I. Tổng quan về tra cứu ảnh dựa trên phân cụm đồ thị
Tra cứu ảnh dựa trên nội dung (CBIR) là lĩnh vực nghiên cứu quan trọng trong thị giác máy tính. Hệ thống CBIR cho phép tìm kiếm hình ảnh tương tự dựa trên các đặc trưng trực quan như màu sắc, kết cấu và hình dạng. Phương pháp phân cụm đồ thị nổi lên như giải pháp hiệu quả để tổ chức và quản lý cơ sở dữ liệu ảnh lớn. Ý tưởng cốt lõi là xây dựng đồ thị liên kết giữa các ảnh dựa trên mức độ tương đồng. Mỗi nút đại diện cho một ảnh. Mỗi cạnh biểu diễn mối quan hệ tương đồng giữa hai ảnh. Từ cấu trúc đồ thị này, các thuật toán phân cụm được áp dụng để nhóm ảnh thành các cụm có tính chất tương đồng cao. Tiếp theo, một ảnh đại diện được chọn cho mỗi cụm. Quá trình tra cứu diễn ra nhanh chóng hơn vì chỉ cần so sánh ảnh truy vấn với các ảnh đại diện. Phương pháp này giảm đáng kể thời gian tính toán. Đồng thời cải thiện độ chính xác của kết quả tìm kiếm.
1.1. Khái niệm tra cứu ảnh theo nội dung CBIR
Tra cứu ảnh theo nội dung (Content-Based Image Retrieval - CBIR) là kỹ thuật tìm kiếm hình ảnh sử dụng các đặc trưng trực quan được trích chọn tự động từ ảnh. Hệ thống CBIR hoạt động dựa trên ba thành phần chính: mô-đun trích chọn đặc trưng, mô-đun chỉ mục và mô-đun truy xuất. Các đặc trưng thường được sử dụng bao gồm histogram màu, mô tả kết cấu (texture) và đặc trưng hình dạng (shape). Khi người dùng cung cấp ảnh truy vấn, hệ thống sẽ so sánh đặc trưng của ảnh đó với các đặc trưng đã được lưu trữ trong cơ sở dữ liệu. Kết quả trả về là danh sách các ảnh có độ tương đồng cao nhất.
1.2. Vai trò của phân cụm đồ thị trong xử lý ảnh
Phân cụm đồ thị đóng vai trò then chốt trong việc tối ưu hóa hiệu suất tra cứu ảnh. Phương pháp này xây dựng biểu diễn đồ thị của tập ảnh, trong đó mỗi ảnh là một nút và các cạnh biểu diễn mức độ tương đồng. Ma trận affinity được tính toán dựa trên hàm hạt nhân Gaussian, xác định cường độ liên kết giữa các cặp ảnh. Từ ma trận này, ma trận Laplace được xây dựng để phát hiện cấu trúc cụm tự nhiên trong dữ liệu. Các véctơ riêng lớn nhất của ma trận Laplace cung cấp thông tin về cách phân hoạch tập ảnh thành các nhóm có ý nghĩa.
II. Thách thức trong tra cứu ảnh truyền thống
Tra cứu ảnh truyền thống đối mặt với nhiều thách thức lớn. Vấn đề cốt lõi là khoảng cách ngữ nghĩa giữa đặc trưng mức thấp và mức cao. Đặc trưng mức thấp bao gồm màu sắc, kết cấu, hình dạng. Đặc trưng mức cao là khái niệm ngữ nghĩa mà con người hiểu được. Hai loại đặc trưng này không có mối liên hệ trực tiếp. Khi cơ sở dữ liệu ảnh lớn, thời gian tìm kiếm tuyến tính tăng nhanh. Mỗi ảnh truy vấn phải so sánh với toàn bộ ảnh trong kho. Hiệu quả giảm rõ rệt khi số lượng ảnh vượt quá hàng nghìn. Độ chính xác cũng bị ảnh hưởng bởi nhiễu và biến đổi góc, ánh sáng. Các ảnh giống nhau về ngữ nghĩa có thể khác biệt lớn về đặc trưng pixel. Ngược lại, các ảnh khác nhau về nội dung có thể có đặc trưng tương tự. Đây là bài toán nan giải trong lĩnh vực thị giác máy tính. Cần có phương pháp tổ chức dữ liệu thông minh hơn.
2.1. Khoảng cách ngữ nghĩa trong tìm kiếm hình ảnh
Khoảng cách ngữ nghĩa là rào cản lớn nhất trong tra cứu ảnh. Con người đánh giá hình ảnh dựa trên khái niệm cao cấp như chủ đề, bối cảnh, cảm xúc. Máy tính chỉ xử lý được các đặc trưng số học mức thấp. Ví dụ, hai bức ảnh hoàng hôn có thể có histogram màu hoàn toàn khác nhau. Hoặc hai bức ảnh khác chủ đề có thể có phân bố màu tương tự. Các nhà nghiên cứu đã phát triển nhiều kỹ thuật để thu hẹp khoảng cách này. Phương pháp phản hồi liên quan (relevance feedback) cho phép người dùng tương tác với hệ thống. Người dùng đánh giá kết quả để hệ thống điều chỉnh trọng số đặc trưng.
2.2. Hiệu quả truy xuất trong cơ sở dữ liệu lớn
Khi cơ sở dữ liệu ảnh mở rộng, thời gian truy xuất trở thành vấn đề nghiêm trọng. Phương pháp tìm kiếm tuyến tính yêu cầu so sánh ảnh truy vấn với từng ảnh trong kho. Với hàng triệu ảnh, thời gian chờ đợi vượt quá ngưỡng chấp nhận được. Các phương pháp chỉ mục truyền thống như cây R-tree không hoạt động tốt với dữ liệu đặc trưng cao chiều. Hiện tượng curse of dimensionality làm giảm hiệu quả phân hoạch không gian. Giải pháp phân cụm giúp giảm số lần so sánh bằng cách chỉ tìm kiếm trong cụm liên quan. Tuy nhiên, chất lượng phân cụm ảnh hưởng trực tiếp đến độ chính xác kết quả.
III. Phương pháp phân cụm đồ thị CRISE cho tra cứu ảnh
Phương pháp CRISE (Clustering using Relevant Image Selection Engine) sử dụng kỹ thuật phân cụm phổ để tổ chức ảnh hiệu quả. Thuật toán bắt đầu bằng việc xây dựng ma trận affinity A từ tập ảnh. Phần tử a_ij xác định mức độ tương đồng giữa ảnh i và ảnh j sử dụng hàm hạt nhân Gaussian. Ma trận đường chéo D được tính từ tổng các hàng của ma trận A. Ma trận Laplace chuẩn hóa L được xây dựng theo công thức L = D^(-1/2) * A * D^(-1/2). Tiếp theo, k véctơ riêng lớn nhất của ma trận Laplace được tìm kiếm. Các véctơ này tạo thành ma trận X. Ma trận Y được chuẩn hóa từ X bằng cách chia mỗi hàng cho chuẩn Euclidean của nó. Cuối cùng, thuật toán K-Means áp dụng trên các hàng của ma trận Y để tạo k cụm ảnh. Mỗi ảnh được gán vào cụm có tâm gần nhất. Quá trình này đảm bảo các cụm phản ánh cấu trúc tự nhiên của dữ liệu ảnh.
3.1. Xây dựng ma trận affinity và ma trận Laplace
Ma trận affinity là nền tảng của phương pháp phân cụm đồ thị. Mỗi phần tử a_ij trong ma trận biểu diễn cường độ liên kết giữa hai ảnh. Công thức tính sử dụng hàm hạt nhân Gaussian: a_ij = exp(-||s_i - s_j||^2 / 2σ^2). Giá trị a_ij càng lớn khi hai ảnh càng tương tự. Ma trận đường chéo D có phần tử d_ij bằng tổng các phần tử trên hàng i của ma trận A. Ma trận Laplace chuẩn hóa L = D^(-1/2) * A * D^(-1/2) có tính chất đặc biệt. Các véctơ riêng của L chứa thông tin về cấu trúc cụm trong dữ liệu.
3.2. Tìm ảnh đại diện cho mỗi cụm ảnh
Sau khi phân cụm hoàn tất, việc chọn ảnh đại diện là bước quan trọng. Ảnh đại diện phải là ảnh tương tự nhất với tất cả các ảnh trong cụm. Công thức toán học xác định ảnh đại diện t của cụm C_j là: t = arg max Σ(a_jt) với j thuộc C. Nghĩa là ảnh có tổng độ tương đồng lớn nhất với các ảnh khác trong cụm sẽ được chọn.Ảnh đại diện này đóng vai trò như centroid ngữ nghĩa của cụm. Trong quá trình tra cứu, hệ thống chỉ so sánh ảnh truy vấn với các ảnh đại diện. Điều này giúp giảm số lần so sánh từ n xuống k (số cụm).
IV. Kết luận và ứng dụng của tra cứu ảnh phân cụm đồ thị
Nghiên cứu về tra cứu ảnh dựa trên phân cụm đồ thị đã chứng minh hiệu quả vượt trội. Phương pháp CRISE kết hợp kỹ thuật phân cụm phổ với thuật toán K-Means tạo ra hệ thống tra cứu nhanh và chính xác. Kết quả thực nghiệm cho thấy thời gian truy xuất giảm đáng kể so với phương pháp tuyến tính. Độ chính xác cải thiện nhờ vào việc nhóm ảnh theo cấu trúc tự nhiên.Ứng dụng của phương pháp này rất đa dạng. Trong y tế, hệ thống hỗ trợ tìm kiếm hình ảnh y khoa tương tự để chẩn đoán. Trong thương mại điện tử, người dùng tìm kiếm sản phẩm qua hình ảnh. Trong quản lý tài liệu số, phân cụm giúp tổ chức kho ảnh lớn. Công nghệ nhận dạng khuôn mặt cũng áp dụng nguyên tắc tương tự. Tương lai, kết hợp với học sâu (deep learning) sẽ nâng cao hơn nữa chất lượng đặc trưng. Phương pháp phân cụm đồ thị tiếp tục là hướng nghiên cứu hứa hẹn.
4.1. Ưu điểm của phương pháp phân cụm đồ thị
Phương pháp phân cụm đồ thị có nhiều ưu điểm nổi bật. Thứ nhất, khả năng phát hiện cấu trúc phi tuyến trong dữ liệu ảnh. Các phương pháp phân cụm truyền thống như K-Means chỉ hoạt động tốt với dữ liệu hình cầu. Phân cụm phổ dựa trên đồ thị xử lý được các cụm có hình dạng phức tạp. Thứ hai, tính ổn định cao trước nhiễu và dữ liệu bất thường. Ma trận Laplace giúp giảm ảnh hưởng của điểm outlier. Thứ ba, khả năng mở rộng tốt với cơ sở dữ liệu lớn. Việc chỉ so sánh với ảnh đại diện giúp hệ thống phản hồi nhanh.
4.2. Các hướng ứng dụng thực tế của hệ thống
Hệ thống tra cứu ảnh dựa trên phân cụm đồ thị có nhiều ứng dụng thực tiễn. Trong lĩnh vực y tế, hệ thống hỗ trợ bác sĩ tìm kiếm hình ảnh X-quang, MRI tương tự để tham khảo chẩn đoán. Trong thương mại điện tử, người mua tìm sản phẩm bằng cách tải lên hình ảnh mẫu. Các nền tảng mạng xã hội sử dụng công nghệ này để phân loại và gợi ý nội dung hình ảnh. Trong an ninh, hệ thống nhận dạng và so khớp khuôn mặt áp dụng nguyên tắc tương tự. Bảo tàng số hóa sử dụng CBIR để quản lý kho tác phẩm nghệ thuật.
