Luận văn thạc sĩ tìm kiếm ảnh trong tập dữ liệu ảnh lớn dựa trên đặc trưng

Although some models were launched image search partly meet the need to look for images, but improve the quality of search is always a problem arises.. Image search problem and improve i

-

LÊ CÔNG KHANH

TÌM KI M NH TRONG T P D LI U NH

Chuyên ngành : CÔNG NGH THÔNG TIN

Mã s ngành: 60480201

TP H CHÍ MINH, thángă11ăn mă2016

Chuyên ngành : CÔNG NGH THÔNG TIN

Mã s ngành: 60480201 CÁN B H NG D N KHOA H C: TS NGUY N THANH BÌNH

TP H CHệăMINH,ăthángă11ăn mă2016

Cán b h ng d n khoa h c: TS.ăNGUY NăTHANHăBỊNH

TP HCM, ngày … tháng… n m 2016

H tên h c viên: Lê Công Khanh Gi i tính: Nam

NgƠy, tháng, n m sinh: 17-6-1977 N i sinh: Ti n Giang

Chuyên ngành: Công Ngh Thông Tin MSHV: 1441860050 I- Tên đ tài:

Tìm ki m nh trong t p d li u nh l n d a trên đ c tr ng

II- Nhi m v và n i dung:

- Nghiên c u k thu t tìm ki m nh theo n i dung, t đó, đ xu t mô hình tìm ki m

nh trong t p d li u nh l n d a trên đ c tr ng nh

- Xây d ng h th ng tìm ki m nh trong t p d li u nh l n d a trên đ c tr ng nh

III- Ngày giao nhi m v : 23/01/2016

IV- Ngày hoàn thành nhi m v : V- Cán b h ng d n: Ti n S Nguy n Thanh Bình

CÁN B H NG D N KHOA QU N LÝ CHUYÊN NGÀNH

(H tên và ch ký) (H tên và ch ký)

L IăCAMă OAN

Tôi xin cam đoan đơy lƠ công trình nghiên c u c a riêng tôi Các s li u, k t

qu nêu trong Lu n v n lƠ trung th c vƠ ch a t ng đ c ai công b trong b t k

công trình nào khác

Tôi xin cam đoan r ng m i s giúp đ cho vi c th c hi n Lu n v n nƠy

đư đ c c m n vƠ các thông tin trích d n trong Lu n v n đư đ c ch rõ ngu n

L IăCỄMă N

Tr c h t em xin bày t lòng bi t n sơu s c nh t t i th y giáo h ng d n TS

Nguy n Thanh Bình đư t n tình giúp đ em r t nhi u trong su t quá trình tìm hi u

nghiên c u và hoàn thành báo cáo lu n v n

Em xin chân thành c m n các th y cô đư trang b cho em nh ng ki n th c c

b n c n thi t đ em có th hoàn thành lu n v n nƠy

Xin g i l i c m n đ n b n bè nh ng ng i luôn bên em đư đ ng viên và t o đi u

ki n thu n l i cho em, t n tình giúp đ ch b o em nh ng gì em còn thi u sót trong quá

trình làm báo cáo lu n v n

Cu i cùng em xin bày t lòng bi t n sơu s c t i nh ng ng i thơn trong gia đình

đư giƠnh cho em s quan tơm đ c bi t vƠ luôn đ ng viên em

Vì th i gian có h n, trình đ hi u bi t c a b n thân còn nhi u h n ch Vì v y, trong đ án không tránh kh i nh ng thi u sót, em r t mong nh n đ c s đóng góp Ủ

ki n c a t t c các th y cô giáo c ng nh các b n bè đ lu n v n c a em đ c hoàn

TÓM T T

S t ng không ng ng v l ng nh trên Web t o ngu n nh phong phú đáp

ng đ c ngu n cung nh cho nhu c u c a con ng i M c dù m t s mô hình tìm

ki m nh đư ra đ i đáp ng ph n nào nhu c u tìm ki m nh, song nâng cao ch t

l ng tìm ki m luôn là v n đ đ c đ t ra Bài toán tìm ki m nh, và nâng cao ch t

l ng x p h ng nh đư vƠ đang nh n đ c s quan tơm đ c bi t

tài c a lu n v n: ắTìm ki m nh trong t p d li u nh l n d a trên đ c tr ngắ

nh m đ gi i quy t bài toán trên Nhi m v c a lu n v n lƠ nghiên c u các k thu t

tìm ki m nh theo n i dung vƠ đ xu t mô hình tìm ki m nh trong t p d li u nh

l n d a trên đ c tr ng nh

u tiên, lu n v n nêu m t s đ c tr ng c b n c a nh c ng nh m t s

nghiên c u liên quan v các đ c tr ng nh Ti p theo, lu n v n đ xu t ph ng

pháp tìm ki m nh theo n i dung, đ a ra mô hình ph i h p các đ c tr ng k t h p

v i toán t LTP và xây d ng gi i thu t truy v n

Lu n v n đư đ c hi n th c quá trình truy v n nh b ng gi i thu t đư đ xu t

Quá trình th c nghi m đ c th c hi n trên nhi u t p dataset khác nhau, ch a các

đ i t ng khác nhau nh ng i, xe, hoa, c nh… trong t p d li u c a Wang t i đ a

ch http://wang.ist.psu.edu/docs/related/ T p d li u này bao g m 10.000 nh và

th nghi m trên β ph ng pháp: Truy xu t b ng query và truy xu t d a trên ph ng

pháp support vector machine (SVM)

Qua k t qu th c nghi m, chúng ta th y r ng ph ng pháp đ xu t cho k t qu

t t h n ph ng pháp SVM Ph ng pháp đ xu t đư k t h p các đ c tr ng c c b

và toàn c c l i v i nhau ơy lƠ lỦ do gi i thích t i sao ph ng pháp đ xu t t t h n

ph ng pháp SVM

ABSTRACT

The continuous increase in volume images on the web to create images rich source supply to meet the demand picture for the people Although some models were launched image search partly meet the need to look for images, but improve the quality of search is always a problem arises Image search problem and improve image quality ratings have been received special attention

The theme of the thesis: "Content-based image retrieval in the large image database based on the characteristic" in order to solve the problem on The task of the thesis is to study the technical content image search and search suggestions model images in large image data sets based on image features

Firstly, the thesis outlined some basic characteristics of the image as well as

a number of studies related to the image features Secondly, the thesis proposed the method for image searching by contents, making coordination model characteristics associated with LTP and building operators query algorithms

Thesis has been realized by the image retrieval algorithm was proposed The processing of this work do on many different training dataset, containing various objects such as people, cars, flowers, landscape in the data set of Wang at http://wang.ist.psu.edu/docs/related/ This dataset includes 10,000 images We test

on two methods: Retrieve query and retrieval using methods based on support vector machine (SVM)

Through experimental results, we found that the proposed method gives better results than SVM method The method propose combining local characteristics and wikis together This is the reason why the proposed method better methods based on SVM method

M C L C

L I CAM OAN i

L I CÁM N ii

TÓM T T iii

ABSTRACT iv

M C L C v

DANH M C T VI T T T vii

DANH M C CÁC B NG viii

DANH M C CÁC BI U , TH , S , HÌNH NH ix

CH NG 1: GI I THI U 1

1.1 Gi i thi u đ tài 1

1.2 M c tiêu c a đ tài 2

1.3 N i dung đ tài 2

1.4 Gi i h n c a đ tài 2

1.5 Ph ng pháp nghiên c u 2

1.6 C u trúc lu n v n 3

CH NG β: C S LÝ THUY T VÀ CÁC NGHIÊN C U LIÊN QUAN 4

2.1 C s lý thuy t 4

β.1.1 c tr ng mƠu s c 4

β.1.β c tr ng k t c u 10

β.1.γ c tr ng hình d ng 16

2.1.4 Mô t Boundary 16

2.1.5 Mô t theo Vùng (Region) 17

β.β đo t ng đ ng 19

β.β.1 đo v màu s c 19

β.β.β đo v k t c u 20

β.β.γ đo v hình d ng 21

2.3 Các nghiên c u liên quan 24

β.γ.1 Trong n c 24

β.γ.β NgoƠi n c 24

CH NG γ: PH NG PHÁP XU T TÌM KI M NH THEO N I DUNG.26

3.1 Yêu c u bài toán 26

3.2 Mô hình nghiên c u 28

3.2.1 Mô hình ph i h p các đ c tr ng nh 28

3.2.2 K t h p toán t LTP (Local Ternary Pattern) 29

γ.γ Ph ng pháp rút trích đ c tr ng nh và truy v n nh 32

3.3.1 Ph i h p các đ c tr ng đ truy v n nh 32

3.3.1.1 X lỦ c s d li u 32

3.3.1.2 X lý nh truy v n 32

γ.γ.1.γ o s t ng t gi a các véc t nh 32

3.3.1.4 Hi n th k t qu tr v .33

3.3.2 Truy v n nh dùng moments c a LTP 33

3.3.2.1 Moments 33

3.3.2.2 M u tam phân (LTP) và Moment 34

γ.γ.β.γ Ph ng pháp đ xu t 35

CH NG 4: K T QU TH C NGHI M 37

4.1 T p d li u th nghi m 38

4.2 K t qu truy v n 39

4.3 Code đ c tr ng 45

CH NG 5: K T LU N 48

5.1 K t qu đ t đ c 48

5.β u đi m vƠ nh c đi m c a gi i thu t đ xu t 48

5.β.1 u đi m c a gi i thu t đ xu t 48

5.β.β Nh c đi m c a gi i thu t đ xu t 48

5.3 óng góp c a lu n v n 48

5.γ.1 óng góp khoa h c 49

5.3.2 óng góp th c ti n 49

5.4 H ng m r ng 49

TÀI LI U THAM KH O 50

DANH M C T VI T T T

CBIR : Content Based Image Retrieval

LBP : Local Binary Pattern

LTP : Local Ternary Pattern

RGB : Red - Green ậ Blue

CMY : Cyan-Magenta-Yellow

HSI : Hue-Saturation-Intensity

HOG : Histogram of oriented gradients

SVM : Support Vector machine

MSVM : Multiple Support Vector Machines

DANH M C CÁC B NG

B ng 4.1 K t qu truy xu t nh c a ph ng pháp đ xu t so v i ph ng pháp khác 42

DANH M C CÁC BI Uă ,ă TH ,ăS ă , HÌNH NH

Hình 2.1: Mô hình phân l p c a CBIR 4

Hình 3.1: C u trúc c a h th ng CBIR 26

Hình γ.β S đ truy xu t hình h nh t c s d li u nh 35

Hình 4.1 M t s hình trong t p dataset Wang 39

Hình 4.2 Giao di n chính ch ng trình 39

Hình 4.3 Giao di n ch n dataset 40

Hình 4.4 Giao di n ch n th m c ch a nh 40

Hình 4.5 Giai di n rút trích đ c tr ng c a nh 40

Hình 4.6 Giao di n ch n nh ban đ u 41

Hình 4.7 K t qu truy xu t 42

CH NG 1:ăGI IăTHI U

1.1 Gi i thi uăđ tài

Cùng v i s phát tri n c a công ngh thông tin vƠ Internet đư lƠm gia t ng

nhanh ch ng d li u đa ph ng ti n, khi n cho nhu c u chia s và tìm ki m nh ng

lo i tƠi nguyên nƠy c ng t ng theo, trong đó có tƠi nguyên lƠ d li u ki u hình nh

Tìm ki m d li u hình nh đ c s d ng v i nhi u m c đích khác nhau và đ c

ng d ng nhi u trong các l nh v c quan tr ng c a cu c s ng nh trong h th ng

b o m t, an ninh, y t hay các h th ng phát hi n chuy n đ ng Vì th vi c nghiên

c u và phát tri n các h th ng tìm ki m nh ngày càng tr nên c p thi t

Có hai ki u tìm ki m đó lƠ tìm ki m theo t khóa và tìm ki m theo n i dung

nh (CBIR-Content Based Image Retrieval), tìm ki m theo t khóa d th a mãn

đ c nhu c u ng i dùng v i các nhu c u tìm ki m nh m i theo nh mong mu n

xu t hi n trong suy ngh c a h , tìm ti m theo t khóa thì nhanh h n so v i tìm

ki m theo n i dung b i vì nó ho t đ ng d a trên vi c phân tích và so sánh các t

ho c c m t t ng ng v i nhau đ đ a ra k t qu và không đòi h i ng i dùng

ph i có nh m u Nh c đi m c a ph ng pháp nƠy lƠ k t qu không chính xác

M t ph ng pháp khác đ tìm ki m hình nh là tìm ki m nh theo n i dung c a

hình nh Ph ng pháp nƠy c n m t nh m u cho đ u vƠo đ tìm ra nh ng b c nh

t ng ng Ph ng pháp nƠy cho k t qu t t h n v tính đúng đ n b i vì thông qua

n i dung c a b c nh s đ c bi u di n các đ c tr ng trong b c nh vƠ đ a ra

nh ng k t qu t ng ng v i n i dung b c nh đ u vƠo Nó đáp ng t t h n cho

ng i dùng, tuy nhiên ng i dùng s c n ph i có m t nh m u đ trích ch n và bi u

di n các đ c tr ng trong b c nh đó tr c khi tìm ki m Tìm ki m nh theo n i

dung là m t ph ng pháp m i, hi u qu đ tìm ra nh ng k t qu hình nh t ng t

v i thông tin đ c l y tr c ti p t n i dung c a nh

Nói chung, đ i v i h th ng nƠy ng i dùng s cung c p nh truy v n và h

th ng s tr v k t qu là t p các nh t ng t Do đó, lƠm th nƠo đ mô t , mô

hình m t hình nh đ so sánh các nh khác nhau vƠ đánh ch s cho các nh trong

c s d li u vƠ đ tìm ki m nh m t cách hi u qu là m t v n đ h t s c quan

tr ng ơy lƠ bƠi toán đ t ra vƠ đang đ c xã h i quan tâm

Vì v y, nghiên c u ph ng pháp tìm ki m nh d a trên m t s đ c tr ng cho

tr c trong t p d li u l n đ c m nh d n đ xu t nghiên c u trong đ tài này

1.2 M c tiêu c aăđ tài

Nghiên c u các k thu t tìm ki m nh theo n i dung vƠ đ xu t mô hình tìm

ki m nh trong t p d li u nh l n d a trên đ c tr ng nh

1.3 N iădungăđ tài

Tìm ki m nh theo m t vƠi đ c đi m c a nh trong t p d li u l n là m t công

đo n quan tr ng trong r t nhi u ng d ng th giác máy tính Nh ng h th ng thu c

lo i này có th k ra nh lƠ: tìm ki m nh trên internet, tìm ki m nh y khoa trong

b nh vi n theo đ c đi m c a b nh nhân, h th ng giao di n ng i dùng d a vào

c m nh n, nh ng c n phòng thông minh vƠ nh ng h th ng thông minh h tr tài x

lái xe t đ ng, N i dung chính c a đ tƠi lƠ nghiên c u ph ng pháp nh m tìm

ki m nh d a trên m t s đ c đi m đ c mô t tr c trong t p d li u nh l n

1.4 Gi i h n c aăđ tài

Nghiên c u m t s k thu t tìm ki m nh, đ c bi t lƠ các k thu t tìm ki m

nh d a vƠo mƠu s c, c u trúc vƠ n i dung c a nh

Tìm ki m tƠi li u liên quan trên Internet, các bƠi báo, k y u, các báo cáo h i

th o, h i ngh trong n c vƠ trên th gi i có liên quan đ tài

Nghiên c u m t s k thu t tra c u nh c n thi t vƠ cƠi đ t chúng, đánh giá vƠ

so sánh v i các k thu t đang t n t i

Kh o sát yêu c u bƠi toán, t đó phơn tích vƠ thi t k bƠi toán

Trao đ i v i các chuyên gia v l nh v c tìm ki m nh theo n i dung nh

S d ng công c Matlab đ ti n hành hi n th c gi i thu t đ thu th p k t qu

1.6 C u trúc lu năv n

Lu n v n đ c t ch c thƠnh 5 ch ng nh sau:

Ch ng 1: Gi i thi u khái quát v n đ đ c đ c p trong lu n v n; trình bƠy

m c tiêu, n i dung th c hi n, gi i h n c a đ tƠi vƠ ph ng pháp nghiên c u

Ch ng β: Trình bƠy các c s lý thuy t và các nghiên c u liên quan trong và ngoƠi n c

Ch ng γ: Trình bƠy chi ti t v ph ng pháp đ xu t trong lu n v n

Ch ng 4: Trình bƠy k t qu th c nghi m, đánh giá hi u qu c a gi i thu t đ

xu t

Ch ng 5: D a trên các k t qu đ t đ c đ k t lu n, trình bƠy u vƠ nh c

đi m c a gi i thu t đ xu t, h ng m r ng cho đ tài

CH NGă2:ăC ăS ăLụăTHUY TăVÀăCỄCăNGHIểNăC Uă

LIÊN QUAN 2.1 C ăs lý thuy t

Ph ng pháp tìm ki m nh d a trên n i dung có th đ c phân thành các l p

ph thu c vƠo các đ c tr ng nh mƠu s c, k t c u và hình d ng nh hình 2.1 M i

l p đ c tr ng đ c chia thành các l p con tùy theo s d ng thu t toán đ xây d ng

các véc t đ c tr ng c tr ng hình d ng đ c chia làm 02 đ c tr ng: đ c tr ng

biên vƠ đ c tr ng vùng Trong nghiên c u, các nhà nghiên c u phân lo i các đ c

tr ng không gian c a nh trong m t l p riêng bi t

Hình 2.1: Mô hình phân l p c a CBIR

2.1.1 cătr ngămƠuăs c

c tr ng mƠu s c là m t trong nh ng đ c tr ng quan tr ng nh t c a vi c tìm

ki m t p nh màu c a đ i t ng n i dung b t k Màu s c đóng vai trò r t quan

tr ng trong c ch nh n th c th giác c a con ng i

M t nh mƠu đi n hình đ c l y t camera s ho c download t Internet

th ng có ba kênh màu ( nh xám ch có m t kênh), nh ng giá tr c a d li u ba

CBIR Methods

Colour

atures

Texture atures

Shape eatures

Histogram

based

Statistical Features

Slectral Features

Statistical Features

Model based

Boundary based

Region base

chi u này t nh màu có th cho ta bi t v trí c a nh ng đi m nh này trong không

gian màu

Nh ng đi m nh có giá tr (1, 1, 1) cho nh ng màu khác nhau trong nh ng không gian mƠu khác nhau Nh v y, mô t đ y đ c a m t nh mƠu đi n hình

g m thông tin không gian hai chi u v i đi m nh trong vùng không gian này và d

li u màu ba chi u v i đi m nh mƠu trong không gian mƠ chúng ta đang đ c p đơy gi thuy t không gian màu là c đ nh, b qua thông tin không gian, thông tin

màu trong nh có th coi nh lƠ tín hi u ba chi u đ n gi n

N u chúng ta coi thông tin màu c a nh là tín hi u m t, hai, ho c ba chi u đ n

gi n thì vi c phân tích các tín hi u s d ng c l ng m t đ xác xu t là m t cách

d nh t đ mô t thông tin màu c a nh

T t c các ph ng pháp bi u di n đ c tr ng mƠu s c c a m t nh có th đ c

phân thành hai nhóm: bi u đ mƠu vƠ ph ng pháp th ng kê bi u đ màu Các

không gian mƠu th ng đ c s d ng nhi u nh t nh :

* Không gian màu chu n RGB

M t ng i có th phân bi t hàng ngàn màu s c khác nhau, nh ng con s chính xác h n v n còn đang đ c bàn cãi nhi u Ba màu RGB (Red ậ Green- Blue)

mã hóa h th ng đ h a s d ng ba byte (28 ) hay kho ng ch ng 16 tri u màu phân

bi t Máy tính có th phân bi t b t k mƠu gì sau khi đ c mư hóa, nh ng vi c mã

hóa có th không trình bƠy đ c nh ng s khác bi t trong th gi i th c M i đi m

nh RGB bao g m m t byte cho màu R, m t byte cho màu G và m t byte cho màu

B Vi c mã hóa m t màu tùy ý trong dãy hi n th đ c làm b ng cách t h p ba

nh t là không phù h p v i cách con ng i c m nh n v màu s c Do đó, không phù

H th ng mƠu CMY d ng nh lƠ m t s đ o ng c c a h th ng màu RGB

c tính c a nó là s đ n gi n, ng d ng nhi u trong th c t Tuy nhiên khuy t

đi m c a nó c ng t ng t nh không gian mƠu RGB, t c là cách mã hóa khác v i

cách mƠ con ng i c m nh n v màu s c Không thích h p cho bài toán tìm ki m

nh d a vào n i dung

* H th ng màu L*a*b:

Mô hình L*a*b đ c đ c b i CIE cho vi c l ng hóa s khác bi t c a màu

s c trong v t chi u sáng c a ánh sáng ban ngày Tuy nhiên nó có m t s chuy n

đ i đ c ghi vƠo đ mà tính toán cho vi c thích nghi v i nh ng ngu n sáng ơy lƠ

h th ng màu có s tách riêng ánh sáng và màu s c ra riêng Do đó, c ng có kh

n ng l n cho vi c tìm ki m d a vào n i dung

* H th ng màu HSI: Hue-Saturation-Intensity

H th ng màu HSI mã hóa thông tin màu s c b ng cách chia giá tr intensity I

t hai giá tr đ c mã hóa thu c v đ h i t c a màu- hue H và saturation S

Thành ph n không gian màu HSI g m có ba ph n: Hue đ c đ nh ngh a có giá

tr 0-β , mang thông tin v màu s c Saturation có giá tr 0-1, mang giá tr v đ

thu n khi t c a thành ph n Hue Intensity (Value) mang thông tin v đ sáng c a

đi m nh.Ta có th hình dung không gian mƠu HSI nh lƠ v t hình nón V i tr c

chính bi u th c ng đ sáng Intensity Kho ng cách đ n tr c bi u th đ t p trung

Saturation Góc xung quanh tr c bi u th cho s c màu Hue

ôi khi, h th ng mƠu HSI đ c coi nh lƠ h th ng màu HSV dùng Value

thay vì Intensity H th ng màu HSI thì thích h p h n v i m t s thi t k đ h a

b i vì nó cung c p s đi u khi n tr c ti p đ n ánh sáng và hue H th ng màu HSI

c ng h tr t t h n cho nh ng thu t toán x lý nh vì s tiêu chu n hóa v ánh sáng

và t p chung vào hai tham s v đ h i t mƠu vƠ c ng đ màu

H th ng màu HSI có s phân chia rõ r t gi a ánh sáng và màu s c Do đó có

kh n ng r t l n đ c áp d ng cho vi c tính đ c tr ng vƠ so sánh s gi ng nhau v

màu s c c a hai nh Do đó nó r t thích h p cho vi c tìm ki m nh d a vào màu

S gi ng và khác nhau gi a hai nh v m t màu s c đ i v i m t ng i ch

mang Ủ ngh a t ng đ i Do đó khi áp d ng vào bài toán này trên máy tính thì ta

c ng gi l p s t ng đ i này

Ph ng pháp chính c a vi c tìm ki m theo màu s c lƠ dùng l c đ mƠu đ

lƠm đ c tr ng cho t ng nh Do nh ng đ c đi m riêng c a mô hình mƠu HSI vƠ đ c

tr ng c a vi c tìm ki m nên tính l c đ mƠu c ng đ c dùng m t mô

mình r t đ c bi t đ phù h p cho nh ng đ c đi m riêng này

Cách đ n gi n và s d ng th ng xuyên nh t đ bi u di n cho màu s c là bi u

đ màu Bi u đ màu là m t b ng tóm t t thông tin v màu s c cho m t nh màu b t

k i v i m i đi m c a không gian màu s c, s l ng đi m nh c a m t màu

đ c tính toán nh t đ nh Các thông tin v màu s c th ng đ n gi n và t

nhiên.Tuy nhiên, nó có nh c đi m là kho ng cách đ t ng đ ng gi a hai hình

nh có màu s c gi ng nhau là l n Ngoài ra, bi u đ nh v y là r t th a th t và do

đó d b nhi u

Stricker vƠ Orengo đ xu t s d ng bi u đ mƠu tích l y [1] M t bi u di n màu

s c nh v y là ít nhi u vƠ c ng lƠm gi m s l ng các l i Type II n u các ph n t

li n k c a bi u đ t ng ng v i màu s c t ng t M t ph ng pháp ti p c n khác

đ tính đ t ng đ ng c a màu s c đ c trình bày trong [2] Trong tác ph m này, s

li u khác d a trên không gian véc t c a màu s c (bi u đ ) đ c đ xu t Các bi u đ

màu t nó không l u tr thông tin v cách b trí không gian c a màu s c vào hình

nh M t gi i pháp cho v n đ nƠy đư đ c đ xu t trong [3] Sau khi xây d ng m t

bi u đ mƠu n i mƠ ch có màu chính c a m t hình nh đ c xem xét cho m i ph n

t khác không c a bi u đ , t a đ c a kh i tâm c a vùng mƠu t ng ng đ c tính toán Thông tin nƠy đ c s d ng đ đo đ t ng đ ng gi a các hình nh v i s

l ng đi m nh thu c vùng màu này Gi i pháp này có th th c hi n, trong m t ngh a nƠo đó, ph i đ c xem xét b trí không gian c a màu s c, nh ng nó có m t b t l i đáng k N u hình nh có ch a m t s thành ph n h p nh t c a cùng m t màu s c,

th c t này s không đ c ph n ánh trong các véc t đ c tr ng c a nh Thay vƠo đó,

m t kh i tâm chung cho t t c các thành ph n s đ c tính toán

M t s thay đ i c a mô hình nƠy đư đ c đ xu t b i Stricker và các c ngs

trong [4]: kênh phân ph i các màu riêng bi t đ c coi là m t ph n c a m t phân

ph i ba chi u ch không ph i là phân ph i đ c l p Cho véc t đ c tr ng, giá tr

trung bình cho m i kênh màu và ma tr n đ ng nh t c a kênh phân ph i đ c s

đó, các đ c đi m c a bi u đ màu s c toàn c c, đ c tr ng k t c u bi u đ màu c c

b đ c so sánh và phân tích cho CBIR D a trên nh ng s n ph m này, m t h

th ng CBIR đ c thi t k s d ng đ c tr ng mƠu s c và k t c u h p nh t b ng cách

xây d ng tr ng s c a véc t đ c tr ng

Trong [7], các đ c tr ng nh hình d ng và k t c u đ c so sánh b ng kho ng

cách Euclide gi a nh truy v n và nh tham chi u Các thao tác hình thái v i c u trúc ph n t nh b t bi n không gian đ c s d ng cho trích xu t đ c tr ng Sau khi

quá trình trích xu t đ c tr ng, các véc t đ c tr ng đ c tính toán b ng cách áp

d ng ph ng pháp mư hóa x lý kh i (BTC) trong trích xu t đ c tr ng hình nh

Nó c i thi n hi u su t c a truy xu t hình nh và gi m đ ph c t p tính toán đ th c

hi n truy v n D a trên mô hình màu HSV, m t ph ng pháp d a trên đ i t ng

đ c tr ng không gian mƠu (OSCF) cho truy xu t màu c a nh đ c đ xu t trong

[8] Th nh t, đ i t ng nƠy đ c trích xu t t màu s c, sau đó lƠ các đ c tr ng

hình nh bi u di n b i các đ i t ng trong nó Màu s c vƠ đ c tr ng không gian mƠu đ c áp d ng đ mô t các đ i t ng Ph ng pháp m i ch quan tơm đ n các

đ i t ng chính trung tâm Trong [9], tác gi đ xu t m t cách ti p c n m m i đ

phân lo i màu s c hình nh d a trên n i dung c a nó, đ đ t ra m t truy v n v

ngôn ng t nhiên và k t h p các truy v n d a trên m ng l i th n kinh đ truy

xu t nhanh chóng và hi u qu

M t ph ng pháp truy xu t d a trên hình nh màu m i đ c đ xu t trong [10] chính xác c a thu t toán nƠy lƠ cao h n so v i ph ng pháp h c có giám

sát và hi u qu c a nó c ng h n cách h c có giám sát Th nh t, thông qua các ma

tr n kho ng cách c a màu s c, nh m u đ c phân c m l i theo cách t t ch c, do

đó b ng màu c a nó đ c xây d ng D a trên b ng màu này, hình nh khác trong

c s d li u đ c ánh x v kho ng cách nh nh t B ng cách này, m t bi u đ

chu n theo b ng màu gi ng nhau có th đ c thu đ c cho m i hình nh trong c

s d li u Bên c nh đó, thu t toán nƠy c ng k t h p các vùng mƠu chính đ đ i

di n cho phân b không gian c a màu s c

Trong [11], tác gi đư th o lu n v các ph ng pháp so sánh đ c s d ng

trong bi u đ màu s c d a trên hai ph ng pháp chính đ c s d ng th ng

xuyên trong CBIR: bi u đ màu s c chu n b ng cách s d ng GLCM và bi u đ

màu s c s d ng KMeans S d ng kho ng cách Euclide đ tính toán s gi ng

nhau gi a hình nh truy v n và các hình nh ng viên K t qu thí nghi m cho

th y r ng bi u đ màu s c v i ph ng pháp K-Means có đ chính xác cao và

chính xác so v i GLCM

Trong [12], m t ph ng pháp đ c đ xu t đ truy xu t nh nh phơn, đ i v i

ph ng pháp nƠy thì nh đen vƠ tr ng đ c bi u di n b i m t tên đ c tr ng m i cho

bi u đ phân c p m t đ thích nghi, trong đó khai thác s phân b c a các đi m nh

trên m t mi n hai chi u M t lo i bi u đ m i trong đó k t h p ch có các thông tin

th giác ngo i vi c nh c a các hình nh đ c gi i thi u trong [13] Các thao tác

trích xu t c nh đ c th c hi n v i vi c s d ng đi u khi n bao quanh trung tâm

c a h th ng th giác con ng i Các bi u đ màu quanh trung tâm

(Center-Surround Histogram - CSH) đ c đ ngh có hai u đi m so v i bi u đ kinh

đi n u tiên, nó làm gi m s l ng thông tin tr c quan c n ph i đ c x lý l n

hai, nó k t h p m t m c đ c a thông tin không gian khi đ c s d ng trong các

ng d ng truy xu t hình nh d a trên n i dung

M t truy xu t hình nh m nh m d a trên bi u đ màu s c c a đ c tr ng vùng

c c b (LFR) đ c trình bày trong [14] Th nh t, đi m đ c tr ng nh n đ nh đ c

trích xu t b ng cách s d ng b đi u ch nh đa t l Harris-Laplace Sau đó, các vùng đ c tr ng ch ký c c b đ c xác đ nh thích nghi theo t l đ c tr ng lỦ

thuy t Cu i cùng, các bi u đ màu s c c a vùng đ c đ c tr ng c c b đ c c u

thành, s gi ng nhau gi a các hình nh mƠu đ c tính b ng cách s d ng các bi u

đ màu c a LFRs M t h th ng CBIR m i đ c đ xu t trong [15] tên là iSearch

vƠ đ i sánh toàn c c/c c b c a các đ c tr ng c c b đ c k t h p đ truy xu t

hình chính xác Nhi u đ c tr ng c c b đ c trích xu t bao g m phép bi n đ i đ c

tr ng b t bi n (SIFT), moment vùng mƠu vƠ đ i t ng phơn mưnh đ ng vi n đ

đ bi u di n xu t hi n th giác c a các ph n t ; trong khi đ i sánh toàn c c và c c

b c a hình nh trong b d li u là l n lƠm đi u này, m t mã hóa phân mãnh

đ ng vi n hi u qu vƠ ph ng pháp l p ch m c đ c phát tri n

2.1.2ă cătr ngăk t c u

K t c u là m t khái ni m tr c quan, là m t thành ph n ch y u v nh n th c thu c tri giác c a con ng i Gi ng nh mƠu s c, k t c u tr thƠnh đ c đi m c n

thi t đ xem xét khi truy v n c s d li u nh M i ng i đ u có th nh n th y k t

c u tuy nhiên nó r t khó đ xác đ nh, đi u nƠy đ c th hi n b ng m t s khái ni m

khác nhau v k t c u M c dù không có m t khái ni m chung cho k t c u nh ng t t

c các nhà nghiên c u đ u t p trung th ng nh t trên hai đi m chính:

- Trong ph m vi m t k t c u có s bi n đ i đáng k v m c đ c ng đ gi a các đi m nh li n k , đó lƠ gi i h n c a đ phân gi i, không có s đ ng nh t

- K t c u là thu c tính đ ng nh t m t vài không gian l n h n đ phân gi i

c a nh, hàm ý trong nh ng thu c tính này c a c u trúc là nh có đ phân gi i nh t

đ nh

Khác v i màu s c, k t c u di n ra trên c m t vùng h n lƠ t i m t

đi m, nó th ng đ c đ nh ngh a b ng nh ng m c xám đ c hi u nh lƠ mƠu s c

M t s nhà nghiên c u gi i quy t bài toán v xác đ nh k t c u b ng cách mô t nó

trong nh ng thu t ng c a h th ng th giác c a con ng i nh h ng, đ thô, đ

t ng ph n… M t s nhà nghiên c u khác l i đ nh ngh a k t c u b i nh ng ng

d ng i u này t o cho k t c u đa d ng và cho nhi u cách đ trích ch n k t c u

nh ngh a c a k t c u d a trên nh n th c c a con ng i là phù h p cho

nghiên c u và cho bàn lu n v nét t nhiên c a k t c u M c dù v y m t đ nh ngh a

đ a ra nh ng v n đ khi đ c s d ng nh là h c thuy t c b n cho thu t toán phân

tích k t c u

K t c u cho chúng ta thông tin v s s p x p c u trúc c a b m t vƠ các đ i

t ng trên hình nh K t c u không đ c đ nh ngh a cho m t đi m nh riêng bi t;

nó ph thu c vào s phân b c ng đ lên nh K t c u s h u tính chu k và tính

kh n ng m r ng; nó có th đ c mô t b i h ng c b n, đ t ng ph n, vƠ đ

s c nét Phân tích k t c u đóng vai trò quan tr ng trong vi c so sánh các hình nh

b sung các đ c tr ng mƠu s c Th ng kê các đ c tr ng th ng đ c s d ng nh t

bao g m:

- Các thông s t ng h p th ng kê tính toán t các giá tr c ng đ đi m nh

- Thông s tính toán d a trên các ma tr n đ ng xu t hi n

- Bi u đ k t c u xây d ng d a trên các đ c tr ng Tamura

M t trong nh ng ph ng pháp đ u tiên đ bi u di n cho các đ c tr ng k t c u

c a hình nh là các ma tr n đ ng nh t xám(GLCM) đ xu t b i Haralick và các

c ng s [16] Các tác gi đ xu t 14 mô t , bao g m hai moment g c, t ng ph n

(b t bi n, moment khác), t ng quan vƠ nh ng v n đ khác M i mô t bi u di n

cho m t thu c tính k t c u Vì th , nhi u công trình ví d nh mô t trong [17],

đ c dành cho vi c l a ch n th ng kê mô t có ngu n g c t các ma tr n đ ng

nh t, mô t k t c u m t cách t t nh t Trong [18], tr c h t, chuy n không gian

màu t mô hình RGB đ n mô hình HSI, sau đó trích xu t bi u đ màu t o thành véc

t đ c tr ng mƠu Th hai, trích xu t đ c tr ng k t c u b ng cách s d ng ma tr n

đ ng nh t xám Th ba, áp d ng moment Zernike đ trích xu t các đ c tr ng hình

d ng Cu i cùng, k t h p màu s c, k t c u vƠ đ c tr ng hình d ng đ t o thành các véc t đ c tr ng h p nh t c a toàn b hình nh Các th c nghi m trên đ c s d ng

cho b d li u hình nh cho th y k ho ch đ xu t đ t đ c m t hi u su t r t t t v

đ chính xác truy xu t so v i các ph ng pháp khác

M t ph ng pháp đ c đ xu t [19] cho truy xu t hình nh hi u qu áp d ng

m t s k t h p có tr ng s c a màu s c và k t c u cho các bi n đ i wavelet, d a

trên không gian màu và th t th ng kê t ng ng B mô t đ xu t lƠ đ c bi t h u

d ng cho vi c tìm ki m hình nh đa đ phân gi i

Mô t k t c u d a trên Wavelet

Trong mô t k t c u d a trên wavelet, m t đ c tr ng c th c a ph ng pháp

này là bi u di n và phân tích các tín hi u v i t l khác nhau, t c lƠ, theo đ phân

gi i khác nhau Các hình nh đ c mô t b i m t c u trúc phân c p, m i c p bi u

di n cho các tín hi u g c v i m t m c đ chi ti t

Smith và Chang s d ng đ c đi m th ng kê (trung bình và b t bi n) tính toán

cho m i d i con nh lƠ đ c tr ng k t c u [20] H đư so sánh hi u qu c a phân lo i

k t c u cho các đ c tr ng đ c xây d ng b ng cách ti p c n ph ng pháp wavelet, phơn tích đ ng nh t vào d i con (mà không m r ng quy mô, m i d i con có ch a

m t ph n c a m t tín hi u c a t n s nh t đ nh), bi n đ i r i r c cosin, phân tích

không gian Trong [21], h s phân ph i đ l ch trung bình và tiêu chu n c a bi n

đ i wavelet đ c s d ng đ xây d ng các véc t đ c tr ng Trong tr ng h p

chuy n đ i v i các b l c N, hình nh đ c bi u di n b i m t véc t đ c tr ng c a

2N chi u

Trong [22], tác gi tính toán m t đ c tr ng k t c u m i b ng cách áp d ng

hàm m t đ Gauss chung đ n s phân b c a h s Curvelet đ c g i lƠ đ c tr ng

k t c u Curvelet GGD M c đích lƠ đ nghiên c u đ c tr ng k t c u curvelet GGD

và so sánh hi u su t truy xu t c a Curvelet, Wavelet vƠ đ c tr ng k t c u Wavelet

GGD K t qu thí nghi m cho th y r ng c hai curvelet vƠ các đ c tr ng curvelet

GGD th c hi n t t h n đáng k so v i đ c tr ng k t c u wavelet và Wavelet GGD

Trong s hai lo i đ c tr ng d a trên curvelet, trong CBIR đ c tr ng curvelet có hi u

su t làm t t h n h n đ c tr ng k t c u curvelet GGD Công vi c bao g m vi c gi m

thi u các đ c tr ng c p th p mô t m t hình nh b ng cách s d ng m t mô t gi m

k t h p thông tin màu s c và k t c u đó lƠ chuy n đ i wavelet đ c khám phá trong

[23] M t ph ng pháp đ c đ xu t đ mô t nh b i các d i con t n s cao là bi n

đ i Wavelet r i r c (DWT) liên quan đ n các khu v c tr ng s n i b t sau m t b c phơn đo n m

Trong [24], m t ch ký hình nh đ n gi n d a trên nh ng moment chu n c a

phân b h s Wavelet đ c đ xu t Ch ký này có th đ c tính cho m i th

wavelet l c nhanh Do đó m t b n đ ch ký hình nh thu đ c đ c s d ng nh

là m t đ c tính hình nh cho tìm ki m hình nh d a trên n i dung (CBIR) Vi c

bi u di n phép bi n đ i Curvelet (MCT) và s k t h p v i cây t v ng (VT) cho b

s u t p đ c tr ng vƠ truy xu t các hình nh t c s d li u [β5] MCT đư đ c

th c hi n b ng cách s d ng d i con Gabor wavelet Các thu t toán đ xu t b t

thông tin c nh trong m t hình nh chính xác h n Gabor transform (GT) vƠ chuy n

đ i Curvelet trong đó s d ng thu t gi i a trous cho bi n đ i Wavelet (ACT) cho

phân tích c a m t nh

Trong đ xu t [26], m t k thu t tìm ki m thông minh d a trên meta-heuristic, hybrid, đ c g i là h n h p Thu t toán tìm ki m h p d n (MGSA), đ c s d ng

M t s thông s trích xu t đ c tr ng đ c t i u hóa đ đ t đ c đ chính xác t i

đa c a h th ng CBIR M t h th ng CBIR c c k nhanh chóng trong đó s d ng

t p h p Multiple Support Vector Machines (MSVM) đ c đ xu t trong [27] Tác

gi s d ng phép bi n đ i wavelet Daubechies đ trích xu t véc t đ c tr ng c a

hình nh Trong [28], m t c s wavelet khác đ c s d ng đ mô t t ng nh truy

v n M t hàm h i quy đ c s d ng đ đi u ch nh hi u su t t i đa truy xu t trong

các t p d li u hu n luy n, nó s d ng đ c tính t t nh t b l c wavelet v m t

hi u su t truy xu t d ki n cho m i hình nh truy v n

Tamura và các c ng s [29] trình bày m t cách ti p c n đ mô t k t c u trên

c s nh n th c v th giác con ng i H đ ngh sáu tham s : thô, đ t ng ph n,

h ng t , dòng gi ng, đ u đ n, và đ nhám t ng ng v i sáu thu c tính k t c u đư

đ c công nh n lƠ Ủ ngh a th giác trong quá trình thí nghi m tâm lý Howarth và

Ruger [30] - [31] nh n th y r ng các thông s mô t ba đ c tính đ u tiên: tính thô,

đ t ng ph n vƠ tính đ nh h ng có hi u qu h n trong phơn lo i và tìm ki m hình

nh b i k t c u T p h p c a t t c các đi m đó c a m t hình nh đ c đ a ra nh

nh Tamura

Phân tích k t c u b ng ph ng pháp c a các b l c Gabor là m t tr ng h p

đ c bi t c a ph ng pháp wavelet vƠ đ c s d ng th ng xuyên trong truy xu t

nh b i k t c u Trong h u h t các h th ng CBIR d a trên Gabor wavelet [32] - [34], h s phân ph i giá tr trung bình vƠ đ l ch chu n c a bi n đ i wavelet đ c

s d ng đ t o các véc t đ c tr ng

Trong tr ng h p chuy n đ i v i các b l c N, hình nh đ c bi u di n b i

m t véc t đ c tr ng β N chi u ụ t ng khác c a h th ng CBIR đ c d a trên

vi c m r ng các hình nh trong đi u ki n c s thu đ c b ng cách phân tích m t

t p hu n luy n c a nh Ví d là b l c thông d ng ICA b ng cách áp d ng các thành ph n phơn tích đ c l p c a t p hu n luy n Cách các b l c ICA đ c xây

d ng t ng t nh quá trình hu n luy n c a h th ng th giác con ng i Các b l c ICA thu đ c b ng phân tích thành ph n c nh biên c c b đ c l p vƠ t ng t nh

các b l c Gabor Không gi ng nh cách th hai, các b l c ICA đ c t o t nhiên

K-mean (CHKM) Trong [40], đ u tiên không gian mƠu HSV đ c đ nh l ng h p

lý, Bi u đ mƠu vƠ đ c tr ng k t c u d a trên ma tr n đ ng nh t đ c trích xu t t véc t đ c tr ng Sau đó, các đ c đi m c a bi u đ màu c c b , bi u đ màu c c b

vƠ đ c tr ng k t c u đ c so sánh và phân tích cho CBIR D a trên k t qu công

vi c này, m t h th ng CBIR đ c thi t k s d ng màu s c và k t c u h p nh t các

đ c tr ng b ng cách t o tr ng s c a các véc t đ c tr ng

Trong [41], m t ph ng pháp truy v n nh d a trên n i dung đ c đ xu t

d a trên hi u qu tích h p c a đ c tr ng mƠu s c và k t c u

M t s đ đ c tr ng m i s d ng bi u đ Gabor wavelet nâng cao (EGWC)

đ c đ a ra l p ch m c và truy xu t nh trong [42] EGWC s d ng Gaborwavelets đ phân tích các hình nh theo t l đ nh h ng khác nhau Các h s Gabor wavelet đ c l ng t hóa b ng cách t i u ng ng l ng t Trong b c

ti p theo, bi u đ màu c a h s l ng t hóa wavelet đ c tính trong t ng t l và

đ nh h ng wavelet M t ph ng pháp m i đ c đ xu t trong đó s d ng m t

thu t toán phân c m k-means n i ti ng và m t c s d li u ch m c c u trúc B ± cơy đ t o đi u ki n l y hình nh có liên quan m t cách hi u qu [43]

Trong [44], m t đ c tr ng b t bi n xoay curvelet đ i di n cho k t c u đ c

đ xu t làm t t h n vƠ đ c s d ng r ng rãi so v i đ c tr ng k t c u Gabor M t

ph ng pháp m i c ng đ c đ ngh áp d ng phép bi n đ i curvelet đ phân vùng

nh truy xu t M t ph ng pháp đ c đ xu t g n đơy nh t c a h th ng CBIR là

s d ng nhi u máy véc t h tr (Multiple Support Vector Machines) [45] Phép

bi n đ i wavelet Daubechies wavelet trích xu t các véc t đ c tr ng c a nh Truy

v n nh d a trên n i dung (CBIR) đ h tr ch n đoán trong l nh v c y h c đ c

trình bày trong [46] Trong h th ng đ xu t, hình nh đ c l p ch m c trong l nh

v c th i trang mà không c n trích xu t đ c tr ng mi n: ch kỦ đ c xây d ng cho

m i nh t phép bi n đ i wavelet c a nó Nh ng đ c đi m ch ký c a nh đ c

phân ph i hi u qu qua phép bi n đ i wavelet Phép đo kho n cách đ c đ nh ngh a

đ so sánh hai ch ký hình nh và l y nh truy xu t t ng t trong c s d li u khi

m t hình nh truy v n đ c g i b i m t bác s

2.1.3ă cătr ngăhìnhăd ng

Cùng v i đ c đi m màu s c và k t c u, hình d ng c a các đ i t ng (hình nh

t ng ph n) c ng th ng đ c s d ng đ so sánh hình nh Ph ng pháp bi u di n

và mô t hình d ng có th đ c chia thƠnh hai nhóm: các ph ng pháp bên ngoƠi,

nó bi u di n cho vùng trong gi i h n c a đ c tính ngoài (ranh gi i c a nó) và nh ng

đ c tính n i b , trong đó bi u di n cho vùng trong nh ng đi u kho n c a nó đ c

đi m n i b (các đi m nh bao g m vùng) Các đ c tr ng hình d ng đ c chia

thành hai lo i: mô t đ ng biên và mô t vùng H n n a chúng đ c phân lo i nh

c u trúc (a) và toàn c c (b) Mô t đ ng biên toàn c c bao g m ch ký khác, mô

t Fourier và mô t wavelet

2.1.4 Mô t Boundary

- Các mã chu i: Nó mô t m t đ i t ng đ ng biên nh lƠ m t chu i các phơn đo n v i m t h ng nh t đ nh xây d ng m t mã chu i, các hình nh đ c

x p ch ng v i m t l i, vƠ các đi m biên x p x b i các nút l i g n nh t Các

đ ng phân đo n k t n i các nút lân c n

- Ch ký: Ch ký là bi u di n c a m t đ i t ng đ ng biên hai chi u b ng

hàm c a m t bi n, đ c gi đ nh là d dƠng h n đ mô t s so v i các đ ng biên

hai chi u nguyên b n

- Mô t Fourier: Các mô t Fourier là m t trong nh ng ph ng pháp ph bi n

nh t c a đ ng vi n tham s hóa Các ụ t ng c b n c a ph ng pháp nƠy bao

g m trong ng d ng c a Fourier r i r c vào ch ký và s d ng H s Fourier thu

đ c nh tham s mô t các đ ng vi n

Trong [15], m t ph ng pháp m i đ c đ xu t có tên lƠ iSearch vƠ đ i sánh

toàn c c và c c b c a các đ c tr ng c c b đ c k t h p đ truy xu t chính xác

hình nh ki u t ng tác u tiên tác gi trích xu t nhi u đ c tr ng c c b bao g m

đ c tr ng chuy n đ i b t bi n (SIFT), nh ng moment vùng màu và các phân m nh

đ ng vi n đ i t ng đ bi u di n hi u qu cho s xu t hi n tr c quan các m c; khi

k t h p đ i sánh toàn c c và c c b c a hình nh b d li u quy mô l n đ c phép

nâng cao thu t toán SIFT, m t cách ti p c n m nh m đ c đ xu t đ truy xu t

hình nh d a trên s k t h p c a đi m h p d n và thông tin c nh trong [47] Cách

ti p c n này là m nh m đ d ch, luân chuy n và gi m t ph n c a đ i t ng

M t mô t đ c tr ng bi u đ màu A trous wavelet cho bi u di n hình nh

đ c s d ng trong [48] B ng cách m r ng h n n a trong mô t này, mô t c y trúc á trous Gradient (AGSD) đ c đ xu t cho truy xu t nh d a trên n i dung

c tr ng đ n gi n hóa AGSD đ c tính toán v i a trous wavelet m t cách c c b

Các thông tin c c b c a hình nh đ c trích xu t thông qua mô t c u trúc vi mô

(MSD); nó tìm th y m i quan h gi a pixel lân c n Trong [49], m t s đ đ c

tr ng m i g i bi u đ màu Gabor wavelet nâng cao (EGWC) đ c đ xu t cho ch

m c và truy xu t hình nh EGWC s d ng Gabor wavelet đ phân tích các hình

nh trong t l vƠ đ nh h ng khác nhau Các h s wavelet Gabor sau đó đ c

l ng t hóa b ng cách s d ng các t i u hóa ng ng l ng t Trong ti p theo

b c, bi u đ t ng quan c a các h s wavelet đ c l ng t hóa trong t ng t l

bào c a kích th c nh t đ nh đ c đ t lên trên các đ i t ng, và các t bào c a l i

đi n n m ngang t cánh ph i t i bên trái và t trên xu ng d i

- Moments và b t bi n c a nó:

Moment b t bi n đang đ c s d ng ph bi n nh t và mô t vùng đ c s

d ng r ng rãi nh t ụ t ng s d ng nh ng Moment đ mô t hình d ng l n đ u tiên đ c đ a ra b i Hu vƠo n m 1962 [51] Tác gi coi nh ng moment hình h c

c a hàm có hai bi n

Trong [5β], Luren vƠ Fritz đ a ra m t ph ng pháp nhanh nh t đ tính

moment cho nh nh phân d a trên vi c s d ng b t bi n m t mã c a đ nh lý Green

Trong [53], b t bi n khác đ c suy ra t nh ng Moment hình h c Ngoài Moment

hình h c (chúng đ c đ a ra đôi khi lƠ s ít ho c s nhi u), nh ng Moment khác

c ng đ c s d ng Các Mô t Fourier (GFD) đ c đ xu t b i Zhang và Lu [54],

nh mô t d a trên moment khác, d a vƠo Ủ t ng m r ng theo quan đi m c s

nh t đ nh

M t ph ng pháp m i bi u di n đ c tr ng hình d ng d a trên c nh và x lý

hình thái h c đ truy xu t nh hi u qu đ c trình bày trong [55] Moment Pseudo

Zernike d a trên đ c tr ng hình d ng toàn c c, nó là b t bi n đ bi n đ i hình h c

c b n, đ c trích xu t vƠ đ c s d ng cho truy xu t hình nh t ng t v i

kho ng cách Canberra metric H th ng CBIR đ c bi u di n b ng cách s d ng

mô t đ c tr ng hình d ng và hi u ch nh moment Zernike d a trên các moment

Zernike v i l i hình h c t i thi u và l i tích h p s [56] Trong [57], phân tích thí nghi m c a mô t dƠy đ c đi m nh d a trên nh mô hình nh phân c c b (LBP),

mô hình tam phân c c b (LTP) và các bi n th c a nó đ c th c hi n Nh ng mô

t nƠy đ c s d ng nh lƠ các đ c tr ng c c b cùng v i ZMS đ c tr ng toƠn c c

đ t đ c t l truy xu t cao h n vƠ chính xác trong h th ng SBIR M t ph ng

pháp m i đ c đ xu t cho truy xu t nh theo n i dung d a trên các đi m quan tâm [58] i m quan tơm đ c phát hi n t t l h ng quay bình th ng c a nh Sau đó, các hình nh bình th ng đ c chia thành m t lo t các vùng khu v c

con v i các vùng khác theo s phân b đi m quan tâm

2.2ă đoăt ngăđ ng

2.2.1ă đoăv màu s c

B c quan tr ng c a quá trình tìm ki m d li u nh d a vào n i dung là xác

đ nh đ trùng kh p c a hai l c đ mƠu Do đó, phát sinh ra m t giá tr đ bi u th

cho s trùng kh p này, có nhi u cách đ tính giá tr này Ta g i nh ng giá tr đ c

tính t nh ng cách khác nhau này là các lo i đ đo mƠu M t cách đ n gi n, đ đo mƠu lƠ đ c coi m t giá tr đ bi u th cho đ so kh p s trùng kh p c a hai l c

đ màu Tùy theo t ng tr ng h p, t ng lo i đ đo mƠu giá tr này có th âm ho c

d ng l n ho c nh t ng ng v i m c đ gi ng nhau nh th nào c a các lo i

l c đ màu

M i lo i đ đo mƠu có nh ng u vƠ khuy t đi m riêng, trong t ng tr ng h p

c th G i h(I) vƠ h(M) t ng ng lƠ β l c đ màu c a hai nh I và nh M Khi đó

các lo i đ đo mƠu đ c đ nh ngh a lƠ m t s nguyên (ho c s th c) theo các lo i

đ đo t ng ng nh sau:

 đoăkho ng cách min - max

c th c hi n d a trên Ủ t ng l y ph n giao c a c a hai l c đ c n so

sánh, ta s đ c m t l c đ , tính t ng các giá tr có đ c t l c đ này cho ta

đ c đ đo min-max

i v i đ đo min: ta tính d a vào giá tr min t i m i K bin

KIntersection(h(I),h(M))= min{h(I)[j],h(M)[j]}

j=l

i v i đ đo max: ta tính d a vào giá tr max t i m i K bin

Intersection(h(I),h(M)) Matching(h(I),h(M))

max( h(I)[i], h(M)[i])

KIntersection(h(I),h(M))= max{h(1)[j],h(M)[j]}

KIntersection(h(I),h(M))=

j=l

Ho c có th là:

2 j=1

dhist(I,)=(h(I)-h(Q))TA(h(I)-H(Q))

Trong đó, h(I) vƠ h(Q) là nh ng l c đ t ng ng c a nh I và Q, và A là ma

tr n đ ng d ng KxK Trong ma tr n này, nh ng màu mà r t gi ng nhau thì g n v i

giá tr m t, còn nh ng màu r t khác nhau thì s có giá tr g n v i không

2.2.2 ăđoăv ăk tăc u

Dùng ph ng pháp t ng quan t đ ng và quang ph n ng l ng đ đo đ

t ng đ ng v k t c u HƠm t ng quan t đ ng c a m t nh có th đ c dùng đ

dò tìm nh ng ph n t hoa v n c a vơn vƠ c ng đ ng th i mô t tính m n/tính thô

c a vơn HƠm t ng quan t đ ng (dr,dc) c a m t nh v i kích th c

[ , ][ , ] [ , ]

N u vân d ng thô, khi đó hƠm t ng quan t đ ng s t gi m ch m, ng c l i

nó s s t gi m r t nhanh i v i nh ng vân theo quy t c, hàm t đ ng t ng quan

s y u Khi I[r+dr, c+dc] không đ c xác đ nh rõ lƠ đ ng bao c a nh, m t

ph ng pháp đ tính toán nh ng giá tr nh o ph i đ c đ nh ngh a

Hàm t đ ng t ng tác liên quan v i quang ph n ng l ng c a phép bi n đ i

Fourier N u I[r,c] là hàm nh và F(u,v) là bi n đ i Fourier c a nó, F (u,v) β đ c coi nh lƠ n ng l ng quang ph

2.2.3 đoăv hình d ng

 so kh păđ ng biên c a hình d ng

Thu t toán so kh p đ ng biên đòi h i s trích rút vƠ trình bƠy đ ng biên

c a c nh c n truy v n và nh mang ra so kh p ng biên có th đ c trình bày

b i m t dãy nh ng đi m nh hay có th đ c x p x b i m t đa giác i v i m t

dãy nh ng đi m nh, m t lo i so kh p c đi n là dùng mô t Fourier đ so sánh hai

hình d ng v i nhau Trong toán h c hàm liên t c, mô t Fourier là nh ng h s c a dãy tri n khai Fourier c a hƠm mƠ đ nh ngh a đ ng biên c a hình d ng nh Trong

tr ng h p đ c bi t, hình d ng đ c trình bày b i dãy c a m đi m<V1 ,V2 , ,V

m-1> T nh ng dưy đi m này, m t dãy c a véc t đ n v :

1 1

k k k

} là dãy c a nh ng mô t Fourier cho nh truy v n, và { } là mô t Fourier cho

nh Khi đó, đ đo kho ng cách Fourier nh sau: