Nghiên Cứu Phương Pháp Tra Cứu Ảnh Sử Dụng Cây Dấu Hiệu

Chuyên khảo phân tích Nghiên cứu phương pháp tra cứu ảnh sử dụng các cây dấu hiệu, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Lê Thị Hà
• Người hướng dẫn: TS. Nguyễn Hữu Quỳnh
• Trường học: Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên Cứu Phương Pháp Tra Cứu Ảnh Dựa Vào Cây Dấu Hiệu
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: Thái Nguyên

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Phương Pháp Tra Cứu Ảnh

Nghiên cứu phương pháp tra cứu ảnh dựa vào cây dấu hiệu là một lĩnh vực quan trọng trong công nghệ thông tin. Với sự phát triển nhanh chóng của công nghệ, nhu cầu tìm kiếm ảnh tương tự trong cơ sở dữ liệu lớn ngày càng gia tăng. Phương pháp này không chỉ giúp tối ưu hóa quá trình tìm kiếm mà còn nâng cao độ chính xác trong việc nhận diện hình ảnh.

1.1. Định Nghĩa Phương Pháp Tra Cứu Ảnh

Phương pháp tra cứu ảnh là quá trình tìm kiếm và lấy lại hình ảnh từ cơ sở dữ liệu dựa trên nội dung của chúng. Các phương pháp này thường sử dụng các đặc trưng như màu sắc, kết cấu và hình dạng để so sánh và tìm kiếm.

1.2. Lịch Sử Phát Triển Của Phương Pháp Tra Cứu Ảnh

Lịch sử phát triển của phương pháp tra cứu ảnh bắt đầu từ những năm 1990 với sự ra đời của các hệ thống như QBIC. Những cải tiến trong công nghệ đã dẫn đến sự phát triển của các thuật toán phức tạp hơn, giúp nâng cao hiệu quả tra cứu.

II. Vấn Đề Trong Tra Cứu Ảnh Dựa Vào Cây Dấu Hiệu

Mặc dù có nhiều tiến bộ, nhưng việc tra cứu ảnh vẫn gặp phải nhiều thách thức. Các vấn đề như độ chính xác thấp, thời gian tìm kiếm lâu và khả năng mở rộng của hệ thống là những yếu tố cần được giải quyết.

2.1. Độ Chính Xác Trong Tra Cứu Ảnh

Độ chính xác là một trong những vấn đề lớn nhất trong tra cứu ảnh. Nhiều hệ thống hiện tại vẫn chưa đạt được độ chính xác mong muốn, dẫn đến việc trả về kết quả không liên quan.

2.2. Thời Gian Tìm Kiếm Dài

Thời gian tìm kiếm là một yếu tố quan trọng trong trải nghiệm người dùng. Các thuật toán hiện tại đôi khi không đủ nhanh để xử lý các yêu cầu trong thời gian thực.

III. Phương Pháp Sử Dụng Cây Dấu Hiệu Trong Tra Cứu Ảnh

Cây dấu hiệu (S-tree) là một trong những phương pháp hiệu quả nhất trong việc tra cứu ảnh. Phương pháp này cho phép tổ chức và tìm kiếm dữ liệu một cách nhanh chóng và hiệu quả.

3.1. Cấu Trúc Cây Dấu Hiệu

Cây dấu hiệu được xây dựng dựa trên các đặc trưng của ảnh, cho phép phân loại và tổ chức dữ liệu một cách hợp lý. Cấu trúc này giúp tối ưu hóa quá trình tìm kiếm.

3.2. Thuật Toán Tìm Kiếm Trên Cây Dấu Hiệu

Thuật toán tìm kiếm trên cây dấu hiệu cho phép tìm kiếm nhanh chóng các ảnh tương tự bằng cách so sánh các đặc trưng đã được lưu trữ trong cây.

IV. Ứng Dụng Thực Tiễn Của Phương Pháp Tra Cứu Ảnh

Phương pháp tra cứu ảnh dựa vào cây dấu hiệu đã được áp dụng trong nhiều lĩnh vực khác nhau, từ an ninh đến giải trí. Những ứng dụng này cho thấy tính khả thi và hiệu quả của phương pháp.

4.1. Ứng Dụng Trong An Ninh

Trong lĩnh vực an ninh, phương pháp này được sử dụng để nhận diện khuôn mặt và phát hiện các hành vi bất thường trong video giám sát.

