Đánh giá các phương pháp tìm kiếm ảnh dựa trên nội dung

Đánh giá các phương pháp tìm kiếm ảnh dựa
trên nội dung


Vũ Thị Hồng Nhung


Trường Đại học Công nghệ. Đại học Quốc gia Hà Nội
Luận văn ThS. Công nghệ thông tin : 60 48 05
Người hướng dẫn : PGS.TS. Lương Chi Mai
Năm bảo vệ: 2013
63 tr .

Abstract. Trình bày tổng quan về tìm kiếm ảnh dựa trên nội dung, một số phương
pháp của tìm kiếm ảnh dựa trên nội dung. Trình bày, cài đặt thành công hai phương
pháp tìm kiếm ảnh dựa trên lược đồ màu và dựa trên lược đồ khái niệm trong bài toán
cụ thể với đầu vào là ảnh phác thảo. Đưa ra đề xuất cho hai phương pháp này nhằm
nâng cao hiệu quả tìm kiếm. Đề xuất này dựa trên vấn đề cơ bản của tìm kiếm, đó là
thiết lập cầu nối giữa tài liệu truy vấn và tài liệu có sẵn.
Keywords. Hệ thống thông tin; Tìm kiếm ảnh; Phương pháp lược đồ màu
Content.
Giới thiệu bài toán
Ngày nay, cùng với sự phát triển của kỹ thuật số, lượng ảnh lưu trữ trong các cơ
sở dữ liệu ngày càng cao. Do đó, nhu cầu tìm được các ảnh mong muốn trong tập cơ sở
dữ liệu lớn là rất lớn. Để giải quyết vấn đề này, đã có nhiều phương pháp tìm kiếm ảnh
dựa trên nội dung được đề xuất.
Vấn đề của tìm kiếm thông tin (Information Retrieval), [16] là kết nối giữa tài
liệu đầu vào (query document) và các tài liệu lưu trữ (stocked document). Trong
trường hợp cụ thể của tìm kiếm ảnh, chúng ta cần so sánh ảnh đầu vào (query image)
với ảnh lưu trữ (stocked image) để lựa chọn các ảnh phù hợp. Nếu đầu vào là từ khóa,
chúng ta cần chuyển các ảnh lưu trữ thành từ khóa. Nhưng nếu đầu vào là ảnh tổng

hợp (synthetic image), chúng ta cần tìm cách xử lý ảnh đó để khớp với các ảnh tự
nhiên (natural image) lưu trong cơ sở dữ liệu.
Thực tế, có nhiều trường hợp người dùng muốn tìm một bức ảnh nhưng họ
không có một bức ảnh nào tương tự để đưa vào tìm kiếm. Trong trường hợp đó, họ có
thể mô tả ảnh cần tìm bằng cách đánh từ khóa hoặc vẽ phác thảo để làm đầu vào cho
quá trình tìm kiếm. Như chúng ta đã biết, nếu dùng từ khóa để tìm kiếm thì kết quả
thường không chính xác bởi từ khóa không thể mô tả hết được nội dung của bức ảnh.
Vậy làm thế nào để so khớp được một ảnh phác thảo do người dùng vẽ với các ảnh tự
nhiên đã lưu trữ trong cơ sở dữ liệu?
Chúng tôi sẽ nghiên cứu một số phương pháp tìm kiếm ảnh dựa trên nội dung
để tập trung so khớp giữa tài liệu đầu vào là ảnh phác thảo với tài liệu lưu trữ là các
ảnh tự nhiên.
Mục tiêu nghiên cứu
Trong luận văn này, chúng tôi tìm hiểu tổng quan về tìm kiếm ảnh dựa trên nội
dung, một số phương pháp tìm kiếm ảnh theo nội dung trong những năm gần đây.
Chúng tôi nghiên cứu, thử nghiệm và đánh giá với hai phương pháp tìm kiếm
dựa trên lược đồ màu và tìm kiếm dựa trên lược đồ khái niệm trong bài toán cụ thể đã
nêu trên. Đồng thời chúng tôi sẽ đưa ra đề xuất cho hai phương pháp này nhằm nâng
cao hiệu quả tìm kiếm.
Bố cục luận văn
Luận văn được xây dựng với phần mở đầu, kết luận và năm chương bao gồm:
Chương 1. Giới thiệu
Chương 2. Một số phương pháp tìm kiếm dựa trên ảnh trong vòng mười
năm
Chương 3. Tìm kiếm dựa trên lược đồ màu với ảnh phác thảo
Chương 4. Tìm kiếm dựa trên lược đồ khái niệm
Chương 5. Chương trình thử nghiệm
TÀI LIỆU THAM KHẢO
Tài liệu tiếng Anh
[1] Michael J. Swain , Dana H. Ballard (1991), “Color indexing”, International

Journal of Computer Vision.
[2] Jutta Willamowski, Damian Arregui, Gabriela Csurka, Chris Dance, Lixin
(2004), “Categorizing Nine Visual Classes using Local Appearance Descriptors”,
ICPR 2004 Workshop Learning for Adaptable Visual Systems Cambridge, United
Kingdom 22 August, 2004.
[3] Julia Vogel, Bernt Schiele (2004), “A Semantic Typicality Measure for Natural
Scene Categorization”, Pattern Recognition Symposium, DAGM
[4] Julia Vogel, Bernt Schiele (IJCV 2006), “Semantic modeling of natural
scenes for content-based image retrieval”,
[5] S. Lazebnik, C. Schmid, and J. Ponce (CVPR 2006), “Beyond Bags of Features:
Spatial Pyramid Matching for Recognizing Natural Scene Categories”
[6] L. Fei-Fei and P. Perona (2005), “A Bayesian Hierarchical Model for Learning
Natural Scene Categories”
[7] A. Bosch (2007), “Image Classification for a largre number of object
categories”, Departament d'Electrònica, Informàtica i Automàtica. Universitat
de Girona.
[8] A.Bosch, A.Zisserman, X.Muñoz (2007), “Image Classification Using Random
Forests and Ferns, IEEE International Conference on Computer Vision”. Rio de
Janeiro, Brazil
[9] A.Bosch, A.Zisserman, X.Muñoz (2007), “Representing Shape with a Spatial
Pyramid Kernel”. International Conference on Image and Video Retrieval.
Amsterdam, The Netherlands
[10] C. Liu, J. Yuen, A. Torralba (2009), “Nonparametric scene parsing: label
transfer via dense scene alignmen”
[11] Joseph Tighe, Svetlana Lazebnik (2013), “SuperParsing: Scalable
Nonparametric Image Parsing with Superpixels”, IJCV, Vol 101, I 2, pp
329-349
[12] James Hays, Alexei A. Efros (2007), “Scene Completion Using Millions of
Photographs”, Compter graphics processings, annual conference series.
[13] Mathias Eitz, Kristian Hildebrand, Tamy Boubekeur, Marc Alexa (2009)

“PhotoSketch: A Sketch Based Image Query and Compositing System”
[14] Tao Chen, Ming-Ming Cheng, Ping Tan, Ariel Shamir, Shi-Min Hu (2009)
“Sketch2Photo: Internet Image Montage”
[15] M. Jonson, G.J. Brostow, J. Shotton, O. Arandjeovic, V.Kwatra, R.Cipolla
(2006), “Semantic photo synthesis”, Eurographics 2006/E.Groller and
L.Szirmay-Kalos, volume 25, number 3
[16]
[17] G. Salton, A. Wong, C. S. Yang (1975), “A Vector Space Model for Automatic
Indexing”
[18]
[19]
[20] A. Criminisi, P.Pérez, Toyama (2004), “Region Filling and Object Removal by
Exempla-Based Image Inpainting”, IEEE transaction on image processing,
vol.13
[21] Serge Belongie, Chad Carson, Hayit Greenspan, Jitendra Malik (1998),
“Color- and Texture-Based Image Segmentation Using EM and Its
Application to Content-Based Image Retrieval”
[22] Joseph Tighe, Svetlana Lazebnik (2013), “ SuperParsing: Scalable
Nonparametric Image Parsing with Superpixels”, IJCV, Vol 101, I 2, pp
329-349
[23] Anil K. Jain, Adittya Vailaya (1995), “Image Retrieval using color and
shape”
[24] Cordelia Schmid, Roger Mohr (1997), “Local grayvalue invariants for image
retrieval”, IEEE transactions on pattern analysis and machine intelligence, vol. 19, no.
5
[25] Alexei A. Efros, Thomas K. Leung (1999), “Texture Synthesis by Non-
parametric Sampling”, IEEE International conference on computer Vision,
Corfu, Greece
[26] Ce Liu, Yenny Yuen, Antonio Torralba, Josef Sivic, William T. Freeman
(2009), “SIFT Flow: Dense Correspondence across Different Scenes”

Tài liệu tiếng Việt
[27]