Tìm hiểu hệ suy diễn mờ ứng dụng hệ suy diễn mờ trong bài toán phân lớp dữ liệu

MỤC LỤC
MỤC LỤC......................................................................................................................... 1
MỞ ĐẦU........................................................................................................................... 4
PHỤ LỤC.......................................................................................................................... 8
CHƯƠNG 1. CÁC PHƯƠNG PHÁP TRUY TÌM ẢNH...............................................9
1.1. Vấn đề tra cứu ảnh................................................................................................9
1.2.2. Truy tìm ảnh theo nội dung.....................................................................................................10
1.2.3. Tra cứu ảnh theo bản thể........................................................................................................11
1.2.4. Tra cứu ảnh theo đồ thị ngữ nghĩa..........................................................................................11

1.3. Tra cứu ảnh theo nội dung.................................................................................12
1.3.1. Mô hình hệ thống tra cứu ảnh theo nội dung.........................................................................12
1.3.2. Các phương pháp mô tả nội dung ảnh.....................................................................................13
1.3.2.1. Mô tả các đặc trưng màu sắc................................................................................................14
1.3.2.2. Mô tả các đặc trưng kết cấu..................................................................................................14
1.3.2.3. Mô tả các đặc trưng hình dạng.............................................................................................15
1.3.2.4. Thông tin về không gian........................................................................................................16
1.3.3. Đánh giá độ tương tự và xây dựng sơ đồ đánh chỉ số..............................................................16
1.3.3.1. Đánh giá độ tương tự...........................................................................................................16
1.3.3.2. Xây dựng sơ đồ đánh chỉ số..................................................................................................18
1.3.4. Tương tác với người sử dụng...................................................................................................19
1.3.4.1. Đặc tả truy vấn......................................................................................................................20
1.3.4.2. Xử lý phản hồi.......................................................................................................................20
1.3.5. Hiệu năng của hệ thống tra cứu ảnh........................................................................................21

1.4. Một số hệ thống tìm kiếm ảnh hiện nay.............................................................22
1.5. Kết luận................................................................................................................25
2.2.2. Một số đặc tính vật lí đặc biệt của màu sắc.............................................................................26
1|Page

2.3. Một số hệ màu thông dụng..................................................................................28
2.3.1. Hệ màu chuẩn RGB..................................................................................................................28
2.3.2. Hệ màu CMY............................................................................................................................29
2.3.3. Hệ màu YIQ..............................................................................................................................30
2.3.4.Hệ màu L*a*b...........................................................................................................................30
2.3.5.Hệ màu HSI...............................................................................................................................31

2.4.Các đặc trưng về màu sắc.....................................................................................34
2.4.1.Lược đồ màu(Histogram)..........................................................................................................34
2.4.2.Véc tơ liên kết màu...................................................................................................................38
2.4.3.Độ đo........................................................................................................................................39
2.4.3.1.Khái niệm...............................................................................................................................39
2.4.3.2.Một số độ đo thông dụng......................................................................................................39
Độ đo khoảng cách Min – Max..........................................................................................................39
Độ đo khoảng cách Euclid..................................................................................................................40
2.4.4.Một số phương pháp tìm kiếm ảnh theo màu sắc....................................................................40
2.4.4.1.Tìm kiếm theo lược đồ màu toàn cục dựa trên ảnh mẫu.......................................................40
2.4.4.2.Tìm kiếm theo tỉ lệ phần trăm về màu sắc.............................................................................41
2.4.4.3.Tìm kiếm theo màu chỉ định dạng lưới..................................................................................41
2.4.4.4.Tìm kiếm toàn cục theo dạng so sánh lưới dựa trên ảnh mẫu...............................................42

CHƯƠNG 3 : CÀI ĐẶT THUẬT TOÁN TÌM KIẾM ẢNH THEO MÀU SẮC.......43
3.1. Thiết kế giao diện.................................................................................................43
3.2. Cài đặt chương trình...........................................................................................44
3.2.1. Các bước thực hiện..................................................................................................................44
3.2.2. Thuật toán...............................................................................................................................45
3.2.4. Hướng dẫn sử dụng chương trình...........................................................................................47

3.3. Giao diện............................................................................................................... 47
2|Page

3.4. Thử nghiệm cài đặt..............................................................................................53

3|Page


MỞ ĐẦU
Những năm gần đây, ảnh số ngày càng thu hút được sự quan tâm của nhiều người,
một phần là do các thiết bị thu nhận ảnh số ngày càng phổ biến và có giá cả phù hợp, cho
phép nhiều người có thể sở hữu và sử dụng. Mặt khác các công nghệ chế tạo thiết bị lưu
trữ luôn được cải tiến để cho ra đời các thiết bị lưu trữ có dung lượng lớn và giá thành hạ
làm cho việc lưu trữ ảnh dưới dạng các file trở nên phổ biến. Thêm nữa là sự phát triển
của mạng Internet làm cho số lượng ảnh số được đưa lên lưu trữ và trao đổi qua Internet
là rất lớn. Năm 2006, trên 300 triệu hình ảnh đã được tải lên Flickr, một trong những
cộng đồng chia sẻ hình ảnh lớn nhất trên internet. Con số này cho thấy thực tế là số lượng
ảnh số được lưu giữ trong các cơ sở dữ liệu đang gia tăng nhanh chóng.
Tuy nhiên khi số lượng ảnh được lưu trữ trở nên rất lớn thì vấn đề là phải có những
phương pháp tổ chức cơ sở dữ liệu ảnh tốt cùng với những kỹ thuật tìm kiếm, tra cứu ảnh
hiệu quả, có độ chính xác cao và có hiệu năng tốt. Việc tìm kiếm được một bức ảnh mong
muốn trong hàng triệu bức ảnh thuộc đủ loại chủ đề khác nhau là rất khó khăn.
Khi số lượng ảnh trong một bộ sưu tập còn ít, việc nhận diện một bức ảnh hay việc so
sánh sự giống và khác nhau giữa nhiều bức ảnh có thể thực hiện được bằng mắt thường,
tuy nhiên khi có số lượng rất lớn ảnh thì việc so sánh bằng mắt thường là rất khó khăn,
đòi hỏi phải có những phương pháp hiệu quả và chính xác hơn.
Trong thực tế, bài toán tra cứu ảnh số có rất nhiều ứng dụng quan trọng. Ví dụ như
trong lĩnh vực ngân hàng việc so sánh chữ ký của khách hàng với mẫu chữ ký đã được
lưu trữ sẵn có thể thực hiện rất nhanh và chính xác nếu có được một phần mềm so sánh
mẫu chữ ký tốt. Thực tế hiện nay tại các ngân hàng ở Việt nam người ta vẫn phải sử dụng
phương pháp so sánh bằng mắt thường vì việc so sánh chữ ký bằng phần mềm vẫn chưa

