Một số kỹ thuật đánh giá độ tương tự trong tra cứu tàu cá trên biển

CBIR được thực hiện thông qua việc tính độ tương tự giữa hai bứcảnh được biểu diễn bởi một trong số các đặc trưng mức thấp của ảnhnhư: Màu sắc, hình dạng, kết cấu… Kết quả đưa ra là tập

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

Ninh Thị Kim Yến

MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƯƠNG TỰ TRONG

TRA CỨU TÀU CÁ TRÊN BIỂN

LUẬN VĂN THẠC SỸ KHOA HỌC MÁY TÍNH

Thái Nguyên - 2016

Số hóa bởi Trung tâm Học liệu – ĐHTN ht t p:// w ww.lrc.tnu e du v n

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

Ninh Thị Kim Yến

MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƯƠNG TỰ TRONG

TRA CỨU TÀU CÁ TRÊN BIỂN

Chuyên ngành: Khoa học máy tính

Mã số: 60480101

LUẬN VĂN THẠC SỸ KHOA HỌC MÁY TÍNH

NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS ĐỖ NĂNG TOÀN

Thái Nguyên - 2016

Số hóa bởi Trung tâm Học liệu – ĐHTN ht t p:// w ww.lrc.tnu e du v n

LỜI CAM ĐOAN

Học viên xin cam đoan, toàn bộ nội dung liên quan tới đề tài được trìnhbày trong luận văn là bản thân học viên tự tìm hiểu và nghiên cứu, dưới sựhướng dẫn khoa học của PGS.TS Đỗ Năng Toàn

Các tài liệu, số liệu tham khảo được trích dẫn đầy đủ nguồn gốc Họcviên xin chịu trách nhiệm trước pháp luật lời cam đoan của mình

Thái Nguyên, ngày 20 tháng 6 năm 2016

Học viên thực hiện

Ninh Thị Kim Yến

Số hóa bởi Trung tâm Học liệu – ĐHTN ht t p:// w ww.lrc.tnu e du v n

LỜI CẢM ƠN

Học viên xin gửi lời cảm ơn tới các thầy, cô giáo của Trường Đại họcCông nghệ thông tin và Truyền thông - Đại học Thái Nguyên đã tận tìnhtruyền đạt kiến thức, tổ chức hoạt động cho lớp Thạc sĩ chuyên ngành Khoahọc máy tính, khóa học 2014-2016 Đặc biệt, học viên xin gửi lời cảm ơn vàbiết ơn sâu sắc nhất tới PGS.TS Đỗ Năng Toàn, trong thời gian qua đã luôntận tình chỉ bảo, giúp đỡ, kịp thời định hướng để em có thể hoàn thành đượcluận văn này

Học viên cũng xin gửi lời cảm ơn sâu sắc tới Thủ trưởng các cấp - nơihọc viên đang công tác, đã luôn tạo điều kiện, giúp đỡ để học viên hoànthành chương trình học trong thời gian qua Đồng thời, học viên xinđược chân thành cảm ơn gia đình, các bạn cùng lớp và những người thânthiết đã động viên, giúp đỡ trong suốt quá trình học tập và thực hiện luậnvăn./

Thái Nguyên, ngày 20 tháng 6 năm 2016

Học viên thực hiện

Ninh Thị Kim Yến

Số hóa bởi Trung tâm Học liệu – ĐHTN ht t p:// w ww.lrc.tnu e du v n

MỤC LỤC

TRANG BÌA PHỤ

LỜI CAM ĐOAN LỜI

CẢM ƠN

MỤC LỤC i

CÁC THUẬT NGỮ, TỪ VIẾT TẮT iii DANH MỤC HÌNH MINH HỌA iv MỞ ĐẦU 1

Chương1 KHÁI QUÁT VỀ TRA CỨU ẢNH VÀ BÀI TOÁN TRA CỨU TÀU CÁ TRÊN BIỂN 3

1.1 Khái quát về tra cứu ảnh 3

1.1.1 Giới thiệu 3

1.1.2 Một số phương pháp tra cứu ảnh

7 1.2 Bài toán tra cứu tàu cá trên biển

21 1.2.1 Giới thiệu 21

1.2.2 Cách tiếp cận 26

Chương 2 MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƯƠNG TỰ 27

2.1 Kỹ thuật theo mô hình không gian vector (VSM) 27

2.1.1 Phép so sánh histogram 27

2.1.2 Phép so sánh qua giá trị điểm ảnh

33 2.2 Kỹ thuật theo mô hình k-phần tử kề cận (k-NN) 40

2.2.1 Thuật toán k-NN 40

2.2.2 k-NN trong so khớp điểm ảnh 42

2.3 Kỹ thuật kết hợp 50

Chương 3 CHƯƠNG TRÌNH THỬ NGHIỆM 54

3.1 Phân tích yêu cầu bài toán 54

3.2 Phân tích lựa chọn công cụ 55

3.2.1 Mô tả dữ liệu thử nghiệm

55

3.2.2 Trích chọn đặc trưng cho tàu cá 56 3.2.3 Lựa chọn kỹ thuật đánh giá độ tương tự 56

3.3 Một số kết quả chương trình 57

KẾT LUẬN 61 TÀI LIỆU THAM KHẢO 62 PHỤ LỤC 64

2 QBIC Query By Image Content Truy vấn theo nội dung ảnh

3 CIE Commission internationale de l'éclairage - Uỷ ban quốc

tế về màu sắc

4 GIS Geographic Information System - Hệ thống thông tin

địa lý

DANH MỤC HÌNH MINH HỌA

Hình 1.1 Mô hình hệ thống Tra cứu ảnh theo nội dung

5 Hình 1.2 Không gian màu RGB được trực quan hoá như một hình khối 8

Hình 1.3 Mô tả không gian màu HSV 9

Hình 1.4 Ví dụ về một số loại kết cấu 12

Hình 1.5 Mô hình tàu làm nghề lưới kéo 22

Hình 1.6 Mô hình tàu làm nghề lưới vây 22

Hình 1.7 Mô hình tàu làm nghề lưới rê

23 Hình 1.8 Mô hình tàu làm nghề câu 23

Hình 1.9 Mô hình tàu làm nghề chụp mực 23

Hình 1.10 Tàu cá lưới kéo 41,38 mét 24

Hình 1.11 Tàu chụp mực, dùng đèn vỏ thép dài 43,6 m

25 Hình 1.12 Tàu lưới vây dùng đèn 37,8m 25

Hình 1.13 Tàu lưới kéo hai boong vỏ thép 25

Hình 1.14 Tàu câu mực xa bờ 65m 25

Hình 2.1 Độ tương tự giữa a) và b) phải lớn hơn giữa a) và c) 28

Hình 2.2 Khoảng cách đường tiếp tuyến 34

Hình 2.3 Ảnh và histogram của ảnh 36

Hình 2.4 (a) Ảnh gốc; (b) Histogram gốc; (c) Ảnh cân bằng ; (d) Histogram cân bằng

37 Hình 2.5 Khoảng cách Euclidean trong không gian 2D 41

Hình 2.6 1-NN và 2-NN 42

Hình 2.7 So khớp các điểm “quan trọng” (matching) 43

Hình 2.8 Mô tả điều kiện có thể “ghép đúng” được theo 3 phần tử kề cận

43 Hình 2.9 Sơ đồ thuật toán dò biên Canny 50

Hình 2.10 Hàm xấp xỉ Gaussian rời rạc với   1.4 (cửa sổ W kích cỡ 5x5) 51

Hình 2.11 Cặp mặt lạ tính toán gradient 51

Hình 3.1 Giao diện chương trình thử nghiệm 58

Hình 3.2 Chọn ảnh cần truy vấn 58

Hình 3.3 Biểu đồ Histograms của ảnh 59

Hình 3.4 Xác định giá trị ngưỡng và ảnh xử lý 59

Hình 3.5 Giao diện hiển thị kết quả cuối cùng 60

MỞ ĐẦU

1 Lý do chọn đề tài

Nhận dạng và xử lý ảnh là một trong những lĩnh vực có nhiều ứng dụngtrong thực tiễn như: Hệ thống thông tin địa lý, quân sự, y học, vv Đối vớilĩnh vực khoa học quân sự, trong những thập kỷ vừa qua, công nghệ xử lýảnh đã thực sự trở thành một lĩnh vực mũi nhọn không thể thiếu

Thời gian gần đây, tình trạng tàu cá nước ngoài có những hànhđộng xâm phạm chủ quyền vùng biển Việt Nam ngày càng nhiều và phức tạp.Tàu cá nước ngoài không chỉ khai thác trái phép hải sản, đưaphương tiện vào thăm dò tài nguyên biển nước ta, mà còn xuất hiện nhữnghành động mang tính chất đặc biệt nguy hiểm, dễ gây xung đột vũ trang trênbiển như uy hiếp, vô cớ trấn cướp tài sản của ngư dân Việt Nam

Một số hình ảnh tàu cá Việt Nam bị tàu cá nước ngoài uy hiếp trên

biển

Trong các lực lượng thực thi pháp luật trên biển của Việt Nam nóiriêng và trên thế giới nói chung, bài toán nhận dạng các loại tàu cá trên biểnluôn được đặt ra cấp thiết từ nhiều năm qua, giải quyết tốt bài toán này sẽgiúp cho việc quản lý tình hình an ninh mặt biển được nhanh chóng, chínhxác, hiệu quả Nhằm đáp ứng bài toán nhận dạng tàu cá, luận văn này sẽ tậptrung nghiên cứu một số kỹ thuật đánh giá độ tương tự trong tra cứu tàu cátrên biển

2 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu của luận văn là các ảnh/video có chứa tàu baogồm các loại tàu cá nước ngoài, tàu cá Việt Nam cùng các đặc điểm hình dạng

cơ bản của chúng Phạm vi nghiên cứu là các ảnh mặt biển vào ban ngày cóchứa một con tàu

3 Những nội dung nghiên cứu chính

Luận văn được trình bày trong 3 chương, có phần mở đầu, phần kếtluận, phần mục lục, phần tài liệu tham khảo Các nội dung cơ bản của luậnvăn được trình bày theo cấu trúc sau:

Chương 1 - Khái quát về tra cứu ảnh và bài toán tra cứu tàu cá trên biển

Chương 2 - Một số kỹ thuật đánh giá độ tương tự

Chương 3 - Chương trình thử nghiệm

Do thời gian thực hiện và hiểu biết của học viên còn hạn chế nênluận văn này không tránh khỏi các thiếu sót về nội dung cũng như hình thứctrình bày Học viên rất mong nhận được sự cảm thông, góp ý, nhận xét củacác quý thầy cô và người đọc để học viên có thể hoàn thiện và tiếp tục theocác hướng nghiên cứu sau này

Chương1 KHÁI QUÁT VỀ TRA CỨU ẢNH VÀ BÀI TOÁN TRA

CỨU TÀU CÁ TRÊN BIỂN 1.1 Khái quát về tra cứu ảnh

1.1.1 Giới thiệu

Những năm gần đây, vấn đề tra cứu ảnh số nhận được sự quantâm ngày càng lớn Nguyên nhân một phần là do sự phát triển của côngnghệ chế tạo thiết bị thu nhận và lưu trữ ảnh số cũng như sự pháttriển mạnh mẽ của mạng Internet Người sử dụng trong nhiều lĩnh vựckhác nhau có cơ hội để truy cập và sử dụng các kho lưu trữ ảnh thuộc

đủ loại chủ đề và với nhiều kiểu định dạng ảnh khác nhau Tuy nhiênngười ta cùng nhận thấy rằng việc tìm được một bức ảnh mong muốntrong bộ sưu tập ảnh đa dạng có kích thước lớn là rất khó khăn

Tra cứu ảnh là một quá trình tìm kiếm trong một cơ sở dữ liệuảnh những ảnh thoả mãn một yêu cầu nào đó Ví dụ, người sử dụng cóthể tìm kiếm tất cả các ảnh về chủ đề về “tàu cá” trong một cơ sở dữ liệuảnh hoặc một người sử dụng khác lại muốn phân loại cơ sở ảnh của mìnhthành các bộ sưu tập có chủ đề khác nhau Một ví dụ khác về tra cứu ảnh

là một người muốn tìm tất cả các ảnh tương tự với một bức ảnh mẫu nào

đó trong một cơ sở dữ liệu ảnh

Trước năm 1990, người ta thường sử dụng phương pháp tra cứu ảnhtheo văn bản (Text Based Image Retrieval) Theo cách này người ta sẽ gáncho mỗi bức ảnh một lời chú thích phù hợp với nội dung hoặc một đặcđiểm nào đó của ảnh, sau đó việc tra cứu ảnh được thực hiện dựa trênnhững lời chú thích này Phương pháp này khá đơn giản Phương pháp tracứu ảnh như trên còn được gọi là tra cứu ảnh theo từ khóa Tuy nhiên, việctra cứu chỉ dựa vào văn bản đi kèm còn có nhiều nhập nhằng giữa nội dunghiển thị ảnh và nội

sự quan tâm của nhiều nhà nghiên cứu và phát triển.

Một trong những phương pháp được nhiều người quan tâmnghiên cứu hiện nay là phương pháp “Tra cứu ảnh dựa theo nội dung”(Content Based Images Retrieval - CBIR) Phương pháp tra cứu ảnh theonội dung ra đời đã khắc phục được những nhược điểm của phương pháp từkhóa CBIR là một lĩnh vực khoa học được phát triển dựa trên cơ sở lýthuyết và ứng dụng của xử lý ảnh Hệ thống cho phép người dùng tra cứucác ảnh tương tự trong một cơ sở dữ liệu hình ảnh

CBIR được thực hiện thông qua việc tính độ tương tự giữa hai bứcảnh được biểu diễn bởi một trong số các đặc trưng mức thấp của ảnhnhư: Màu sắc, hình dạng, kết cấu… Kết quả đưa ra là tập các bức ảnh tương

tự với ảnh truy vấn được sắp xếp theo thứ tự giảm dần độ tương tự

Trong một hệ thống tra cứu ảnh theo nội dung điển hình (hình vẽ 1.1)

các nội dung trực quan của ảnh được trích chọn và mô tả bằng những véc tơđặc trưng nhiều chiều Tập hợp các vec tơ đặc trưng của các ảnh trongmột cơ sở dữ liệu ảnh tạo thành cơ sở dữ liệu đặc trưng Quá trình tracứu ảnh được tiến hành như sau: người sử dụng cung cấp cho hệ thốngtra cứu một ảnh mẫu cụ thể hoặc hình vẽ phác thảo của đối tượng ảnh cầntìm Sau đó hệ thống sẽ chuyển những mẫu này thành các véc tơ đặc trưng

và tính toán sự giống nhau (hay độ tương tự) giữa véc tơ đặc trưng củaảnh mẫu và véc tơ đặc trưng của các ảnh trong cơ sở dữ liệu Sau cùngviệc tra cứu được tiến

hành với sự trợ giúp của các sơ đồ đánh chỉ số Sử dụng sơ đồ đánh chỉ số làcách hiệu quả để tìm kiếm trong các cơ sở dữ liệu ảnh

trưng

Hình 1.1 Mô hình hệ thống Tra cứu ảnh theo nội dung

Trong mô hình này, người sử dụng sẽ tạo truy vấn bằng cách chọn mộtảnh mẫu trong một cơ sở dữ liệu ảnh cho trước hoặc phác thảo một hình vẽ

mô tả đối tượng ảnh cần tìm bằng cách sử dụng một giao diện đồ hoạ của hệthống

Ảnh mẫu đó được đưa qua khối mô tả nội dung trực quan, trong

đó người ta sử dụng một phương pháp mô tả nội dung trực quan nào

đó để trích chọn một đặc điểm nội dung trực quan để xây dựng thànhmột véc tơ đặc trưng

Véc tơ đặc trưng của ảnh mẫu sẽ được so sánh với véc tơ đặctrưng tương ứng của các ảnh trong cơ sở dữ liệu ảnh Kết quả của phép

so sánh là một chỉ số đánh giá độ tương tự giữa ảnh mẫu và ảnh lấy ra để sosánh

Dựa vào chỉ số độ tương tự tính toán được ở trên, hệ thống sẽ sắp xếpcác ảnh tìm được trong cơ sở dữ liệu ảnh theo một sơ đồ đánh chỉ số nào đó.Danh sách các ảnh tìm được (đã được sắp xếp) được đưa ra đầu ra của hệ

thống

 Phân tích các truy vấn của người dùng và biểu diễn chúng thành cácdạng phù hợp với việc đối sánh với cơ sở dữ liệu nguồn Nhiệm vụ của bướcnày giống với bước trước nhưng chỉ được áp dụng với những ảnh truy vấn.

 Xác định chiến lược để đối sánh tìm kiếm truy vấn với thông tin đượclưu trữ trong cơ sở dữ liệu Bước này có thể thực hiện trực tuyến và thựchiện rất nhanh Công nghệ đánh chỉ số có thể được sử dụng để nhận dạngkhông gian đặc điểm để tăng tốc độ xử lý đối sánh

 Tạo ra sự điều chỉnh cần thiết trong hệ thống (thường là bằng cáchđối chiếu các tham số trong công nghệ đối sánh) dựa trên phản hồi từngười sử dụng hoặc những hình ảnh được tra cứu

Một hệ thống tra cứu ảnh dựa trên nội dung tiêu biểu không chỉ liênquan tới các nguồn thông tin trong những dạng khác nhau (ví dụ như vănbản, ảnh và video) mà còn liên quan đến nhu cầu của người sử dụng Về

cơ bản nó phân tích cả nội dung của nguồn thông tin cũng như truy vấn củangười sử dụng và sau đó đối sánh chúng để tìm ra những tiêu chí có liênquan này

Các phương pháp truy vấn dưới đây được sử dụng phổ biến trongnghiên cứu tra cứu ảnh dựa vào nội dung:

+ Truy vấn người sử dụng

+ Truy vấn bởi ảnh mẫu (QBE)

+ Truy vấn bởi đặc trưng (QBF)

+ Các truy vấn dựa vào thuộc tính

Một người sử dụng tiêu biểu chắc chắn thích truy vấn các hệ thốngtra cứu ảnh dựa vào nội dung bằng việc yêu cầu các câu hỏi tự nhiên như

“Đưa cho tôi tất cả các bức ảnh có hình ảnh của tàu cá” hoặc “Tìm tất cả cácảnh có tàu” Ánh xạ truy vấn ngôn ngữ tự nhiên này đến một truy vấn trên

cơ sở dữ liệu ảnh là vô cùng khó so với việc sử dụng các phương pháp chúthích Khả năng của các máy tính để thực hiện nhận dạng đối tượng tự độngtrên các ảnh chung vẫn là một vấn đề nghiên cứu mở Do đó hầu hết các nỗlực nghiên cứu và thương mại tập trung vào xây dựng các hệ thống thực hiệntốt với các phương pháp QBE

1.1.2 Một số phương pháp tra cứu ảnh

1.1.2.1 Tra cứu ảnh theo nội dung

Trích rút đặc trưng là cơ sở của tra cứu ảnh dựa vào nội dung.Theo nghĩa rộng, các đặc trưng có thể bao gồm cả các đặc trưng dựa vào vănbản và các đặc trưng trực quan như màu, kết cấu, hình dạng Trongphạm vi đặc trưng trực quan, các đặc trưng có thể được phân loại tiếp thànhcác đặc trưng chung và các đặc trưng lĩnh vực cụ thể Các đặc trưng trựcquan chung gồm màu, kết cấu và hình dạng trong khi các đặc trưng lĩnh vực

cụ thể là phụ thuộc ứng dụng, có thể gồm mặt người và vân tay Các đặctrưng lĩnh vực cụ thể bao gồm nhiều tri thức lĩnh vực

Nói chung, không tồn tại một biểu diễn đơn tốt nhất cho một đặctrưng đã cho Với mọi đặc trưng được cho tồn tại nhiều biểu diễn mô tả đặctrưng từ các viễn cảnh khác nhau

a) Màu sắc

Mắt người rất nhạy cảm với màu sắc và đặc điểm màu là mộttrong những thành phần quan trọng giúp con người có thể nhận biết đượchình ảnh

Vì vậy, đặc điểm màu sắc là đặc điểm cơ bản của nội dung ảnh Đặc điểmmàu sắc có thể cung cấp những thông tin rất hữu hiệu cho việc phân loạiảnh và chúng cũng rất hữu ích cho việc tra cứu ảnh Cũng vì thế mà tra cứuảnh dựa trên màu sắc được sử dụng rộng rãi trong các hệ thống tra cứuảnh dựa trên nội dung Biểu đồ màu thường được sử dụng để thể hiệnnhững đặc điểm màu của các ảnh Mặc dù vậy trước khi sử dụng biểu đồmàu chúng ta cần phải lựa chọn và xác định kiểu không gian màu và lựa chọn

độ đo tương tự

 Không gian màu

Không gian màu là sự biểu diễn tập các màu, một số không gian màuđược sử dụng rộng rãi trong đồ họa máy tính Màu sắc thường được xácđịnh trong không gian màu 3 chiều

Không gian màu RGB

Không gian màu RGB là không gian màu được sử dụng nhiều nhất cho

đồ hoạ máy tính Lưu ý rằng R, G và B là viết tắt của các từ đỏ (Red), xanhlục (Green) và xanh lơ (Blue) Đây là không gian màu cộng: đỏ, xanh lục vàxanh lơ được kết hợp lại để tạo ra các màu khác Không gian này không đồngnhất về nhận thức Không gian màu RGB có thể được trực quan hoá như mộthình khối, như được minh hoạ trong hình 1.2

Hình 1.2 Không gian màu RGB được trực quan hoá như một hình khối.

Không gian màu HSx

Không gian màu HSI, HSV, HSB và HSL thường được gọi là HSx có mốiliên quan gần gũi với sự nhận thức về màu sắc của con người hơn làkhông gian màu RGB Những trục từ không gian màu HSx mô tả những đặctính của màu như sắc độ, độ bão hoà và độ sáng Sự khác nhau giữa nhữngkhông gian màu HSx là sự biến đổi của chúng từ không gian màu RGB,chúng thường được mô tả bằng những hình dạng khác nhau (như hình nón,hình trụ) Trong hình 1.3 không gian màu HSV được mô tả như hình nón

Hình 1.3 Mô tả không gian màu HSV

Sắc độ là thành phần của không gian màu HSx Sắc độ là góc giữanhững đường tham chiếu và điểm gốc màu trong không gian màu RGB Vùnggiá trị này từ 00 đến 3600 Trong hình nón độ bão hoà là khoảng cách từ tâmđến cạnh hình nón Chiều cao của đường cắt chính là giá trị (value) đây chính

là độ sáng hoặc độ chói của màu Khi độ bão hoà S bằng 0 thì H không xácđịnh, giá trị nằm trên trục V biểu diễn ảnh xám Không gian màu HSV dễdàng lượng tử hoá Mức lượng tử hoá thông dụng trong không gian màunày là 162 mức với H nhận 18 mức, S và V nhận 3 mức

Không gian màu YUV và YIQ

Các không gian màu YUV và YIQ được phát triển cho truyền hình vôtuyến Không gian màu YIQ là giống như không gian màu YUV, ở đây mặt

phẳng I-Q là một mặt phẳng quay 330 của mặt phẳng U-V Tín hiệu Y biểudiễn độ chói của một pixel và là kênh duy nhất được sử dụng trong ti vi đentrắng U và V cho YUV và I và Q cho YIQ là các thành phần màu

Kênh Y được định nghĩa bởi các giá trị năng lượng có trọng số củaR(0.299), G(0.587) và B(0.144) Các không gian màu YUV và YIQ không làđồng nhất nhận thức Khi các không gian màu YUV và UIQ được lượnghoá, mỗi trục được lượng hoá với cùng độ chính xác

Không gian màu CIE XYZ và CIE LUV

Không gian màu đầu tiên được phát triển bởi CIE là không gian màu XYZ.Thành phần Y là thành phần độ chói được xác định bởi các tổng có trọng

số của R(0:212671), G(0:715160) và B(0:072169) X và Y là các thành phầnmàu Không gian màu XYZ là không đồng nhất nhận thức Trong lượng hoákhông gian màu XYZ, mỗi trục được lượng hoá với cùng độ chính xác

Không gian màu CIE LUV là một biến đổi xạ ảnh của không gian màu XYZ

là đồng nhất nhận thức Kênh L của không gian màu LUV là độ chói củamàu Các kênh U và V là các thành phần màu Vậy, khi U và V được đặt bằng

0, kênh L biểu diễn một ảnh cấp xám

Trong lượng hoá không gian LUV, mỗi trục được lượng hoá với cùng độchính xác Với cả không gian màu XYZ và LUV, các lược đồ lượng hoá thường

sử dụng 8 (23), 27 (33), 64 (43), 125 (53) bin

 Lược đồ màu

Lược đồ màu được xác định bằng một tập các bin, trong đó mỗi bin biểuthị xác suất của các pixel trong ảnh Một lược đồ màu H của một ảnh đãcho

được xác định bởi véc tơ: H  H[0], H[1], H[2], , H[i], H[N ], trong

đó

H [i] là

số các pixel có màu i trong ảnh, i biểu diễn một màu trong lược đồ màu và

tương ứng với một khối con trong không gian màu RGB và N là số các bintrong lược đồ màu

Mỗi pixel trong ảnh sẽ thuộc về một bin của lược đồ màu của ảnh, vì thếvới lược đồ màu của một ảnh, giá trị của mỗi bin là số các pixel cùng màu Để

so sánh các ảnh có các kích cỡ khác nhau, các lược đồ màu được chuẩn hóa.Lược đồ màu chuẩn hóa H’ được xác định:

và thời gian tính toán khoảng cách giữa các lược đồ màu Do đó, cần có sựthỏa hiệp trong việc xác định số lượng các bin sẽ được sử dụng trong các lược

Các phương pháp thống kê, gồm các kỹ thuật phổ năng lượng Fourier,

các ma trận đồng khả năng, phân tích thành phần chính bất biến - trượt, đặctrưng Tamura, phân rã Wold, trường ngẫu nhiên Markov (Markov randomfield), mô hình fractal và lọc đa phân giải như biến đổi Gabor và sóng, mô tảkết cấu bằng phân bố thống kê của cường độ ảnh.

Trích xuất nội dung ảnh theo kết cấu nhằm tìm ra mô hình trực quancủa ảnh và cách thức chúng được xác định trong không gian Kết cấu đượcbiểu diễn bởi các texel mà sau đó được đặt vào một số các tập phụ thuộc vào

số kết cấu được phát hiện trong ảnh Các tập này không chỉ xác định các kếtcấu mà còn chỉ rõ vị trí các kết cấu trong ảnh Việc xác định các kết cấu đặcbiệt trong ảnh đạt được chủ yếu bằng cách mô hình các kết cấu như nhữngbiến thể cấp

độ xám 2 chiều Ví dụ về một số loại kết cấu

đa giác là

các lược đồ biểu diễn khác.

Bước tiếp theo là sử dụng các mô tả thích hợp cho các vùng này sao chochúng có thể được sử dụng trong khi đối sánh các vùng của các ảnhkhác nhau Các mô tả hình được chia thành ba loại: Các mô tả dựa vào đườngbiên xác định các thuộc tính của đường biên Các kỹ thuật dựa vào đườngbiên sử dụng các phác thảo vùng để tính toán hình Mô tả Fourier là mộttrong những phương pháp phổ biến thuộc về loại này Trong kỹ thuật này,đường biên của một vùng đã cho được thu và được biến đổi Fourier Các hệ

số Fourier trội được sử dụng như các mô tả hình Các mô tả khác trongloại này là các mômen hình

Nếu một vùng có một hình phức hợp, nó có thể được phân táchtiếp thành các hình đơn giản hơn như các hình chữ nhật hoặc các hình tròn

và một số thuộc tính của các hình đơn giản này và các quan hệ của chúng cóthể được sử dụng cho các mô tả hình Các mô tả vùng khác gồm màu và kếtcấu Một số đặc tính của vùng như trọng tâm, không cụ thể đối với đườngbiên hoặc nội dung của vùng

d) Thông tin không gian

Các vùng hoặc đối tượng với các đặc tính màu và kết cấu tương tự cóthể được phân biệt dễ dàng bằng việc tận dụng các ràng buộc không gian Thí

dụ, các vùng bầu trời màu xanh và biển xanh có thể có các lược đồ màutương tự, nhưng các vị trí không gian của chúng trong các ảnh là khác nhau

Do đó, vị trí không gian của các vùng (hoặc các đối tượng) hoặc quan hệkhông gian giữa nhiều vùng (hoặc đối tượng) trong một ảnh thì rất hữu íchcho tìm kiếm các ảnh

Thu thông tin không gian của các đối tượng trong một ảnh là một quátrình quan trọng đối với các hệ thống GIS Quá trình này bao gồm việc biểudiễn vị trí không gian tuyệt đối và cũng bao gồm vị trí không gian tương đối

của các đối tượng Các thao tác như giao và chồng được sử dụng Bố cục màukết hợp thông tin không gian với thông tin màu xuất hiện trong ảnh và tạo ramột đặc trưng rất quan trọng trong quá trình tra cứu, gọi là đặc trưng màu –không gian.

Biểu diễn quan hệ không gian được sử dụng rộng rãi nhất là các xâu 2Dđược đề xuất bởi Chang và cộng sự Nó được xây dựng bởi việc chiếu các ảnhdọc theo các hướng x và y Hai tập ký hiệu V và A được định nghĩa trên hìnhchiếu Mỗi ký hiệu trong V biểu diễn một đối tượng trong ảnh Mỗi ký hiệu Abiểu diễn một loại quan hệ không gian giữa các đối tượng Do sự biến đổi của

nó, xâu 2DG cắt tất cả các đối tượng dọc theo hình hộp tối thiểu của nó và

mở rộng các quan hệ không gian thành lập hai toán tử không gian Một tậpđịnh nghĩa các quan hệ không gian cục bộ Tập còn lại định nghĩa quan hệkhông gian toàn cục, chỉ ra rằng hình chiếu của hai đối tượng là tách rời,nối tiếp hoặc định vị tại cùng vị trí Thêm nữa, xâu 2DC được đề xuất để cựctiểu hóa số các đối tượng cắt Xâu 2D-B biểu diễn một đối tượng bằng hai kýhiệu, vị trí cho bắt đầu và kết thúc đường bao của đối tượng Tất cả cácphương pháp này có thể hỗ trợ ba loại truy vấn Loại truy vấn 0 tìm tất cảảnh chứa đối tượng O1, O2, .,On Loại 1 tìm tất cả các ảnh chứa các đốitượng có quan hệ nào đó giữa chúng nhưng khoảng cách giữa chúng làkhông đáng kể Loại 2 tìm tất cả các ảnh có quan hệ khoảng cách nào đó vớimỗi ảnh khác

Thêm với xâu 2D, cây tứ phân không gian và ảnh ký hiệu cũng được sửdụng cho biểu diễn thông tin không gian Tuy nhiên, tìm kiếm các ảnh dựatrên các quan hệ không gian của các vùng còn lại là một vấn đề nghiên cứukhó trong tra cứu ảnh dựa vào nội dung, do phân đoạn tin cậy của các đốitượng hoặc các vùng thường là không khả thi ngoại trừ các ứng dụng rất giớihạn Mặc dù một số hệ thống chia các ảnh thành các khối đều, chỉ thu được

sự thành công khiêm tốn với các lược đồ chia không gian như thế do hầu hết

các

ảnh tự nhiên không thể ép thành các khối con đều về không gian Đểgiải quyết vấn đề này, một phương pháp dựa vào biến đổi radon, tận dụngphân bố không gian của các đặc trưng trực quan không cần phân đoạn phứctạp.

e) Phân đoạn

Phân đoạn là quá trình phân ảnh ra thành các vùng mà về lý tưởng nó sẽtương ứng với các đối tượng xuất hiện trong ảnh Đây là bước rất quan trọngđối với tra cứu ảnh Cả đặc trưng hình và đặc trưng bố cục phụ thuộcvào phân đoạn tốt Trong phần này chúng tôi sẽ mô tả một số kỹ thuật phânđoạn đã có được sử dụng trong cả thị giác máy và tra cứu ảnh

Trong, Lybanon và các cộng sự đã nghiên cứu một cách tiếp cận phéptoán hình thái học (mở và đóng) trong phân đoạn ảnh Họ đã kiểm tracách tiếp cận của họ với các loại ảnh khác nhau, gồm các ảnh thiên văn vàcác ảnh hồng ngoại Trong khi cách tiếp cận này là hiệu quả trong xử lý cácloại ảnh khoa học ở trên, hiệu năng của nó cần được tiếp tục đánh giá chocác ảnh tự nhiên phức tạp hơn Li và cộng sự đã đề xuất một cách tiếp cậnphân đoạn dựa vào entropy mờ Cách tiếp cận này dựa trên thực tế rằngentropy cực đại địa phương tương ứng với sự không rõ ràng giữa các vùngkhác nhau trong ảnh Cách tiếp cận này rất hiệu quả cho các ảnh có lược đồkhông có các đỉnh và các rãnh rõ ràng Các kỹ thuật phân đoạn khác dựa trênphép đạc tam giác Delaunay (Delaunay triangulation), fractals và luồng biên(edge flow)

Tất cả các thuật toán được đề cập ở trên là tự động Một ưu điểm chínhcủa các thuật toán phân đoạn loại này là nó trích rút các đường bao từ một

số lượng lớn các ảnh mà không chiếm thời gian và nỗ lực của con người Tuynhiên, trong một lĩnh vực tự nhiên, với các ảnh không có điều kiện tiênquyết, phân đoạn tự động không luôn luôn tin cậy Một thuật toán có thểphân đoạn trong trường hợp này chỉ là các vùng, mà không là các đối tượng

Để thu được các đối tượng mức cao, nó cần có sự trợ giúp của con người.

Samadani và Han đã đề xuất một cách tiếp cận trích rút đường baođược trợ giúp bởi máy tính, nó kết hợp các đầu vào thủ công từ người sửdụng với các biên ảnh được sinh ra bởi máy tính Trong, Daneel và cộng

sự đã phát triển một phương pháp cải tiến của các chu tuyến thiết thực Dựatrên đầu vào của người sử dụng, đầu tiên thuật toán sử dụng một thủ tụctham lam để cung cấp sự hội tụ ban đầu nhanh Thứ hai, nét ngoài được lọcbằng việc sử dụng quy hoạch động Trong, Rui và cộng sự đã đề xuất mộtthuật toán dựa vào phân cụm và nhóm trong không gian - màu - kết cấu.Người sử dụng định nghĩa đối tượng quan tâm là ở đâu, và thuật toán nhómcác vùng thành các đối tượng có ý nghĩa

Giá trị đáng chú ý sau cùng đề cập trong phân đoạn là các yêu cầu chínhxác phân đoạn là rất khác nhau cho các đặc trưng hình và các đặc trưng

bố cục Với các đặc trưng hình, phân đoạn chính xác là mong muốn cao trongkhi các đặc trưng bố cục, một phân đoạn thô có thể là đủ

1.1.2.2 Tra cứu ảnh dựa vào hình dạng

a) Lược đồ hình dạng

Lược đồ hình dạng là phương pháp giúp cho việc tính toán được dễdàng và nhanh trong thi hành Chúng sử dụng cả sự so sánh về màu sắc vàvân Vấn đề chính là định nghĩa biến cho lược đồ hình dạng được định nghĩa.Xem như hình dạng trong ảnh là một vùng những giá trị một trong ảnh nhịphân, trong khi toàn thể những giá trị khác đều là giá trị không Một kiểucủa so khớp hình dạng ảnh là so khớp hình chiếu thông qua hình chiếu đứng

và hình chiếu nằm của hình dạng Giả sử rằng hình dạng có n hàng và có mcột Mỗi hàng và mỗi cột là một bin trong lược đồ hình dạng Tổng sốđược lưu trữ trong một bin là tổng số những giá trị 1 được lưu trữ trongdòng hoặc cột tương ứng đó Điều này đưa đến một lược đồ gồm có mộtbin, nhưng điều này cũng chỉ có ý nghĩa khi tất cả những ảnh được xem xétphải có cùng một kích thước

Để làm cho việc so khớp hình chiếu bất biến đối với kích thước, số lượng bincủa dòng và số lượng bin của cột phải ổn định Bằng cách định nghĩa nhữngbin từ góc trái trên đến góc phải dưới của hình dạng, sự chuyển đổi bấtbiến đã đạt được Việc so khớp hình chiếu không bất biến đối với phép xoayảnh, nhưng nó có thể làm việc tốt với sự xoay nhỏ và sự thiếu chính xácthuộc về hình học ở mức độ nhỏ Một cách khác để làm nó bất biến đối vớiphép quay là tính toán theo trục toạ độ elip vừa nhất và xoay chúng chođến khi trục chính là trục nằm ngang Vì không biết nơi đâu là phía trên cùngcủa hình dạng, xoay hai khả năng có thể xảy ra để thử Hơn nữa, nếu trụcchính và trục phụ có cùng chiều dài thì 4 khả năng xoay phải được xem xét.

So khớp hình chiếu được sử dụng thành công trong tìm kiếm ảnh logo.Những khả năng khác để xây dựng lược đồ thông qua góc tiếp tuyến tại mỗiđiểm ảnh trên đường bao của hình dạng Độ đo này thì hoàn toàn tự động vềmặt kích thước và bất biến đối với sự dịch chuyển, nhưng nó cũng khôngbất biến đối với xoay đối tượng, bởi vì góc tiếp tuyến được tính từ hìnhdạng đối với một hướng xác định Có một số cách khác nhau để giải quyếtvấn đề này Cách thứ nhất là xoay hình dạng về trục chính như đã mô tả ởtrên Một cách khác đơn giản hơn là xoay lược đồ hình dạng Nếu lược đồ có

K bin, thì sẽ có K khả năng xoay Những vị trí xoay không đúng có thể làm ảnhhưởng tốc độ của việc tính toán, đặc biệt là trong trường hợp lược đồ và ảnh

có kích thước lớn Hoặc là lược đồ có thể được tiêu chuẩn hoá bởi cách chọnbin với số đếm lớn nhất là bin đầu tiên Một vài bin lớn nhất nên được thử vì

có thể có sự tồn tại của nhiễu

b) Độ so khớp đường biên của hình dạng

Thuật toán so khớp đường biên đòi hỏi sự trích rút và trình bàyđường biên của cả ảnh cần truy vấn và ảnh mang ra so khớp Đườngbiên có thể được trình bày bởi một dãy những điểm ảnh hay có thể đượcxấp xỉ bởi một



đa giác Đối với một dãy những điểm ảnh, một loại so khớp cổ điển là dùng

mô tả Fourier để so sánh hai hình dạng với nhau Trong toán học hàmliên tục, mô tả Fourier là những hệ số của dãy triển khai Fourier của hàm màđịnh nghĩa đường biên của hình dạng ảnh Trong trường hợp đặc biệt, hìnhdạng được trình bày bởi dãy của m điểm <V0,V1, ,Vm-1>

Từ những dãy điểm này, một dãy của vectơ đơn vị :

L k 1

Những mô tả này có thể được dùng để 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 là dãy của những mô tả Fourier cho ảnh truy vấn, và là mô tảFourier cho ảnh Khi đó độ đo khoảng cách Fourier như sau:

 M 2  1/ 2

(1.4)

d (I ,Q)   Fourier  a I n n  a Q 

n M 

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 sốhọc có thể giải quyết vấn đề tỷ lệ, xoay và điểm bắt đầu để cực tiểu hoá

d Fourier (I ,Q) 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 trìnhbày hình dạng Một

hình dạng có thể được trình bày bởi một dãy những điểm nối liền nhau (Xi,

Yi, α i ), với cặp đường thẳng giao nhau tại điểm (Xi, Yi) với góc lớn α i.Cho một dãy Q = Q1, Q2, ., Qn của những điểm nối liền nhau trình bàyđường biên của đối tượng truy vấn Q và một dãy tương tự I = I1, I2, , Imtrình 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 tựphân đoạn của ảnh và sao cho cặp của dãy phân đoạn truy vấn gần kề màgặp tại một góc đặc biệt α nên ánh xạ tới một cặp những dãy phân đoạngần kề mà gặp nhau tại một góc α' tương tự Một kỹ thuật so khớp đườngbiên khác là so khớp mềm dẻo (elasticmatching) trong đó hình dạng truy vấnđược 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 dựavào hai thành phần chính: năng lượng đòi hỏi trong quá trình biến dạng từhình dạng ảnh truy vấn tới mức độ phù hợp nhất với hình dạng trong ảnhmẫu Và sự đo lường về độ giống nhau giữa hình dạng ảnh truy vấn saukhi bị biến dạng khớp với hình dạng trong ảnh mẫu

- Áp dụng phép biến đổi affine để giảm kích thước ảnh về kích thước chỉđịnh trước Dùng một mặt nạ trung vị để lọc nhiễu Kết quả của bước nàycho ra một ảnh được tiêu chuẩn hóa [1]

- Dò biên sử dụng thuật toán dò tìm đường biên dựa trên gradient Dòbiên được tiến hành qua hai bước: những biên toàn cục sẽ được tìm thấytrước

tiên với một ngưỡng toàn cục dựa trên giá trị trung bình và biến đổi củagradient; sau đó, những đường biên cục bộ sẽ được chọn từ toàn cục theonhững ngưỡng cục bộ Kết quả của bước này cho ra ảnh gọi là ảnh đãđược lọc biên (refined edge image)

- Tiến hành làm mảnh và rút ngắn trên ảnh đã được lọc biên Kếtquả cuối cùng được gọi là ảnh được trích rút Khi người sử dụng nhập vàomột bức ảnh phác họa ở dạng thô như là một ảnh truy vấn, nó cũng lần lượtđược đưa qua các giai đoạn chuẩn hóa kích thước, nhị phân hóa, làm mảnhhoá và rút gọn Kết quả của quá trình xử lý này cho ra một ảnh gọi là bảnphác họa đều nét Giờ đây, bản phác họa đều nét phải được so khớp vớinhững ảnh được trích rút ở trên Thuật giải so khớp là thuật giải dựa vào mốitương quan Hai ảnh sẽ được chia ra làm những hệ thống lưới ô vuông Đốivới mỗi hệ thống lưới ô vuông của ảnh truy vấn, tương quan cục bộ với hệthống lưới ô vuông tương ứng của ảnh cơ sở dữ liệu sẽ được tính Để thiếtthực hơn, tương quan cục bộ được tính cho một vài những dịch chuyển khácbiệt trong vị trí trong hệ thống ô lưới trên những ảnh cơ sở dữ liệu và giá trịtương quan cực đại qua tất cả những dịch chuyển là kết quả của cho hệthống ô lưới đó Độ đo sự giống nhau cuối cùng là tổng của mỗi tương quancục 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 diễn lại dưới dạng sau:

d (I , Q)  sketch 1

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 chuyểncủa hệ thống lưới g của cùng ảnh được trích rút và LQ(g) quy cho hệ thống ôlưới g của bản họa đều nét có kết quả từ ảnh truy vấn Q

1.2 Bài toán tra cứu tàu cá trên biển

1.2.1 Giới thiệu

Tàu cá di chuyển trên bề mặt đại dương, có đường đi không ổn định, nó

dễ dàng được nhận ra một cách trực quan qua các ảnh thu được từ vệtinh quân sự Nên bình thường tàu được xác định trong khi nó vẫn còn ở rất

xa Các loại tàu, lớp tàu nên được xác định từ hình bóng của nó từ rất sớmtrước khi hình ảnh, tên của nó có thể được phân biệt bằng các loại ngư

cụ khác Việc xác định đầu tiên được thực hiện là phải xác định được các tàunày là một tàu cá Việt Nam hay là tàu cá nước ngoài

Tàu thuyền khai thác thủy sản là tàu thuyền có kết cấu và tính năngphù hợp với yêu cầu hoạt động của từng loại ngư cụ nhằm đạt hiệu quả đánhbắt cao Phân loại tàu thuyền đánh cá dựa vào các yếu tố sau:

Trang bị động lực: có lắp máy hoặc không lắp máy, trong luận văn này

chỉ quan tâm tới loại tàu cá lắp máy có công suất từ 90CV trở lên (Việt Namkhoảng 25.488 chiếc, chiếm 20,7%) [2]

Loại ngư cụ: tàu làm nghề lưới kéo, nghề lưới vây, nghề lưới rê,

nghề câu, nghề chụp mực…nghề lưới kéo chiếm tỷ trọng khá lớn trong cơ cấukhai thác của cả nước trên 18%, nghề lưới rê 37,9%, nghề câu 17,5% [2]

Vật liệu vỏ tàu: tàu vỏ gỗ, tàu vỏ thép, tàu vỏ thép, tàu vỏ composit.

- Đối với tàu cá Việt Nam có đặc điểm chung là thường sơn các màu

loẹt, tùy theo phong tục của từng địa phương, thường ngắn và thấp hơn sovới tàu cá nước ngoài Hai bên mạn tàu có chữ và số tàu (tên địa phương vàcông ty) Trên boong có buồng lái không lớn, có nhiều cột, tàu lớn có cẩu…

- Đối với tàu cá nước ngoài tiếp giáp vùng biển Việt Nam bao gồm tàu

cá Trung Quốc, Philippin, Thái Lan trong luận văn này chủ yếu quan tâmtới các tàu cá hoạt động trong Vùng biển Việt Nam chủ yếu đó là các tàu củaTrung Quốc, Hồng Kông, Đài Loan Về cấu trúc thường lớn hơn tàu cá VN

Đối với tàu cá Trung Quốc chủ yếu sơn màu nâu cánh dán, ít sơn màulòe loẹt Riêng đối với tàu của Bắc Hải có ca bin dài và nằm ở 1/3 tính từ mũitàu, mạn khô cao Đối với tàu của tỉnh Hải Nam và Quảng Đông chủ yếu làtàu sắt cỡ lớn Tàu Quảng Tây là tàu nhỏ, cabin nằm ở 1/3 tính từ phíasau, mũi cao Đối với tàu cá bằng sắt thì thường sơn màu xám đen.

a) Một số loại tàu cá Việt Nam khai thác xa bờ (vùng khơi)

Việt Nam có khoảng 123.125 chiếc tàu cá nhưng chủ yếu là tàu vỏ gỗ(khoảng 99%), phần lớn đóng theo mẫu dân gian, tàu vỏ thép và compositechiếm số lượng không đáng kể [2]

Tàu làm nghề lưới kéo (giã cào)

Kích thước vỏ tàu phổ biến như

sau: chiều dài của tàu từ 13,4m-32m,

chiều rộng của tàu từ 3,5m-6,9m

Tàu làm nghề lưới vây (vây bút chì)

Tàu có một số đặc điểm khác tàu thuyền

làm nghề thủy sản khác như: tốc độ tàu khi

vây lưới phải cao, bán kính quay trở nhỏ, be

thấp, chiều rộng của tàu lớn

Hình 1.5 Mô hình tàu làm nghề

lưới kéo

Hình 1.6 Mô hình tàu làm nghề

lưới vây

Tàu làm nghề lưới rê

Lưới rê sử dụng lưới có độ thô nhỏ nên

be tàu phải nhẵn, vỏ tàu hầu hết cấu tạo

bằng gỗ với kích thước và kiểu dáng rất khác

nhau, đa số các tàu có cabin ở phía đuôi tàu

Kích thước nhỏ, chiều dài từ 8-14,5m Từ Đà

Nẵng trở vào có kích thước lớn hơn, chiều

dài tàu từ 8-20m

Công suất máy tàu phổ biến từ 12-350CV

Hình 1.7 Mô hình tàu làm nghề lưới rê

Tàu làm nghề câu

Hầu hết đóng bằng gỗ dày, kiểu dáng

phong phú theo từng vùng, tàu khu vực miền

Trung đóng theo kiểu dân gian truyền thống,

miền Nam đóng theo kiểu Thái Lan có cải

tiến, boong thao tác bố trí phía trước cabin Hình 1.8 Mô hình tàu làm nghề câu

Tàu làm nghề mành chụp

Hầu hết cấu tạo vỏ bằng gỗ, đóng theo

kiểu dân gian, boong thao tác được đặt phía

trước cabin, hai bên mạn phía trước và phía

sau có lắp đặt 2-4 tăng gông dùng để

căng lưới chụp mực thường từ 11-17m tùy

thuộc vào công suất từ 45-250 CV

Hình 1.9 Mô hình tàu làm

nghề mành chụp

Tóm lại, tàu cá Việt Nam có kích cỡ nhỏ, năng lực chịu gió bão kém, sứcchứa các khoang nhiên liệu, nước ngọt, chứa cá đều nhỏ, không có hệ thốnglàm đông, tốc độ thấp, kết cấu thân tàu và bố trí chung không hợp lý ViệtNam cũng đã quy chuẩn một số tàu vỏ thép phục vụ đánh bắt xa bờ nhưng

do giá thành cao và thiết kế chưa phù hợp thực tiễn nên số lượng tàu vỏthép được hạ thủy tới thời điểm hiện tại là rất ít Được biết, trong khi ngưdân có thể dùng tàu vỏ gỗ để đánh bắt tùy theo ngành nghề, theo mùa, còncác mẫu thiết kế của tàu vỏ thép mỗi con tàu chỉ dùng cho một ngành nghềđánh bắt

b) Một số loại tàu cá nước ngoài hoạt động trong vùng biển Việt Nam

Một số tàu cá nước ngoài đã quy chuẩn phục vụ từ đánh bắt xa bờ, kết hợp được làm ăn kinh tế với chiêu bài chính trị

Tàu cá lưới kéo vỏ thép 41,38 mét

Kích thước chủ yếu: dài 41.38m,

rộng 7.2m, cao mạn 4.0m Sống mũi

vểnh về phía trước, một boong,

một đáy, đuôi vuông, kết cấu ngang,

tốc độ thiết kế 11hải lý/giờ, năng

lực hoạt động độc lập 90 ngày, chứa

khoảng 90 tấn dầu đốt, có sức chịu

gió tốt Hệ số lăng trụ nhỏ, đầu đuôi

tàu mảnh mai, sức cản sóng giảm, các

thành phần sứccản còn lại cũng giảm

Hình 1.10 Tàu cá lưới kéo 41,38 mét

Loại tàu cá lưới kéo vỏ thép41,38m được nước ngoài chuẩn bịriêng cho việc đánh bắt xa bờ, mà

cụ thể ở quần đảo Trường Sathuộc chủ quyền Việt Nam

Tàu chụp mực, dùng đèn vỏ thép

Chiều dài tối đa 43,6 m; chiều rộng

7,6m; chiều cao mạn 4,1m; mớn

nước

3,2m Đó là tàu một boong, một đáy,

đuôi vuông, hai máy chính, tốc độ thiết

kế 11 hải lý/giờ, dự trữ nhiên liệu 73

tấn, khả năng đi biển 70 ngày

Hình 1.11 Tàu chụp mực, dùng đèn vỏ

thép dài 43,6 m

Tàu đánh cá lưới vây dùng đèn

một boong vỏ thép 37,8 mét

Tàu có chiều dài toàn bộ 37,8;

chiều dài giữa hai trục 32,3; chiều rộng

6,3; chiều cao mạn 3,35; mớn nước

2,4 mét; tốc độ 11 hải lý/giờ; tầm

hoạt

động 1500 hải lý; 13 người Hình 1.12 Tàu lưới vây dùng đèn 37,8m

Tàu lưới kéo hai boong vỏ thép

36,8 mét (8186)

Đó là một tàu đánh cá lưới kéo viễn

dương nhỏ có GT=370, chiều dài toàn

bộ 36,8m, tàu có thể hoạt động tại

các

độ sâu 400 tới 1000 mét nước Hình 1.13 Tàu lưới kéo hai boong vỏ thép

Tàu câu mực xa bờ 65 mét

Tàu có chiều dài 65,53m, chiều dài

giữa hai trụ 57,5m, chiều rộng 9,8m,

chiều cao mạn 6,20m, lượng chiếm

nước 1487 tấn Có khả năng hoạt

viễn dương Hình 1.14 Tàu câu mực xa bờ 65m