gian và biến đổi được sử dụng để phân loại và nhận diện các IC máy tính trong ảnh.

2.1. Các vấn đề cơ bản trong xử lý ảnh

Xử lý ảnh bao gồm nhiều bước, từ việc thu nhận ảnh đến việc phân tích và nhận diện. Các vấn đề cơ bản trong xử lý ảnh bao gồm nắn chỉnh biến dạng, khử nhiễu và chỉnh mức xám. Việc khắc phục biến dạng và nhiễu trong ảnh là rất quan trọng để đảm bảo chất lượng ảnh đầu ra. Các kỹ thuật như nén ảnh và biểu diễn ảnh cũng đóng vai trò quan trọng trong việc tối ưu hóa không gian lưu trữ và thời gian xử lý. Đặc biệt, việc sử dụng các mô hình Raster và Vector giúp cho việc lưu trữ và hiển thị ảnh trở nên hiệu quả hơn.

III. Một số kỹ thuật tra cứu ảnh dựa vào hình dạng

Chương này tập trung vào các kỹ thuật tra cứu ảnh dựa vào hình dạng. Các phương pháp như nhận diện đối tượng tự động và phân loại thống kê được trình bày chi tiết. Việc áp dụng các kỹ thuật này vào bài toán tra cứu IC máy tính giúp nâng cao độ chính xác và hiệu quả trong việc tìm kiếm thông tin. Các phương pháp như phân loại không có mẫu và phân loại có mẫu được sử dụng để phân loại các IC dựa trên hình dạng của chúng. Hệ thống nhận dạng tự động bao gồm ba giai đoạn chính: thu nhận dữ liệu, biểu diễn dữ liệu và nhận dạng.

3.1. Kỹ thuật nhận diện tự động

Kỹ thuật nhận diện tự động là một trong những phương pháp quan trọng trong việc tra cứu IC máy tính. Hệ thống này cho phép phân loại và phân nhóm các mẫu dựa trên các đặc trưng được trích chọn. Việc sử dụng các phương pháp như đối sánh mẫu và phân loại dựa trên mạng nơ-ron nhân tạo giúp cải thiện độ chính xác trong việc nhận diện hình dạng. Các ứng dụng của kỹ thuật này không chỉ giới hạn trong lĩnh vực máy tính mà còn mở rộng ra nhiều lĩnh vực khác như y tế, an ninh và giao thông.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên vi điện tử hiện đại, sự bùng nổ của công nghệ tích hợp quy mô rất lớn (VLSI) và siêu lớn (ULSI) đã đưa mật độ linh kiện bán dẫn trên mỗi vi mạch (IC) vượt mốc 500.000 đến hơn 1.000.000 transistor. Sự gia tăng vượt bậc về chủng loại linh kiện đi kèm với kích thước vật lý thu nhỏ xuống thang đo micromét khiến công tác bảo trì, sửa chữa thiết bị phần cứng máy tính đối mặt với nhiều thách thức nghiêm trọng. Khi thiếu hụt thông tin kỹ thuật hoặc nhãn ký hiệu trên thân chip bị mờ nhạt, việc xác định đúng chủng loại IC, sơ đồ chân và điện áp làm việc bằng phương pháp thủ công tốn nhiều giờ làm việc và có tỷ lệ sai sót ước tính lên đến 30%.

Nghiên cứu này được thực hiện nhằm xây dựng một hệ thống tự động tra cứu và nhận dạng IC máy tính dựa trên đặc trưng hình dạng đối tượng trong ảnh số (Content-Based Image Retrieval - CBIR). Mục tiêu cụ thể là thiết kế quy trình trích chọn vector đặc trưng bất biến, chuẩn hóa hình học và so khớp độ tương tự ảnh nhằm giúp kỹ thuật viên nhanh chóng truy xuất thông tin datasheet, sơ đồ khối và danh mục linh kiện thay thế tương đương.

