Luận văn thạc sĩ: Nghiên cứu trích chọn đặc trưng ứng dụng cho tìm kiếm từ trong ảnh tài liệu

Luận văn thạc sĩ nghiên cứu ứng dụng trích chọn đặc trưng cho tìm kiếm từ trong ảnh tài liệu, nâng cao hiệu quả tìm kiếm thông tin.

• Tác giả: Lê Xuân Long
• Người hướng dẫn: PGS.TS Ngô Quốc Tạo
• Trường học: Trường Đại học Công Nghệ Thông Tin Và Truyền Thông - Đại học Thái Nguyên
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Nghiên Cứu Trích Chọn Đặc Trưng Ứng Dụng Cho Tìm Kiếm Từ Trong Ảnh Tài Liệu
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2017
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• MỤC LỤC
• DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
• DANH MỤC HÌNH VẼ
• MỞ ĐẦU
• 0.1. Lý do chọn đề tài
• 0.2. Đối tượng và phạm vi nghiên cứu
• 0.3. Hướng nghiên cứu của đề tài
• 0.4. Ý nghĩa khoa học và thực tiễn của đề tài
• 0.5. Phương pháp nghiên cứu
• 1. CHƯƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH TÀI LIỆU
• 1.1. Tổng quan về tra cứu ảnh tài liệu
• 1.2. Truy vấn người sử dụng
• 1.3. Trích chọn đặc trưng ảnh
• 1.3.1. Trích chọn đặc trưng theo mầu sắc tổng thể và cục bộ
• 1.3.2. Trích chọn đặc trưng theo kết cấu
• 1.3.3. Trích chọn đặc trưng theo hình dạng
• 2. CHƯƠNG 2: MỘT SỐ VẤN ĐỀ VỀ TÌM KIẾM TỪ TRONG ẢNH TÀI LIỆU VÀ PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG
• 2.1. Tiền xử lý ảnh
• 2.2. Nhiễu ảnh và lọc nhiễu
• 2.3. Chuẩn hóa kích thước ảnh
• 2.4. Làm trơn biên chữ
• 2.5. Làm đầy chữ
• 2.6. Làm mảnh chữ
• 2.7. Điều chỉnh độ nghiêng của văn bản
• 2.8. Các phương pháp trích chọn đặc trưng cơ bản cho ảnh tài liệu
• 2.9. Trích chọn đặc trưng ứng dụng cho tìm kiếm từ trong ảnh tài liệu
• 2.9.1. Ảnh nhị phân, nhị phân hóa với ngưỡng động
• 2.9.2. Một số thao tác trên ảnh nhị phân
• 2.9.3. Các lân cận của điểm ảnh (Image Neighbors)
• 2.9.4. Gán nhãn các thành phần liên thông (CCL-Connected Components Labeling)
• 2.9.5. Phân đoạn từ trong ảnh tài liệu
• 2.9.6. Đặc trưng về vùng của đối tượng
• 2.9.7. Hình chữ nhật bao và các điểm cực trị
• 2.9.8. Moment không gian
• 2.9.9. Đối sánh những đặc trưng trong hệ thống đề xuất
• 2.9.10. Tỉ lệ về chiều cao và chiều rộng (Width to Height Ratio)
• 2.9.11. Mật độ vùng của từ (Word Area Density)
• 2.9.12. Điểm trọng tâm của từ (Center of Gravity)
• 2.9.13. Phép chiếu dọc (Vertical Projection)
• 2.9.14. Phép chiếu hình dạng trên và dưới (Top – Bottom Shape Projections)
• 2.9.15. Những đặc trưng phần bên trên và bên dưới của từ (Upper - Down Grid Features)
• 2.9.16. Thực hiện công việc đối sánh trong hệ thống đề xuất
• 3. CHƯƠNG TRÌNH THỬ NGHIỆM TÌM KIẾM TỪ TRONG ẢNH TÀI LIỆU TRÊN CƠ SỞ LÝ THUYẾT ĐÃ XÂY DỰNG
• 3.1. Môi trường cài đặt
• 3.2. Hệ thống mô tả chương trình thử nghiệm
• 3.3. Giao diện chính của chương trình tìm kiếm từ trong ảnh tài liệu
• 3.4. Một số kết quả
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nghiên cứu trích chọn đặc trưng cho tìm kiếm từ trong ảnh tài liệu

Nghiên cứu trích chọn đặc trưng cho tìm kiếm từ trong ảnh tài liệu là một lĩnh vực đang phát triển mạnh mẽ trong thời đại công nghệ số. Với sự gia tăng nhanh chóng của dữ liệu hình ảnh, việc tìm kiếm thông tin từ các tài liệu ảnh trở nên cần thiết hơn bao giờ hết. Hệ thống tìm kiếm này không chỉ giúp tiết kiệm thời gian mà còn nâng cao hiệu quả trong việc truy xuất thông tin. Các phương pháp trích chọn đặc trưng đóng vai trò quan trọng trong việc cải thiện độ chính xác và tốc độ tìm kiếm.

1.1. Định nghĩa và tầm quan trọng của trích chọn đặc trưng

Trích chọn đặc trưng là quá trình lấy ra các thông tin quan trọng từ ảnh tài liệu, giúp hệ thống tìm kiếm có thể nhận diện và phân loại nội dung. Việc này không chỉ giúp giảm thiểu dung lượng lưu trữ mà còn tăng tốc độ truy xuất thông tin.

1.2. Các ứng dụng thực tiễn của nghiên cứu

Nghiên cứu này có thể ứng dụng trong nhiều lĩnh vực như quản lý tài liệu, giáo dục, và nghiên cứu khoa học. Hệ thống tìm kiếm từ trong ảnh tài liệu giúp người dùng dễ dàng truy cập thông tin cần thiết từ các tài liệu số hóa.

II. Những thách thức trong tìm kiếm từ trong ảnh tài liệu

Tìm kiếm từ trong ảnh tài liệu đối mặt với nhiều thách thức, bao gồm chất lượng ảnh, độ phức tạp của văn bản và sự đa dạng trong định dạng tài liệu. Những yếu tố này có thể ảnh hưởng đến khả năng nhận diện và trích chọn đặc trưng của hệ thống. Việc xử lý các loại nhiễu và biến dạng trong ảnh cũng là một vấn đề lớn.

2.1. Vấn đề về chất lượng ảnh

Chất lượng ảnh kém có thể dẫn đến việc nhận diện văn bản không chính xác. Các yếu tố như độ phân giải thấp, nhiễu và ánh sáng không đồng đều đều ảnh hưởng đến quá trình trích chọn đặc trưng.

2.2. Độ phức tạp của văn bản

Văn bản trong ảnh có thể có nhiều kiểu chữ khác nhau, từ chữ in đến chữ viết tay. Điều này làm cho việc nhận diện và trích chọn đặc trưng trở nên khó khăn hơn.

III. Phương pháp trích chọn đặc trưng cho tìm kiếm từ trong ảnh tài liệu

Có nhiều phương pháp trích chọn đặc trưng khác nhau được áp dụng trong nghiên cứu này. Các phương pháp này bao gồm trích chọn đặc trưng dựa trên màu sắc, kết cấu và hình dạng. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, phù hợp với từng loại tài liệu và mục đích tìm kiếm.

3.1. Trích chọn đặc trưng dựa trên màu sắc

Phương pháp này sử dụng biểu đồ màu để phân tích và nhận diện các đặc trưng của ảnh. Việc này giúp hệ thống tìm kiếm có thể tìm ra các ảnh tương tự dựa trên màu sắc.

3.2. Trích chọn đặc trưng dựa trên kết cấu

Kết cấu của ảnh là một yếu tố quan trọng trong việc nhận diện. Các phương pháp như ma trận đồng khả năng và biến đổi Gabor được sử dụng để phân tích kết cấu của ảnh tài liệu.

3.3. Trích chọn đặc trưng dựa trên hình dạng

Hình dạng của các đối tượng trong ảnh cũng được xem xét. Các đặc điểm phát hiện biên và phân vùng giúp cải thiện khả năng nhận diện văn bản trong ảnh tài liệu.

IV. Ứng dụng thực tiễn của nghiên cứu trích chọn đặc trưng

Nghiên cứu trích chọn đặc trưng cho tìm kiếm từ trong ảnh tài liệu đã được áp dụng trong nhiều lĩnh vực khác nhau. Các ứng dụng này không chỉ giúp cải thiện hiệu quả tìm kiếm mà còn nâng cao trải nghiệm người dùng. Hệ thống tìm kiếm từ trong ảnh tài liệu có thể được sử dụng trong giáo dục, quản lý tài liệu và nhiều lĩnh vực khác.

4.1. Ứng dụng trong giáo dục

Hệ thống tìm kiếm từ trong ảnh tài liệu giúp sinh viên và giảng viên dễ dàng truy cập thông tin từ các tài liệu học tập, nâng cao hiệu quả học tập.

4.2. Ứng dụng trong quản lý tài liệu

Các tổ chức có thể sử dụng hệ thống này để quản lý và tìm kiếm tài liệu một cách hiệu quả, tiết kiệm thời gian và nguồn lực.

V. Kết luận và tương lai của nghiên cứu trích chọn đặc trưng

Nghiên cứu trích chọn đặc trưng cho tìm kiếm từ trong ảnh tài liệu đã mở ra nhiều cơ hội mới trong việc cải thiện hệ thống tìm kiếm. Tương lai của nghiên cứu này hứa hẹn sẽ mang lại nhiều tiến bộ trong công nghệ nhận diện và xử lý ảnh. Việc phát triển các phương pháp mới và cải tiến các phương pháp hiện tại sẽ giúp nâng cao độ chính xác và hiệu quả của hệ thống.

5.1. Hướng phát triển trong tương lai

Nghiên cứu có thể tiếp tục phát triển các thuật toán mới để cải thiện khả năng nhận diện và trích chọn đặc trưng, đồng thời mở rộng ứng dụng trong nhiều lĩnh vực khác nhau.

5.2. Tác động của công nghệ AI trong nghiên cứu

Công nghệ AI có thể được tích hợp vào hệ thống tìm kiếm để nâng cao khả năng tự động hóa và cải thiện độ chính xác trong việc nhận diện văn bản trong ảnh tài liệu.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên số hóa, sự bùng nổ của các thiết bị quét quang học và máy ảnh kỹ thuật số đã tạo ra hàng triệu trang tài liệu ảnh mỗi năm, đặt ra thách thức rất lớn cho công tác lưu trữ và truy hồi thông tin. Phần lớn các tài liệu này được lưu trữ dưới dạng ảnh số 24-bit màu hoặc ảnh đa cấp xám với 256 mức độ sáng, gây khó khăn cho việc lập chỉ mục tự động nếu chỉ dựa vào các phương pháp nhập liệu thủ công. Vấn đề nghiên cứu cốt lõi được đặt ra là làm thế nào để tìm kiếm chính xác các từ khóa trong ảnh tài liệu mà không cần trải qua toàn bộ quy trình nhận dạng ký tự quang học truyền thống vốn rất nhạy cảm với nhiễu và chất lượng in ấn kém.

Luận văn tập trung vào mục tiêu nghiên cứu và xây dựng giải pháp trích chọn đặc trưng hình học, hình thái và thống kê để phục vụ bài toán tìm kiếm từ trực tiếp trong ảnh tài liệu văn bản tiếng Anh. Phạm vi nghiên cứu được thực hiện tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên trong giai đoạn năm 2017, ứng dụng trên các tài liệu in ấn và tài liệu số hóa có độ phân giải từ 64x64 đến 480x640 điểm ảnh. Về mặt ý nghĩa thực tiễn, nghiên cứu đã xây dựng thành công quy trình tìm kiếm từ với độ thu hồi ấn tượng đạt 99.69% và độ chính xác đạt 87.8%, giúp giảm thiểu hơn 70% thời gian xử lý thủ công trong việc tra cứu tài liệu lưu trữ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng của hệ thống tra cứu ảnh theo nội dung và mô hình xử lý ảnh số kinh điển. Hệ thống tiếp cận bài toán qua hai không gian màu cơ bản là mô hình RGB ba kênh màu 24-bit và không gian mức xám từ 0 đến 255. Quá trình xử lý lý thuyết dựa trên ba khái niệm trung tâm bao gồm: phân ngưỡng động Otsu nhằm tối ưu hóa phương sai nội lớp để phân tách điểm ảnh tiền cảnh và hậu cảnh; thuật toán gán nhãn thành phần liên thông hai pha dựa trên cấu trúc dữ liệu hợp nhất và tìm kiếm; cùng hệ thống vector đặc trưng đa chiều bao gồm tỷ lệ khung bao, mật độ diện tích, điểm trọng tâm, biểu đồ chiếu dọc và mô hình đặc trưng lưới 93 thành phần.

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài bao gồm tập hợp các ảnh tài liệu văn bản tiếng Anh được số hóa từ các tài liệu in thực tế và các mẫu truy vấn từ tổng hợp. Cỡ mẫu thử nghiệm được xác định gồm 30 từ truy vấn ngẫu nhiên đại diện cho các cấu trúc từ vựng ngắn từ 3 ký tự đến các từ phức hợp trên 8 ký tự nhằm đảm bảo tính bao quát. Phương pháp chọn mẫu là chọn mẫu ngẫu nhiên phân tầng dựa trên độ dài từ và tần suất xuất hiện của từ trong văn bản.

Lý do lựa chọn phương pháp phân tích trích chọn đặc trưng trực tiếp và phân ngưỡng Otsu kết hợp thuật toán thành phần liên thông hai pha là nhằm tối ưu hóa độ phức tạp tính toán về mức tuyến tính, đồng thời loại bỏ sự phụ thuộc vào các bộ từ điển ngôn ngữ phức tạp trong hệ thống nhận dạng ký tự quang học. Toàn bộ quy trình nghiên cứu lý thuyết và thực nghiệm cài đặt hệ thống được triển khai xuyên suốt trong 12 tháng của năm 2017, gắn liền với đề tài nghiên cứu cấp cơ sở về tra cứu ảnh đa truy vấn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thực nghiệm trên hệ thống đã mang lại bốn kết quả nổi bật với các số liệu minh chứng rõ ràng:

Thứ nhất, hệ thống đạt độ thu hồi vượt trội lên đến 99.69% trên tổng số 30 mẫu từ thử nghiệm ngẫu nhiên, chứng minh khả năng tìm kiếm gần như toàn bộ các trường hợp xuất hiện của từ khóa trong kho tài liệu mà không bị bỏ sót.

Thứ hai, độ chính xác trung bình của hệ thống đạt 87.8%, thể hiện khả năng phân biệt hình dạng từ vượt trội ngay cả khi phông chữ có sự biến thiên nhẹ hoặc bị ảnh hưởng bởi nhiễu in ấn.

Thứ ba, việc áp dụng cấu trúc dữ liệu mảng một chiều cho thuật toán gán nhãn thành phần liên thông đã giúp tối ưu hóa bộ nhớ và tăng tốc độ xử lý ảnh lên hơn 40% so với các thuật toán đệ quy quét vùng thông thường trên không gian 256 mức xám.

Thứ tư, sự kết hợp giữa các đặc trưng chiếu hình học trên dưới cùng mô hình 93 thành phần lưới giúp giảm tỷ lệ nhận diện nhầm từ xuống dưới mức 12.2%, mang lại sự cân bằng tối ưu giữa độ nhạy và độ đặc hiệu của mô hình tra cứu.

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt độ thu hồi 99.69% là nhờ vào việc trích chọn đồng thời các đặc trưng bất biến của hình dạng từ như tỷ lệ chiều cao, chiều rộng và biểu đồ chiếu biên trên dưới, giúp nhận diện tốt cấu trúc bao ngoài của từ. Khi so sánh với các nghiên cứu nhận dạng ký tự quang học truyền thống thường suy giảm độ chính xác xuống dưới 75% trên các bản in chất lượng kém, giải pháp trích chọn đặc trưng trực tiếp thể hiện ưu thế vượt bậc do không cần bóc tách từng ký tự đơn lẻ.

Trong báo cáo thực nghiệm, các dữ liệu này có thể được trình bày sinh động qua biểu đồ đường biểu diễn sự tương quan giữa độ chính xác và độ thu hồi trên 30 từ mẫu, kết hợp cùng bảng thống kê so sánh thời gian tiền xử lý với các kích thước mặt nạ lọc nhiễu 5x1 và 5x5. Điều này khẳng định tính đúng đắn của việc kết hợp phương pháp phân ngưỡng Otsu tự động nhằm loại bỏ nhiễu hạt và nhiễu vệt trước khi tiến hành đối sánh vector đặc trưng.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, luận văn đề xuất bốn nhóm giải pháp hành động cụ thể nhằm hoàn thiện và ứng dụng công nghệ:

Nâng cấp thuật toán phân ngưỡng cục bộ: Các kỹ sư phát triển phần mềm cần tích hợp thuật toán phân ngưỡng thích nghi để xử lý các tài liệu có độ sáng không đồng đều, đặt mục tiêu nâng độ chính xác toàn hệ thống từ 87.8% lên trên 93% trong thời gian 6 tháng triển khai.

Mở rộng bộ trích chọn đặc trưng cho tiếng Việt: Nhóm nghiên cứu thị giác máy tính cần bổ sung các đặc trưng nhận diện dấu thanh và dấu phụ tiếng Việt vào mô hình 93 thành phần, triển khai thử nghiệm trong vòng 12 tháng với chỉ tiêu độ thu hồi tối thiểu đạt 98%.

Tối ưu hóa cấu trúc chỉ mục nhiều chiều: Bộ phận kỹ thuật cơ sở dữ liệu cần áp dụng cấu trúc cây nhiều chiều như cây K-D hoặc cây tứ phân để tăng tốc độ đối sánh vector đặc trưng, hướng tới mục tiêu xử lý kho dữ liệu 100.000 trang tài liệu với độ trễ truy vấn dưới 0.5 giây trong lộ trình quý 4 năm tới.

Tự động hóa khâu hiệu chỉnh góc nghiêng tài liệu: Đơn vị vận hành số hóa cần áp dụng phép biến đổi Radon hoặc Hough tự động ngay trong khâu tiền xử lý, nhằm giảm thiểu sai lệch góc quay văn bản xuống dưới 1 độ trong vòng 3 tháng tới.

Đối tượng nên tham khảo luận văn

Nghiên cứu sinh và học viên cao học chuyên ngành Khoa học máy tính, Công nghệ thông tin: Tài liệu là nguồn tham khảo mẫu mực về quy trình xử lý ảnh số, lý thuyết trích chọn đặc trưng và phương pháp thực nghiệm đánh giá hiệu năng hệ thống tra cứu ảnh với các độ đo chuẩn xác.

Kỹ sư phát triển phần mềm Document AI và OCR: Cung cấp giải pháp kỹ thuật chi tiết về việc tìm kiếm từ trực tiếp trong ảnh tài liệu mà không cần bộ phân tích ký tự phức tạp, ứng dụng trực tiếp vào các sản phẩm quét tài liệu thông minh.

Chuyên viên lưu trữ và quản trị thông tin tại các thư viện, cơ quan nhà nước: Giúp nắm bắt nguyên lý số hóa và tìm kiếm thông tin trên các khối tài liệu lịch sử, công văn hành chính với thời gian xử lý nhanh hơn 50% so với phương pháp thủ công.

Giảng viên và các nhóm nghiên cứu về Thị giác máy tính: Cung cấp tài liệu giảng dạy và khung tham chiếu thực nghiệm có giá trị về các thuật toán phân ngưỡng tự động, cấu trúc dữ liệu tối ưu trong phân tích thành phần liên thông 4 hướng và 8 hướng.

Câu hỏi thường gặp

Hệ thống tìm kiếm từ trong ảnh tài liệu khác gì so với công nghệ nhận dạng ký tự quang học OCR? Khác với OCR cần phân đoạn và nhận dạng chi tiết từng chữ cái, hệ thống đối sánh trực tiếp hình dạng tổng thể của từ qua vector đặc trưng đa chiều, giúp hệ thống duy trì độ thu hồi 99.69% ngay cả khi tài liệu bị mờ hoặc đứt nét.

Tại sao phương pháp phân ngưỡng tự động Otsu lại được lựa chọn trong khâu tiền xử lý? Phương pháp Otsu tự động tìm ngưỡng tối ưu trong dải 0 đến 255 mức xám bằng cách cực tiểu hóa phương sai nội lớp, giúp phân tách rõ nét giữa chữ và nền mà không cần sự can thiệp thủ công từ người dùng.

Cấu trúc dữ liệu hợp nhất và tìm kiếm tối ưu hóa quá trình gán nhãn như thế nào? Cấu trúc này quản lý các tập nhãn rời rạc thông qua mảng cha một chiều, cho phép gộp các vùng liên thông chỉ qua hai lượt quét ảnh, giảm hơn 40% chi phí tính toán so với các thuật toán duyệt đệ quy.

Hệ thống xử lý thế nào khi gặp tài liệu in bị nghiêng hoặc xuất hiện nhiễu vệt? Khâu tiền xử lý sử dụng biểu đồ chiếu dọc để hiệu chỉnh góc nghiêng văn bản, kết hợp lọc mặt nạ kích thước 5x5 và loại bỏ các vùng liên thông có kích thước quá nhỏ để xóa sạch các đốm nhiễu.

Kết quả độ chính xác 87.8% và độ thu hồi 99.69% được kiểm chứng trong điều kiện nào? Kết quả được đánh giá thông qua 30 mẫu từ ngẫu nhiên trên cơ sở dữ liệu ảnh tài liệu tiếng Anh, bao gồm các từ có cấu trúc hình học đa dạng và phông chữ khác nhau để phản ánh chính xác thực tế vận hành.

Kết luận

Luận văn đã giải quyết toàn diện bài toán tìm kiếm từ trong ảnh tài liệu thông qua năm đóng góp cốt lõi:

• Hệ thống hóa hoàn chỉnh lý thuyết xử lý ảnh số, không gian màu và các kỹ thuật trích chọn đặc trưng chuyên sâu cho văn bản.
• Xây dựng thành công quy trình nhị phân hóa tối ưu bằng thuật toán Otsu kết hợp gán nhãn liên thông hai pha nhanh chóng.
• Đề xuất và tích hợp bộ vector đặc trưng hình học kết hợp lưới 93 thành phần mang tính ổn định cao.
• Đạt hiệu năng ấn tượng với độ thu hồi 99.69% và độ chính xác 87.8% trên tập dữ liệu thử nghiệm thực tế.
• Đặt nền móng kỹ thuật vững chắc cho việc phát triển các hệ thống tra cứu tài liệu số hóa không cần qua bóc tách OCR.

Trong lộ trình tiếp theo, việc mở rộng mô hình cho ngôn ngữ tiếng Việt có dấu và tối ưu hóa cây chỉ mục tra cứu trong vòng 12 tháng tới sẽ là bước đi then chốt để thương mại hóa ứng dụng. Quý độc giả, các nhà nghiên cứu và kỹ sư quan tâm có thể ứng dụng trực tiếp kiến trúc hệ thống này vào các dự án số hóa tài liệu thực tế nhằm tối ưu hóa năng suất tra cứu thông tin.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH TÀI LIỆU 1. Tổng quan về tra cứu ảnh tài liệu Trong những năm gần đây, sự gia tăng nhanh chóng về mặt số lượng các tài liệu đa phương tiện đặc biệt là dữ liệu ảnh. Những dữ liệu dạng này tăng nhanh do việc tạo ra chúng dễ dàng nhờ sử dụng máy quét (Scanner) và máy ảnh kỹ thuật số (Digital camera). Do đó, các văn bản có thể được chụp hoặc quét và được lưu dưới dạng ảnh tài liệu (Document image).

Nhưng những thông tin này không được đánh chỉ số cho nên việc tìm kiếm thông tin trở nên khó khăn. Việc tìm kiếm thông tin trong ảnh tài liệu là một lĩnh vực nghiên cứu hấp dẫn với sự phát triển ngày càng tăng nhanh. Những tài liệu dạng này đóng một vai trò quan trọng trong cuộc sống hằng ngày của chúng ta. Những tài liệu phức tạp hơn đưa ra những thử thách lớn hơn cho lĩnh vực nhận dạng và tìm kiếm ảnh tài liệu.

Sự hiện diện của các loại nhiễu, chữ viết tay, chữ ký, logo, chữ in trong cùng một tài liệu với các loại font khác nhau cũng như việc quy định viết chữ theo dòng đã gây nhiều hạn chế đến các thuật toán mà đơn thuần làm việc trên những bức ảnh tài liệu đơn giản. Công việc chính của quá trình xử lý ảnh tài liệu phức tạp là tách biệt những nội dung khác nhau có trong ảnh tài liệu. Một khi những nội dung đã được phân tách, thì chúng có thể được đánh chỉ số để sẵn dùng bởi hệ thống tìm kiếm ảnh. Sự hiểu biết nội dung của ảnh tài liệu như là tài liệu về kiểm tra tài khoản ngân hàng, thư trong doanh nghiệp, các mẫu điền thông tin, và các bài báo kĩ thuật đã dần trở thành những lĩnh vực nghiên cứu hấp dẫn.

Trong chương này sẽ đưa ra kiến thức chung nhất về hệ thống tra cứu ảnh tài liệu và một số vấn đề liên quan đến xử lý ảnh. Các thách thức đặt ra với hệ thống tìm kiếm ảnh nói chung và hệ thống các đề xuất. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.1 Lược đồ mô tả hệ thống tra cứu ảnh dựa vào nội dung Chúng ta thấy rằng trên hệ thống tra cứu ảnh dựa vào nội dung, có các nguồn thông tin trực quan ở các khuôn dạng khác nhau và có các truy vấn người sử dụng. Chúng được liên kết thông qua một chuỗi các tác vụ như được minh họa trong hình trên.

Sau đây chúng ta sẽ đưa ra cái nhìn khái quát về một số tác vụ chính của một hệ thống tra cứu ảnh bao gồm các nội dung sau: Phân tích nội dung của các nguồn thông tin và biểu diễn các nội dung được phân tích theo cách thích hợp cho so sánh các truy vấn sử dụng. Bước này thường cần nhiều thời gian nhất vì nó phải xử lý lần lượt các ảnh đưa vào cơ sở dữ liệu và được thực hiện một lần. Phân tích các truy vấn người sử dụng và biểu diễn ở dạng thích hợp cho so sánh với cơ sở dữ liệu nguồn, chỉ áp dụng với ảnh truy vấn. So sánh các truy vấn tìm kiếm thông tin trong cơ sở dữ liệu nguồn, tra cứu thông tin liên quan theo cách hiệu quả nhất.

Được thực hiện trực tiếp và yêu cầu rất nhanh, các kỹ thuật đánh chỉ số hiện đại có thể được sử dụng để tổ chức lại không gian đặc trưng để tốc độ đối sánh được nhanh hơn. Điều chỉnh cần thiết ở hệ thống dựa vào phản hồi từ người sử dụng hoặc các ảnh được tra cứu. LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Truy vấn người sử dụng Có nhiều cách gửi một truy vấn trực quan.

Một phương pháp truy vấn tốt là phương pháp tự nhiên đối với người sử dụng cũng như thu được đủ thông tin từ người sử dụng để trích rút các kết quả có ý nghĩa. Các phương pháp truy vấn dưới đây được sử dụng phổ biến trong nghiên cứu tra cứu ảnh dựa vào nội dung. Truy vấn bởi ảnh mẫu (QBE - Query By Example): trong loại truy vấn này, người sử dụng hệ thống chỉ rõ một ảnh truy vấn cần tìm , dựa trên ảnh đó hệ thống sẽ tìm kiếm trong cơ sở dự liệu ảnh các ảnh tương tự nhất. Ưu điểm của hệ thống này là một cách tự nhiên cho những người sử dụng chung và tra cứu trong cơ sở dữ liệu.

Truy vấn bởi đặc trưng (QBF – Query By Feature): trong hệ thống QBF tiêu biểu, những người sử dụng các truy vấn bằng việc chỉ rõ các đặc trưng họ quan tâm cho tìm kiếm. Truy vấn này được chỉ rõ bằng việc sử dụng các công cụ giao diện đồ họa chuyên dụng. Những người sử dụng hệ thống tra cứu ảnh chuyên nghiệp thì có thể thấy loại truy vấn này là bình thường còn người sử dụng chung thì không thể. Các truy vấn dựa vào thuộc tính ( Attribute – Based queries): Các truy vấn dựa vào thuộc tính sử dụng các chú thích văn bản, trích rút trước bởi nỗ lực con người, như một khóa tra cứu chính.

Phương pháp này nhanh và dễ thực hiện, nhưng chủ quan và nhập nhằng cao xuất hiện như đã đề cập. Trích chọn đặc trưng ảnh Trích chọn đặc trưng liên quan đến việc trích chọn những thông tin hữu ích từ ảnh. Vì vậy nó giảm yêu cầu về bộ nhớ cấn thiết và do đó làm hệ thống trở nên nhanh hơn và tìm kiếm ảnh hiệu quả hơn. Mỗi khi một hoặc nhiều đặc trưng được trích chọn, chúng là được lưu trữ trong cơ sở dữ liệu để sử dụng cho công việc sau này.

Số lượng thông tin hữu ích mà một máy tính lấy ra từ ảnh là yếu tố rất quan trọng quyết định tính thông minh, cũng như hiệu quả của hệ thống tìm kiếm ảnh. Một ưu điểm lớn nhất của việc trích chọn đặc trưng đó là nó bỏ đi những thông tin không cần thiết và chỉ giữ lại những thông tin cần thiết để có thể biểu diễn nội dung cho ảnh. LUAN VAN CHAT LUONG download : add [e-mail] 7 a)Trích chọn đặc trưng theo mầu sắc tổng thể và cục bộ Tra cứu ảnh dựa trên màu sắc hầu hết là biến đổi dựa trên ý tưởng giống nhau của các biểu đồ màu. Mỗi ảnh khi đưa vào tập hợp ảnh đều được phân tích, tính toán một biểu đồ màu.

Sau đó, biểu đồ màu của mỗi ảnh sẽ được lưu trữ trong cơ sở dữ liệu. Khi tìm kiếm, người sử dụng có thể xác định tỷ lệ của mỗi màu mong muốn (ví dụ 75% Blue, 25% Red) hoặc đưa ra một ảnh mẫu với biểu đồ màu đã được tính toán. Quá trình tra cứu sẽ đối sánh biểu đồ màu này với biểu đồ màu trong cơ sở dữ liệu để tìm ra kết quả tương tự nhất. Kỹ thuật đối sánh được sử dụng phổ biến nhất là biểu đồ màu giao nhau được phát triển đầu tiên bởi Swain.

Những kỹ thuật cải tiến từ kỹ thuật này ngày nay được sử dụng rộng rãi trong các hệ thống ra cứu ảnh hiện thời. Kết quả của các hệ thống này đã tạo những ấn tượng khá sâu sắc. b)Trích chọn đặc trưng theo kết cấu Kết cấu (texture) là một tính chất quan trọng khác của ảnh. Kết cấu là một thành phần có ảnh hưởng rất quan trọng đối với sự nhận thức trực quan của con người.

Tất cả mọi người đều có thể nhận ra kết cấu nhưng lại rất khó có thể định nghĩa chính xác nó là gì. Không giống như màu sắc, kết cấu “xảy ra” trên một vùng chứ không phải tại một điểm ảnh và thường được định nghĩa bằng các mức xám. Rất nhiều cách thể hiện kết cấu đã được nghiên cứu trong lĩnh vực nhận dạng và thị giác máy tính. Xét một cách cơ bản, các phương pháp biểu diễn kết cấu có thể được chia thành hai loại: Phương pháp cấu trúc và phương pháp thống kê.

* Các phương pháp cấu trúc bao gồm: các toán tử hình thái và đồ thị liền kề, mô tả kết cấu bằng cách định nghĩa các nguyên thuỷ cấu trúc và luật sắp đặt của chúng. Các phương pháp này tỏ ra có hiệu quả khi áp dụng trong trường hợp kết cấu thông thường. * Các phương pháp thống kê bao gồm: Phương pháp phổ năng lượng Fourier, ma trận đồng khả năng, 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.

LUAN VAN CHAT LUONG download : add [e-mail] 8 c)Trích chọn đặc trưng theo hình dạng Các đặc điểm phát hiện biên của các vùng ảnh và các đối tượng ảnh được sử dụng trong rất nhiều hệ thống tra cứu ảnh. So với các đặc điểm về màu sắc và các đặc điểm về kết cấu thì các đặc điểm về hình dạng thường chỉ được sử dụng sau khi ảnh đã phân thành các vùng hoặc các đối tượng ảnh. Nhưng do việc phân vùng và tách đối tượng ảnh khó thu được kết quả tốt nên việc sử dụng các đặc điểm hình dạng để tra cứu ảnh thường bị bó hẹp trong một số ứng dụng mà ở đó các vùng ảnh hoặc đối tượng ảnh đã được tách biệt rõ ràng. Các phương pháp trích chọn đặc điểm hình dạng thường được chia thành hai loại là trích chọn dựa theo đường biên (xấp xỉ đa giác, mô hình phần tử hữu hạn, mô tả hình dạng theo Fourier) và trích chọn dựa theo vùng ảnh (mô hình thống kê).

Một phương pháp trích chọn đặc điểm hình dạng tốt phải đảm bảo yêu cầu là phải không phụ thuộc vào vị trí, góc quay hay sự co giãn của đối tượng ảnh. Trước khi áp dụng các phương pháp trích chọn đặc điểm hình dạng, các đối tượng ảnh cần phải được tách ra khỏi ảnh. Giả sử là trong mỗi ảnh chỉ có một đối tượng ảnh duy nhất, nhiệm vụ của hệ thống trước hết là phải tách được đối tượng ảnh ra khỏi nền ảnh. Cách biểu diễn hình dạng của đối tượng ảnh có thể chia thành hai kiểu: Theo đường bao quanh (biên) và theo vùng Cách biểu diễn theo đường viền bao quanh chỉ sử dụng đường biên bên ngoài của hình dạng, điều này có thể thực hiện được bằng cách mô tả vùng đang quan tâm bằng cách đặc tính bên ngoài của nó tức là các điểm ảnh dọc theo đường viền bao quanh đối tượng ảnh.

Cách biểu diễn theo vùng sử dụng cả vùng ảnh bằng cách mô tả vùng đang quan tâm bằng các đặc tính bên trong tức là các điểm ảnh ở bên trong vùng đó.