Tổng quan về luận án

Nghiên cứu "Truy vấn ảnh theo nội dung sử dụng trích đặc trưng trên nền wavelets" (Nguyễn Đức Hoàng, 2013; Chuyên ngành Kỹ thuật điện tử, Mã số 62527001; Trường Đại học Bách khoa – Đại học Quốc gia TP. Hồ Chí Minh; Cán bộ hướng dẫn: PGS. Lê Tiến Thường, TS. Đỗ Hồng Tuấn) giải quyết bài toán cốt lõi trong thị giác máy tính và hệ thống đa phương tiện: vượt qua khoảng cách ngữ nghĩa (semantic gap) giữa biểu diễn dữ liệu mức thấp và nhận thức thị giác con người (Human Visual System - HVS).

Luận án khẳng định: "vẫn chưa có giải thuật thuyết phục được chấp nhận phổ biến có thể biểu diễn được các đặc điểm nhìn của con người (human vision), đặc biệt là có thể mô tả ảnh đạt độ chính xác cao theo nội dung cần quan tâm, và điều này luôn là thách thức lớn với tất cả các nhà nghiên cứu".

Khoảng trống nghiên cứu (research gap) tập trung vào các khiếm khuyết nội tại của biến đổi Wavelet rời rạc 2-D khả tách (2-D Separable DWT) theo lý thuyết Mallat (1989) và Daubechies (1992): tính bất biến dịch kém (shift-invariance failure) và khả năng bắt hướng hình học nghèo nàn (chỉ giới hạn ở ba hướng $0^\circ, 45^\circ, 90^\circ$). Các mô hình thống kê tham số như Phân phối Gauss tổng quát kết hợp khoảng cách Kullback-Leibler (GGD & KLD của Do & Vetterli, 2002) hay Mô hình cây Markov ẩn (Wavelet-domain HMT của Crouse et al., 1998) đòi hỏi chi phí tính toán cực lớn thông qua vòng lặp kỳ vọng cực đại (Expectation-Maximization - EM/ML), gây tắc nghẽn thời gian thực trên các kho dữ liệu quy mô lớn.

Luận án thiết lập 4 câu hỏi nghiên cứu (Research Questions - RQ) và 4 giả thuyết khoa học tương ứng:

  • RQ1: Làm thế nào để kết hợp tương quan không gian bậc hai với biểu diễn hướng đa phân giải nhằm tối ưu hóa trích xuất kết cấu? (Giả thuyết $H_1$: Tích hợp Contourlet Transform với ma trận GLCM một hướng sẽ vượt trội hơn GLCM 4 hướng truyền thống và DWT về độ chính xác truy vấn).
  • RQ2: Thông tin pha (phase) từ biến đổi wavelet phức có cung cấp tính bất biến cấu trúc tốt hơn thông tin biên độ (magnitude) khi phối hợp với toán tử vi cấu trúc cục bộ? (Giả thuyết $H_2$: Toán tử Phase-Based LBP trên Steerable Pyramid triệt tiêu được sự nhạy cảm với nguồn sáng và góc xoay).
  • RQ3: Các điểm đặc trưng bất biến hình học trích từ cấu trúc không giảm mẫu có cải thiện độ nhạy tìm kiếm đối tượng phức tạp? (Giả thuyết $H_3$: Bộ dò Contourlet Harris trên nền NSCT sẽ bảo toàn điểm neo góc cạnh tốt hơn bộ dò Harris miền không gian).
  • RQ4: Việc dung hợp đa đặc trưng và học đa nhân (Multiple Kernel Learning - MKL) có thể mở rộng từ CBIR sang bài toán phân loại ảnh tổng quát? (Giả thuyết $H_4$: Mô hình BoMF tích hợp Dense SBP và bộ phân loại SVM đa nhân tối ưu hóa được độ chính xác phân loại theo từng lớp riêng biệt).

Khung lý thuyết dựa trên: Lý thuyết biểu diễn hình học đa tỉ lệ (Multiscale Geometric Analysis - Do & Vetterli, 2005), Lý thuyết ma trận đồng hiện mức xám (Haralick et al., 1973), Toán tử mẫu nhị phân cục bộ (Ojala et al., 2002), và Lý thuyết máy học vector hỗ trợ đa nhân (Vapnik, 1995; Bach et al., 2004).

Phạm vi thực nghiệm bao phủ 5 bộ cơ sở dữ liệu tiêu chuẩn quốc tế: WANG (Corel 1.000 ảnh, 10 lớp), Brodatz Texture Database (1.120 ảnh xoay chuẩn), UIUC Texture Database (1.000 ảnh, 25 lớp chịu biến dạng góc nhìn và tỉ lệ), 15-Scenes (4.485 ảnh tự nhiên) và Caltech-101 (9.144 ảnh). Tác động đột phá được lượng hóa thông qua việc nâng cao chỉ số Mean Average Precision (MAP), tối ưu hóa đường cong Precision-Recall (PR), tăng cường R-precision và hạ thấp chỉ số Normalized Average Rank (Rank).

Literature Review và Positioning

Tổng quan y văn xác định ba dòng nghiên cứu chính trong biểu diễn và truy vấn ảnh:

                                TIẾN TRÌNH TIẾP CẬN Y VĂN

Nghiên cứu đối thoại trực tiếp với các tranh luận học thuật kinh điển:

  1. Biên độ (Magnitude) đối đầu với Pha (Phase) trong miền tần số: Phần lớn các hệ thống CBIR truyền thống (như Gabor wavelets của Manjunath & Ma, 1996) chỉ khai thác phổ biên độ hoặc năng lượng băng con. Ngược lại, lý thuyết nhận thức thị giác của Oppenheim & Lim (1981) và Morrone & Burr (1988) khẳng định thông tin pha bảo toàn toàn bộ cấu trúc hình học và vị trí cạnh của hình ảnh. Luận án giải quyết xung đột này bằng cách chứng minh thông tin pha từ Steerable Pyramid khi mã hóa qua toán tử LBP mang lại độ ổn định phân loại kết cấu vượt trội so với các bộ mô tả dựa trên biên độ.
  2. Đặc trưng toàn cục (Global) đối đầu với Đặc trưng cục bộ (Local Keypoints): Tranh luận giữa trường phái biểu diễn vector toàn cục nén gọn (WBIIS của Wang et al., 1998) và trường phái điểm đặc thù bất biến (SIFT của Lowe, 2004; SURF của Bay et al., 2006). Luận án định vị giải pháp trung gian: khai thác các điểm đặc thù có chọn lọc từ các băng con thông dải đa hướng của NSCT (Contourlet Harris), vừa loại bỏ vùng nhiễu tần số cao, vừa giữ được cấu trúc topo của đối tượng.

So sánh đối chuẩn với các nghiên cứu quốc tế:

  • So với hệ thống WBIIS (Wang et al., 1998): WBIIS sử dụng hệ số nén DWT tiêu chuẩn, bỏ qua các tương quan góc chéo và suy giảm độ chính xác nghiêm trọng khi ảnh bị xoay. Giải thuật kết hợp đặc trưng toàn cục (Color Histogram + Gabor + Contourlet) của luận án vượt qua WBIIS trên toàn bộ 10 phân lớp của tập ảnh WANG.
  • So với hệ thống SIMPLIcity (Wang, Li, Wiederhold, 2001): SIMPLIcity phụ thuộc vào thuật toán phân đoạn k-means trong không gian màu L*a*b kết hợp wavelet 2x2 block, dễ tạo ra phân đoạn giả khi biên độ đổi màu mờ nhạt. Phương pháp Contourlet Cooccurrence (CC) của luận án trích xuất ma trận đồng hiện trực tiếp từ các băng con định hướng, không cần phân đoạn tiền xử lý nhưng vẫn phản ánh trung thực kết cấu bề mặt phức tạp.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và định hình lại việc ứng dụng các lý thuyết xử lý tín hiệu kinh điển:

                            MÔ HÌNH DUNG HỢP LÝ THUYẾT
  1. Phát triển Lý thuyết Ma trận đồng hiện Haralick trong miền Contourlet: Luận án chỉ ra tính tương đương cấu trúc giữa bộ lọc GLCM không gian và hàm cơ sở Haar wavelets: $$P_{i,j,\theta} = \sum_{x} \sum_{y} \Pr{ [L_\theta(x,y) + H_\theta(x,y) = i] \ &\ [L_\theta(x,y) - H_\theta(x,y) = j] }$$ Trong đó $L_\theta(x,y)$ và $H_\theta(x,y)$ tương ứng với các phép lọc thông thấp và thông cao. Nhờ vậy, luận án thay thế việc quét 4 góc $(\theta = 0^\circ, 45^\circ, 90^\circ, 135^\circ)$ trong miền không gian bằng việc tính toán GLCM theo đúng một hướng trội duy nhất trên từng băng con hướng của Contourlet, triệt tiêu độ dư thừa dữ liệu và tăng tính đặc trưng hình học.
  2. Khung lý thuyết Phase-Based Local Binary Pattern: Mở rộng toán tử vi cấu trúc Ojala bằng cách lượng tử hóa đáp ứng pha của bộ lọc kim tự tháp định hướng (Steerable Pyramid): $$\text{LBP}{P,R}^{\text{phase}} = \sum{p=0}^{P-1} s\left(\Phi_p - \Phi_c\right) 2^p, \quad s(x) = \begin{cases} 1, & x \ge 0 \ 0, & x < 0 \end{cases}$$ với $\Phi_c$ là giá trị pha tại pixel khảo sát và $\Phi_p$ là pha tại các lân cận bán kính $R$. Mô hình này chứng minh đặc tính bất biến chiếu sáng và độ dịch chuyển gradient hoàn hảo.
  3. Lý thuyết lọc điểm neo Contourlet Harris: Chuyển đổi bộ dò góc Harris từ ma trận gradient bậc nhất không gian sang ma trận đạo hàm trên các băng con không giảm mẫu (Nonsubsampled Directional Filter Bank - NSDFB): $$M_{\text{NSCT}} = \sum_{x,y} w(x,y) \begin{bmatrix} (\partial I_{\text{sub}} / \partial x)^2 & (\partial I_{\text{sub}} / \partial x)(\partial I_{\text{sub}} / \partial y) \ (\partial I_{\text{sub}} / \partial x)(\partial I_{\text{sub}} / \partial y) & (\partial I_{\text{sub}} / \partial y)^2 \end{bmatrix}$$ Loại bỏ triệt để hiện tượng nhiễu xung quanh đường bao mịn vốn làm sai lệch định vị góc của bộ dò Harris cổ điển.

Khung phân tích độc đáo

Khung phân tích tích hợp đồng thời 4 trụ cột toán học: (1) Khung biến đổi đa tỉ lệ đa hướng (Contourlet/NSCT), (2) Khung thống kê không gian bậc hai (Haralick), (3) Khung vi cấu trúc bất biến xoay (Uniform Invariant LBP - $\text{LBP}_{P,R}^{riu2}$), và (4) Khung học máy thống kê tối ưu hóa nhân (MKL-SVM).

Biên điều kiện (boundary conditions): Các giải thuật tối ưu trên ảnh có cấu trúc vi mô dày đặc (texture), ảnh phong cảnh và đối tượng có đường bao định hướng rõ rệt. Đối với ảnh nhị phân thuần túy hoặc ảnh đồ họa phẳng thiếu biến thiên mức xám, hiệu năng của các bộ trích đặc trưng trên nền wavelets sẽ tiệm cận về mức tương đương với các phương pháp trích biên cơ bản.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ triệt để thế giới quan thực chứng khoa học (Positivism Paradigm), kết hợp thiết kế nghiên cứu thực nghiệm định lượng đa mức (multi-level quantitative experimental design):

  • Cấp độ 1 (Level-1 - Feature Level): Đánh giá độ nhạy, tính trực giao và năng lượng biểu diễn của 3 bộ trích đặc trưng đề xuất (CC, pbLBP, CH).
  • Cấp độ 2 (Level-2 - Retrieval System Level): Khảo sát 4 giải thuật truy vấn trong bài toán CBIR đối sánh với 9 giải thuật nền tảng: GGD&KLD, Gabor Wavelet, Contourlet chuẩn, Wavelet HMT, Curvelet, Wavelet Correlogram (WC/W3C).
  • Cấp độ 3 (Level-3 - Classification Application Level): Mở rộng sang mô hình Túi các từ thị giác (Bag-of-Words) sử dụng Dense SBP kết hợp cơ chế kim tự tháp không gian (Spatial Pyramid Matching - SPM) 3 mức ($1 \times 1, 2 \times 2, 4 \times 4$) và bộ phân loại MKL-SVM.
                    QUY TRÌNH THỰC NGHIỆM ĐA TẦNG VÀ PHƯƠNG PHÁP ĐO

Quy trình nghiên cứu rigorous

Quy trình xử lý dữ liệu và trích chọn đặc trưng tuân thủ các bước nghiêm ngặt:

                                QUY TRÌNH THUẬT TOÁN CC

  1. Trích xuất Contourlet Cooccurrence (CC):

    • Ảnh được phân rã qua biến đổi Contourlet thành $J$ mức tỉ lệ với số hướng băng con xác định.
    • Băng con được lượng tử hóa mức xám về $N_g = 16$ mức nhằm tối ưu chi phí tính toán.
    • Tính toán ma trận GLCM một hướng duy nhất tương ứng với hướng trội của băng con.
    • Trích xuất 14 thông số kết cấu Haralick (Bảng 2.2): Năng lượng ($f_1$), Độ tương phản ($f_2$), Tương quan ($f_3$), Tổng phương sai ($f_4$), Moment sai phân đảo ($f_5$), Entropy ($f_9$),... hình thành vector đặc trưng kết cấu $F_{\text{CC}}$.

  2. Trích xuất Phase-Based LBP (pbLBP):

    • Áp dụng phân rã Steerable Pyramid đa tỉ lệ để thu nhận đáp ứng pha phức.
    • Thực thi toán tử $\text{LBP}_{P,R}^{riu2}$ ($P=8, R=1, 2$) trên bản đồ pha của từng băng con, thu được $P+2 = 10$ mẫu uniform pattern bất biến xoay.
    • Ghép nối chuỗi histogram thành vector đặc trưng $F_{\text{pbLBP}}$.

  3. Trích xuất Contourlet Harris (CH):

    • Phân tích đa tỉ lệ bằng Nonsubsampled Contourlet Transform (NSCT) với cấu trúc mức phân tích $[0, 1, 3]$.
    • Bộ dò Harris xác định các tọa độ điểm đặc trưng có giá trị riêng cực trị trên ma trận $M$.
    • Tính toán 3 moment thống kê bậc cao (Mean, Variance, Skewness) trên 8 băng con mức 4 xung quanh lân cận điểm neo để tạo vector đặc trưng $F_{\text{CH}}$.

Phát hiện đột phá và implications

Những phát hiện then chốt

      SO SÁNH HIỆU NĂNG TRUY VẤN MAP TRÊN BỘ DỮ LIỆU UIUC VÀ BRODATZ
            Gabor     Curvelet    Contourlet  pbLBP     CH        CC
                      Thuật toán cơ sở           Thuật toán đề xuất

Các kết quả thực nghiệm kiểm định định lượng đem lại 5 phát hiện then chốt:

  1. Hiệu năng vượt trội của Bộ mô tả Contourlet Cooccurrence (CC): Trên tập ảnh UIUC và Brodatz, giải thuật CC đạt chỉ số MAP cao nhất trong số các phương pháp đơn đặc trưng, vượt trội rõ rệt so với phương pháp GGD & KLD truyền thống và biến đổi Gabor kinh điển. Đặc biệt, sai số xếp hạng Normalized Average Rank của CC giảm xuống mức thấp nhất, chứng minh năng lực gom cụm chính xác các ảnh cùng phân lớp ngữ nghĩa.
  2. Ưu thế bất biến của Thông tin Pha (Phase-Based LBP): Thực nghiệm đối đầu giữa Phase Steerable Pyramid và Magnitude Steerable Pyramid trên bộ ảnh Brodatz xoay xác nhận: việc sử dụng thông tin pha mang lại độ chính xác trung bình (AP) cao hơn từ $12.4%$ đến $18.6%$ so với việc chỉ sử dụng thông tin biên độ. Điều này chứng minh pha của hệ số wavelet phức nắm giữ cấu trúc bất biến hình học của vi vân bề mặt.
  3. Độ ổn định định vị của Contourlet Harris (CH): Bộ trích đặc trưng CH trên tập WANG đạt độ chính xác truy vấn $91.3%$ trên nhóm ảnh có cấu trúc góc cạnh rõ nét (như nhóm Xe buýt - Buses và Tòa nhà - Buildings), vượt qua hệ thống SIMPLIcity ($84.0%$) nhờ loại bỏ hoàn toàn các điểm biên giả gây ra bởi nhiễu tần số cao.
  4. Hiệu quả của Giải thuật phối hợp đặc trưng toàn cục (Matching): Hàm kết hợp trọng số $D^{\text{matching}} = \alpha D^{\text{Color}} + \beta D^{\text{Gabor}} + \gamma D^{\text{Contourlet}}$ trên không gian màu HSV cho thấy sự tương hỗ tối ưu: đặc trưng màu sắc đóng vai trò hệ số thích nghi định hướng vùng không gian, trong khi Gabor và Contourlet phân giải chi tiết vi cấu trúc.
  5. Đột phá trong Phân loại đa nhân (MKL-SVM) và Integrated Method: Khi mở rộng sang bài toán phân loại trên Caltech-101 và 15-Scenes, phương pháp học đa nhân (MKL) kết hợp Dense SBP với ba hàm nhân ($\chi^2$, Histogram Intersection, $L_1$) kết hợp kỹ thuật tích hợp phân lớp (Integrated Method) đã nâng độ chính xác phân loại tổng thể lên mức tương đương và cạnh tranh trực tiếp với các phương pháp State-of-the-art cùng thời kỳ công bố.
Giải thuật truy vấn Đặc trưng sử dụng MAP (UIUC) MAP (Brodatz) Bất biến xoay Khối lượng tính toán
Gabor Wavelet Mean / Variance 0.461 0.512 Kém Thấp
GGD & KLD Mật độ Gauss tổng quát 0.503 0.589 Trung bình Rất cao (Vòng lặp EM)
Contourlet chuẩn Năng lượng băng con 0.542 0.621 Kém Thấp
Wavelet HMT Cây Markov ẩn 0.528 0.604 Kém Cao
Matching (Đề xuất) Color + Gabor + Contourlet 0.684 0.715 Khá Trung bình
pbLBP (Đề xuất) Phase Steerable + LBP 0.712 0.814 Rất cao Thấp (Lookup table)
CH (Đề xuất) NSCT + Harris Corners 0.781 0.763 Cao Trung bình
CC (Đề xuất) Contourlet + GLCM 1 hướng 0.892 0.876 Rất cao Trung bình

Implications đa chiều

  • Về mặt học thuật: Khẳng định vai trò của việc kết hợp miền biến đổi đa phân giải với các toán tử không gian phi tuyến; mở ra phương pháp luận thiết kế vector đặc trưng cô đọng thay thế cho các mô hình xác suất tính toán nặng.
  • Về mặt công nghệ và kỹ thuật: Các giải thuật đề xuất có cấu trúc độc lập dữ liệu, cho phép nạp trước cơ sở dữ liệu vector đặc trưng (offline indexing) và thực thi so khớp khoảng cách thời gian thực (online retrieval) với độ trễ dưới 50ms trên cấu hình máy tính tiêu chuẩn.

Limitations và Future Research

Luận án thừa nhận 4 giới hạn khoa học cụ thể:

  1. Sự bùng nổ số chiều của ma trận đặc trưng: Việc kết hợp đa tỉ lệ và đa hướng trong biến đổi Contourlet dẫn đến kích thước vector đặc trưng gia tăng, đòi hỏi tài nguyên bộ nhớ lớn khi mở rộng quy mô lên hàng triệu ảnh nếu không áp dụng các kỹ thuật giảm chiều như PCA.
  2. Chi phí tính toán của biến đổi NSCT không giảm mẫu: Mặc dù NSCT loại bỏ hiện tượng răng cưa và đạt tính bất biến dịch, việc không giảm mẫu (nonsubsampled) làm tăng khối lượng tính toán của bộ dò Contourlet Harris so với biến đổi Contourlet thông thường.
  3. Phụ thuộc vào siêu tham số cố định: Các trọng số dung hợp $(\alpha, \beta, \gamma)$ trong giải thuật Matching và ngưỡng lượng tử hóa $N_g=16$ trong giải thuật CC vẫn được lựa chọn dựa trên kinh nghiệm thực nghiệm thay vì cơ chế tự học thích nghi hoàn toàn.
  4. Giới hạn của kỷ nguyên đặc trưng thủ công (Hand-crafted Features): Các bộ mô tả chưa khái quát hóa được các khái niệm trừu tượng cấp cao phức tạp vốn sau này được giải quyết triệt để bởi mạng nơ-ron tích chập sâu (Deep Convolutional Neural Networks).

Chương trình nghiên cứu tiếp nối (Future Agenda):

  • Tích hợp mạng nơ-ron học sâu (Deep Learning) với các lớp lọc Wavelet/Contourlet khởi tạo cố định (Wavelet Scattering Transforms).
  • Tối ưu hóa thuật toán song song hóa trên phần cứng GPU/FPGA cho biến đổi NSCT.
  • Phát triển cơ chế phản hồi ngữ nghĩa thích nghi động (Adaptive Relevance Feedback) dựa trên học tăng cường (Reinforcement Learning).

Tác động và ảnh hưởng

                           HỆ SINH THÁI TÁC ĐỘNG

Công trình tạo lập ảnh hưởng đa chiều:

  • Tác động học thuật: Đóng góp 6 công trình khoa học công bố tại các tạp chí chuyên ngành uy tín trong nước và các kỷ yếu hội nghị quốc tế chuẩn IEEE/IASTED; trở thành tài liệu tham khảo nền tảng cho các nghiên cứu sinh chuyên ngành Xử lý tín hiệu và Kỹ thuật viễn thông.
  • Tác động công nghiệp và ứng dụng thực tiễn: Các thuật toán được triển khai thử nghiệm trực tiếp tại Trung tâm Nghiên cứu Ứng dụng Khoa học Kỹ thuật Truyền hình (BRAC) thuộc Đài Truyền hình Việt Nam (VTV), phục vụ bài toán đánh chỉ mục và truy xuất kho lưu trữ video/hình ảnh tư liệu kỹ thuật số có dung lượng lớn.
  • Tác động xã hội: Cung cấp giải pháp tìm kiếm dữ liệu thị giác chính xác phục vụ y tế số (phân loại phim chụp X-quang, MRI) và an ninh quốc phòng (nhận dạng ảnh vệ tinh viễn thám).

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học Thị giác máy tính: Tiếp cận hệ phương pháp luận kết hợp giải tích đa phân giải định hướng với vi cấu trúc thống kê; sở hữu bộ dữ liệu thực nghiệm đối chuẩn phong phú.
  • Kỹ sư R&D Công nghệ thông tin & Đa phương tiện: Ứng dụng mã nguồn và cấu trúc giải thuật truy vấn tốc độ cao vào các công cụ tìm kiếm ảnh thương mại, hệ thống quản trị nội dung số (CMS).
  • Ngành Phát thanh - Truyền hình và Báo chí số: Ứng dụng hệ thống CBIR tự động hóa quy trình phân loại, biên tập và tra cứu kho tư liệu hình ảnh lịch sử mà không phụ thuộc vào thẻ từ khóa thủ công (manual metadata tagging).

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Đóng góp độc đáo nhất là Bộ mô tả Contourlet Cooccurrence (CC). Luận án đã chứng minh về mặt toán học rằng biến đổi ma trận đồng hiện mức xám (GLCM) của Haralick bản chất là một toán tử phân tích băng lọc tương đương với Haar wavelets. Từ phát hiện này, tác giả đã cải tiến căn bản phương pháp Haralick kinh điển: thay vì tính toán ma trận GLCM trên 4 hướng không gian rời rạc gây dư thừa thông tin, thuật toán chỉ trích xuất GLCM theo đúng một hướng duy nhất trên từng băng con định hướng của biến đổi Contourlet, giảm thiểu chi phí tính toán đồng thời bắt trọn đặc tính hình học của bề mặt.

2. Sự đổi mới về mặt phương pháp luận so với các nghiên cứu trước đây?

So sánh với phương pháp GGD & KLD của Do & Vetterli (2002) và Wavelet HMT của Crouse et al. (1998) vốn phụ thuộc vào việc ước lượng mật độ xác suất liên tục thông qua thuật toán lặp Expectation-Maximization (EM) phức tạp, luận án đã chuyển đổi hoàn toàn sang Phương pháp tiếp cận tất định kết hợp thống kê cục bộ phi tham số (pbLBP và CH). Phương pháp này giúp hệ thống đạt tốc độ xử lý thời gian thực, có khả năng tính toán ma trận đặc trưng trước (offline) mà vẫn bảo toàn độ chính xác tương đương hoặc vượt trội.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất?

Phát hiện bất ngờ nhất nằm ở Hiệu năng của thông tin pha trong miền Wavelet phức (Phase-Based LBP). Trong khi hầu hết các công trình CBIR trước năm 2010 đều triệt tiêu thành phần pha và chỉ giữ lại phổ biên độ (magnitude spectrum), thực nghiệm của luận án trên tập ảnh Brodatz xoay chuẩn chỉ ra rằng thông tin pha kết hợp toán tử LBP đạt độ chính xác truy vấn cao hơn thông tin biên độ tới $18.6%$. Điều này chứng minh pha mới là thành phần lưu giữ thông tin vi cấu trúc và góc xoay thực sự của ảnh kết cấu.

4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) không?

Có. Toàn bộ cấu hình thực nghiệm được quy định chuẩn hóa tuyệt đối: kích thước cửa sổ lọc, mức phân rã kim tự tháp Steerable Pyramid, số mức lượng tử hóa mức xám ($N_g = 16$), các thông số bán kính và số điểm lân cận của toán tử LBP ($P=8, R=1, 2$), các siêu tham số của hàm nhân SVM ($\chi^2, \text{Intersection}, L_1$) cùng các tập dữ liệu ảnh đối chuẩn quốc tế công khai (WANG, Brodatz, UIUC, Caltech-101, 15-Scenes).

5. Chương trình nghiên cứu 10 năm tiếp theo được định hình như thế nào?

Chương trình nghiên cứu mở rộng định hướng vào việc: (1) Dung hợp các biến đổi Wavelet định hướng vào các tầng tích chập sâu (Deep Convolutional Layers) nhằm giảm thiểu tham số huấn luyện của mạng nơ-ron; (2) Tự động hóa việc tối ưu trọng số dung hợp đa đặc trưng bằng giải thuật di truyền (Genetic Algorithm - GA) hoặc học tăng cường; (3) Mở rộng hệ thống CBIR sang truy vấn chuỗi hành động trong video độ nét cao (Content-Based Video Retrieval).

Kết luận

Luận án của NCS. Nguyễn Đức Hoàng đã hoàn thành xuất sắc các mục tiêu nghiên cứu với 6 đóng góp cốt lõi:

  1. Thiết kế giải thuật truy vấn Matching tích hợp tối ưu ba đặc trưng toàn cục: Histogram màu không gian HSV, Gabor wavelets và Contourlets.
  2. Sáng tạo bộ mô tả Contourlet Cooccurrence (CC) kết hợp biến đổi Contourlet định hướng với ma trận GLCM một hướng, giải quyết triệt để tính dư thừa không gian của phương pháp Haralick cổ điển.
  3. Đề xuất bộ mô tả Phase-Based LBP (pbLBP) trên miền Wavelet phức / Steerable Pyramid, chứng minh tính bất biến chiếu sáng và góc xoay vượt trội của thông tin pha so với biên độ.
  4. Phát triển bộ trích đặc trưng điểm neo Contourlet Harris (CH) trên nền biến đổi Contourlet không giảm mẫu (NSCT), nâng cao độ nhạy phát hiện đối tượng hình học phức tạp.
  5. Xây dựng khung đánh giá thực nghiệm toàn diện dựa trên bộ chuẩn quốc tế TREC/CBIR (PR-curve, MAP, R-precision, Normalized Rank) trên 5 bộ cơ sở dữ liệu đối chuẩn.
  6. Mở rộng ứng dụng thành công sang bài toán phân loại ảnh sử dụng mô hình Túi các từ thị giác (BoW), Dense SBP, Spatial Pyramid Matching và Học đa nhân (MKL-SVM) với phương pháp tích hợp phân lớp tối ưu.

Công trình đóng vai trò gạch nối học thuật quan trọng, khẳng định giá trị bền vững của giải tích đa phân giải hình học trong kỷ nguyên công nghệ thị giác máy tính hiện đại.