Được hoàn thành tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên vào năm 2014, nghiên cứu tập trung vào các định dạng ảnh thông dụng như JPEG, BMP, GIF và PCX. Ý nghĩa thực tiễn của công trình thể hiện ở khả năng rút ngắn khoảng 75% thời gian tra cứu thủ công, đồng thời nâng cao độ chính xác phân loại hình học vi mạch đạt trên 85%, mở ra giải pháp hỗ trợ đắc lực cho ngành công nghiệp bảo trì phần cứng điện tử.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng lý thuyết biểu diễn hình dạng đối tượng và xử lý tín hiệu số trong miền tần số. Về mặt biểu diễn hình dạng, luận văn tích hợp hai trường phái chính: tiếp cận dựa trên đường biên (Boundary-based) và tiếp cận dựa trên vùng (Region-based). Trong đó, lý thuyết chu tuyến đối tượng (Contour) trên lưới 8-láng giềng và 4-láng giềng được áp dụng để xác lập tính duy nhất của chu tuyến ngoài, ngăn ngừa hiện tượng nhiễu biên ngẫu nhiên. Đồng thời, cấu trúc trục trung vị (MAT) và mô hình xương Voronoi rời rạc (SkeDVMA) đóng vai trò làm khung tham chiếu hình học không gian nhằm phân tích cấu trúc xương của linh kiện.

Về phương pháp trích chọn đặc trưng, khung nghiên cứu sử dụng lý thuyết biến đổi Fourier rời rạc 2 chiều (2D-FFT) cải tiến từ thuật toán Scramble và Butterflies. Không gian ảnh số được chuyển đổi từ mô hình ma trận điểm ảnh Raster thông qua giao tiếp thiết bị độc lập DIB (Device Independent Bitmap) sang miền tần số số phức. Ba khái niệm then chốt được cụ thể hóa bao gồm: chu tuyến đối ngẫu, bản đồ khoảng cách Euclide (EDM) và vector chữ ký phổ 256 chiều, cho phép mô tả cô đọng toàn bộ cấu trúc hình học của thân IC và hệ thống chân tiếp xúc.

Phương pháp nghiên cứu

Nghiên cứu sử dụng tập dữ liệu thực nghiệm gồm 350 mẫu ảnh IC máy tính thuộc các chuẩn đóng gói phổ biến như DIP, SOP, QFP và BGA. Phương pháp chọn mẫu có chủ đích phân tầng được áp dụng nhằm bao phủ đa dạng các biến thể số chân từ 8 chân đến 64 chân, chụp trên nền đồng nhất và đã qua tiền xử lý khử nhiễu hệ thống.

Quy trình phân tích dữ liệu trải qua 5 bước nghiêm ngặt:

1. Đọc và giải mã dữ liệu ảnh vào cấu trúc DIBSection bằng thư viện GDI32.
2. Dò biên gián tiếp để khoanh vùng chu tuyến ngoài của đối tượng IC.
3. Chuẩn hóa hình học bằng phương pháp nội suy Nearest Neighbor về kích thước cố định 256x256 pixel nhằm thỏa mãn điều kiện lũy thừa của 2 cho thuật toán biến đổi nhanh.
4. Áp dụng biến đổi 2D-FFT để chuyển ma trận điểm ảnh thành ma trận phổ phức 256x256.
5. Phân chia ma trận độ lớn (Magnitude) thành 256 khối con kích thước 16x16, tổng hợp năng lượng từng khối để sinh ra vector đặc trưng 256 chiều và so khớp khoảng cách Euclide.

Toàn bộ quá trình nghiên cứu, lập trình thử nghiệm và đánh giá độ chính xác được triển khai trong vòng 12 tháng liên tục.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh dữ liệu đã mang lại 4 phát hiện quan trọng:

• Khả năng nén chiều dữ liệu tối ưu: Việc phân rã ma trận phổ 256x256 thành 256 khối con kích thước 16x16 giúp nén không gian lưu trữ từ 65.536 giá trị phức xuống chỉ còn 256 số thực độ chính xác kép (double). Tỷ lệ giảm kích thước dữ liệu đạt 99,6% nhưng vẫn bảo toàn đầy đủ các thành phần tần số đặc trưng cho hình dáng linh kiện.
• Độ chính xác tra cứu vượt trội: Trong tập kiểm thử 100 truy vấn ngẫu nhiên, hệ thống đạt độ chính xác nhóm 5 kết quả đầu tiên (Top-5 Precision) đạt 88,5% và độ chính xác nhóm 1 kết quả chính xác tuyệt đối (Top-1 Match) đạt 82,0%.
• Tốc độ xử lý tối ưu: Thời gian trích chọn đặc trưng và thực hiện phép biến đổi 2D-FFT trung bình chỉ mất khoảng 120 mili-giây cho mỗi mẫu ảnh 256x256, nhanh hơn 45% so với việc sử dụng phép nội suy Bicubic phức tạp.
• Khả năng phân biệt kiểu đóng vỏ: Hệ thống phân biệt hoàn hảo giữa các nhóm IC có tỷ lệ co dãn hình học (Aspect Ratio) khác nhau, đạt độ nhạy phân loại 94,2% đối với nhóm vỏ DIP dài và 91,5% đối với nhóm vỏ vuông QFP.

Thảo luận kết quả

Hiệu quả vượt trội của phương pháp 2D-FFT bắt nguồn từ đặc tính bất biến đối với các chi tiết bề mặt nhỏ. Trong miền tần số, phần lớn năng lượng hình dạng tập trung ở các tần số thấp biểu thị thân vi mạch, trong khi các tần số cao phân bố đều đặn tương ứng với chu kỳ của hàng chân IC. Do đó, các vết xước ngẫu nhiên, bụi bẩn hoặc chữ in mờ trên lưng IC không làm sai lệch vector đặc trưng 256 chiều.

Khi so sánh với phương pháp tra cứu dựa trên biểu đồ màu (Color Histogram) vốn chỉ đạt độ chính xác khoảng 52% do phần lớn thân IC đều mang màu đen hoặc xám, phương pháp dựa vào hình dạng Fourier đã nâng cao hiệu suất thêm 36,5%. Kết quả tra cứu có thể được trực quan hóa sinh động thông qua biểu đồ đường cong Precision-Recall (Độ chính xác - Độ bao phủ) và bảng ma trận nhầm lẫn (Confusion Matrix) giữa 4 phân lớp vỏ vi mạch, chứng minh tính ổn định cao của giải thuật so khớp khoảng cách Euclide.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và mở rộng khả năng ứng dụng thực tiễn của công trình, 4 giải pháp trọng tâm được khuyến nghị thực hiện:

• Tích hợp mạng nơ-ron tích chập (CNN) kết hợp đặc trưng Fourier: Nhóm nghiên cứu tại các trường đại học và viện công nghệ cần phối hợp triển khai mô hình lai (Hybrid System) nhằm nâng tỷ lệ nhận dạng chính xác lên trên 96,5%, hoàn thành trong lộ trình 12 tháng.
• Mở rộng cơ sở dữ liệu mẫu vi mạch lên quy mô 10.000 linh kiện: Các hiệp hội kỹ thuật điện tử và trung tâm sửa chữa phần cứng cần đóng góp hình ảnh thực tế, bổ sung các mẫu IC công nghiệp, chip dán vi mô và module bán dẫn chuyên dụng trong vòng 18 tháng tới.
• Xây dựng ứng dụng di động nhận dạng thời gian thực: Đội ngũ kỹ sư phần mềm cần phát triển ứng dụng di động cho phép kỹ thuật viên chụp ảnh trực tiếp qua camera smartphone, xử lý trích xuất và hiển thị sơ đồ mạch trong thời gian dưới 200 mili-giây, triển khai trong giai đoạn 6 đến 9 tháng.
• Chuẩn hóa quy trình tiền xử lý phân đoạn ảnh trên vi xử lý đồ họa (GPU): Tận dụng năng lực tính toán song song của GPU để thực thi thuật toán làm mảnh và 2D-FFT, nâng thông lượng xử lý lên 200 truy vấn mỗi giây nhằm phục vụ các dây chuyền kiểm định linh kiện tự động.

Đối tượng nên tham khảo luận văn

• Kỹ thuật viên sửa chữa phần cứng và thiết bị điện tử: Nắm bắt phương pháp tra cứu nhanh thông số kỹ thuật, sơ đồ khối chân và linh kiện thay thế tương thích cho các thiết bị máy tính, máy văn phòng và đồ điện tử gia dụng khi bị mất nhãn mác.
• Sinh viên và học viên cao học chuyên ngành Khoa học máy tính, Kỹ thuật phần mềm: Sử dụng làm tài liệu tham khảo chuyên sâu về các giải thuật xử lý ảnh kinh điển, cấu trúc dữ liệu DIB, biến đổi Fourier 2 chiều và kỹ thuật lập chỉ mục không gian R-tree.
• Kỹ sư nghiên cứu và phát triển (R&D) hệ thống thị giác máy: Ứng dụng mô hình trích xuất đặc trưng hình học vào các hệ thống kiểm tra quang học tự động (AOI) trên dây chuyền sản xuất bo mạch in SMT.
• Giảng viên giảng dạy học phần Xử lý ảnh và Nhận dạng mẫu: Khai thác nội dung luận văn làm giáo trình case-study thực tế, minh họa cách kết hợp giữa lý thuyết toán học không gian và bài toán công nghệ thông tin ứng dụng.

Câu hỏi thường gặp

Tại sao nghiên cứu ưu tiên trích xuất đặc trưng hình dạng thay vì đặc trưng màu sắc? Hầu hết các linh kiện IC máy tính đều được chế tạo từ vật liệu vỏ nhựa epoxy hoặc gốm màu đen mờ, chân kim loại màu bạc. Sự thiếu vắng độ tương phản màu sắc khiến các giải thuật phân vùng màu chỉ đạt hiệu quả dưới 55%. Ngược lại, số lượng chân, khoảng cách bước chân và tỷ lệ khung bao hình học là những dấu hiệu nhận diện độc bản đạt độ tin cậy trên 90%.

Biến đổi Fourier nhanh 2D-FFT mang lại ưu điểm gì cho bài toán tra cứu ảnh vi mạch? Biến đổi 2D-FFT chuyển đổi thông tin phân bố không gian sang miền phổ tần số, giúp gom các đặc tính chu kỳ lặp lại của chân IC vào các thành phần tần số xác định. Phương pháp này có khả năng lọc bỏ nhiễu bề mặt, kháng biến dạng nhẹ và nén ma trận ảnh 256x256 về vector đặc trưng 256 phần tử mà không làm mất thông tin biên cốt lõi.

Phương pháp nội suy Nearest Neighbor có làm suy giảm chất lượng nhận dạng không? Mặc dù phép nội suy Nearest Neighbor có độ mịn đường nét thấp hơn Bicubic, việc đưa ma trận ảnh về chuẩn 256x256 phục vụ mục đích chính là đồng bộ kích thước đầu vào cho thuật toán FFT. Thực nghiệm cho thấy sai số hình học sau khi lấy mẫu chỉ dưới 2,1%, hoàn toàn nằm trong biên độ dung sai cho phép của bộ trích chữ ký hình dạng.

Hệ thống xử lý thế nào khi ảnh IC mẫu bị xoay hoặc đặt nghiêng góc chụp? Hệ thống sử dụng cơ chế chuẩn hóa xoay bằng cách xác định trục chính, trục phụ và tỷ lệ độ lệch tâm của hình chữ nhật bao quanh đối tượng. Đồng thời, quá trình lập chỉ mục lưu trữ 4 trạng thái quay 180 độ và lật gương đối xứng, cho phép thuật toán tính toán độ tương đồng chính xác ngay cả khi góc đặt linh kiện bị đảo ngược.

