Đồ án HCMUTE: Mô phỏng hệ thống nhận dạng hình dáng vật thể trong ảnh tĩnh

• Tác giả: Bùi Đặng Khắc Hữu
• Người hướng dẫn: ThS. Lê Minh Thành
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Công Nghệ Kỹ Thuật Điện Tử-Truyền Thông
• Đề tài: Mô Phỏng Hệ Thống Nhận Dạng Hình Dáng Vật Thể Trong Ảnh Tĩnh
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2019
• Địa điểm: Thành Phố Hồ Chí Minh

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. TÌNH HÌNH NGHIÊN CỨU
• 1.2. MỤC TIÊU NGHIÊN CỨU
• 1.3. GIỚI HẠN NGHIÊN CỨU
• 1.4. BỐ CỤC ĐỒ ÁN
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. TỔNG QUAN VỀ QUÁ TRÌNH XỬ LÝ ẢNH
• 2.1.1. Khái niệm ảnh số
• 2.1.2. Sơ đồ khối quá trình xử lý ảnh
• 2.1.3. Các vấn đề cơ bản trong xử lý ảnh
• 2.2. KỸ THUẬT TÁCH BIÊN
• 2.2.1. Khái niệm về tách biên
• 2.2.2. Các phương pháp tách biên
• 2.2.2.1. Kỹ thuật phát hiện biên Canny
• 2.2.2.2. Kỹ thuật phát hiện biên Gradient
• 2.2.2.2.1. Toán tử Sobel
• 2.2.2.2.2. Toán tử Robert
• 2.2.2.3. Mặt nạ đẳng hướng
• 2.2.2.4. Toán tử 4 điểm lân cận
• 2.2.3. Kỹ thuật phát hiện biên Laplace
• 2.3. CÁC KỸ THUẬT PHÁT HIỆN VÀ PHÂN LOẠI VẬT THỂ
• 2.3.1. Phát hiện vật thể dựa vào màu sắc
• 2.3.2. Dựa vào chuyển động
• 2.3.3. Dựa vào hình dạng
• 2.3.4. Phát hiện đối tượng dựa vào cấu trúc
• 2.3.4.1. Phân đoạn cấu trúc
• 2.3.4.2. Phát hiện cạnh
• 2.4. ỨNG DỤNG CỦA PHÁT HIỆN VẬT THỂ
• 3. CHƯƠNG 3: MÔ PHỎNG HỆ THỐNG NHẬN DẠNG HÌNH DÁNG VẬT THỂ TRONG ẢNH TĨNH
• 3.1. YÊU CẦU HỆ THỐNG
• 3.2. SƠ ĐỒ KHỐI HỆ THỐNG
• 3.3. THIẾT KẾ PHẦN MỀM
• 3.4. THIẾT KẾ TỪNG KHỐI
• 3.4.1. Khối đọc ảnh
• 3.4.2. Khối chuyển ảnh màu thành ảnh xám
• 3.4.3. Khối chuyển ảnh xám thành ảnh nhị phân
• 3.4.4. Khối lấp đầy lỗ trống trong ảnh nhị phân
• 3.4.5. Khối lọc trung vị để loại bỏ nhiễu
• 3.4.6. Khối tìm các thuộc tính của ảnh
• 3.4.7. Khối nhận dạng các đối tượng trong ảnh
• 3.5. THIẾT KẾ GIAO DIỆN GUI
• 4. CHƯƠNG 4: KẾT QUẢ
• 4.1. KẾT QUẢ MÔ PHỎNG
• 4.2. MÔ PHỎNG TRÊN GIAO DIỆN GUI
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. KẾT LUẬN
• 5.2. HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

I. Giới thiệu về Nhận dạng Hình ảnh và Thị giác Máy tính

Trong lĩnh vực Trí tuệ Nhân tạo (AI), Thị giác Máy tính (Computer Vision - CV) đóng vai trò quan trọng, cho phép máy tính "nhìn" và hiểu hình ảnh như con người. Nhận dạng hình ảnh (Image Recognition) là một nhánh của CV, tập trung vào việc xác định và phân loại các vật thể trong ảnh.

Ứng dụng của nhận dạng hình ảnh:

• Xe tự lái: Nhận dạng biển báo, chướng ngại vật.
• Y tế: Phân tích hình ảnh y tế để chẩn đoán bệnh.
• Bảo mật: Nhận dạng khuôn mặt, phát hiện đối tượng bất thường.

Hạn chế:

• Nhạy cảm với nhiễu, ánh sáng, góc chụp.
• Khó khăn trong việc nhận dạng vật thể bị che khuất hoặc biến dạng.

II. Mô phỏng Hệ thống Nhận dạng Hình dáng Vật thể tại HCMUTE

Đề tài: "Mô phỏng hệ thống nhận dạng hình dáng vật thể trong ảnh tĩnh tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE)"

Mục tiêu: Xây dựng hệ thống nhận dạng hình ảnh tự động, phân loại các hình dáng vật thể cơ bản (hình tròn, hình vuông, hình tam giác) trong ảnh tĩnh.

Phương pháp:

1. Xử lý ảnh: Chuyển đổi ảnh màu sang ảnh xám, ảnh nhị phân, khử nhiễu, lấp đầy vùng trống.
2. Tách biên: Sử dụng các kỹ thuật như Canny, Sobel để xác định đường viền của vật thể.
3. Trích xuất đặc trưng: Tính toán các đặc trưng hình học (diện tích, chu vi,...) để phân loại hình dáng.
4. Phân loại: Sử dụng các thuật toán Machine Learning (ví dụ: SVM) để phân loại hình dáng dựa trên đặc trưng đã trích xuất.

III. Kết quả và Ứng dụng

Kết quả:

• Hệ thống có khả năng nhận dạng và phân loại chính xác các hình dáng vật thể cơ bản trong ảnh tĩnh với điều kiện ảnh có chất lượng tốt.
• Giao diện người dùng (GUI) được thiết kế trực quan, thân thiện.

Ứng dụng:

• Nghiên cứu khoa học: Làm nền tảng cho các nghiên cứu nâng cao về nhận dạng hình ảnh, thị giác máy tính.
• Giáo dục: Hỗ trợ giảng dạy các môn học liên quan đến xử lý ảnh, machine learning.
• Thực tế: Ứng dụng tiềm năng trong các hệ thống kiểm tra sản phẩm tự động, robot tự hành,...

IV. Hạn chế và Hướng phát triển

Hạn chế:

• Hệ thống mới chỉ nhận dạng được một số hình dáng cơ bản, số lượng vật thể giới hạn.
• Chưa xử lý được các trường hợp vật thể bị che khuất hoặc chồng lấp.
• Độ chính xác phụ thuộc vào chất lượng ảnh đầu vào.

Hướng phát triển:

• Nâng cấp hệ thống để nhận dạng được nhiều loại vật thể phức tạp hơn.
• Nghiên cứu và ứng dụng các thuật toán Deep Learning để nâng cao độ chính xác và khả năng tự học của hệ thống.
• Phát triển các ứng dụng thực tế dựa trên kết quả của đề tài.