thực hiện được. Một ví dụ khác là bài toán quản lý biểu trưng (logo) trong lĩnh vực sở
hữu trí tuệ.
Khi một đơn vị muốn đăng ký logo riêng cho đơn vị của mình thì cơ quan quản lý
phải tiến hành đánh giá xem mẫu logo đó đã được sử dụng hay chưa hoặc có tương tự với
mẫu logo nào đó đang được sử dụng hay không. Trong trường hợp này nếu sử dụng mắt
4|Page


thường để duyệt thì sẽ tốn rất nhiều thời gian, nếu có các phần mềm cho phép tìm kiếm
trong cơ sở dữ liệu ảnh có sẵn những biểu trưng tương tự với biểu trưng mẫu thì việc
đánh giá sự tương tự sẽ dễ dàng hơn nhiều.
Trong lĩnh vực khoa học hình sự, nhu cầu so sánh mẫu vân tay, hay tìm tìm kiếm ảnh
tội phạm đặt ra những bài toán tra cứu ảnh. Giả sử chúng ta tổ chức quản lý nhân khẩu
với thông tin ảnh vân tay của từng người. Trong một vụ án, nhân viên điều tra thu thập
được mẫu vân tay trên hiện trường, khi đó người ta cần tìm xem mẫu vân tay đó khớp với
vân tay của ai trong hàng chục triệu hình ảnh vân tay trong cơ sở dữ liệu. Nếu có phần
mềm thực hiện chính xác, nhanh chóng điều này thì giúp ích rất nhiều cho công tác điều
tra.
Trước năm 1990, người ta thường sử dụng phương pháp tra cứu ảnh theo từ khóa
(Text Based Image Retrieval). Theo cách này người ta sẽ gán cho mỗi bức ảnh một lời
chú thích hay từ khóa phù hợp với nội dung hoặc một đặc điểm nào đó của ảnh, sau đó
việc tra cứu ảnh được thực hiện dựa trên những từ khóa này. Phương pháp này khá đơn
giản, tuy nhiên lại không thể áp dụng để tra cứu các cơ sở dữ liệu ảnh có số lượng ảnh
lớn và kết quả tra cứu thì mang tính chủ quan và cảm ngữ cảnh. Bởi vì các kỹ thuật tra
cứu dựa trên từ khóa chỉ có thể được áp dụng khi hình ảnh đã được mô tả. Thật không
may, việc tự động hiểu nội dung một bức tranh theo cách của con người là một công việc
rất khó. Vấn đề này được gọi là lỗ hổng ngữ nghĩa (semantic gap).
Một trở ngại nghiêm trọng khác của phương pháp này là cần phải có nhân viên được
đào tạo tốt không chỉ để giải thích từ khoá với mỗi hình ảnh (có thể chiếm mất vài phút
đối với một ảnh và một vài năm đối với cơ sở dữ liệu ảnh lớn) mà còn phải lựa chọn

những từ khoá thích hợp cho việc tra cứu ảnh. Sự giải thích thủ công này tiêu phí rất
nhiều thời gian và công sức và phụ thuộc vào sự cảm nhận chủ quan của con người. Ví
dụ như với cùng nội dung ảnh nhưng với những người khác nhau (ngay cả khi họ được
đào tạo tốt) cũng có thể cảm nhận nội dung trực quan của ảnh khác nhau. Sự cảm nhận
chủ quan và giải thích không chính xác có thể dẫn tới sự đối sánh không cân xứng trong
quá trình tra cứu tiếp theo. Hơn nữa, một hệ thống dựa trên từ khoá rất khó để thay đổi
sau này. Do đó cần phải có những phương pháp mới để vượt qua những hạn chế này.
5|Page


Một trong những phương pháp được nhiều người quan tâm nghiên cứu hiện nay là
phương pháp “Tra cứu ảnh dựa theo nội dung” (Content Based Image Retrieval). Phương
pháp này được khám phá bởi một nhóm nhà nghiên cứu và các công ty thương mại trên
thế giới.Ý tưởng phương pháp này là trích chọn các đặc điểm dựa vào nội dung trực quan
của ảnh như màu sắc, kết cấu, hình dạng và bố cục không gian của ảnh để làm cơ sở cho
việc tra cứu, sắp xếp, tổ chức cơ sở dữ liệu ảnh.
Cho một ảnh truy vấn, hệ thống tra cứu ảnh dựa trên nội dung sẽ tìm kiếm trong cơ sở
dữ liệu những ảnh tương tự với ảnh truy vấn. Trong một tình huống nhất định, tất cả
những hình ảnh trong cơ sở dữ liệu đều được chia nhỏ thành những điểm ảnh, xử lý để
trích chọn những đặc điểm mô tả nội dung của ảnh. Việc này được thực hiện một cách tự
động khi những hình ảnh được đưa vào cơ sở dữ liệu. Quá trình xử lý này gán cho mỗi
hình ảnh một tập ký hiệu nhận dạng và nó sẽ được sử dụng bởi hệ thống tiếp theo trong
giai đoạn đối sánh để tra cứu những ảnh có liên quan. Những kí hiệu mô tả được lưu trữ
trong cơ sở dữ liệu sẽ cho phép tra cứu một cách hiệu quả trong các giai đoạn sau.
Tiếp theo, ảnh truy vấn được gửi tới giai đoạn đối sánh. Việc sử dụng các thủ tục
tương tự như đã áp dụng đối với cơ sở dữ liệu, những đặc điểm của ảnh truy vấn sẽ được
trích chọn. Sau đó việc tra cứu ảnh được thực hiện bằng kỹ thuật đối sánh, nó so sánh
những đặc điểm hoặc những ký hiệu nhận dạng của ảnh truy vấn với những đặc điểm
hoặc ký hiệu nhận dạng của những ảnh trong cơ sở dữ liệu. Kỹ thuật đối sánh sẽ bổ xung
những mẫu tra cứu nhận được thông qua độ đo tương tự được lựa chọn. Sau đó những

ảnh trong cơ sở dữ liệu được sắp xếp thông qua sự tương tự của chúng đối với ảnh truy
vấn và ảnh có hạng cao nhất chính là ảnh tra cứu được. Việc mô tả một cách hiệu quả
thông tin trực quan của ảnh và việc đo độ tương tự giữa những ảnh được mô tả bằng
những đặc điểm được tính toán trước là hai bước quan trọng trong tra cứu ảnh dựa trên
nội dụng.
Một số hệ thống tra cứu ảnh nổi tiếng như QBIC (IBM), Virage (Virage Inc.),
Photobook (MIT), VisualSEEK (Columbia University)... đã áp dụng khá thành công
phương pháp tra cứu này.

6|Page


Trong đồ àn này, em sẽ tập trung vào một số đặc điểm cụ thể, đặc biệt là những đặc
điểm dựa trên màu sắc tổng thể và cục bộ, phân đoạn và tìm các vùng ảnh cho tra cứu
ảnh nói chung hoặc cho tra cứu ảnh dựa trên nội dung nói riêng.
Đồ án này được xây dựng dựa trên những kiến thức mà em đã tìm hiểu về một số đặc
trưng trong tra cứu ảnh theo nội dung như : màu sắc, kết cấu, hình dạng được thực hiện
trong những đợt thực tập chuyên ngành và thực tập tốt nghiệp lần trước. Phương pháp tra
cứu ảnh theo vùng được nghiên cứu và tìm hiểu để khắc phục một số nhược điểm của
phương pháp tra cứu ảnh theo màu sắc và kết cấu toàn cục. Với những lý do được trình
bày ở trên thì em đã xây dựng đồ án:”Tìm hiểu các phương pháp truy tìm ảnh và cài đặt
thuật toán truy tìm ảnh dựa theo màu sắc”.
Nội dung của đồ án này nhằm giới thiệu cơ sở lý thuyết của một số phương pháp truy
tìm ảnh, như truy tìm ảnh theo từ khóa, tra cứu ảnh theo nội dung... Trong đó đi sâu vào
giới thiệu phương pháp tra cứu ảnh theo nội dung với các đặc trưng như màu sắc của
ảnh. Trên những cơ sở tìm hiểu đó tiến hành cài đặt thử nghiệm phương pháp tra cứu ảnh
theo vùng dựa trên biểu đồ màu sử dụng các độ đo màu sắc : Cho phép đọc vào một ảnh
và tìm kiếm những ảnh tương tự với ảnh truy vấn trong một tập hợp các ảnh cho trước
theo đặc trưng là màu sắc của ảnh .

7|Page


PHỤ LỤC
DANH MỤC HÌNH ẢNH
Hình 1.1. Vấn đề tra cứu ảnh
Hình 1.3.1. Mô hình hệ thống tra cứu ảnh theo nội dung
Hình 2.3.1. Hệ màu RGB
Hình 2.3.2. Hệ màu CMY
Hình 2.3.5.1: màu sắc trong HIS
Hình 2.3.5.2. Hệ màu HSI
Hình 2.3.5.3.Sự thay đổi cường độ sáng trong hệ màu HSI
Hình 2.3.5.4. Màu đỏ thể hiện liên kết màu trong ảnh
Hình 3.3.1. Giao diện tên đề tài
Hình 3.3.2 : Giao diện chính
Hình 3.2.3. chọn ảnh gốc từ máy tính
Hình 3.2.4. Chọn forder chứa ảnh
Hình 3.2.5. Chọn các file ảnh cần tìm kiếm
Hình 3.2.6. Nhập độ chênh lệch và chọn độ đo
Hình 3.2.7. Kết quả 1
Hình 3.2.8. Kết quả 2
Hình 3.3.1. CSDL ảnh
Hình 3.3.2. ảnh truy vấn
Hình 3.3.3. Kết quả với độ đo min-max
Hình 3.3.4. Kết quả với độ đo Euclid
Hinh 3.3.8 : Kết quả 3
Hình 3.3.9. Kết quả 4

8|Page

CHƯƠNG 1. CÁC PHƯƠNG PHÁP TRUY TÌM ẢNH
1.1. Vấn đề tra cứu ảnh
Tra cứu ảnh là một quá trình tìm kiếm trong một cơ sở dữ liệu ảnh những ảnh thoả
mãn một yêu cầu nào đó. Ví dụ, người sử dụng có thể tìm kiếm tất cả các ảnh về chủ đề
về biển trong một cơ sở dữ liệu ảnh hoặc một người sử dụng khác lại muốn phân loại cơ
sở ảnh của mình thành các bộ sưu tập có chủ đề khác nhau. Một ví dụ khác về tra cứu ảnh
là một người muốn tìm tất cả các ảnh tương tự với một bức ảnh truy vấn nào đó trong
một cơ sở dữ liệu ảnh.