Hạn chế lớn nhất của mô hình thực nghiệm trong luận văn là gì? Hạn chế chính là hệ thống mới tối ưu trên các ảnh chụp đơn đối tượng với nền màu đồng nhất và biên tương đối đơn giản. Khi linh kiện nằm trên bo mạch thực tế có nền mạch in phức tạp chứa đường mạch đồng và linh kiện phụ trợ xung quanh, tỷ lệ trích đúng chu tuyến giảm khoảng 15%, đòi hỏi thuật toán phân đoạn nền thích nghi cao cấp hơn.

Kết luận

• Công trình đã hệ thống hóa toàn diện các lý thuyết xử lý ảnh số, biểu diễn hình dạng biên, trục trung vị Voronoi và kỹ thuật biến đổi phổ tần số phục vụ bài toán truy hồi dữ liệu đa phương tiện.
• Đề xuất và hiện thực hóa thành công quy trình trích xuất vector đặc trưng chữ ký 256 chiều từ ma trận 2D-FFT kích thước 256x256 qua phân rã 16x16 khối.
• Đạt hiệu năng tìm kiếm ấn tượng với độ chính xác Top-5 đạt 88,5% và thời gian phản hồi trung bình chỉ 120 mili-giây trên tập dữ liệu thực nghiệm.
• Xây dựng phần mềm thử nghiệm trực quan, liên kết trực tiếp cấu trúc dữ liệu DIBSection của hệ điều hành với cơ sở dữ liệu tra cứu linh kiện điện tử.
• Thiết lập lộ trình mở rộng quy mô dữ liệu và nâng cấp giải thuật học sâu trong vòng 12 đến 18 tháng tới.

Hãy tải ngay toàn văn tài liệu hoặc liên hệ với tác giả để tiếp cận mã nguồn giải thuật 2D-FFT, tập dữ liệu thực nghiệm và bộ công cụ nhận dạng vi mạch máy tính chuyên dụng.

Trích đoạn nội dung tài liệu

Đặt vấn đề Trong thực tế, IC vô cùng đa dạng và phong phú. Với sự phát triển nhanh chóng của tiến bộ khoa học kỹ thuật cùng với giá thành ngày càng rẻ, các thiết bị điện tử (máy tính, máy thu thanh, máy thu hình, đầu đĩa.) có mặt tại hầu hết các gia đình. Tuy xuất hiện nhiều chủng loại của nhiều hãng khác nhau, nhƣng nhìn chung, các bo mạch dùng trong các thiết bị điện tử ngày càng nhỏ gọn do khâu thiết kế đã tích hợp nhiều chức năng trên cùng một vi mạch (IC), dẫn đến việc sửa chữa, bảo trì ngày càng khó khăn nếu không có các thông tin liên quan đến các IC này. Xuất phát trong hoàn cảnh đó em chọn đề tài “Tra cứu IC máy tính dựa vào hình dạng đối tƣợng trong ảnh” nhằm nghiêm cứu một số kỹ thuật tra cứu ảnh dựa Số hóa bởi Trung tâm Học liệu http://www.vn/ 20 vào hình dạng.

Trên cơ sở kiến thức đƣợc hệ thống hóa, áp dụng cho bài toán tra cứu IC máy tính. Đặc trưng của IC Vi mạch tích hợp, hay vi mạch, hay mạch tích hợp (Integrated Circuit, gọi tắt IC, còn gọi là chip theo thuật ngữ tiếng Anh) là các mạch điện chứa các linh kiện bán dẫn (nhƣ Transistor) và linh kiện điện tử thụ động (nhƣ điện trở) đƣợc kết nối với nhau, kích thƣớc cỡ micrômét (hoặc nhỏ hơn) chế tạo bởi công nghệ Silicon cho lĩnh vực điện tử học. Các vi mạch tích hợp đƣợc thiết kế để đảm nhiệm một chức năng nhƣ một linh kiện phức hợp. Một mạch tích hợp sẽ giúp giảm kích thƣớc của mạch điện đi rất nhiều, bên cạnh đó là độ chính xác tăng lên.

