intTypePromotion=3

Tóm tắt luận văn Thạc sĩ: Nghiên cứu phương pháp tra cứu ảnh dựa trên nội dung và xây dựng hệ thống tra cứu cây thuốc

Chia sẻ: Nguyễn Thị Thu Trang | Ngày: | Loại File: PDF | Số trang:29

0
89
lượt xem
18
download

Tóm tắt luận văn Thạc sĩ: Nghiên cứu phương pháp tra cứu ảnh dựa trên nội dung và xây dựng hệ thống tra cứu cây thuốc

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

Bài luận văn thạc sĩ nghiên cứu phương pháp tra cứu ảnh dựa trên nội dung và xây dựng hệ thống tra cứu cây thuốc, dành cho các bạn sinh viên chuyên ngành tham khảo!

Chủ đề:
Lưu

Nội dung Text: Tóm tắt luận văn Thạc sĩ: Nghiên cứu phương pháp tra cứu ảnh dựa trên nội dung và xây dựng hệ thống tra cứu cây thuốc

  1. H C VI N CÔNG NGH BƯU CHÍNH VI N THÔNG --------------------------------------- NGUY N HUY HOÀNG NGHIÊN C U PHƯƠNG PHÁP TRA C U NH D A TRÊN N I DUNG VÀ XÂY D NG H TH NG TRA C U CÂY THU C Chuyên ngành: KHOA H C MÁY TÍNH Mã s : 60.48.01 TÓM T T LU N VĂN TH C SĨ HÀ N I – 2013
  2. Lu n văn ư c hoàn thành t i: H C VI N CÔNG NGH BƯU CHÍNH VI N THÔNG Ngư i hư ng d n khoa h c: ……………………………… (Ghi rõ h c hàm, h c v ) Ph n bi n 1: ……………………………………………… Ph n bi n 2: …………………………………………….. Lu n văn s ư c b o v trư c H i ng ch m lu n văn th c sĩ t i H c vi n Công ngh Bưu chính Vi n thông Vào lúc: ..... gi ...... ngày ....... tháng ....... .. năm ............... Có th tìm hi u lu n văn t i: - Thư vi n c a H c vi n Công ngh Bưu chính Vi n thông
  3. 1 M CL C M U .........................................................................4 CHƯƠNG 1 .....................................................................7 T NG QUAN V TRA C U NH D A TRÊN N I DUNG (CONTENT-BASED IMAGE RETRIEVAL - CBIR) ..............................................................................7 1.1. Gi i thi u truy v n nh d a trên n i dung ............7 1.2. Mô hình x lý ......................................................8 1.3. Các thành ph n chính c a m t h th ng CBIR .....9 1.4. Các ch c năng cơ b n c a h th ng CBIR.......... 10 1.5. M t s h th ng tra c u nh d a trên n i ........... 10 1.5.1. H th ng QBIC(Query By Image Content)10 1.5.2. H th ng Virage ....................................... 10 1.5.3. H th ng RetrievalWare ........................... 10 1.5.4. H th ng VisualSeek và WebSeek............ 10 1.5.5. H th ng Photobook ................................. 10 CHƯƠNG 2 ...................................................................11 PHƯƠNG PHÁP TRÍCH CH N C TRƯNG NH ..11 2.1. Trích ch n c trưng nh d a trên màu s c ........ 11 2.1.1. Lư c màu (Histogram) ........................ 11 2.1.2. Vector liên k t màu (Color Coherence Vector) ................................................................... 12 2.2. Trích ch n c trưng nh d a trên k t c u .......... 12 2.2.1. Ma tr n ng hi n (Co-occurence Matrix) 13
  4. 2 2.2.2. Phép bi n i Wavelet .............................. 13 2.2.3. Các c trưng l c Gabor .......................... 14 2.2.4. Các c trưng bi n i sóng .................... 14 2.3. Trích ch n c trưng nh d a trên hình d ng ..... 15 2.3.1. Trích ch n c trưng theo biên ................. 15 2.3.1.1. Lư c h s góc ............................ 15 2.3.1.2. Vector liên k t h s góc (Edge Direction Coherence Vector)......................... 16 2.3.2. Trích ch n c trưng theo vùng ................ 17 2.4. Trích ch n s d ng i m n i b t ........................ 17 2.4.1. c trưng c c b b t bi n (SIFT) ............. 17 2.4.2. SURF ....................................................... 19 CHƯƠNG 3 ...................................................................20 CÀI T TH NGHI M VÀ NG D NG .................20 3.1. Cài t th nghi m ............................................. 20 3.1.1. Môi trư ng phát tri n, cơ s d li u ......... 20 3.1.2. Phương pháp th c nghi m ........................ 21 3.1.2.1. L a ch n m u th nghi m ................ 21 3.1.2.2. Phương pháp ánh giá ...................... 21 3.1.3. Th nghi m và k t qu ............................. 22 3.1.3.1. Tìm ki m theo lư c màu .............. 22 3.1.3.2. Tìm ki m theo lư c h s góc ...... 22 3.1.3.3. Tìm ki m theo vector liên k t màu ... 22 3.1.3.4. Tìm ki m theo AutoCorrelogram ...... 22
  5. 3 3.1.3.5. Tìm ki m theo các c trưng c c b b t bi n (SIFT) ................................................... 22 3.1.3.6. Tìm ki m v i SURF ......................... 22 3.1.4. K t qu th c nghi m và ánh giá.............. 22 3.2. ng d ng tra c u cây thu c ............................... 24 3.2.1. Phân tích yêu c u ..................................... 24 3.2.2. Ch c năng ng d ng ................................ 24 3.2.3. ánh giá ng d ng ................................... 25 K T LU N ...................................................................26
  6. 4 M U Cùng v i s phát tri n c a công ngh , ã có r t nhi u phương pháp ư c nghiên c u truy v n thông tin d a vào hình nh. Tuy nhiên, m t trong nh ng phương pháp ư c nhi u ngư i quan tâm nghiên c u hi n nay là phương pháp “Tra c u nh d a theo n i dung” (Content Based Image Retrieval - CBIR). Ý tư ng phương pháp này là trích ch n các c i m d a vào n i dung tr c quan c a nh như màu s c, k t c u, hình d ng và b c c không gian c a nh làm cơ s cho vi c tra c u, s p x p, t ch c cơ s d li u nh. Tra c u nh d a trên hình d ng s d ng các c trưng hình d ng c a các nh m c tiêu tìm ki m, nó là m t khía c nh r t quan tr ng c a tra c u nh d a trên n i dung. Hi n nay có nhi u h th ng cho phép tra c u thông tin d a trên hình nh như như Google Image Swirl, Bing, Tiltomo, Tineye, Pixolution…Các h th ng trên ã ưa ra các k t qu tìm ki m r t t t d a trên nh m u. Tuy nhiên, h n ch c a các h th ng trên là v n t n t i s nh p nh ng v d li u, các thông tin chưa cô ng theo ch xác nh, v i bài toán t ra ây là cây thu c. V i m c ích cu i cùng có th xây d ng ư c m t
  7. 5 h th ng tra c u cây thu c d a trên hình nh. Cho phép ngư i Vi t Nam nh n bi t và s d ng hi u qu v các cây thu c Vi t Nam thông qua hình nh. Lu n văn này s i sâu vào nh ng nhi m v chính như sau: - N i dung + Nghiên c u và ánh giá các k thu t tra c u nh theo n i dung. + Tìm hi u cách th c nh n bi t cây thu c thông thư ng trong cu c s ng như qua lá, hoa, thân hay r … t ó có th gi i h n i tư ng làm m u và truy v n + xu t s d ng m t s k thu t khác và ưa ra s so sánh v i các h th ng nh trư c ó. +T ó ưa ra các phương pháp c i ti n và kh c ph c nh ng h n ch hi n t i. + Th nghi m chương trình tra c u nh theo n i dung thông qua mô hình truy v n xu t và các k t qu t ư c như chính xác, t c x lý… - Yêu c u c n gi i quy t + Tìm hi u ki n th c v các k thu t x lý nh. + ưa ra ư c ph m vi i tư ng th c hi n làm m u nh n d ng là lá, cây, hoa, hay t t c .
  8. 6 + Xây d ng t p m u nh d a trên i tư ng ã l a ch n trên + Tham kh o các mã ngu n m v x lý nh cho quá trình cài t. + Nghiên c u v tra c u nh theo n i dung và các phương pháp trích ch n c trưng d a trên các tài li u nghiên c u trư c ó. T ó tri n khai cài t thu t toán tra c u. + Th c nghi m d a trên xây d ng và ánh giá các k t qu nghiên c u. + Xây d ng h th ng tra c u nh d a trên th c nghi m và các ánh giá ã có.
  9. 7 CHƯƠNG 1 T NG QUAN V TRA C U NH D A TRÊN N I DUNG (CONTENT-BASED IMAGE RETRIEVAL - CBIR) Chương 1 lu n văn gi i thi u t ng quan v phương pháp “Tra c u nh d a theo n i dung - CBIR” bao g m khái ni m, m c ích, mô hình, thành ph n, ch c năng và m t s h th ng tra c u nh d trên n i dung. 1.1. Gi i thi u truy v n nh d a trên n i dung Tra c u nh d a theo n i dung (CBIR) có ngu n g c t năm 1992. Tra c u nh theo n i dung là tra c u thông tin tr c quan (VIR - Visual Information Retrieval). Các y u t tr c quan như màu s c, k t c u, hình d ng và b c c không gian tr c ti p liên quan n khía c nh c a c m nh n n i dung nh, cùng v i các khái ni m m c cao như ý nghĩa i tư ng, khung c nh trong nh, ư c dùng như là manh m i cho tìm ki m hình nh v i n i dung tương t t cơ s d li u.
  10. 8 1.2. Mô hình x lý xây d ng h th ng truy v n nh, c n gi i quy t 3v n chính sau • Rút trích các c trưng trên nh (Feature Exaction) • Xác nh o s tương ng gi a hai nh (Similarity Measure) • L p ch m c cho CSDL nh (Image Indexing) T ó xây d ng nên các thành ph n cho h th ng truy v n nh: H th ng truy v n nh v i cơ s tri th c
  11. 9 1.3. Các thành ph n chính c a m t h th ng CBIR Hi n nay, tr ng tâm chính c a CBIR là nghiên c u ch y u trên 3 ch chính: Trích ch n c trưng: Các c trưng c a hình nh bao g m các c trưng nguyên th y và các c trưng ng nghĩa/ c trưng logic. c trưng nguyên th y như màu s c, hình d ng, k t c u và các m i quan h không gian ư c nh lư ng trong t nhiên, chúng có th ư c trích xu t t ng ho c bán t ng. c trưng logic cung c p mô t tr u tư ng c a d li u hình nh các c p khác nhau. L p ch s hi u qu : t o i u ki n truy v n hi u qu và x lý tìm ki m, các ch s hình nh c n thi t ư c t ch c thành các c u trúc d li u hi u qu . Các c u trúc như k-d-tree, R-tree family, R *- tree, quad-tree, và grid file (t p lư i) thư ng ư c s d ng. Giao di n ngư i dùng: Giao di n ngư i dùng bao g m m t b x lý truy v n và trình duy t cung c p các công c h a tương tác, cơ ch truy v n và truy c p cơ s d li u, theo th t nh s n.
  12. 10 1.4. Các ch c năng cơ b n c a h th ng CBIR Nh ng ch c năng chính c a m t h th ng bao g m các n i dung sau: - Phân tích n i dung c a ngu n thông tin và bi u di n n i dung c a các ngu n thông tin. - Phân tích các truy v n c a ngư i dùng và bi u di n chúng thành các d ng phù h p v i vi c i sánh v i cơ s s li u ngu n. - Xác nh chi n lư c i sánh tìm ki m truy v n v i thông tin ư c lưu tr trong cơ s d li u. - Th c hi n các i u ch nh c n thi t trong h th ng d a trên ph n h i t ngư i s d ng ho c nh ng hình nh ư c tra c u. 1.5. M t s h th ng tra c u nh d a trên n i 1.5.1. H th ng QBIC (Query By Image Content) 1.5.2. H th ng Virage 1.5.3. H th ng RetrievalWare 1.5.4. H th ng VisualSeek và WebSeek 1.5.5. H th ng Photobook
  13. 11 CHƯƠNG 2 PHƯƠNG PHÁP TRÍCH CH N C TRƯNG NH Chương 2 s ưa ra m t s khái ni m liên quan n các thu c tính, k thu t c a vi c truy v n theo n i dung nh. Qua ó làm ti n nghiên c u xâu hơn các k thu t trích ch n n i dung nh và i sánh nh. 2.1. Trích ch n c trưng nh d a trên màu s c 2.1.1. Lư c màu (Histogram) Là i lư ng c trưng cho phân b màu c c b c a nh . o tính tương t v màu s c ư c tính b ng ph n giao c a 2 lư c màu nh truy v n H(IQ) và nh trong cơ s d li u nh H(ID). K t qu s là m t lư c màu th hi n gi ng nhau gi a 2 nh trên. Tuy nhiên vì lư c màu ch th hi n tính phân b màu toàn c c c a nh mà không xét n tính phân b c c b c a i m nh nên có th có 2 nh trông r t khác nhau nhưng l i có cùng lư c màu.
  14. 12 2.1.2. Vector liên k t màu (Color Coherence Vector) Là lư c tinh ch lư c màu, chia m i ô màu (bin) thành 2 nhóm i m nh: nhóm liên k t màu (coherence pixels) và nhóm không liên k t màu (non- coherence pixels) Vector liên k t màu còn giúp gi i quy t khuy t i m v tính không duy nh t c a lư c màu i v i nh. Hai nh có th có chung lư c màu nhưng khác nhau hoàn toàn, ây là khuy t i m c a lư c màu. Nhưng v i tìm ki m theo c trưng vector liên k t màu thì nó s gi i quy t ư c khuy t i m không duy nh t này. 2.2. Trích ch n c trưng nh d a trên k t c u K t c u hay còn g i là vân (texture), là m t i tư ng dùng phân ho ch nh ra thành nh ng vùng ư c quan tâm và phân l p nh ng vùng ó. Vân cung c p thông tin s s p x p v m t không gian c a màu s c và cư ng c a m t nh. Ví d c u trúc c a vân c a m t s lo i lá cây
  15. 13 C u trúc vân c a lá cây 2.2.1. Ma tr n ng hi n (Co-occurence Matrix) Ma tr n ng hi n là ma tr n lưu tr s l n xu t hi n c a nh ng c p i m nh trên m t vùng ang xét. Các c p i m này ư c tính theo nh ng quy lu t cho trư c. Ví d v i nh f như sau: ta có ma tr n ng hi n P(1,0) v i P(1,0)= 2.2.2. Phép bi n i Wavelet Vân thu ư c t bi n i wavelet ư c h u h t các nghiên c u công nh n là c trưng v vân t t nh t cho vi c phân o n nh.
  16. 14 Thu t toán tính ra các c trưng vân theo bi n i Wavelet: • Tính bi n i Wavelet trên toàn nh. • ng v i m i vùng c n tính, ta tính ư c 3 thành ph n ng v i các mi n HL, LH và HH • Khi áp d ng bi n i wavelet nh ng m c sâu hơn, ta s có tương ng 3xV thành ph n ng v i V là chi u sâu c a bi n i Wavelet. 2.2.3. Các c trưng l c Gabor L c Gabor ư c s d ng r ng rãi trích rút các c trưng nh, c bi t là các c trưng k t c u. Nó t i ưu v m t c c ti u hoá s không ch c ch n chung trong mi n không gian và mi n t n s , và thư ng ư c s d ng như m t hư ng và t l biên i u hư ng và phát hi n ư ng. Có nhi u cách ti p c n ã ư c xu t mô t các k t c u c a các nh d a trên các l c Gabor. 2.2.4. Các c trưng bi n i sóng Tương t v i l c Gabor, bi n i sóng cung c p m t cách ti p c n a phân gi i i v i phân tích k t c u và phân l p. Các bi n i sóng phân rã m t tín hi u
  17. 15 v i m t h các hàm cơ s thu ư c thông qua d ch chuy n và s co giãn c a sóng Hơn n a, theo so sánh c a các c trưng bi n i sóng khác nhau, ch n riêng l c sóng không là then ch t cho phân tích k t c u. 2.3. Trích ch n c trưng nh d a trên hình d ng 2.3.1. Trích ch n c trưng theo biên 2.3.1.1. Lư c h s góc Lư c g m 73 ph n t trong ó:72 ph n t u ch a s i m nh có h s g c t 0 – 355 , các h s góc này cách nhau 5 . Ph n t cu i ch a s ph n t không n m trên biên c nh . nh minh h a lư c h s góc
  18. 16 ư ng biên c a nh 2.3.1.2. Vector liên k t h s góc (Edge Direction Coherence Vector) Là lư c tinh ch lư c h s góc, chia m i ô ch a (bin) thành 2 nhóm i n nh: Nhóm i m liên k t h s góc (coherent pixels) và nhóm i m không liên k t h s góc (non-coherence pixels). M t pixel trong m t ô ch a (bin) ư c g i là i m liên k t h s góc (coherent) n u nó th ôc vùng g m các i m thu c c nh có h s góc tương t v i kích thư t l n (thư ng vào kho ng 0.1% kích thư c nh). nh minh h a vector liên k t h s góc
  19. 17 nh minh h a s liên k t gi a các biên c nh 2.3.2. Trích ch n c trưng theo vùng nh g m t p h p các vùng hay còn g i là o n. ây là c trưng c bi t c a nh. V i c trưng vùng s giúp cho chúng ta có th gi i quy t ư c m t v n l n ang c n tr bư c phát tri n vi c truy tìm nh d a vào n i dung là d li u nh p ư c mô ph ng g n gũi hơn v i suy nghĩ c a con ngư i và nh tìm ư c có th mang n i dung ng nghĩa r t khác so v i nh truy v n. 2.4. Trích ch n s d ng i m n i b t Phương pháp này d a trên các i m n i b t, là các i m b t bi n v i s thay i c a nh như xoay, co giãn, che l p m t ph n… Có 2 phương pháp tiêu bi u nh t là SIFT và SURF 2.4.1. c trưng c c b b t bi n (SIFT)
  20. 18 SIFT là vi t t t c a c m t Scale-Invariant Feature Invariant Transform là m t trong nh ng thu t toán n i ti ng nh t hi n nay dùng phát hi n và mô t các c trưng c a nh ưng s . Thu t toán này ư c công b b i David Lowe vào v năm 1999[19]. Hai hình trên có th ư c nh n ra là c a cùng 1 c nh b i SIFT Gi ng như nhi u thu t toán v x lý nh, SIFT là l thu t toán khá ph c t p, ph i tr i qua nhi u bư c x lý và s d ng nhi u ki n th c v toán h c. Sau ây s là các bư c chính trong thu t toán: 1. Xây d ng không gian scale 2. Xác inh v trí i m c trưng 3. Thêm hư ng cho i m c trưng 4. Mô t i m c trưng

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản