chương 1, nhóm trình bày tổng quan về đề tài, sơ bộ về tình hình nghiên cứu ở trong nước và ngoài nước, mục tiêu và giới hạn của đề tài, sau đó là bố cục chính của đề tài. Chương 2: Cơ sở lý thuyết Trong chương 2, các lý thuyết về xử lý ảnh, mạng nơron tích chập và những lý thuyết liên quan đến đề tài sẽ được đề cập đến. Chương 3: Thiết kế mô hình hệ thống Ở chương 3, nhóm sẽ đưa ra sơ đồ khối, chức năng từng khối và hoạt động của hệ thống. Sau đó, trình bày lưu đồ giải thuật của chương trình chính và các chương trình con.
Chương 4: Kết quả thực hiện Chương 4 sẽ thể hiện kết quả của hệ thống cả phần cứng lẫn phần mềm. Sau đó, nhóm sẽ trình bày về các trường hợp khác nhau và đưa ra nhận xét về từng trường hơp, những giải pháp khi hệ thống hoạt động không chính xác. Chương 5: Kết luận và hướng phát triển Trong chương 5 nhóm sẽ trình bày về những kiến thức đã đạt được trong quá trình nghiên cứu đề tài, những ưu điểm của mô hình và những điều mô hình cần cải thiện trong tương lai để có thể áp dụng rộng rãi trong thực tế. 3 do an CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 TỔNG QUAN VỀ XỬ LÝ ẢNH 2.1 Giới thiệu Xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ.
Nó là một ngành khoa học mới so với nhiều ngành khoa học khác nhưng tốc độ phát triển đang rất nhanh, kích thích các trung tâm nghiên cứu, ứng dụng, đặc biệt là máy tính chuyên dụng riêng cho nó. Sự ra đời của xử lý ảnh và những ứng dụng của nó là rất cần thiết cho cuộc sống. Các phương pháp xử lý ảnh bắt đầu từ các ứng dụng nhằm nâng cao chất lượng bằng các phân tích được nghiên cứu trong giai đoạn thiết bị phần cứng bị hạn chế, chẳng hạn như nâng cao độ sáng hay độ phân giải của hình ảnh. Về sau, nhờ sự xuất hiện và phát triển mạnh của máy tính đã tạo điều kiện hơn nữa cho quá trình thực hiện các thuật toán xử lý ảnh.
Ứng dụng của xử lý ảnh ngày càng được mở rộng sang các lĩnh vực khác, chẳng hạn như viễn thông, điều khiển tự động, giao thông thông minh, kỹ thuật y sinh. Đặc biệt, trong các thiết bị kỹ thuật số có màn hình hiển thị luôn ưu tiên một phần tài nguyên dành cho việc xử lý hình ảnh như máy tính xách tay, camera kỹ thuật số, điện thoại thông minh, ti vi thông minh.2 Các giai đoạn xử lý ảnh Thu nhận Tiền xử Phân đoạn ảnh lý ảnh ảnh Nhận dạng Biểu diễn ảnh ảnh Hình 2.1: Các bước trong xử lý ảnh Thu nhận ảnh: Ảnh có thể nhận qua camera màu hoặc tần số 1/25, mỗi ảnh 25 dòng), cũng có loại camera đã số hoá (như loại CCD – Change Coupled Device) là loại photodiot tạo cường độ sáng tại mỗi điểm ảnh. Camera thường dùng là loại quét dòng, ảnh tạo ra có dạng hai chiều. Chất lượng một ảnh thu nhận được phụ thuộc vào thiết bị thu, vào môi trường (ánh sáng, phong cảnh).
Tiền xử lý ảnh: Sau bộ thu nhận, ảnh có thể nhiễu độ tương phản thấp nên cần đưa vào bộ tiền xử lý để nâng cao chất lượng. Chức năng chính của bộ tiền xử lý là lọc nhiễu, nâng độ tương phản để làm ảnh rõ hơn, nét hơn. 4 do an Phân đoạn ảnh: Phân đoạn ảnh là tách một ảnh đầu vào thành các vùng thành phần để biểu diễn phân tích, nhận dạng ảnh. Đây là phần phức tạp khó khăn nhất trong xử lý ảnh và cũng dễ gây lỗi, làm mất độ chính xác của ảnh.
Kết quả nhận dạng ảnh phụ thuộc rất nhiều vào công đoạn này. Biểu diễn ảnh: Đầu ra ảnh sau phân đoạn chứa các điểm ảnh của vùng ảnh (ảnh đã phân đoạn) cộng với mã liên kết với các vùng lận cận. Việc biến đổi các số liệu này thành dạng thích hợp là cần thiết cho xử lý tiếp theo bằng máy tính. Việc chọn các tính chất để thể hiện ảnh gọi là trích chọn đặc trưng (feature selection) gắn với việc tách các đặc tính của ảnh dưới dạng các thông tin định lượng hoặc làm cơ sở để phân biệt lớp đối tượng này với đối tượng khác trong phạm vi ảnh nhận được.
Ví dụ: Trong nhận dạng ký tự trên phong bì thư, chúng ta miêu tả các đặc trưng của từng ký tự giúp phân biệt ký tự này với ký tự khác. Nhận dạng ảnh: Nhận dạng ảnh là quá trình xác định ảnh. Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được học (hoặc lưu) từ trước. Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng.
Ví dụ: Một loạt chữ số và nét gạch ngang trên phong bì thư có thể được nội suy thành mã điện thoại. Có nhiều cách phân loại ảnh khác nhau về ảnh. Theo lý thuyết về nhận dạng, các mô hình toán học về ảnh được phân theo hai loại nhận dạng ảnh cơ bản: Nhận dạng theo tham số, nhận dạng theo cấu trúc. Một số đối tượng nhận dạng khá phổ biến hiện nay đang được áp dụng trong khoa học và công nghệ là: Nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản (text), nhận dạng vân tay, nhận dạng mã vạch, nhận dạng mặt người [2].3 Những khái niệm cơ bản trong xử lý ảnh [3] Điểm ảnh: Là một phần tử của ảnh số tại toạ độ (x,y) với độ xám hoặc màu nhất định.
Mỗi điểm ảnh biểu diễn một màu sắc nhất định (hay độ sáng với ảnh đen trắng) tại một điểm duy nhất. Độ phân giải: Với cùng một ảnh, càng nhiều điểm được lấy mẫu thì ảnh chụp càng chi tiết. Mật độ điểm ảnh trong một ảnh được xem như độ phân giải của chính nó. Ảnh có độ phân giải càng cao thì càng chứa nhiều thông tin.
Nói một cách chính xác, khi giữ ảnh tại cùng một kích thước vật lý thì ảnh trở nên sắc nét hơn và chi tiết hơn nếu độ phân giải cao hơn. Ảnh RGB: Ảnh này được biểu diễn bởi một ma trận ba chiều có kích thước m x n x 3, với m x n là kích thước ảnh theo điểm ảnh. Ma trận này định nghĩa các thành phần màu red, green, blue cho mỗi điểm ảnh. 5 do an Mức xám của ảnh: Là cường độ sáng của nó được gán bằng giá trị số tại điểm đó.
Các giá trị mức xám thông thường 16, 32, 64, 128, 256. Lược đồ mức xám (histogram): Là một hàm cung cấp tần số xuất hiện của mỗi mức xám trong ảnh. Biểu diễn toán học của lược đồ mức xám của một ảnh số có L = 256 mức xám là một hàm rời rạc: (p(fk) ∈ [0,1]): 𝑛𝑘 P(fk) = (1) 𝑛 Trong đó : fk là giá trị mức xám thứ k (k = 0,1,…,L-1). nk là số pixel mức xám đó.
n là tổng số pixel của ảnh. Khôi phục ảnh: Là hồi phục lại ảnh gốc so với ảnh bị biến dạng, nói cách khác là kỹ thuật cải thiện chất lượng hình ảnh ghi đảm bảo gần được như ảnh thật khi ảnh bị méo. Phân đoạn ảnh: Là công việc phân chia hay tách ảnh thành các vùng có thuộc tính giống nhau. Thuộc tính cơ bản nhất để phân đoạn là độ chói đối với ảnh đơn sắc và các thành phần màu đối với ảnh màu.2 TỔNG QUAN VỀ CÔNG NGHỆ AI 2.1 Giới thiệu Thông minh nhân tạo AI còn được gọi là trí tuệ nhân tạo, một trong những công nghệ đang được phát triển rất nhiều bởi những “gã khổng lồ” công nghệ, mục đích là để mô phỏng lại quá trình học tập, tư duy và suy nghĩ của con người để cho máy học, đặc biệt là những hệ thống máy tính lớn với khả năng xử lý cao.
Các quá trình này bao gồm học tập (máy sẽ tự thu thập và học hỏi những thông tin xung quanh, quy tắc sử dụng thông tin đó), sau đó sẽ tiến hành lập luận (lập luận, tư duy theo những quy tắc để đưa ra kết quả chính xác nhất), khả năng tự sửa lỗi. 6 do an Hình 2.2: Công nghệ AI 2.2 Một số ứng dụng của AI trong đời sống Trợ lý ảo: Trí tuệ nhân tạo giúp các trợ lý ảo linh hoạt hơn trong xử lý yêu cầu nhờ học hỏi thói quen sinh hoạt của người dùng và dự đoán cảm xúc. Ngoài ra, trợ lý còn có thể tự đưa ra các quyết định hoặc đặt lịch hẹn cho chủ nhân dựa trên tình hình giao thông, thời tiết.3: Trợ lý ảo SIRI của Apple 7 do an Trong lĩnh vực y tế: Thông qua thị giác máy tính và mạng lưới thần kinh tích chập, AI hiện có khả năng đọc quét hình ảnh cộng hưởng từ để kiểm tra khối u và sự phát triển ác tính khác của nó, với tốc độ nhanh hơn so với các bác sĩ x-quang và sai số thấp hơn đáng kể.4: AI chẩn đoán ung thư phổi Nhà thông minh: AI là tương lai của công nghệ nhà ở. Theo đó, các bộ lõi nhà thông minh có khả năng học hỏi và ghi nhớ người dùng qua lệnh giọng nói, hành vi, thói quen, sau đó kết hợp cùng xu hướng vạn vật Internet.5: Mẫu nhà thông minh mới Cube Two 8 do an 2.3 HỌC SÂU Học sâu (DL-Deep Learning) là một chủ đề của trí truệ nhân tạo (AI) và là một phạm trù nhỏ của máy học.
Học sâu tập trung giải quyết các vấn đề liên quan đến mạng nơron nhân tạo nhằm nâng cấp các công nghệ như nhận diện giọng nói, thị giác máy tính và xử lý ngôn ngữ tự nhiên. Học sâu đang trở thành một trong những lĩnh vực quan trọng trong khoa học máy tính. Chỉ trong vài năm, học sâu đã thúc đẩy tiến bộ trong đa dạng các lĩnh vực như nhận thức sự vật, dịch tự động, nhận diện giọng nói, đó là những vấn đề từng rất khó khăn với các nhà nghiên cứu trí tuệ nhân tạo. Một số ứng dụng của học sâu: - Hệ thống xử lý trên các nền tảng.
- Nhận diện hình ảnh. - Xử lý ngôn ngữ tự nhiên.4 MẠNG NƠRON TÍCH CHẬP 2.1 Tổng quan về mạng nơron tích chập Mạng Nơron tích chập (Convolutional Neural Networks) – viết tắt CNN là một trong những mô hình học sâu phổ biến nhất và có ảnh hưởng nhiều nhất trong cộng đồng thị giác máy tính. CNN được dùng trong nhiều bài toán như nhân dạng ảnh, phân tích video, ảnh MRI, hoặc cho các bài của lĩnh vực xử lý ngôn ngữ tự nhiên, và hầu hết đều giải quyết tốt các bài toán này. CNN cũng có lịch sử khá lâu đời.