Luận văn Tìm kiếm ảnh dựa vào nội dung

Tóm tắt Luận văn Tìm kiếm ảnh dựa vào nội dung: ...nh dáng: Đối với những lớp ảnh cần tìm mà liên quan đến hình dạng của đối tượng thì đặc trưng vân và màu không thể giải quyết được. Ví dụ như tìm một vật có hình dạng ellipse hay hình tròn trong ảnh. Tìm kiếm theo hình dáng thật sự là một cái đích của hệ thống tìm kiếm dựa vào nội dung muốn đạt... 2.3. Ma trận đồng hiện và đối tượng đồng hiện 2.4. Độ đo năng lượng của vân dựa vào luật đo 2.5. Tương quan tự động và quang phổ năng lượng Kh oa C NT T - Ð H KH TN TP .H CM Luận văn tốt nghiệp đại học 23 1. Vân: 1.1. Vân là gì? Vân (texture), đến này vẫn chưa có một định ng...ép biến đổi hai chiều. Tuy nhiên, quá trình so khớp về đồ thị diễn ra rất chậm, thời gian tính toán tăng theo cấp số mũ tương ứng với số lượng các phần tử. Trong việc tìm kiếm dữ liệu ảnh dựa Kh oa C NT T - Ð H KH TN TP .H CM Luận văn tốt nghiệp đại học 37 vào nội dung, ta cần n...

pdf89 trang | Chia sẻ: havih72 | Lượt xem: 234 | Lượt tải: 0download
Nội dung tài liệu Luận văn Tìm kiếm ảnh dựa vào nội dung, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
định nghĩa độ đo khoảng cách hình dạng.
Giả sử Q là ảnh truy vấn và I là ảnh mang hình dạng được so sánh với Q. Gọi { Qna }
là dãy của những mô tả Fourier cho ảnh truy vấn, và { Qna } là mô tả Fourier cho
ảnh. Khi đó độ đo khoảng cách Fourier như sau:
2/1
2
),( 

 −= ∑
−=
M
Mn
Q
n
I
nFourie aaQId
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
40
Như đã mô tả, khoảng cách này chỉ bất biến đối với phép tịnh tiến. Nếu mà những
bất biến khác đòi hỏi, có thể dùng sự kết hợp với nhiều hàm số học thể giải quyết
vấn đề tỷ lệ, xoay, và điểm bắt đầu để cực tiểu hoá ),( QId Fourier
Nếu mà đường biên được trình bày dưới dạng một đa giác, chiều dài của các
cạnh và góc giữa chúng có thể được tính và dùng để trình bày hình dạng. Một hình
dạng có thể được trình bày bởi một dãy những điểm nối liền nhau (Xi, Yi, iα ), với
cặp đường thẳng giao nhau tại điểm (Xi, Yi) với góc lớn iα . Cho một dãy Q = Q1,
Q2, ..., Qn của những điểm nối liền nhau trình bày đường biên của đối tượng truy
vấn Q và một dãy tương tự I=I1, I2, ..., Im trình bày đường biên của đối tượng I, mục
tiêu là tìm một ánh xạ từ Q tới I mà ánh xạ từ dãy phân đoạn của ảnh truy vấn tới
dãy có chiều dài tương tự phân đoạn của ảnh và sao cho cặp của dãy phân đoạn truy
vấn gần kề mà gặp tại một góc đặc biệt α nên ánh xạ tới một cặp những dãy phân
đoạn gần kề mà gặp nhau tại một góc 'α tương tự.
Một kỹ thuật so khớp đường biên khác là so khớp mềm dẻo (elastic
matching) trong đó hình dạng truy vấn được làm biến dạng để trở nên càng giống
với hình dạng ảnh mẫu càng tốt. Sự cách biệt giữa hình dạng ảnh truy vấn và hình
dạng của ảnh mẫu dựa vào hai thành phần chính: (1) năng lượng đòi hỏi trong quá
trình biến dạng từ hình dạng ảnh truy vấn tới mức độ phù hợp nhất với hình dạng
trong ảnh mẫu. Và (2) sự đo lường về độ giống nhau giữa hình dạng ảnh truy vấn
sau khi bị biến dạng khớp với hình dạng trong ảnh mẫu.
2.3. So khớp ảnh phát họa :
Hệ thống so khớp phát họa cho phép người dùng nhập vào một bản phát họa
của những đường biên chính trong một ảnh và sau đó hệ thống sẽ tìm kiếm những
ảnh màu hay ảnh xám mà có đường biên khớp nhất. Những ảnh màu được tiền xử
lý như sau để đạt được một dạng trung gian gọi là ảnh được trích rút (abstract
image).
- Áp dụng phép biến đổi affine để giảm kích thước ảnh về kích thước chỉ
định trước. Dùng một mặt nạ trung vị để lọc nhiễu. Kết quả của bước này
cho ra một ảnh được tiêu chuẩn hóa
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
41
- Dò biên sử dụng thuật toán dò tìm đường biên dựa trên gradient. Dò biên
được tiến hành qua hai bước: những biên toàn cục sẽ được tìm thấy trước
tiên với một ngưỡng toàn cục dựa trên giá trị trung bình và biến đổi của
gradient; sau đó, những đường biên cục bộ sẽ được chọn từ toàn cục theo
những ngưỡng cục bộ. Kết quả của bước này cho ra ảnh gọi là ảnh đã được
lọc biên (refined edge image).
- Tiến hành làm mảnh và rút ngắn trên ảnh đã được lọc biên. Kết quả cuối
cùng được gọi là ảnh được trích rút.
Khi người sử dụng nhập vào một bức ảnh phát họa ở dạng thô như là một ảnh truy
vấn, nó cũng lần lượt được đưa qua các giai đoạn chuẩn hóa kích thước, nhị phân
hóa, làm mảnh hoá, và rút gọn. Kết quả của quá trình xử lý này cho ra một ảnh gọi
là bản phát họa đều nét. Giờ đây, bản phát họa đều nét phải được so khớp với
những ảnh được trích rút ở trên. Thuật giải so khớp là thuật giải dựa vào mối tương
quan. Hai ảnh sẽ được chia ra làm những hệ thống lưới ô vuông. Đối với mỗi hệ
thống lưới ô vuông của ảnh truy vấn, tương quan cục bộ với hệ thống lưới ô vuông
tương ứng của ảnh cơ sở dữ liệu sẽ được tính. Để thiết thực hơn, tương quan cục bộ
được tính cho một vài những dịch chuyển khác biệt trong vị trí trong hệ thống ô
lưới trên những ảnh cơ sở dữ liệu và giá trị tương quan cực đại qua tất cả những
dịch chuyển là kết quả của cho hệ thống ô lưới đó. Độ đo sự giống nhau cuối cùng
là tổng của mỗi tương quan cục bộ. Độ đo khoảng cách là nghịch đảo của độ đo sự
giống nhau này.
Từ những chú giải trên, nó có thể được biểu diển lại dưới dạng sau:
))]()),(((ˆ[
1),(
1 gLgAshiftdaxm
QId
Q
nncorrelationg
sketch ∑=
trong đó AI(g) quy cho hệ thống ô lưới g của ảnh được trích rút được tính từ ảnh cơ
sở dữ liệu I, shift(AI(g)) quy cho phiên bản được dịch chuyển của hệ thống lưới g
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
42
của cùng ảnh được trích rút, và LQ(g) quy cho hệ thống ô lưới g của bản họa đều
nét có kết quả từ ảnh truy vấn Q.
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
43
PHẦN 3
CÀI ĐẶT VÀ
KẾT QUẢ THỬ NGHIỆM
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
44
Chương 1:
Cài đặt
1. Chương trình
2. Phần Màu sắc
3. Phần Vân
4. Phần Hình dạng
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
45
1. Chương trình:
- Chương trình gồm 3 mođun riêng cho mỗi phần: màu sắc, vân và hình
dạng.
- Mỗi phần của chương trình được lập trình trên môi trường Visual C++ 7.0,
với sự hỗ trợ của thư viện lập trình MFC, một thư viện liên kết tĩnh .dll của
intel hỗ trợ cho việc truy xuất ảnh jpeg.
- Mỗi phần là một bản demo cho cơ sở lý thuyết đã được nêu ở phần 2.
- Phần màu sắc, chương trình demo tập chung vào phần màu sắc là nhiều
nhất, vì đây là phần khả thi và có thể ứng dụng được liền vào thực tế với tốc
độ và kết quả chấp nhận được.
- Phần vân: chương trình làm phần tìm và so sánh vân dựa vào kỹ thuật ma
trận đồng hiện và thống kê khác biệt ở lượt đồ xám.
- Phần hình dạng: chương trình làm phần so khớp ảnh phát họa kết hợp với
lượt đồ hình dạng.
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
46
2. Phần màu sắc:
Quy trình thực hiện như sau:
Bước 1: Nhận vào ảnh mẫu, tính lượt đồ màu HSI cho ảnh mẫu
Bước 2: Đọc ảnh từ cơ sở dữ liệu:
Nếu còn ảnh: Tính lượt đồ màu của ảnh, qua Bước 3
Nếu hết ảnh: Kết thúc
Bước 3: So sánh 2 lượt đồ màu vừa tính được dựa vào độ đo nào đó.
Bước 4: So sánh kết quả độ đo với ngưỡng, thông báo kết quả.
Quay lại bước 2.
Tính lượt đồ màu:
Mô hình màu được ứng dụng vào việc cài đặt là mô hình màu HSI.
Cấu trúc của lượt đồ màu như sau:
struct ColorHistogram
{
unsigned int grey[5]; (1)
unsigned int val[18][3][3];
}
Quá trình tính lượt đồ màu HSI cho việc tìm kiếm:
Bước 1: Nhận vào ảnh RGB, đổi sang ảnh HSI
Bước 2: Đọc giá trị điểm tiếp theo
Nếu không có điểm thì kết thúc.
Nếu tồn tại điểm, qua bước 3.
Bước 3: Đọc thành phần intensity.
Nếu intensity < 0.3 thì cho đây là điểm màu đen. Quay lại bước 2
Nếu intensity>=0.3, qua bước 4
Bước 4: Đọc thành phần Saturation
Nếu Saturation <0.08 thì cho đây là điểm ảnh xám, gán giá trị tương
ứng cho lượt đồ màu. Quay lại bước 2.
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
47
Nếu Saturation>=0.08 thì cho đây là điểm ảnh màu, gán giá trị tương
ứng cho lượt đồ màu dựa vào thành phần Hue, Saturation, và
Intensity.
Quay lại bước 2.
2.1. Tìm kiếm theo tỉ lệ phần trăm về màu sắc:
- Người dùng xác định tỉ lệ phần trăm một số màu cần tìm kiếm, nhưng
không quan tâm đến vị trí xuất hiện của những màu này. Chúng có thể xuẩt
hiện khắp nơi trong ảnh hoặc tập chung tại một khu vực nào đó. 
Ví dụ: Tìm kiếm những bức ảnh có chứa khoảng 20-30% màu đỏ, 30-50%
màu trắng, 10-40% màu đen.
- Cách tiến hành: Không cần phải tính lượt đồ màu mà chỉ cần đếm số lượng
những màu được chọn để tìm kiếm.
+ Màu được tìm kiếm được xếp vào một trong 167 bin của (1)
+ Trong quá trình tìm kiếm, nếu điểm ảnh nào nằm trong bin có màu
được chọn thì số lượng trong bin đó tăng thêm 1.
+ Nếu tỉ lệ tổng số điểm ảnh trong từng bin được chọn trên tổng số
lượng điểm ảnh của ảnh nằm trong khoảng được đặt ra thì ảnh đó thỏa
mãn yêu cầu tìm kiếm.
2.2. Tìm kiếm theo lượt đồ màu toàn cục dựa trên ảnh mẫu:
- Người dùng chọn một ảnh, những ảnh tìm được là những ảnh có sắc màu
gần giống với ảnh cần tìm nhất theo một ngưỡng tự chọn trước.
- Các tiến hành: Ý tưởng cách làm là so sánh lượt đồ màu toàn cục của ảnh
với những ảnh khác trong cơ sở dữ liệu. Nếu ảnh trong cơ sở dữ liệu có lượt
đồ màu phù hợp với độ đo theo một ngưỡng nhất định sẽ được chọn.
+ Tính lượt đồ màu của ảnh gốc như (1).
+ Trong quá trình tìm kiếm, tính lượt đồ màu của từng ảnh. Sau đó so sánh
những lượt đồ này với nhau theo các loại độ đo được chọn.
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
48
+ Những ảnh thỏa mãn nhu cầu tìm kiếm là những ảnh có sự giao nhau của 2
lượt đồ đạt giá trị thỏa mãn ngưỡng.
Độ đo được dùng : Min-Max, Euclid, độ đo khoảng cách toàn phương.
2.3. Tìm kiếm theo màu chỉ định dạng lưới:
- Người dùng xác định vị trí những khoảng màu sẽ xuất hiện trong tấm ảnh.
Những vùng màu được chọn dưới dạng ô lưới. Người dùng có thể xác định
độ chia nhỏ của từng ô lưới.
- Cách tiến hành : Dựa vào những ô lưới của người dùng đã ấn định, tiến
hành chia ảnh trong cơ sở dữ liệu cần theo những ô lưới. Dùng mỗi màu đại
diện cho một ô lưới, tiến hành so sánh ô lưới mà người dùng ấn định với ô
lưới trong những ảnh vừa xác lập cho ra được theo một ngưỡng định trước.
+ Xác định mức độ chia nhỏ của mức lưới. Đồng thời xác định những màu
được chọn trong các mắt lưới.
+ Tương tự như trên, màu trong những mắt lưới này sẽ được xếp vào 1 trong
167 bin như trong (1).
+ Trong quá trình tìm kiếm, ảnh tìm kiếm sẽ được chia theo đúng tỉ lệ của ô
lưới xác lập ở trên.
+ Ứng với những ô lưới có màu được chọn, tính lượt đồ màu của ô lưới
tương ứng trên ảnh. Tính màu đại diện trong ô lưới của ảnh. Sau đó tiến hành
so sánh màu này với màu được chọn trong ô lưới ban đầu.
+ Tổng những so sánh ô lưới trên so với một ngưỡng sẽ cho được kết quả
ảnh có phù hợp hay không.
2.4. Tìm kiếm toàn cục theo dạng so sánh lưới dựa trên ảnh mẫu:
- Người dùng chỉ định ảnh mẫu với yêu cầu là: Tìm những ảnh có sắc màu
gần giống với ảnh này. Cách tìm kiếm này khác với cách tìm kiếm dựa trên
lượt đồ màu là nó quan tâm đến vị trí của những khoảng màu trong ảnh.
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
49
Cách tìm kiếm này không những tìm ra những ảnh có sắc màu gần giống với
ảnh mẫu mà còn giống nhau ở ví trí tương ứng những sắc màu đó.
- Cách tiến hành: Ý tưởng phương pháp này giống như phương pháp so sánh
lưới cục bộ có tương tác với người dùng.
+ Chia lưới cho ảnh mẫu. Tính những màu đại diện cho từng ô lưới. Tạo
thành một mảng những màu đại diện.
+ Trong quá trình tìm kiếm ảnh, mỗi ảnh tìm kiếm ta cũng tiến hành chia
thành những ô lưới và tính màu đại diện cho mỗi ô lưới. Ta cũng được một
mảng những màu đại diện.
+ Tiến hành so sánh mảng màu đại diện với ngưỡng cho trước.
2.5.Tìm kiếm kết hợp giữa màu chỉ định dạng lưới và toàn cục theo một ảnh
mẫu:
- Đây là sự kết hợp giữa phương pháp tìm toàn cục theo dạng lưới và tìm cục
bộ theo dạng lưới. Tương tự như tìm toàn cục theo dạng lưới nhưng còn cho
phép người dùng thay đổi khoảng màu của từng ô lưới. Những ô lưới không
bị thay đổi khoảng màu sẽ dùng khoảng màu của ảnh mẫu đã được chọn.
- Cách tiến hành:
+ Tương tự như trên, tiến hành chia lưới trên ảnh mẫu.
+ Nhận những giá trị của màu đã bị thay đổi trên lưới. Được mảng những
màu đại diện.
+ Trong quá trình tìm kiếm, mỗi ảnh tìm kiếm được chia lưới theo tỉ lệ tương
ứng như trên. Sau đó, tính mảng màu đại diện.
+ Tiến hành so sánh mảng màu đại diện này với nhau để tìm ra được ảnh phù
hợp với yêu cầu tìm kiếm
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
50
3. Phần vân:
Quy trình thực hiện như sau:
Bước 1: Nhận vào ảnh mẫu, tính vectơ vân đặc trưng cho ảnh mẫu
Bước 2: Đọc ảnh từ cơ sở dữ liệu:
Nếu còn ảnh: Tính vectơ của ảnh, qua Bước 3
Nếu hết ảnh: Kết thúc
Bước 3: So sánh 2 vectơ vân vừa tính được dựa vào độ đo nào đó.
Bước 4: So sánh kết quả độ đo với ngưỡng, thông báo kết quả.
Quay lại bước 2.
3.1. Tìm kiếm ảnh dựa vào ma trận đồng hiện:
Kỹ thuật dùng ma trận đồng hiện đối với việc tìm kiếm ảnh, qua đó, vân của
mỗi ảnh được đặt trưng bởi một vectơ vân, vectơ này có 5 thành phần, giá trị
của mỗi thành phần tương ứng với những thành phần của các công thức dưới
đây.
Công thức được áp dụng:
Energy = ∑∑
i j
d jiN ],[
2
Entropy = -∑∑
i j
dd jiNjiN ],[log],[ 2
Contrast = ∑∑ −
i j
d jiNji ],[)(
2
Homogeneity = ∑∑ −+i j d ji
jiN
1
],[
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
51
Correlation =
ji
i j
dji jiNji
σσ
µµ∑∑ −− ],[))((
Các bước tính ma trận đồng hiện như sau:
Bước 1: Ảnh màu nhận vào được chuyển sang ảnh xám (intensity)
Bước 2: Tính ma trận đồng hiện trên ảnh mức xám này.
Sau bước này có thể có thêm bước 2’.
Bước 2’: Chuẩn hoá ma trận đồng hiện.
Bước 3: Tính các giá trị Energy, Entropy, Constrast, Homogeneity,
Correlation.
Bước 4: Gán các giá trị vừa tính được cho vectơ vân đặt trưng.
3.2. Tìm kiếm ảnh dựa vào thống kê khác biệt ở lượt đồ xám:
Kỹ thuật này cũng tương tự như đối với ma trận đồng hiện, nhưng nó
thường mang lại kết quả tìm kiếm khả quan hơn nhiều, tốc tộ cũng nhanh
hơn đối với ma trận đồng hiện. Vectơ vân của trường hợp này cũng có 5
thành phần chính, mỗi thành phần tương ứng với các giá trị của công thức
dưới đây:
Gọi h[I] là lượt đồ xám của ảnh.
Mean = ∑
=
255
1
][*
i
ihi
Variance = ∑
=
−
255
1
2 ][*)(
i
ihmeani
Skewness =
3
255
1
3
)var(
][*)(
iance
ihmeani
i
∑
=
−
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
52
Kurtosis = 3
4
][*)(
255
1
4
−
−∑
=i
ihmeani
Entropy = ∑
=
−
255
1
])[ln(*][
i
ihih
Các bước tính thống kê khác biệt ở lượt đồ xám như sau:
Bước 1: Ảnh màu được chuyển sang ảnh dạng xám
Bước 2: Tính lượt đồ xám cho ảnh xám vừa tính được
Bước 3: Tính các giá trị mean, variance, skewness, kurtosis, entropy dựa vào
các biểu thức ở trên.
Bước 4: Gán các giá trị vừa tính được vào vectơ
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
53
4. Phần hình dạng:
Quy trình thực hiện như sau:
Bước 1: Nhận vào ảnh mẫu phát thảo.
Phân đoạn ảnh bằng ngưỡng.
Tính lượt đồ hình dạng cho ảnh vừa phân đoạn
Bước 2: Đọc ảnh từ cơ sở dữ liệu:
Nếu còn ảnh: Phân đoạn ảnh, tính lượt đồ hình dạng, qua Bước 3
Nếu hết ảnh: Kết thúc
Bước 3: So sánh 2 lượt đồ hình dạng vừa tính được dựa vào độ đo nào đó.
Bước 4: So sánh kết quả độ đo với ngưỡng, thông báo kết quả.
Quay lại bước 2.
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
54
Chương 2:
Kết quả thử nghiệm
1. Phần Màu sắc
2. Phần Vân
3. Phần Hình dạng
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
55
1.Phần màu sắc:
Một số kết quả thử nghiệm một số chức năng chính của chương trình.
Cơ sở dữ liệu thử nghiệm: hơn 800 ảnh đủ mọi thể loại.
1.1.Tìm kiếm với chức năng tìm kiếm dựa trên lượt đồ toàn cục:
Ảnh đưa vào tìm kiếm:
Ngưỡng ban đầu được chọn là 50, cho ra kết quả tìm kiếm như sau:
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
56
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
57
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
58
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
59
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
60
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
61
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
62
Sau khi đổi ngưỡng lại là 60, và tìm kiếm trong kết quả vừa tìm được, lặp lại quá
trình tìm kiếm, ta thu được kết quả như sau:
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
63
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
64
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
65
1.2.Tìm kiếm với chức năng tìm kiếm dựa trên phần trăm màu:
Nhập vào: Chọn màu xanh blue (128,128,255), với tỉ lệ phần trăm xuất hiện trong
ảnh là từ 20-40%. Kết quả thu được như sau:
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
66
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
67
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
68
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
69
1.3.Tìm kiếm với chức năng tìm kiếm dựa vị trí màu sắc trong không gian:
Chọn ngưỡng là 70, vị trí màu sắc : nữa trên của ảnh là màu trắng
Kết quả thu được như sau:
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
70
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
71
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
72
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
73
2. Phần vân:
2.1. Ma trận đồng hiện:
Vân được đưa vào kiểm tra:
Với mức ngưỡng là 0.06
Kết quả thu được là:
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
74
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
75
2.1. Thống kê khác biệt với lượt đồ xám:
Vân được đưa vào kiểm tra:
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
76
Với mức ngưỡng là 0.06
Kết quả thu được là:
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
77
3. Phần hình dạng:
Rất tiếc là kết quả thu được không khả quan lắm.
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
78
PHẦN 4
KẾT LUẬN
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
79
Đánh giá kết quả đạt được
Người dùng có thể dùng chương trình này để tìm kiếm ảnh theo màu sắc,
vân, và hình dáng. Việc tìm kiếm ảnh với tiêu chí màu có kết quả tốt. Phù
hợp với thị giác người. Việc sử dụng sáng tạo một hệ thống tính toán lượt đồ
màu HSI mới đã làm cho việc tìm kiếm ảnh dựa vào màu sắc đạt kết quả tốt.
Có thể tìm kiếm theo màu với rất nhiều tiêu chí đặt ra.
Tìm kiếm ảnh theo vân và hình dạng, chương trình còn sơ sài, chưa đáp ứng
được. Vì thực sự đây là hai mảng đề tài rất khó, cần có nhiều sự đầu tư
nghiên cứu hơn.
Hướng phát triển
- Kết hợp các chức năng màu sắc, vân, hình dạng lại với nhau để giúp việc
tìm kiếm được hiệu quả hơn. Sự kết hợp giữa các chức năng này với nhau
sẽ mang lại kết quả khả quan hơn nhiều, vì nó làm tăng khả năng tìm kết
quả chính xác, theo như mong muốn.
- Tổ chức thành database ảnh đối với những số lượng ảnh lớn cố định.
Điều này sẽ giúp cho tốc độ tìm kiếm đạt giá trị cực tiểu.
- Có thể phát triển thêm để ứng dụng được vào thực tế:
o Giúp tìm hàng hoá trong siêu thị dựa vào hình ảnh.
o
o Tìm ảnh trên mạng.
o ....
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
80
Tài liệu tham khảo
[1] Linda G.Shapiro, George C.Stockman
COMPUTER VISION
Upper Saddle River, New Jersey
Prentice-Hall, Inc 2001
[2] Ratael C.Gonzalez, Richard E. Woods
DIGITAL IMAGE PROCESSING
Addison-Wesley Publishing Company, Inc 1993
[3] Marius Tico, Taneli Haverinen, Pauli Kuosmanen
A METHOD OF COLOR HISTOGRAM CREATION FOR IMAGE
RETRIEVAL
Signal Processing Laboratory
Digital Media Institute
Tampere University of Technology
P.O. BOX 553, FIN-33101, Tampere, FINLAND, tico@cs.tut.fi
[4] Charles E. Jacobs, Adam Finkelstein, David H. Salesin
FAST MULTIRESOLUTION IMAGE QUERYING
Department of Computer Science and Engineering
University of Washington
Seattle, Washington 98195
Kh
oa
 C
NT
T -
 Ð
H 
KH
TN
 TP
.H
CM
Luận văn tốt nghiệp đại học
81
[5] Alberto Del Bimbo
VISUAL INFORMATION RETRIEVAL
Department of Science of Information
University of Fizenze Finenze, Italy
MORGAN KAUFMANN, 1999

File đính kèm:

  • pdfluan_van_tim_kiem_anh_dua_vao_noi_dung.pdf
Ebook liên quan