?

Holiday?

Hình 2.1: Vấn đề tra cứu ảnh
Vấn đề tra cứu ảnh đã được nhìn nhận rộng rãi và việc tìm kiếm các giải pháp cho vấn
đề này trở thành một lĩnh vực rất sôi động, thu hút sự quan tâm của nhiều nhà nghiên cứu
và phát triển.

9|Page


1.2. Các phương pháp truy tìm ảnh
1.2.1. Truy tìm ảnh theo từ khóa
Phương pháp tra cứu ảnh dựa trên từ khóa như trên sử dụng các kỹ thuật cơ sở dữ liệu
truyền thống để quản lý ảnh. Đầu tiên người ta gán cho mỗi ảnh một câu chú thích bằng
lời (text) dựa trên một đặc điểm nào đó của ảnh, sau đó sử dụng các kỹ thuật tìm kiếm từ
khóa thông thường để tìm kiếm ảnh
Dựa vào các lời chú thích, người ta có thể tổ chức cơ sở dữ liệu ảnh bằng các phân lớp
theo chủ đề hay theo ngữ nghĩa và việc duyệt cơ sở dữ liệu ảnh chỉ dựa trên các truy vấn

kiểu Bool thông thường. Do việc xây dựng các thuật toán có khả năng tự động sinh ra các
chú thích cho một cơ sở dữ liệu ảnh có nhiều chủ đề là hết sức khó khăn nên nói chung
các hệ thống tra cứu ảnh kiểu này vẫn yêu cầu phải chú thích ảnh một cách thủ công và
trên thực tế việc chú thích ảnh như vậy tốn rất nhiều công sức và quan trọng hơn là nó
mang tính chủ quan, bị ảnh hưởng của hoàn cảnh và thường là không đầy đủ
1.2.2. Truy tìm ảnh theo nội dung
Phương pháp tra cứu ảnh theo nội dung ra đời đã khắc phục được những nhược điểm
của phương pháp từ khoá. Nội dung chính của phương pháp này là dựa trên sự tương tự
của những đặc điểm trực quan của ảnh như màu sắc, hình dạng, kết cấu hay bố cục không
gian của ảnh để phân loại, sắp xếp các ảnh trong một cơ sở dữ liệu ảnh. Tuy nhiên những
đặc điểm mà phương pháp này trích chọn để tra cứu vẫn là những đặc điểm ở mức thấp,
chưa phản ánh được nội dung mang tính ngữ nghĩa của một đối tượng ảnh. Vì vậy người
ta đã đưa ra một số cách tiếp cận mới phát triển phương pháp tra cứu ảnh theo nội dung
thành các phương pháp tra cứu ảnh theo đồ thị hay tra cứu ảnh theo bản thể …
Tra cứu ảnh theo nội dung gồm có :
 Tra cứu ảnh theo màu sắc
 Tra cứu ảnh theo hình dạng
 Tra cứu ảnh theo vân
10 | P a g e


…..
1.2.3. Tra cứu ảnh theo bản thể
Các bản thể tạo thành hạt nhân của của hệ thống tra cứu ảnh ngữ nghĩa được sử dụng
cho ba mục đích:
Thuật ngữ chú giải: mô hình bản thể cung cấp thuật ngữ và các khái niệm để diễn tả
dữ liệu về dữ liệu (metadata) của các ảnh.
Tìm kiếm theo cách nhìn: các bản thể của một mô hình, chẳng hạn Sự kiện, Con
người hoặc Vị trí cho ta các cách nhìn khác nhau vào cùng một nội dung giới thiệu. Mỗi
cách nhìn bao gồm các lớp và các trường hợp ví dụ biểu diễn bằng metaphor của một

trình duyệt hệ thống file trong đó các lớp tương ứng với các thư mục và các trường hợp
ví dụ tương ứng với các file.
Duyệt ngữ nghĩa: Sau khi tìm kiếm được tâm điểm chú ý là một ảnh nào đó, mô hình
bản thể ngữ nghĩa cùng với dữ liệu ảnh ví dụ có thể được sử dụng để tìm ra mối quan hệ
giữa ảnh được lựa chọn và các ảnh trong cơ sở dữ liệu ảnh. Các ảnh này sẽ được đưa ra
cho người sử dụng chọn. Những ảnh đó có thể không phù hợp hoàn toàn với truy vấn
nhưng nói chung là tương đối phù hợp.
1.2.4. Tra cứu ảnh theo đồ thị ngữ nghĩa
Kỹ thuật tra cứu ảnh theo nội dung dựa vào những đặc điểm mức thấp như màu sắc,
kết cấu và hình dạng của đối tượng ảnh. Mặc dù việc mô tả ảnh bằng các đặc điểm mức
thấp có thể thực hiện khá hiệu quả và đơn giản nhưng nhược điểm lớn nhất của phương
pháp này là không gần gũi với sự cảm nhận trực quan của hầu hết người sử dụng và do
đó thường không đủ đáp ứng nhu cầu của người sử dụng. Những ảnh mà ta cảm nhận
được sự giống nhau bằng mắt thường nhưng đôi khi lại rất khác nhau nếu so sánh bằng
các đặc điểm mức thấp.
Mục tiêu của phương pháp này là xây dựng một sơ đồ để tích luỹ thông tin do những
tương tác với người sử dụng theo cách đơn giản hơn phản hồi thích hợp và sử dụng
những thông tin này để việc tra cứu ảnh cho những kết quả có ý nghĩa trực giác hơn.

