intTypePromotion=1

Sử dụng kỹ thuật phân lớp dữ liệu để tính toán các bins màu động trong tra cứu ảnh dựa trên màu sắc

Chia sẻ: Thi Thi | Ngày: | Loại File: PDF | Số trang:5

0
17
lượt xem
1
download

Sử dụng kỹ thuật phân lớp dữ liệu để tính toán các bins màu động trong tra cứu ảnh dựa trên màu sắc

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong kỹ thuật này, người ta chia không gian màu ra thành các bins. Việc chia thành các bins màu có kích thước bằng nhau và cố định dẫn đến một số hạn chế trong việc tra cứu như không tính đến tính tương đồng giữa các màu khi phân các pixel vào các bins, vấn đề về tăng giảm độ sáng ảnh.

Chủ đề:
Lưu

Nội dung Text: Sử dụng kỹ thuật phân lớp dữ liệu để tính toán các bins màu động trong tra cứu ảnh dựa trên màu sắc

Nguyễn Văn Tới và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 90(02): 49 - 53<br /> <br /> SỬ DỤNG KỸ THUẬT PHÂN LỚP DỮ LIỆU ĐỂ TÍNH TOÁN<br /> CÁC BINS MÀU ĐỘNG TRONG TRA CỨU ẢNH DỰA TRÊN MÀU SẮC<br /> Nguyễn Văn Tới*, Phạm Việt Bình, Nguyễn Tiến Thành<br /> ĐH Công nghệ Thông tin & Truyền thông – ĐH Thái Nguyên<br /> <br /> TÓM TẮT<br /> Kỹ thuật tra cứu dựa trên màu sắc là một trong những hƣớng tiếp cận cơ bản trong tra cứu ảnh.<br /> Trong kỹ thuật này, ngƣời ta chia không gian màu ra thành các bins. Việc chia thành các bins màu<br /> có kích thƣớc bằng nhau và cố định dẫn đến một số hạn chế trong việc tra cứu nhƣ không tính đến<br /> tính tƣơng đồng giữa các màu khi phân các pixel vào các bins, vấn đề về tăng giảm độ sáng ảnh.<br /> Bài báo này trình bày một cách tính toán các bins màu mềm dẻo sử dụng kỹ thuật phân lớp dữ liệu.<br /> Chúng tôi đã thử nghiệm với thuật toán K-Means trên cơ sở dữ liệu ảnh MISC [4] và cơ sở dữ liệu<br /> ảnh IFIT (Thƣ viện ảnh của Khoa Công nghệ thông tin-ĐH Thái Nguyên).<br /> Từ khóa: Kỹ thuật phân lớp dữ liệu, bins màu động,thuật toán K-means<br /> <br /> GIỚI THIỆU*<br /> Cùng với sự phát triển nhanh chóng của công<br /> nghệ phần cứng trong đó có các thiết bị thu<br /> nhận ảnh, lƣu trữ dữ liệu, lƣợng dữ liệu ảnh<br /> trong các lĩnh vực và trong đời sống ngày<br /> càng gia tăng. Từ thực tế trên, nhu cầu lƣu<br /> trữ, quản lý và tra cứu ảnh đƣợc đặt ra. Tra<br /> cứu ảnh là việc tìm kiếm từ một cơ sở dữ liệu<br /> (CSDL) ảnh ra một ảnh theo một yêu cầu nào<br /> đó. Đã có nhiều hƣớng tiếp cận cho việc<br /> nghiên cứu vấn đề này (xem [1]). Một trong<br /> những hƣớng tiếp cận chính đó là tra cứu ảnh<br /> dựa vào màu sắc. Kỹ thuật cơ sở tra cứu ảnh<br /> dựa trên màu sắc sẽ đƣợc giới thiệu trong<br /> phần 2. Các kỹ thuật cơ sở tra cứu ảnh dựa<br /> trên màu sắc còn một số hạn chế. Những hạn<br /> chế này đƣợc giới thiệu trong phần 3 cùng với<br /> một số hƣớng tiếp cận khắc phục của