I. Khái quát về trích chọn đặc trưng ảnh và tìm kiếm theo đặc trưng ảnh
Sự phát triển mạnh mẽ của công nghệ ảnh số đã dẫn đến sự gia tăng nhanh chóng về lượng ảnh lưu trữ trên web. Mỗi ngày, hàng triệu bức ảnh được đăng tải trên các nền tảng như Flickr, Photobucket, và Facebook. Điều này tạo ra nhu cầu cấp thiết cho các hệ thống tìm kiếm ảnh hiệu quả. Các công cụ tìm kiếm ảnh hiện tại thường dựa vào hai đặc trưng chính: văn bản đi kèm ảnh và nội dung ảnh. Tuy nhiên, việc tìm kiếm chỉ dựa vào văn bản đi kèm có thể dẫn đến sự nhập nhằng giữa nội dung hiển thị và nội dung văn bản. Do đó, việc phát triển các công cụ tìm kiếm ảnh theo nội dung đã trở thành một xu hướng quan trọng. Tìm kiếm ảnh theo nội dung (Content-Based Image Retrieval - CBIR) cho phép phân tích nội dung thực sự của ảnh, từ đó nâng cao độ chính xác trong việc tìm kiếm. Các đặc trưng như màu sắc, hình dạng, và kết cấu được sử dụng để mô tả nội dung ảnh, giúp cải thiện khả năng tìm kiếm và phân loại ảnh.
1.1. Đặc trưng văn bản đi kèm ảnh và tìm kiếm ảnh theo văn bản đi kèm
Mỗi ảnh trên web thường có các văn bản đi kèm như tên ảnh, thẻ, và bình luận, tạo thành các siêu dữ liệu về ảnh. Độ quan trọng của các loại siêu dữ liệu này khác nhau, với thẻ thường quan trọng hơn tên ảnh. Các công cụ tìm kiếm ảnh dựa vào văn bản đi kèm thường khai thác nội dung của các văn bản này để tìm kiếm và xếp hạng ảnh. Tuy nhiên, với các câu truy vấn mang ý nghĩa nhập nhằng, kết quả trả về có thể không đúng với yêu cầu của người dùng. Ví dụ, khi truy vấn 'apple', máy tìm kiếm có thể trả về logo của hãng Apple thay vì hình ảnh quả táo. Điều này cho thấy sự cần thiết phải phát triển các phương pháp tìm kiếm dựa vào nội dung ảnh để khắc phục nhược điểm này.
1.2. Đặc trưng nội dung ảnh và tìm kiếm theo đặc trưng nội dung
Tìm kiếm ảnh theo nội dung (CBIR) là một ứng dụng của thị giác máy tính, cho phép phân tích nội dung thực sự của các bức ảnh. Nội dung ảnh được thể hiện qua các đặc trưng như màu sắc, hình dạng, và kết cấu. Các phương pháp tìm kiếm ảnh theo nội dung đã được phát triển để cải thiện độ chính xác và hiệu quả trong việc tìm kiếm. Ví dụ, Google Image Swirl và Tiltomo là những công cụ cho phép tìm kiếm ảnh dựa vào độ tương đồng về chủ đề, màu sắc, và kết cấu. Việc tìm kiếm ảnh theo mẫu cũng là một hướng nghiên cứu quan trọng, trong đó đầu vào là một ảnh và hệ thống sẽ trả về những ảnh tương đồng với ảnh mẫu. Điều này cho thấy sự phát triển của các phương pháp trích chọn đặc trưng ảnh là rất cần thiết trong bối cảnh hiện nay.
II. Các phương pháp lựa chọn đặc trưng và độ đo tương đồng giữa các ảnh
Trong tìm kiếm ảnh theo nội dung, việc lựa chọn các đặc trưng thích hợp và độ đo tương đồng là rất quan trọng. Các yêu cầu cơ bản đối với thành phần lựa chọn đặc trưng bao gồm việc cung cấp đầu vào tốt nhất cho hệ thống tìm kiếm ảnh, giảm độ phức tạp trong tính toán, và đảm bảo hiệu quả khi sử dụng cho mọi truy vấn. Việc lựa chọn các đặc trưng như màu sắc, kết cấu, hình dạng, và đặc trưng cục bộ (SIFT) sẽ giúp tăng cường độ chính xác và tốc độ của hệ thống. Đặc trưng màu sắc là phương pháp phổ biến nhất trong tìm kiếm ảnh, với các lược đồ màu như RGB, HSI, và HSI cải tiến. Tuy nhiên, độ chính xác của phương pháp này không cao, do đó cần có các bước lọc và tìm kiếm bổ sung để cải thiện kết quả.
2.1. Đặc trưng màu sắc
Tìm kiếm ảnh theo lược đồ màu là phương pháp phổ biến và được sử dụng nhiều nhất trong các hệ thống tìm kiếm ảnh theo nội dung. Mỗi điểm ảnh có thể được biểu diễn trong không gian màu sắc ba chiều, với các không gian màu thường dùng như RGB, HSI, và CIE. Việc tính toán biểu đồ màu cho mỗi ảnh giúp xác định tỉ trọng các điểm ảnh chứa các giá trị màu sắc đặc biệt. Mặc dù phương pháp này có tốc độ tìm kiếm nhanh, độ chính xác không cao, do đó cần kết hợp với các phương pháp khác để nâng cao hiệu quả tìm kiếm.
2.2. Đặc trưng kết cấu
Trích xuất nội dung ảnh theo kết cấu nhằm tìm ra mô hình trực quan của ảnh và cách thức chúng được xác định trong không gian. Kết cấu được biểu diễn bởi các texel và được đặt vào các tập phụ thuộc vào số kết cấu được phát hiện trong ảnh. Việc xác định các kết cấu đặc biệt trong ảnh chủ yếu được thực hiện bằng cách mô hình các kết cấu như những biến thể cấp độ xám hai chiều. Các nghiên cứu gần đây đang cố gắng phân vùng ảnh theo các kết cấu khác nhau và tìm mối quan hệ giữa các vùng này, từ đó nâng cao khả năng nhận diện và phân loại ảnh.
