Một trong những phương pháp được nhiều người muốn khám phá hiện nay là phương pháp “Truy xuất hình ảnh dựa trên nội dung”. Một phần quan trọng của tra cứu ảnh dựa trên hình dạng là nghiên cứu trích chọn đặc trưng. Chủ đề này thảo luận về một số phương pháp mô tả và trích xuất chữ ký ảnh dựa trên các đặc điểm hình dạng để ứng dụng trong tra cứu ảnh dựa trên nội dung.
TỔNG QUAN VỀ TRA CỨU ẢNH DỰA TRÊN NỘI DUNG
- Tra cứu thông tin trực quan
- Các thành phần chính của một hệ thống CBIR
- Các chức năng cơ bản của hệ thống CBIR
- Một số phƣơng pháp tra cứu ảnh dựa trên nội dung
- Một số hệ thống tra cứu ảnh dựa trên nội dung
- Hệ thống QBIC (Query By Image Content)
- Hệ thống Photobook
- Hệ thống VisualSEEK và WebSEEK
- Hệ thống RetrievalWare
- Hệ thống Imatch
Nó cho phép người dùng tìm kiếm hình ảnh dựa trên màu sắc, hình dạng và kết cấu. Hệ thống do Viện Công nghệ Massachusetts phát triển, cho phép người dùng tìm kiếm hình ảnh dựa trên màu sắc, hình dạng và kết cấu. Hệ thống này cho phép người dùng tìm kiếm hình ảnh theo màu sắc, hình dạng và kết cấu.
CÁC PHƢƠNG PHÁP BIỂU DIỄN HÌNH DẠNG
Giới thiệu
Kỹ thuật biểu diễn hình dạng dựa trên biên
- Phƣơng pháp toàn cục
- Phƣơng pháp cấu trúc
Phương pháp mô tả biểu diễn hình dạng bằng cách sử dụng các ranh giới toàn cục là một mô tả có hệ thống về toàn bộ biểu diễn hình dạng của một mô tả mẫu. Việc so khớp giữa các hình dạng có thể được thực hiện trong miền không gian hoặc miền đặc trưng. Đối với mô tả hình dạng, luôn có sự cân bằng giữa độ chính xác và hiệu quả.
Chữ ký hình dạng (SS) mô tả hình dạng bằng hàm một chiều thu được từ điểm biên. Một phương pháp phân tích hình dạng khác là biểu diễn hình dạng cấu trúc. Mã chuỗi được sử dụng để biểu diễn hình dạng phải độc lập với việc lựa chọn các pixel ranh giới bắt đầu trong chuỗi.
Trong bước đầu tiên, chúng tôi thu thập dữ liệu về đặc điểm của các biểu mẫu truy vấn. Dudek và Tsotsos phân tích hình dạng trong không gian đo lường và sử dụng sơ đồ khớp giữa mô hình với mô hình. Trong phương pháp này, hình dạng ban đầu thu được đầu tiên bằng kỹ thuật làm mịn đường cong.
Cuối cùng, một chuỗi các bộ mô tả phân đoạn được tạo ra để mô tả hình dạng.
Kỹ thuật biểu diễn hình dạng dựa trên vùng
- Phƣơng pháp toàn cục
- Phƣơng pháp cấu trúc
Ở bước thứ hai, so khớp giữa biểu mẫu truy vấn và mẫu thu được, việc so khớp được thực hiện dựa trên khoảng cách thay đổi giữa hai chuỗi đối tượng ban đầu. Tiếp theo, thiết lập một bộ mô tả phân đoạn bao gồm độ dài phân đoạn, thứ tự vị trí và giá trị điều chỉnh độ cong thu được từ mỗi hình dạng nguyên thủy. Ví dụ: với hai hình dạng A và B được mô tả bằng hai chuỗi: A= ( và B= ), hãy khớp mô hình với mô hình bằng cách sử dụng lập trình động để ước tính độ giống nhau của hai hình dạng.
Để tăng hiệu quả của quá trình tính toán so khớp, chúng ta đặt các đặc điểm hình dạng vào không gian độ cong tỷ lệ để có thể so khớp các hình dạng ở các tỷ lệ khác nhau. Phương pháp toàn cục tính đến toàn bộ hình dạng. Kết quả của mô tả là một vectơ đặc trưng số, được sử dụng để biểu diễn hình dạng. AMI thường hoạt động tốt trên các đối tượng có pixel phân tán và không có hình dạng đường viền.
Lưới mô tả hình dạng được Lu và Sajjanhar đề xuất và nó đã được sử dụng trên Sao Hỏa và một số ứng dụng khác. Giống như phương pháp cấu trúc biên, cấu trúc vùng phân tích hình dạng của vùng thành các phần rồi sử dụng chúng để mô tả và biểu diễn hình dạng. Cũng giống như các bề mặt lồi, xương cũng có thể được sử dụng để mô tả và biểu diễn các hình dạng.
Vì vậy, việc kết hợp giữa các hình dạng sẽ trở thành kết hợp giữa các biểu đồ.
MỘT SỐ PHƢƠNG PHÁP TRÍCH CHỌN DẤU HIỆU CỦA ẢNH
Giới thiệu
Phƣơng pháp trích chọn đặc trƣng dựa trên đƣờng biên
- Mã xích (chain code)
- Shape number
- Đối sánh các shape number
Dãy n của một số dạng là số chữ số được biểu diễn. Để có được một số hình dạng theo thứ tự này, cần thực hiện theo các bước sau: Bước đầu tiên là tìm các hình chữ nhật có đáy như trong Hình 3.4(b). Cuối cùng lấy chuỗi mã và sử dụng thay đổi đầu tiên để tính số hình dạng.
Mức độ giống nhau k giữa hai hình được định nghĩa là thứ tự tối đa mà số lượng hình vẫn khớp nhau. Việc tìm kiếm có thể được hình dung dưới dạng cây tương tự trong Hình 3.5(b). Gốc của cây tương ứng với mức độ tương tự thấp nhất có thể, trong ví dụ này bằng 4. Giả sử các mức độ tương tự tăng lên đến cấp 8, ngoại trừ dạng a, mức độ tương tự với tất cả các dạng khác là 6.
Thực hiện từ trên xuống dưới, tìm hình d có mức độ giống nhau là 8 với các hình khác. Hai dạng f và c có mức độ giống nhau cao hơn các dạng còn lại. Ngược lại, nếu có hình chưa biết thì sử dụng phương pháp này tương tự 5 hình có mức độ tương tự là 6.
Thông tin tương tự có thể được tóm tắt trong một ma trận tương tự như trong Hình 3.5(c).
Phƣơng pháp trích chọn đặc trƣng dựa trên vùng
- Đồ thị xƣơng
- Đối sánh đồ thị xƣơng
- Nhận xét
Mặt khác, đồ thị khung của các đối tượng khác nhau có thể có cấu trúc tôpô giống nhau, như trong Hình 3.7. Việc so khớp đồ thị khung xương được đề xuất dựa trên giả định rằng việc so khớp khung xương có sự tương đồng về cấu trúc với nút cuối (độ tương tự đường dẫn ngắn nhất với các nút cuối khác). Định nghĩa 3: Điểm cuối trong biểu đồ khung xương được gọi là nút cuối và điểm giao nhau trong biểu đồ khung xương được gọi là giao điểm.
Khớp biểu đồ khung xương bằng cách thiết lập sự tương ứng của các nút cuối, là các điểm nổi bật trên đường biên và tất cả các nhánh khung cuối trên đường biên có thể được xem như một phần trực quan của hình dạng ban đầu của hình. Định nghĩa 4: Đường đi ngắn nhất giữa một cặp nút cuối trên biểu đồ khung xương được gọi là đường dẫn khung xương, xem ví dụ hình 3.8b. Trong biểu đồ khung, mỗi nút cuối có một khung cho tất cả các nút khác trong biểu đồ.
Giả sử G và G' là hai đồ thị tương ứng và vi vj là các nút cuối của G và G'. Đối với hai đồ thị G và G' có các nút cuối vi và vj', chúng ta tính toán tất cả các giá trị không bằng nhau giữa các nút cuối của chúng và thu được một ma trận mới. Sử dụng thuật toán Hungary để có sự khớp một-một trong quá trình chuyển đổi của các nút cuối, với một số nút cuối có thể gán giá trị hằng đại diện cho nút giả.
Cách tiếp cận này không yêu cầu sự tương ứng của các nút giao nhau. Do đó, việc so khớp đồ thị khung được đề xuất dựa trên giả định rằng các khung tương tự có cấu trúc nút đầu cuối tương tự và được đo bằng độ tương tự của các đường đi ngắn nhất đến các nút đầu cuối khác. Thuật toán ghép hai chuỗi có độ dài khác nhau m và n đã được đề xuất trong [7]. Cụ thể hơn, chúng tôi xem xét hai chuỗi hữu hạn các nút cuối xương.
THỰC NGHIỆM
Môi trƣờng thử nghiệm
Một số kết quả thu đƣợc
- Giao diện chƣơng trình
- Kết quả trên một số đối tƣợng khác nhau
- Một số nhận xét về chƣơng trình
Chương trình mô tả quá trình chuyển đổi từ xương sang đồ thị dựa trên ma trận kề. Chương trình vẫn còn một số hạn chế. Việc biểu diễn lý thuyết của biểu đồ khung chỉ sử dụng các điểm đặc trưng (điểm cuối và giao điểm) và các kết nối giữa chúng, nhưng việc triển khai chương trình thực tế rất khó khăn. Có một số điểm nhánh xương đã được thêm vào. Ngoài ra, chương trình chưa tính toán trọng số đồ thị để phục vụ mục đích so sánh và tìm kiếm hình ảnh.
Về lý thuyết: Trình bày tổng quan về tra cứu ảnh dựa trên nội dung; Một số ảnh có phương pháp trích xuất dựa trên hình dạng và đặc biệt là thể hiện phương pháp đặc trưng ảnh dựa trên xương. Về mặt thử nghiệm, tôi đã cài đặt chương trình thử nghiệm để chuyển đổi xương của hình ảnh thành biểu diễn đồ họa nhằm mục đích khớp và tra cứu hình ảnh. Tuy nhiên, trong quá trình thực hiện không có nhiều thời gian và năng lực chuyên môn hạn chế nên đồ án chỉ dừng lại ở việc đọc, dịch và hiểu phần tóm tắt phương pháp mà không thể cài đặt được hoàn chỉnh.
Nếu có điều kiện tôi sẽ đọc tài liệu nghiên cứu để tổng hợp nhiều phương pháp và đưa ra đánh giá tổng kết dựa trên những gì đã học và hoàn thiện chương trình hơn nữa. Tôi rất mong nhận được những ý kiến đóng góp từ thầy cô, bạn bè để tôi có thêm kiến thức, kinh nghiệm tiếp tục hoàn thiện các nội dung nghiên cứu trong đề tài.