một số<br /> tác giả. Trong bài báo này, chúng tôi đƣa ra<br /> một hƣớng khắc phục khác cho những hạn<br /> chế của kỹ thuật cơ sở. Ý tƣởng của cách<br /> khắc phục này là cải tiến việc tính toán các<br /> bins màu bằng cách sử dụng kỹ thuật phân<br /> lớp dữ liệu. Ý tƣởng này đƣợc trình bày trong<br /> phần 4. Việc thực nghiệm với thuật toán phân<br /> lớp dữ liệu K-Means và kết quả đƣợc trình<br /> bày trong phần 5. Trong phần 6, chúng tôi<br /> đƣa ra một số kết luận và hƣớng nghiên cứu<br /> tiếp theo.<br /> *<br /> <br /> Tel: 0912847077; Email: nvtoicntt@gmail.com<br /> <br /> KỸ THUẬT CƠ SỞ TRA CỨU ẢNH DỰA<br /> TRÊN MÀU SẮC<br /> Ý tƣởng của các kỹ thuật tra cứu ảnh trên cơ<br /> sở màu là tra cứu từ CSDL ảnh những ảnh có<br /> màu cảm nhận tƣơng tự ảnh truy vấn hay phù<br /> hợp với mô tả của ngƣời sử dụng. Ngƣời ta đã<br /> đề xuất một số kỹ thuật khác nhau nhƣng ý<br /> tƣởng chủ đạo là nhƣ nhau. Mỗi ảnh trong<br /> CSDL đƣợc biểu diễn bằng ba kênh của<br /> không gian màu. Không gian màu hay sử<br /> dụng nhất là RGB. Mỗi kênh màu đƣợc số<br /> hóa thành m khoảng. Nhƣ vậy, tổng số tổ hợp<br /> màu rời rạc (gọi là bins) sẽ là n = m3. Thí dụ,<br /> nếu mỗi kênh màu đƣợc số hóa thành 16<br /> khoảng thì sẽ có 4096 bins. Biểu đồ màu<br /> H(M) là véc tơ (h1, h2, ..., hj, ..., hn), trong đó<br /> phần tử hj biểu diễn tổng số pixel trong ảnh M<br /> rơi vào bin j (j=1,..,n). Biểu đồ màu là véc tơ<br /> đặc trƣng, sẽ đƣợc lƣu trữ làm chỉ mục ảnh.<br /> Khi tra cứu ảnh, biểu đồ màu của ảnh truy<br /> vấn đƣợc tính toán. Sau đó, tính toán khoảng<br /> cách giữa biểu đồ màu của ảnh truy vấn và<br /> từng biểu đồ màu của các ảnh trong CSDL<br /> ảnh. Kết quả trình diễn cho ngƣời sử dụng là<br /> k ảnh đầu tiên có khoảng cách nhỏ nhất.<br /> Đã có nhiều độ đo khoảng cách biểu đồ màu<br /> giữa hai ảnh I và H đƣợc đề xuất. Ví dụ nhƣ:<br /> + Độ đo L-1 (thuộc nhóm Minkowski-form<br /> r=1):<br /> n<br /> d (I , J ) <br /> il  jl .<br /> <br /> <br /> l 1<br /> <br /> 49<br /> <br /> Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br /> <br /> http://www.lrc-tnu.edu.vn<br /> <br /> Nguyễn Văn Tới và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 90(02): 49 - 53<br /> <br /> + Độ đo khoảng cách Euclide (L-2) thuộc<br /> nhóm Minkowski-form r=2:<br /> <br /> SỬ DỤNG KỸ THUẬT PHÂN LỚP DỮ<br /> LIỆU ĐỂ TÍNH TOÁN CÁC BINS MÀU<br /> <br /> n<br /> <br /> Trong phần này, chúng tôi trình bày một<br /> hƣớng tiếp cận nhằm khắc phục hạn chế thứ<br /> nhất và hạn chế thứ ba nêu trên của kỹ thuật<br /> cơ sở. Hƣớng tiếp cận mà chúng tôi đƣa ra là<br /> cải tiến việc tính toán các bins màu bằng cách<br /> sử dụng kỹ thuật phân lớp dữ liệu. Giả sử ta<br /> muốn chia không gian màu ra thành k bins.<br /> Thay vì chọn các điểm chia cố định và đều<br /> nhau trên các kênh màu thì chúng ta sử dụng<br /> kỹ thuật phân lớp dữ liệu để phân các pixel<br /> của ảnh ra thành k lớp. Khi đó mỗi lớp sẽ là<br /> một bins. Khi phân lớp, mỗi pixel đƣợc coi là<br /> một phần tử. Toàn bộ các pixel của ảnh là<br /> một tập các phần tử. Chúng ta áp dụng kỹ<br /> thuật phân lớp để chia tập các phần tử này ra<br /> thành k lớp.<br /> <br /> d ( I , J )   il  jl  .<br /> 2<br /> <br /> l 1<br /> <br /> MỘT SỐ KỸ THUẬT TĂNG CƢỜNG KỸ<br /> THUẬT CƠ SỞ ĐÃ ĐƢỢC ĐỀ XUẤT<br /> Kỹ thuật tra cứu ảnh trên cơ sở màu cơ bản có<br /> nhiều hạn chế. Trong phần này chúng tôi giới<br /> thiệu một số hạn chế và cách khắc phục đã<br /> đƣợc đề xuất.<br /> • Hạn chế thứ nhất của kỹ thuật cơ sở là<br /> không sử dụng tính tƣơng đồng giữa các màu.<br /> Khi đó, hai ảnh với màu cảm nhận tƣơng<br /> đồng nhƣng không có màu chung thì khoảng<br /> cách của chúng sẽ lớn, có thể là cực đại. Điều<br /> này xảy ra vì:<br /> + Ngƣời sử dụng nhiều khi không chỉ quan<br /> tâm đến các ảnh có màu chính xác nhƣ câu<br /> truy vấn mà còn quan tâm đến ảnh có màu<br /> cảm nhận tƣơng tự.<br /> + Màu của ảnh có thể thay đổi do nhiễu hay<br /> do thay đổi độ sáng.<br /> Với hạn chế thứ nhất này, một số tác giả đã<br /> đƣa ra những cách khắc phục nhƣ: Niblack<br /> [5] đƣa ra thƣớc đo mức độ giống nhau trong<br /> đó quan tâm đến đóng góp các màu cảm nhận<br /> tƣơng tự. Chan [6] đề xuất kỹ thuật tính toán<br /> khoảng cách màu trong đó các giá trị biểu đồ<br /> màu đƣợc điều chỉnh trên cơ sở mức độ tƣơng<br /> tự màu. Lu và Phillips [2] đƣa ra hƣớng tiếp<br /> cận sử dụng biểu đồ trọng số cảm nhận (PWH<br /> – perceptually weighted histogram).<br /> • Hạn chế thứ hai là không sử dụng quan hệ<br /> không gian giữa các pixel. Để giải quyết vấn<br /> đề này, Lu và Phillips [2] đƣa ra hƣớng tiếp<br /> cận là tách màu nền khỏi màu cận cảnh (phân<br /> đoạn ảnh) sau đó biểu đồ màu nền và biểu đồ<br /> màu cận cảnh đƣợc tính toán và sử dụng.<br /> • Hạn chế thứ ba là không gian màu lựa chon<br /> đƣợc lƣợng tử hóa đồng nhất mặc dù các màu<br /> điểm ảnh không phân bổ đồng nhất trong<br /> không gian màu. Wan và Kuo [7] đƣa ra giải<br /> pháp lƣợng tử hóa màu không đồng nhất. Để<br /> khắc phục những nhƣợc điểm của phƣơng<br /> pháp cơ sở, hƣớng tiếp cận lựa chọn không<br /> gian màu thích hợp cũng đã đƣợc đề cập.<br /> <br /> Một số nhận xét:<br /> + Các pixel thuộc cùng một bins sẽ có màu<br /> tƣơng tự nhau.<br /> + Khắc phục đƣợc hạn chế thứ nhất (trong<br /> trƣờng hợp ảnh bị tăng giảm độ sáng).<br /> + Khắc phục hạn chế thứ ba, vì các bins ở đây<br /> không cố định, không phải là đƣợc chia đồng<br /> nhất mà phụ thuộc vào bản thân dữ liệu ảnh.<br /> + Việc tính toán các bins phức tạp.<br /> Hình 1 minh họa sự so sánh việc tính toán các<br /> bins màu cố định, đồng nhất và các bins màu<br /> đƣợc tính toán bằng kỹ thuật phân lớp dữ liệu.<br /> Trong hình 1(a), lƣợc đồ phía trên là<br /> histogram của ảnh I, lƣợc đồ phía dƣới là của<br /> ảnh J. Ảnh J thu đƣợc từ ảnh I bằng cách tăng<br /> độ sáng. Nhƣ vậy, khi ta phân chia các bins<br /> cố định, đồng nhất thì khoảng cách giữa hai<br /> ảnh này sẽ rất lớn. Còn trong hình 1(b) là hình<br /> ảnh các bins màu đƣợc tính toán bằng cách sử<br /> dụng kỹ thuật phân lớp dữ liệu. Nếu sử dụng<br /> cùng một phƣơng pháp phân lớp dữ liệu mà<br /> kết quả phƣơng pháp này chỉ phụ thuộc<br /> vào bản thân tập dữ liệu đầu vào thì sẽ<br /> cho kết quả là hai biểu đồ màu của ảnh I<br /> và J giống nhau.<br /> <br /> 50<br /> <br /> Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br /> <br /> http://www.lrc-tnu.edu.vn<br /> <br /> Nguyễn Văn Tới và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> H(c)<br /> <br /> c<br /> <br /> H(c)<br /> <br /> c<br /> (a)<br /> H(c)<br /> <br /> c<br /> <br /> H(c)<br /> <br /> (b)<br /> <br /> c<br /> <br /> Hình 1. (a) Các bins màu đồng nhất, cố định<br /> (b) Các bins màu được tính toán bằng kỹ<br /> thuật phân lớp dữ liệu<br /> THỰC NGHIỆM<br /> Chúng tôi tiến hành thực nghiệm với thuật<br /> toán K-Means [3]. Khi áp dụng thuật toán KMeans cho việc tính toán các bins màu,<br /> <br /> 90(02): 49 - 53<br /> <br /> khoảng cách giữa hai phần tử (hai màu) trong<br /> không gian màu RGB mà chúng tôi sử dụng<br /> là khoảng cách Euclide. Các điểm trung tâm<br /> xuất phát của các cụm đƣợc chỉ định theo<br /> cùng một nguyên tắc đối với các ảnh khác<br /> nhau. Ví dụ, nếu ảnh có bảng màu thì k điểm<br /> trung tâm đƣợc lấy là k phần tử cách đều nhau<br /> trong bảng màu. Chúng tôi tiến hành cài đặt<br /> thử nghiệm với Visual C++ 6.0 và chạy thử<br /> nghiệm với nhiều CSDL ảnh khác nhau. Kết<br /> quả thực nghiệm cho thấy phƣơng pháp<br /> chúng tôi đề xuất cho kết quả giống với kỹ<br /> thuật cơ sở trong trƣờng hợp bình thƣờng; tốt<br /> hơn kỹ thuật cơ sở trong trƣờng hợp ảnh tăng<br /> giảm độ sáng. Khi xuất hiện ảnh trong CSDL<br /> là ảnh thu đƣợc từ ảnh truy vấn bằng cách<br /> tăng hay giảm độ sáng thì phƣơng pháp cơ sở<br /> không tìm ra, còn phƣơng pháp đƣợc đề xuất<br /> trong bài báo này đã tìm ra. Tuy nhiên, chúng<br /> ta dễ nhận ra nhƣợc điểm của phƣơng pháp<br /> này là thời gian tính toán bins màu là lớn hơn<br /> kỹ thuật cơ sở. Hình 2 và hình 3 minh họa<br /> một số kết quả thực nghiệm.<br /> KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU<br /> TIẾP THEO<br /> Chúng tôi đã đề xuất ý tƣởng sử dụng kỹ<br /> thuật phân lớp dữ liệu để tính toán các bins<br /> màu nhằm khắc phục nhƣợc điểm cúa kỹ<br /> thuật cơ sở tra cứu ảnh dựa trên màu sắc. Kỹ<br /> thuật này cho kết quả tốt hơn kỹ thuật cơ sở<br /> trong trƣờng hợp ảnh tăng giảm độ sáng, tuy<br /> nhiên tốc độ tính toán các bins màu chậm<br /> hơn. Hƣớng nghiên cứu tiếp theo của chúng<br /> tôi sẽ là:<br />  Nâng cao hiệu quả của kỹ thuật phân lớp dữ<br /> liệu áp dụng cho việc tính toán các bins màu.<br />  Thực nghiệm với các độ đo khác nhau, kết<br /> hợp với các cải tiến đã có nhƣ sử dụng quan<br /> hệ không gian giữa các pixel.<br /> <br /> 51<br /> <br /> Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br /> <br /> http://www.lrc-tnu.edu.vn<br /> <br /> Nguyễn Văn Tới và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 0.jpg<br /> ảnh truy vấn<br /> <br /> 90(02): 49 - 53<br /> <br /> 0.jpg<br /> <br /> 100.jpg<br /> ảnh truy vấn<br /> <br /> 49.jpg<br /> <br /> 23.jpg<br /> <br /> 116.jpg<br /> <br /> 40.jpg<br /> <br /> 34.jpg<br /> <br /> 100.jpg<br /> <br /> 108.jpg<br /> <br /> 112.jpg<br /> 31.jpg<br /> Kết quả giống nhau của kỹ thuật<br /> cơ sở và kỹ thuật đề xuất<br /> <br /> Kết quả giống nhau của kỹ thuật<br /> cơ sở và kỹ thuật đề xuất<br /> <br /> Hình 2. Kết quả thực nghiệm với 100 ảnh của CSDL ảnh MISC [4] (2 truy vấn với 2 ảnh truy vấn khác<br /> nhau). Kết quả liệt kê 5 ảnh giống ảnh truy vấn nhất<br /> <br /> Kết quả của phương pháp có dùng kỹ<br /> thuật phân lớp dữ liệu (tìm ra ảnh 0a.jpg<br /> là ảnh 0.jpg được tăng độ sáng):<br /> <br /> 100.jpg<br /> ảnh truy vấn<br /> Kết quả của kỹ thuật sử dụng phân<br /> lớp dữ liệu (đưa ra ảnh 100a.jpg):<br /> <br /> 0.jpg<br /> <br /> 49.jpg<br /> <br /> 0a.jpg<br /> <br /> 100.jpg<br /> <br /> 23.jpg<br /> <br /> 40.jpg<br /> <br /> 108.jp<br /> g<br /> <br /> 40.jpg<br /> <br /> Kết quả của kỹ thuật cơ sở<br /> (không đưa ra ảnh 0a.jpg):<br /> <br /> 0.jpg<br /> <br /> 116.jpg<br /> <br /> 49.jpg<br /> <br /> 112.jpg<br /> 31.jpg<br /> Kết quả của kỹ thuật cơ sở (không đưa<br /> ra ảnh 100a.jpg, là ảnh 100.jpg được<br /> giảm độ sáng):<br /> <br /> 23.jpg<br /> <br /> 34.jpg<br /> <br /> 100.jpg<br /> <br /> 100a.jpg<br /> <br /> 108.jp<br /> g<br /> <br /> 112.jpg<br /> <br /> 116.jp<br /> g<br /> <br /> Hình 3. Kết quả thực nghiệm với 100 ảnh của CSDL ảnh MISC thêm 2 ảnh: 0a.jpg (thu được từ 0.jpg bằng cách<br /> tăng độ sáng) và 100a.jpg (thu được từ 100.jpg bằng cách giảm độ sáng). Kết quả thực hiện 2 truy vấn. Kết quả liệt<br /> kê 5 ảnh giống ảnh truy vấn nhất<br /> <br /> 52<br /> <br /> Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br /> <br /> http://www.lrc-tnu.edu.vn<br /> <br /> Nguyễn Văn Tới và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> TÀI LIỆU THAM KHẢO<br /> [1]. Đặng Văn Đức, Hệ quản trị CSDL đa phương<br /> tiện, Giáo trình dành cho lớp Cao học - Khoa<br /> Công nghệ thông tin – Đại học Thái Nguyên.<br /> [2]. Guojun Lu; Phillips, J., (1998), Using<br /> perceptually weighted histograms for colour-based<br /> imageretrieval, Signal Processing Proceedings,<br /> 1998. ICSP apos’98. Fourth International<br /> Conference on Volume 2, Issue, Page(s):1150 1153.<br /> [3]. J. B. MacQueen, (1967), Some Methods for<br /> classification and Analysis of Multivariate<br /> Observations, Proceedings of 5-th Berkeley<br /> Symposium on Mathematical Statistics and<br /> Probability, Berkeley, University of California<br /> Press, 1:281-297.<br /> <br /> 90(02): 49 - 53<br /> <br /> [4]. Jame Z Wang, J. Li. CSDL ảnh MISC,<br /> http://wang.ist.psu.edu/docs/related.shtml<br /> [5]. James Hafner, Harpreet S. Sawhney, Will<br /> Equitz, Myron Flickner, Wayne Niblack, (July<br /> 1995), Efficient Color Histogram Indexing for<br /> Quadratic Form Distance Functions, IEEE<br /> Transactions on Pattern Analysis and Machine<br /> Intelligence, vol. 17, no. 7, pp. 729-736.<br /> [6]. S. K. Chan, National University of Singapore,<br /> (1994), Content-based Image Retrieval, MSc<br /> thesis.<br /> Xia Wan; Kuo, C.-C.J., (Sep 1998), A new<br /> approach to image retrieval with hierarchical<br /> colorclustering, Circuits and Systems for Video<br /> Technology, IEEE Transactions on Volume 8,<br /> Issue 5, Page(s):628 – 643<br /> <br /> ABSTRACT<br /> USING DATA CLUSTERING TECHNIQUE FOR CALCULATING FLEXIBLE<br /> COLOR BINS IN SEARCHING IMAGES BASED ON COLORS<br /> Nguyen Van Toi*, Pham Viet Binh, Nguyen Tien Thanh<br /> College of Information Technology and Communication – TNU<br /> <br /> Techniques based on color is one of the basic approach in the image retrieval. In this technique, we<br /> divide the color space into bins. Divided the color space into equal and fixed size color bins causes<br /> some limitations as to be unused compatibility between the color of the pixel when add it into the<br /> bins, the increased, reduction of image brightness. This article presented a calculation of the color<br /> bins flexible use of the data clustering technique. We tested with the algorithm K-Means based on<br /> image data misc [4] and the database image IFIT (Gallery of the Faculty of Information<br /> Technology - Thai Nguyen University).<br /> Key words: Data clustering technique, flexible color bins, the algorithm K-Means<br /> <br /> *<br /> <br /> Tel: 0912847077; Email: nvtoicntt@gmail.com<br /> <br /> 53<br /> <br /> Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên<br /> <br /> http://www.lrc-tnu.edu.vn<br /> <br />

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản