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...
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:
- luan_van_tim_kiem_anh_dua_vao_noi_dung.pdf