11 | P a g e


1.3. Tra cứu ảnh theo nội dung
Phương pháp tra cứu ảnh theo nội dung sử dụng các nội dung trực quan của ảnh như
màu sắc, hình dạng, kết cấu và phân bố không gian. Trong một hệ thống tra cứu ảnh theo
nội dung điển hình ,các nội dung trực quan của ảnh được trích chọn và mô tả bằng những
véc tơ đặc trưng nhiều chiều. Tập hợp các vec tơ đặc trưng của các ảnh trong một cơ sở
dữ liệu ảnh tạo thành cơ sở dữ liệu đặc trưng.
1.3.1. Mô hình hệ thống tra cứu ảnh theo nội dung

Người
sử
dụng

Phản hồi
thích hợp

Tạo truy
vấn

Mô tả nội
dung

Các vecto
đặc trưng
Tra cứu và
đánh chỉ
số đặc

Cơ sở
dữ liệu
ảnh

Mô tả nội
dung

Cơ sở dữ
liệu đặc
trưng

trưng

Đầu ra

Đánh giá
độ tương
tự

Kết quả tra
cứu

Hình 1.3.1: Mô hình hệ thống tra cứu ảnh theo nội dung
Trong mô hình này, người sử dụng sẽ tạo truy vấn bằng cách chọn một ảnh truy vấn
trong một cơ sở dữ liệu ảnh cho trước hoặc phác thảo một hình vẽ mô tả đối tượng ảnh
cần tìm bằng cách sử dụng một giao diện đồ hoạ của hệ thống.
Ảnh truy vấn đó được đưa qua khối mô tả nội dung trực quan, trong đó người ta sử
dụng một phương pháp mô tả nội dung trực quan nào đó để trích chọn một đặc điểm nội
dung trực quan để xây dựng thành một vectơ đặc trưng.
Các vecto đặc trưng của ảnh truy vấn và cơ sở dữ liệu ảnh sẽ được đánh chỉ mục nếu
chưa tồn tại chỉ mục hoặc vector đặc trưng của ảnh đó chưa có trong chỉ mục. Nếu đã tồn
tại chỉ mục thì đặc trưng của các ảnh sẽ được lấy ra tưc chỉ mục.
12 | P a g e


Véc tơ đặc trưng của ảnh truy vấn sẽ được so sánh với vectơ đặc trưng tương ứng của
các ảnh trong cơ sở dữ liệu ảnh. Kết quả của phép so sánh là một chỉ số đánh giá độ
tương tự giữa ảnh truy vấn và ảnh lấy ra để so sánh.
Danh sách các ảnh tìm được (đã được sắp xếp) được đưa ra đầu ra của hệ thống.
1.3.2. Các phương pháp mô tả nội dung ảnh
Nếu nhìn một cách tổng quát thì nội dung của một bức ảnh có thể bao gồm cả nội

dung trực quan và nội dung ngữ nghĩa.
Nội dung trực quan của ảnh lại được phân làm hai loại là nội dung tổng quan và nội
dung đặc tả. Nội dung tổng quan bao gồm màu sắc, kết cấu, hình dạng và các quan hệ
không gian giữa các đối tượng ảnh hoặc giữa các vùng ảnh. Nội dung đặc tả thì tuỳ vào
từng ứng dụng cụ thể, ví dụ với các ứng dụng tra cứu ảnh người thì mặt người hoặc con
mắt là các nội dung đặc tả; với các ứng dụng tra cứu ảnh ô tô thì bánh xe là một nội dung
đặc tả.
Nội dung ngữ nghĩa có thể phát hiện thông qua các chú thích hoặc sử dụng các
phương pháp suy diễn từ nội dung trực quan.
Trong khuôn khổ của đồ án này em chỉ tập trung vào việc mô tả nội dung trực quan
tổng quan của ảnh. Một phương pháp mô tả nội dung trực quan được thiết kế tốt phải có
tính bất biến đối với các biến đổi bất thường sinh ra trong quá trình xử lý ảnh (ví dụ như
những biến đổi bất thường của độ sáng của cảnh vật). Tuy nhiên cũng cần phải chú ý tới
sự cân bằng giữa tính bất biến và khả năng đáp ứng những thay đổi tuỳ ý của các đặc
trưng trực quan của ảnh, bởi vì một hệ thống có tính bất biến lớn thì thường là không có
tính nhạy cảm, mất khả năng phản ánh những thay đổi nhỏ nhưng rất quan trọng.
Một phương pháp mô tả nội dung trực quan được chia làm 2 loại: phương pháp toàn
cục hoặc phương pháp cục bộ. Phương pháp mô tả nội dung toàn cục sử dụng các đặc
trưng trực quan của toàn bộ bức ảnh còn phương pháp mô tả nội dung cục bộ lại sử dụng
những đặc trưng trực quan của các vùng ảnh hoặc các đối tượng ảnh để mô tả nội dung
của ảnh.

13 | P a g e


Để mô tả được nội dung cục bộ trước hết người ta phải chia ảnh thành các phần riêng
biệt. Cách đơn giản nhất để phân chia ảnh là sử dụng một bộ phân hoạch chia ảnh thành
các ô có kích thước và hình dạng giống nhau. Cách phân chia như vậy không tạo ra được
những vùng ảnh có ý nghĩa thực sự nhưng nó là cách đơn giản để biểu diễn nội dung toàn
cục của ảnh với độ chính xác cao hơn. Một phương pháp phân chia tốt hơn là phân đoạn

ảnh thành các vùng đồng nhất dựa vào các tiêu chí sử dụng các thuật toán phân đoạn ảnh
đã được nghiên cứu và áp dụng trong ngành thị giác máy tính. Một cách phức tạp hơn để
phân chia ảnh là thực hiện phân chia theo các đối tượng ảnh để tách ra các đối tượng ảnh
có nghĩa thực sự (như quả bóng, cái ô tô hay con ngựa).
Trong đồ án này em sẽ giới thiệu và cài đặt cả phương pháp tìm kiếm ảnh dựa theo
đặc trưng về màu sắc
1.3.2.1. Mô tả các đặc trưng màu sắc
Trên thực tế thì màu sắc được sử dụng nhiều nhất để mô tả nội dung trực quan của
ảnh. Lý do là vì màu sắc của ảnh có tác động lớn đến nhận thức của con người về nội
dung của ảnh hơn là các đặc điểm khác như hình dạng của các đối tượng ảnh, kết cấu của
ảnh hay sự phân bố không gian của các đối tượng ảnh .
Các đặc trưng về màu sắc thường được sử dụng là : không gian màu, các moment màu,
biểu đồ màu, vecto gắn kết màu, sơ đồ tương quan màu và các đặc điểm bất biến màu.
1.3.2.2. Mô tả các đặc trưng kết cấu
Kết cấu bề mặt (texture) là đặc trưng quan trọng của ảnh nhưng khó mô tả và cảm
nhận, nó rất chủ quan. Mục tiêu của nghiên cứu đặc tả texture là mô tả càng phù hợp với
cảm nhận của con người càng tốt.
Trong đặc tả của Tamura et al, texture được mô tả bởi 6 đặc trưng:
• Tính thô: tính thô ngược với mịn. Nếu phân biệt càng rõ các phần tử ảnh thì ảnh
càng thô. Ảnh phóng to sẽ thô hơn ảnh gốc.
• Tính tương phản: tương phản được đo bởi 4 tham số: dải độ rộng mức xám ảnh,
phân cực của phân bố đen/trắng trên biểu đồ màu xám hay tỉ lệ vùng đen/ trắng, độ
nét của cạnh, chu kì lặp các mẫu.
14 | P a g e


• Tính theo hướng: là đặc tính trên vùng cho trước. Được đo bởi hình dạng thành
phần và bố trí. Hướng của mẫu texture là không quan trọng. Hai mẫu mà chỉ khác
hướng sẽ có cùng cấp độ theo hướng.
• Tương tự đoạn thẳng: tham số này liên quan đến hình dạng phần tử texture.

• Đều đặn: đo biến đổi của qui tắc xếp đặt phần tử. Liên quan đến texture là đều hay
không đều. Hình dạng phần tử khác nhau làm giảm tính đều. Texture mịn được
cảm nhận như đều.
• Ghồ ghề: đo texture là trơn tru hay ghồ ghề. Nó liên quan đến tính thô và tương
phản.
Các biểu diễn texture khác bao gồm:
• Kích thước Fractal: kích thước fractal đặc trưng cho độ phức tạp hình học của tập
ảnh. Ảnh được xem như tập của ba kích thước: hai kích thước đầu liên quan đến vị
trí pixel, kích thước thứ ba liên quan đến liên quan đến cường độ. Kích thước
fractal của ảnh càng cao thì ảnh càng thô.
• Hệ số Fourier: hệ số FC của ảnh mô tả cường độ pixel ảnh thay đổi nhanh như thế
nào. Các giá trị FC được sử dụng để chỉ ra độ ghồ ghề của ảnh.
Thống kê phân bổ màu: thống kê phân bổ màu như các moment 0, 1 và 2 của phân bổ
màu có thể sơ bộ chỉ ra texture của ảnh.
1.3.2.3. Mô tả các đặc trưng hình dạng
Đặc trưng mức thấp quan trọng khác là hình dạng đối tượng trong ảnh. Với tìm kiếm
ảnh trên cơ sở hình dạng , các ảnh phải phân đoạn thành các đối tượng riêng rẽ nhờ một
thuật toán phân đoạn nào đó. Sau khi phân đoạn, nhiệm vụ chủ yếu của tìm kiếm ảnh trên
cơ sở hình dạng là biểu diễn hình dạng và mức đo tương đồng giữa các biểu diễn hình
dạng. Biểu diễn hình dạng và mức đo tương đồng tốt cho mục đích nhận dạng hay tìm
kiếm ảnh phải có hai đặc tính quan trọng sau đây:
Mỗi hình dạng cần phải có đại diện duy nhất, bất biến khi biến đổi, xoay và co dãn. Đặc
tính này đòi hỏi nhận biết đối tượng với kích thước khác nhau và ở vị trí, hướng khác
nhau.
15 | P a g e


Các hình dạng tương tự phải có đại diện tương tự sao cho truy tìm thực hiện được trên cơ
sở khoảng cách giữa các đại diện hình dạng.
Trong quá trình truy tìm, người sử dụng chọn ảnh thí dụ hay phác họa hình dạng mà họ

quan tâm. Sau đó nhập vào hệ thống tìm kiếm. Hệ thống truy tìm ảnh có các hình dạng
tương tự sau đó trình diễn cho người sử dụng theo tính tương đồng giảm dần.
1.3.2.4. Thông tin về không gian
Các vùng ảnh và các đối tượng ảnh có các thuộc tính màu sắc và kết cấu tương tự
nhau vẫn có thể được phân biệt dễ dàng bằng cách áp dụng các ràng buộc về không gian.
Ví dụ, các vùng ảnh như bầu trời xanh và mặt biển có thể có cùng histogram màu nhưng
vị trí không gian của chúng thì khác nhau. Do đó vị trí không gian của một vùng ảnh
(hoặc một đối tượng ảnh) hay mối quan hệ không gian giữa các vùng ảnh (hoặc các đối
tượng ảnh) trong một bức ảnh là rất hữu ích trong việc tra cứu ảnh.
Tuy nhiên, việc tra cứu ảnh dựa trên các quan hệ không gian của các đối tượng ảnh
vẫn là một vấn đề khó của kỹ thuật tra cứu ảnh theo nội dung bởi vì cách phân tách vùng
ảnh hoặc đối tượng ảnh thường rất khó thực hiện được, chỉ có một số rất ít ứng dụng làm
được điều này.
1.3.3. Đánh giá độ tương tự và xây dựng sơ đồ đánh chỉ số
1.3.3.1. Đánh giá độ tương tự
Thay vì việc so sánh chính xác hai ảnh với nhau, phương pháp tra cứu ảnh theo nội
dung sẽ tính toán sự tương tự trực quan giữa một ảnh truy vấn và các ảnh trong một cơ sở
dữ liệu và do đó kết quả của sự tra cứu không chỉ trả về một tấm ảnh mà nó trả về một
danh sách các ảnh được xếp hạng dựa trên độ tương tự với ảnh truy vấn.
Phần này sẽ giới thiệu một vài phương pháp đo độ tương tự thường được
sử dụng. Để thuận tiện cho việc trình bày chúng ta đưa ra một số ký hiệu chung được
dùng trong tất cả các phương pháp dưới đây: ký hiệu D(I,J) là số đo khoảng cách (về độ
tương tự) giữa ảnh truy vấn I và một ảnh J bất kỳ và fi(I) là số điểm ảnh trong bin thứ i
của ảnh I.
16 | P a g e


Khoảng cách Euclid
Nếu mỗi kích thước của véc tơ đặc trưng của ảnh là độc lập với nhau và có độ quan
trọng như nhau thì khoảng cách Euclid Lp là thích hợp để tính toán khoảng cách giống

nhau giữa hai ảnh. Khoảng cách này được tính như sau:

p 
D( I , J ) =  ∑ f i ( I ) − f i ( J ) 
 i


1/ p

trong đó p = 1, 2 và ∞, D(I, J) tương ứng là L1 và L∞.
Khoảng cách toàn phương
Người ta đưa ra cách tính khoảng cách toàn phương như sau:
D( I , J ) = ( FI − FJ ) T A( FI − FJ )

trong đó A = [aij] là ma trận độ tương tự và mỗi phần tử aij là độ tương tự giữa bin i và
bin j. FI và FJ là các véc tơ liệt kê tất cả các đề mục của fi(I) và fi(J).
Khoảng cách Mahalanobis
Phương pháp đo khoảng cách Mahalanobis sử dụng thích hợp nhất khi các chiều của
véc tơ đặc trưng không độc lập với nhau và có độ quan trọng khác nhau. Công thức định
nghĩa khoảng cách Mahalanobis là:
D( I , J ) = ( FI − FJ ) T C −1 ( FI − FJ )

Trong đó C là ma trận hiệp biến của các véc tơ đặc trưng.
Cách tính khoảng cách Mahalanobis có thể được đơn giản hoá nếu các chiều của véc tơ
đặc trưng độc lập với nhau, chỉ một phương sai của mỗi thành phần đặc trưng c i là cần
thiết, khi đó:
N

D( I , j ) = ∑ ( FI − FJ ) 2 / ci
i =1

17 | P a g e


1.3.3.2. Xây dựng sơ đồ đánh chỉ số
Một vấn đề quan trọng khác trong kỹ thuật tra cứu ảnh theo nội dung là xây dựng
cách đánh chỉ số hiệu quả và cách tìm kiếm ảnh nhanh dựa trên các đặc điểm trực quan.
Do các véc tơ đặc trưng có xu hướng có nhiều chiều nên không phù hợp với các cấu trúc
đánh chỉ số cổ điển, do đó để xây dựng một sơ đồ đánh chỉ số hiệu quả người ta thường
phải tìm cách giảm số chiều của véc tơ đặc trưng trước khi khởi tạo sơ đồ đánh chỉ số.
Một kỹ thuật hay được sử dụng để giảm số chiều là phương pháp phân tích thành phần
chính (PCA). PCA là một kỹ thuật tối ưu, nó ánh xạ tuyến tính dữ liệu đầu vào vào một
không gian toạ độ sao cho các trục toạ độ được điều chỉnh để phản ánh được tối đa sự
biến đổi của dữ liệu.
Ý tưởng cơ bản của PCA là tìm các thành phần s1, s2,..., sn sao cho chúng lượng lớn
nhất của phương sai có thể có bằng n thành phần biến đổi tuyến tính. PCA có thể được
định nghĩa ngắn gọn bằng cách sử dụng công thức đệ qui. Định nghĩa hướng của thành
phần cơ bản thứ nhất w1 là:

{

w1 = arg max w=1 E ( wT x )

2

}

Trong đó w1 có cùng số chiều m với véc tơ dữ liệu x (là véc tơ cột). Do đó thành phần cơ
bản thứ nhất là hình chiếu lên hướng mà tại hướng đó phương sai của phép chiếu đạt giá
trị cực đại. Giả sử đã xác định được k-1 thành phần cơ bản đầu tiên, thế thì thành phần cơ

bản thứ k được xác định như sau:
wk = arg max w=1

2
k −1
 

T
T  
E  w  x − ∑ wi wi x  
i =1
 
 

Đến đây các thành phần cơ bản được tính bởi công thức:
si = wiTx
Trong thực tế, việc tính toán wi có thể thực hiện một cách đơn giản bằng việc sử dụng
ma trận hiệp biến E{x.xT} = C. Trong đó wi là các véc tơ riêng của C tương ứng với n giá
trị riêng lớn nhất của C.