4.2. Ứng Dụng Trong Giải Trí

Trong ngành giải trí, phương pháp tra cứu ảnh giúp người dùng tìm kiếm và phân loại hình ảnh trong các thư viện ảnh lớn, nâng cao trải nghiệm người dùng.

V. Kết Luận Về Nghiên Cứu Phương Pháp Tra Cứu Ảnh

Nghiên cứu phương pháp tra cứu ảnh dựa vào cây dấu hiệu mở ra nhiều cơ hội mới trong việc phát triển các hệ thống tra cứu ảnh hiệu quả hơn. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều cải tiến đáng kể.

5.1. Tương Lai Của Phương Pháp Tra Cứu Ảnh

Tương lai của phương pháp tra cứu ảnh sẽ tập trung vào việc cải thiện độ chính xác và tốc độ tìm kiếm, đồng thời mở rộng khả năng ứng dụng trong nhiều lĩnh vực khác nhau.

5.2. Các Hướng Nghiên Cứu Tiếp Theo

Các nghiên cứu tiếp theo sẽ tập trung vào việc phát triển các thuật toán mới và cải tiến các phương pháp hiện tại để đáp ứng nhu cầu ngày càng cao của người dùng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TỔNG QUAN VỀ TRA CỨU ẢNH DỰA VÀO NỘI DUNG 1. Đặc trưng Đặc trưng được xác định như một hàm của một hoặc nhiều phép đo, mỗi phép đo chỉ rõ một số thuộc tính của một đối tượng và được tính toán sao cho nó định lượng một số đặc trưng tính chính của đối tượng. Các đặc trưng được sử dụng hiện nay được phân lớp như sau: - Các đặc trưng chung: Các đặc trưng độc lập ứng dụng như màu, kết cấu và hình dạng. Theo mức trừu tượng, chúng có thể được chia tiếp thành: + Các đặc trưng mức pixel: các đặc trưng được tính tại mỗi pixel (màu, vị trí) + Các đặc trưng cục bộ: các đặc trưng được tính trên các kết quả của chia nhỏ ảnh dựa vào phát hiện biên hoặc phân đoạn ảnh.

+ Các đặc trưng toàn cục: các đặc trưng được tính trên toàn bộ ảnh. - Các đặc trưng lĩnh vực cụ thể: Các đặc trưng phụ thuộc ứng dụng như mặt người, vân tay và các đặc trưng nhận thức. Các đặc trưng này thường được tổng hợp hoặc suy diễn từ các đặc trưng mức thấp cho một lĩnh vực cụ thể. Mặt khác, tất cả các đặc trưng có thể được phân lớp thô thành các đặc trưng mức thấp và các đặc trưng mức cao.

Các đặc trưng mức thấp có thể được trích rút trực tiếp từ các ảnh gốc, trong khi trích rút các đặc trưng mức cao phải dựa trên các đặc trưng mức thấp [1,2, 4]. - Đặc trưng màu: Màu có vai trò quan trọng trong tra cứu ảnh dựa vào đặc trưng thị giác. Các màu có thể được biểu diễn trong các không gian màu khác nhau như RGB, HSV,. Màu là một trong những đặc trưng quan trọng nhất được con người sử dụng để nhận dạng và phân biệt các đối tượng trực quan.

Tuy nhiên, con 5 người chỉ ra khả năng tự nhiên của việc sử dụng các mức đặc tả màu khác nhau trong các ngữ cảnh khác nhau. Chẳng hạn, con người mô tả một quả táo màu đỏ, có thể ngụ ý một số loại màu đỏ. Nhưng trong ngữ cảnh mô tả màu của một chiếc ô tô, một người có thể chọn cụ thể hơn thay vì sử dụng các thuật ngữ “đỏ, đen” hoặc nâu sẫm. Trích rút màu bằng máy tính được thực hiện không theo ngữ cảnh.

Thiếu tri thức cũng tạo ra sự khó khăn để lựa chọn thông tin màu từ sự sai lệch màu. Nhìn chung, hình thức màu của các đối tượng thế giới thực bị biến đổi bởi kết cấu bề mặt, ánh sáng, hiệu ứng bóng và các điều kiện quan sát. Các hệ thống cơ sở dữ liệu ảnh sử dụng tra cứu theo màu phải dựa vào các vẫn đề phân tích ảnh màu tự động. - Đặc trưng kết cấu: Kết cấu là tập các điểm trong một vùng thỏa mãn ràng buộc hay qui luật nào đó.