IC là một phần rất quan trọng của các mạch logic. Có nhiều loại IC, lập trình đƣợc và cố định chức năng, không lập trình đƣợc. Mỗi IC có tính chất riêng về nhiệt độ, điện thế giới hạn, công suất làm việc, đƣợc ghi trong bảng thông tin (Datasheet) của nhà sản xuất. Hiện nay, công nghệ Silicon đang tính tới những giới hạn của vi mạch tích hợp và các nhà nghiên cứu đang nỗ lực tìm ra một loại vật liệu mới có thể thay thế công nghệ Silicon này.

Phương pháp tra cứu IC Do muốn tập trung giới thiệu nhiều thông tin nhất nhƣng vẫn đầy đủ các tham số về điện nên không đi sâu vào việc phân tích họat động của từng IC mà chỉ giới thiệu những đặc tính điện cần và đủ để giúp các bạn có thể hiểu, phát hiện hƣ hỏng cũng nhƣ thay thế đƣợc IC, mà trong tình hình hiện tại của Việt Nam, chuyện IC hỏng hóc là việc rất thƣờng gặp. Một khi có đƣợc những thông tin về IC nhƣ: Sơ đồ khối hoạt động của vi mạch, chức năng, điện áp cung cấp của từng chân, cũng nhƣ các IC thay thế, các bạn có thể dễ dàng sửa chữa cũng nhƣ, nếu không có IC thay thế, bạn có thể sử dụng IC khác "độ lại" thì cũng thuận lợi cho các bạn hơn. Từ những thực tế trên đặt ra một bài toán tra cứu ảnh IC nhƣ sau: Tìm trong một cơ sở dữ liệu ảnh IC những ảnh ( hình dạng, kết cấu) giống với một ảnh IC mẫu nhất, sau đó sắp xếp theo thứ tự giảm dần của độ tƣơng tự. Số hóa bởi Trung tâm Học liệu http://www.vn/ 21 CHƢƠNG II MỘT SỐ KỸ THUẬT TRA CỨU ẢNH DỰA VÀO HÌNH DẠNG 2.

Biểu diễn hình dạng đối tƣợng Các phƣơng pháp biểu diễn hình dạng phổ biến nhất là dựa trên việc sử dụng các điểm biên hình dạng và điểm vùng. Biểu diễn hình dạng cũng có thể đƣợc phân biệt giữa miền không gian và miền đặc trƣng. Phƣơng pháp trong miền không gian so sánh các hình dạng dựa trên điểm (hoặc điểm đặc trƣng) cơ sở, còn phƣơng pháp miền đặc trƣng so sánh các hình dạng dựa trên đặc trƣng Vector cơ sở. Một cách phân loại các kỹ thuật biểu diễn hình dạng khác là dựa trên cơ sở bảo quản thông tin.

Phƣơng pháp cho phép xây dựng lại chính xác một hình dạng từ mô tả của nó đƣợc gọi là lƣu trữ thông tin (Information Preserving – IP), còn phƣơng pháp chỉ có khả năng xây dựng lại một phần hoặc mô tả không rõ ràng đƣợc gọi là sự không lƣu trữ thông tin (Non Information Preserving – NIP). Các phƣơng pháp biểu diễn hình dạng đƣợc phân loại theo các cấp bậc, đầu tiên phƣơng pháp phân loại dựa trên đƣờng biên và phƣơng pháp phân loại dựa trên vùng căn cứ vào đặc trƣng hình dạng đƣợc trích chọn từ đƣờng biên hay toàn bộ các phân vùng hình dạng. Trong mỗi lớp, các phƣơng pháp khác nhau đƣợc tiếp tục phân biệt thành cấu trúc và toàn cục dựa vào việc hình dạng đƣợc biểu diễn theo toàn bộ hay theo các thành phần con. Sau đó, tiếp tục phân chia các phƣơng pháp cụ thể nhƣ mô tả trong hình 2.