Đặc trưng này rất quan trọng cho tra cứu ảnh. Về cơ bản, các phương pháp biểu diễn kết cấu có thể được chia thành hai loại: Các phương pháp cấu trúc và các phương pháp thống kê. Các toán tử được dùng phát hiện cấu trúc bao gồm các toán tử hình thái và đồ thị liền kề xác định các kết cấu cơ sở và luật phân bố của chúng. Các phương pháp thống kê bao gồm: Phương pháp phổ năng lượng Fourier, ma trận đồng hiện, Tamura, Phân tích Wold, trường ngẫu nhiên Markov, mô hình fractal, các bộ lọc đa phân giải như biến đổi Gabor và biến đổi dạng sóng.

thể hiện kết cấu bằng sự phân bố thống kê của độ sáng của các điểm ảnh. - Đặc trưng hình dạng: Các đặc trưng hình dạng có quan hệ chặt chẽ với mô tả vùng hoặc các đối tượng được phân đoạn. Đặc trưng hình dạng được trích rút từ các đường bao đối tượng hoặc vùng chứa đối tượng. Trích rút và biểu diễn đặc trưng Dữ liệu ảnh thô không được sử dụng trực tiếp trong hầu hết các hệ thống thị giác máy vì hai lý do: Thứ nhất, tốn nhiều không gian để lưu trữ ảnh và độ phức tạp tính toán lớn.

Thứ hai, nhiều thông tin của ảnh là dư thừa và không 6 hữu ích. Thay vì sử dụng toàn bộ ảnh, chúng ta chỉ cần sử dụng một biểu diễn quan trọng nhất. Bước tìm biểu diễn được gọi là trích rút đặc trưng và kết quả của biểu diễn là véc tơ đặc trưng. Trích rút đặc trưng có thể xem như việc ánh xạ ảnh từ không gian ảnh sang không gian đặc trưng.Trích rút và biểu diễn đặc trưng màu Màu của một ảnh được biểu diễn thông qua một số mô hình màu.

Các mô hình màu đã có dùng để mô tả thông tin màu. Một mô hình màu được đặc tả dưới dạng hệ thống tọa độ ba chiều và và mỗi màu được biểu diễn bằng một điểm (một khối con trong hệ thống đó). Các mô hình màu được sử dụng phổ biến là RGB (Red, Green, Blue), HSV (Hue, Saturation, Value) và Y, Cb, Cr. Vì thế nội dung màu được đặc tả bởi 3 kênh màu từ mô hình màu nào đó.

Một biểu diễn của nội dung màu của ảnh là lược đồ màu. Về mặt thống kế, nó biểu thị xác suất kết hợp của các cường độ 3 kênh màu. Màu được con người cảm nhận bằng một sự kết hợp của ba kích thích màu: Red, Green, Blue nó tạo ra một không gian màu (Hình 1). Các màu RGB được gọi là các màu chính và cộng tính.

Bằng việc thay đổi các kết hợp của chúng, chúng ta có thể thu được các màu khác. Không gian màu RGB và HSV. 7 Biểu diễn của không gian HSV (Hình 1) được bắt nguồn từ khối không gian lập phương RGB với đường chéo chính của mô hình RGB, là trục thẳng đứng trong HSV. Sắc màu (saturation) thay đổi từ 0.0, các màu thay đổi từ không có sắc màu (xám) đến sắc màu (không có thành phần trắng).

Màu (Hue) có phạm vi từ 0 đến 360 độ, bắt đầu là đỏ đến vàng, xanh lá cây, lục lam, xanh nước biển và quay lại đỏ. Các không gian màu này tương ứng với mô hình RGB từ đó chúng có thể có nguồn gốc từ các biến đổi tuyến tính hoặc phi tuyến. Không gian màu YCbCr được sử dụng trong các chuẩn mã quốc tế JPEG và MPEG. Trong MPEG-7 không gian màu YCbCr được xác định bởi: Với một ảnh ba kênh màu, sẽ có ba lược đồ màu như thế.

Các lược đồ được chia thành các bin trong một nỗ lực để biểu diễn thô nội dung và giảm chiều của pha đối sánh tiếp theo. Sau đó một véc tơ đặc trưng được ta ra bằng việc kết nối ba kênh màu thành một véc tơ. Với tra cứu ảnh, lược đồ của ảnh truy vấn được đối sánh với lược đồ của tất cả các ảnh trong cơ sở dữ liệu sử dụng độ đo nào đó. Các mô tả màu của các ảnh có thể là cục bộ hoặc toàn cục và gồm một số mô tả lược đồ và các mô tả màu được biểu diễn bởi các mô men màu, các véc tơ gắn kết màu và các tương quan màu [3, 5].

Lược đồ màu mô tả phân bố của các màu trong toàn bộ hoặc trong một vùng quan tâm của ảnh. Lược đồ là bất biến với quay, dịch chuyển và tỉ lệ của một đối tượng nhưng lược đồ không chứa thông tin ngữ nghĩa và hai ảnh với các lược đồ màu tương tự có thể có các nội dung khác nhau. Một lược đồ màu H của một ảnh đã cho được xác định bằng véc tơ H={h[1], h[2],…h{i},…h[N]} trong đó I biểu diễn một màu trong lược đồ 8 màu, h[i] là số các pixel có màu I trong ảnh đó và N là cố các bin trong lược đồ màu (tức số các màu trong mô hình màu được dùng). Để so sánh các ảnh có cỡ khác nhau, các lược đồ màu nên được chuẩn hóa.

Lược đồ màu được chuẩn hóa H’ được xác định với h’[i]=h[i]/XY, ở đây XY là tổng số các pixel trong một ảnh (các biến còn lại được xác định như chưa chuẩn hóa). Độ đo độ tương tự chuẩn được sử dụng cho các lược đồ màu: - Một lược đồ H(i) được sinh ra cho mỗi ảnh h trong cơ sở dữ liệu (véc tơ đặc trưng). - Lược đồ được chuẩn hóa sao cho tổng của nó bằng nhau (loại đi cỡ của ảnh) - Sau đó lược đồ được lưu trữ trong cơ sở dữ liệu Chúng ta có 3 loại độ đo khoảng cách lược đồ cho một lược đồ H(i), i=1,2,…,N Các mô men màu đã được sử dụng thành công trong nhiều hệ thống tra cứu. Các mô men bậc nhất (trung bình), bậc hai (phương sai) và bậc ba (độ lệch) đã được chứng chứng minh là hiệu quả trong biểu diễn các phân bố màu của các ảnh.

Mô men màu bậc nhất của thành phần màu thứ k (k=1,2,3) được xác định bởi: Trong đó fk(x,y) là giá trị màu của thành phần màu thứ k của pixel ảnh (x,y) và XY là tổng số pixel trong ảnh. Mô men thứ h, h=2,3,… của thành phần màu thứ k được xác định bằng: 9 Do chỉ 9 số (ba mô men cho mỗi ba thành phần màu) được sử dụng để biểu diễn nội dung màu của mỗi ảnh, các mô men màu là một biểu diễn rất nén (so với các đặc trưng màu khác). Hàm tương tự được sử dụng cho tra cứu là tổng trọng số của các giá trị tuyệt đối hiệu giữa các mô men thích hợp Cho H và G biểu diễn hai lược đồ màu. Giao của các lược đồ được cho bởi: Tương quan màu đặc tả các phân bố màu của các pixel và tương quan không gian của các cặp màu.

Cho I là một ảnh gồm các pixel f(I,j). Mỗi pixel có màu hoặc cấp xám nào đó. Cho [G] là một tập gồm G mức xám g1, g2,….gG mà có thể xuất hiện trong ảnh. Cho một pixel f, I(f) biểu thị g mức xám của nó và Ig tương ứng với một pixel f theo đó I(f)=g.

Lược đồ cho mức gx được xác định bởi: Các độ đo thống kê bậc hai là tương quan và tự tương quan. Cho [D] biểu thị một tập D khoảng cách d1,d2,…dD. Thì tương quan của ảnh I được xác định cho mức cặp (gx,gy) tại khoảng cách d Cho xác suất mà bất cứ pixel f1 của mức gx, một pixel f2 tại khoảng cách d theo hướng nào đó từ pixel f1 có mức gx. Tự tương quan thu được tương quan không gian của các mức đồng nhất 1.

Trích rút và biểu diễn đặc trưng kết cấu 10 Kết cấu là một thuộc tính quan trọng khác của các ảnh. Kết cấu là một mô tả vùng mạnh trợ giúp quá trình tra cứu.