Số hóa bởi Trung tâm Học liệu http://www.1: Phân loại các kỹ thuật mô tả hình dạng 2. Kỹ thuật dựa vào biểu diễn biên đối tượng Kỹ thuật xử lý hình dạng dựa trên biên đối tƣợng chỉ khai thác thông tin trên biên. Có hai loại phƣơng pháp tiếp cận khác nhau cho kỹ thuật dựa trên biên đối tƣợng: Phƣơng pháp tiếp cận liên tục hay toàn cục và phƣơng pháp tiếp cận rời rạc theo cấu trúc. Phƣơng pháp tiếp cận liên tục không phân chia hình dạng thành các phần mà sử dụng một Vector đặc trƣng có nguồn gốc từ đƣờng biên để mô tả hình dạng.

Thƣớc đo sự giống nhau về hình dạng là dựa trên sự đối sánh các điểm đặc biệt hoặc dựa trên đặc trƣng. Phƣơng pháp tiếp cận rời rạc chia đƣờng biên thành các đoạn bằng cách sử dụng một tiêu chuẩn cụ thể. Biểu diễn cuối cùng thƣờng là một chuỗi hoặc một đồ thị (hoặc cây – Tree), các biện pháp tƣơng tự đƣợc thực hiện bằng cách kết hợp chuỗi hoặc đồ thị một cách phù hợp. Số hóa bởi Trung tâm Học liệu http://www.

Kỹ thuật biểu diễn hình dạng dựa trên vùng Trong phƣơng pháp biểu diễn dựa trên vùng phải kể đến tất cả Pixel trong vùng hình dạng thu đƣợc trong biểu diễn hình dạng. Phƣơng pháp biểu diễn vùng thƣờng sử dụng các Moment để mô tả hình dạng. Một số phƣơng pháp khác thƣờng sử dụng gồm: phƣơng pháp lƣới, bề mặt lồi và trục trung vị. Biểu diễn hình dạng dựa trên vùng xem xét đến toàn bộ vùng hình dạng và sử dụng hiệu quả thông tin của toàn bộ Pixel chứa trong vùng.

Những phƣơng pháp này đo sự phân phối Pixel của vùng hình dạng, chúng ít có khả năng giả tạo bởi nhiễu và biến dạng. Phƣơng pháp vùng phổ biến là những phƣơng pháp Moment. Ở mức thấp thứ tự Moment hay bất biến Moment mang theo những ý nghĩa vật lý kết hợp với sự phân phối Pixel. Tuy nhiên nó rất khó khăn để kết hợp thứ tự Moment cao hơn với sự giải thích vật lý.

Phƣơng pháp lƣới là dựa trên khả năng trực quan quan sát hình dạng, nó không phản ánh sự thống kê phân bổ của vùng hình dạng và bị ảnh hƣởng bởi nhiễu và không cô đọng nhƣ bất biến Moment. Kỹ thuật dựa vào biểu diễn xƣơng đối tƣợng Xƣơng đƣợc coi nhƣ hình dạng cơ bản của một đối tƣợng, với số ít các điểm ảnh cơ bản. Ta có thể khôi phục các thông tin về hình dạng nguyên bản của một đối tƣợng thông qua xƣơng. Một định nghĩa xúc tích về xƣơng dựa trên tính continum (tƣơng tự nhƣ hiện tƣợng cháy đồng cỏ) đƣợc đƣa ra bởi Blum vào năm 1976 nhƣ sau: Giả thiết rằng đối tƣợng là đồng nhất đƣợc phủ bởi cỏ khô và sau đó dựng lên một vòng biên lửa.

Xƣơng đƣợc định nghĩa nhƣ nơi gặp của các vệt lửa và tại đó chúng đƣợc dập tắt [2]. Số hóa bởi Trung tâm Học liệu http://www.2: Ví dụ về ảnh và xương Có một số định nghĩa toán học khác nhau về xƣơng trong các tài liệu kỹ thuật và có nhiều thuật toán khác nhau cho tính toán chúng. Trong các tài liệu kỹ thuật, khái niệm về xƣơng và trục trung vị thƣờng đƣợc sử dụng thay thế cho nhau ở một số tác giả, trong khi một số tác giả khác lại xem chúng chỉ liên quan với nhau mà không giống nhau. Tƣơng tự, các khái niệm về tìm xƣơng và làm mảnh cũng đƣợc coi là nhƣ nhau với một số tác giả và khác nhau đối với một số tác giả khác.

Xƣơng đƣợc sử dụng nhiều trong lĩnh vực ứng dụng máy tính, phân tích hình ảnh, xử lý hình ảnh số, bao gồm nhận dạng ký tự quang học, nhận dạng vân tay, kiểm tra thị giác, nhận dạng mẫu, nén ảnh nhị phân. Phƣơng pháp tìm xƣơng luôn là chủ đề nghiên cứu trong xử lý ảnh những năm gần đây. Mặc dù có những nỗ lực cho việc phát triển các thuật toán tìm xƣơng, nhƣng các phƣơng pháp đƣợc đƣa ra đều bị mất mát thông tin. Có thể chia thành 2 loại thuật toán tìm xƣơng cơ bản: - Các thuật toán tìm xƣơng dựa trên làm mảnh.

- Các thuật toán tìm xƣơng không dựa trên làm mảnh. Phương pháp tìm xương dựa trên làm mảnh Làm mảnh thông thƣờng là bƣớc chuẩn bị cho các bƣớc tiếp theo xử lý một đối tƣợng của ảnh. Các bƣớc tiếp theo làm việc dựa trên các thuộc tính cần thiết của xƣơng. Thuật toán làm mảnh ảnh số nhị phân là một trong các thuật toán quan trọng trong xử lý hình ảnh và nhận dạng.

Xƣơng chứa những thông tin bất biến về cấu trúc của ảnh, giúp cho quá trình nhận dạng hoặc Vector hóa sau này. Số hóa bởi Trung tâm Học liệu http://www.vn/ 25 Thuật toán làm mảnh là quá trình lặp duyệt và kiểm tra tất cả các điểm thuộc đối tƣợng. Trong mỗi lần lặp tất cả các điểm đối tƣợng sẽ đƣợc kiểm tra: Nếu nhƣ chúng thỏa mãn điều kiện xóa nào đó tùy thuộc vào mỗi thuật toán thì nó sẽ bị xóa đi. Quá trình cứ lặp lại cho đến khi không còn điểm biên nào đƣợc xóa.

Đối tƣợng đƣợc bóc dần lớp biên cho đến khi nào bị thu mảnh lại chỉ còn các điểm biên. Về làm mảnh ta cần lƣu ý: Không phải tất cả các đối tƣợng đều có thể làm mảnh. Làm mảnh chỉ hữu dụng với các đối tƣợng là đƣờng, nghĩa là chúng chỉ thẳng hoặc cong và nó không có tác dụng với các đối tƣợng có hình dạng đóng hoặc một vùng. Một số thuật toán làm mảnh: Thuật toán làm mảnh song song: Các điểm đƣợc xử lý cùng một lúc.

Giá trị của mỗi điểm sau một lần lặp chỉ phụ thuộc vào giá trị của các láng giềng bên cạnh (thƣờng là 8 láng giềng) mà giá trị của các điểm này đã đƣợc xác định trong một lần lặp trƣớc đó.