18 | P a g e


Mục đích chính của PCA là giảm số chiều của dữ liệu bằng cách chọn n<thể chứng minh được là PCA là một kỹ thuật giảm số chiều tuyến tính tối ưu về bình
phương sai số.
Việc giảm số chiều của dữ liệu có rất nhiều lợi ích:
o

Lợi ích thứ nhất là làm giảm chi phí tính toán cho các quá trình xử lý sau

(trong tra cứu ảnh theo nội dung là bước đánh giá độ tương tự).
o

Lợi ích thứ hai là nhiễu cũng có thể bị giảm vì dữ liệu không nằm trong n

thành phần cơ bản đầu tiên thường là nhiễu.
o

Lợi ích thứ ba là phép chiếu lên một không gian con của dữ liệu ít chiều (ví

dụ là 2 chiều) làm trực quan hoá dữ liệu.
Sau khi đã giảm số chiều thì các dữ liệu nhiều chiều này sẽ được đánh chỉ số. Có
nhiều cách tiếp cận được nghiên cứu để thực hiện điều này như sử dụng cây R, cây toàn
phương tuyến tính, cây K-d-B và file lưới.
Phần lớn những phương pháp đánh chỉ số này có hiệu năng chấp nhận được khi số
chiều tương đối nhỏ (đến 20 chiều), nhưng hiệu năng lại bị giảm mạnh theo theo tỉ lệ hàm
mũ với sự tăng số chiều và cuối cùng sẽ giảm xuống bằng với cách đánh chỉ số tuần tự.
Ngoài ra các sơ đồ đánh chỉ số này đều dựa trên giả thiết là phương pháp đánh giá độ
tương tự sử dụng là tính khoảng cách Euclide, mà điều đó thì không phải lúc nào cũng
đúng vì nhiều ứng dụng lại sử dụng các phương pháp đánh giá khác. Một phương pháp
để giải quyết vấn đề này là sử dụng sơ đồ đánh chỉ số nhiều cấp dựa trên bản đồ tự tổ
chức (SOM).
1.3.4. Tương tác với người sử dụng
Đối với hệ thống tra cứu ảnh theo nội dung, sự tương tác của người sử dụng với hệ
thống tra cứu có ý nghĩa quyết định bởi vì sự thay đổi và định dạng linh hoạt các truy vấn
chỉ có thể được thực hiện khi có sự tham gia của người dùng vào hệ thống.
Giao diện người sử dụng của các hệ thống tra cứu ảnh thường có một phần xây dựng
truy vấn và một phần hiển thị kết quả.
19 | P a g e

1.3.4.1. Đặc tả truy vấn
Có thể có nhiều cách để người sử dụng mô tả kiểu của ảnh mà họ muốn tra cứu từ cơ
sở dữ liệu. Các cách tạo truy vấn phổ biến là: duyệt theo thể loại, truy vấn theo khái
niệm, truy vấn bằng ví dụ mẫu...
Duyệt theo thể loại là duyệt toàn bộ cơ sở dữ liệu dựa theo thể loại của ảnh. Để làm
được điều này thì các ảnh trong cơ sở dữ liệu phải được phân loại thành các thể loại khác
nhau dựa vào nội dung ngữ nghĩa hoặc nội dung trực quan.
Truy vấn theo khái niệm là tra cứu ảnh dựa trên các mô tả mang tính khái niệm gắn
với mỗi ảnh trong cơ sở dữ liệu.
Truy vấn dựa theo hình vẽ phác hoạ và truy vấn dựa theo ảnh truy vấn là người sử
dụng phải vẽ một phác hoạ hoặc chỉ ra một ảnh truy vấn mà từ đó các ảnh có các đặc
trưng trực quan tương tự sẽ được tìm kiếm trong cơ sở dữ liệu.
1.3.4.2. Xử lý phản hồi
Nhận thức của con người về sự giống nhau của các ảnh thường mang tính chủ quan,
tính ngữ nghĩa và phụ thuộc vào từng hoàn cảnh. Mặc dù phương pháp tra cứu ảnh theo
nội dung đưa ra được một định hướng rất sáng sủa nhưng nói chung những kết quả truy
vấn chỉ dựa vào sự tương tự của các đặc điểm trực quan thì lại thường không có nhiều ý
nghĩa về mặt nhận thức và ngữ nghĩa. Ngoài ra mỗi đặc điểm trực quan lại có xu hướng
phản ánh chỉ một khía cạnh nào đó của thuộc tính của ảnh và điều đó thường gây khó
khăn cho người sử dụng có thể xác định một cách rõ ràng làm thế nào để kết hợp các khía
cạnh khác nhau lại với nhau.
Để giải quyết vấn đề này, người ta giới thiệu một kỹ thuật đã sử dụng trong các hệ
thống tra cứu thông tin từ khóa truyền thống đó là kỹ thuật phản hồi thích hợp tương tác.
Với phản hồi thích hợp, hệ thống có thể tạo ra được những mối liên kết giữa những khái
niệm ở mức cao với những đặc điểm trực quan ở mức thấp.
Phản hồi thích hợp là kỹ thuật học tích cực có giám sát sử dụng để tăng cường hiệu quả
của các hệ thống thông tin. Ý tưởng chính là sử dụng các mẫu tích cực và các mẫu phủ
định do người sử dụng cung cấp để cải thiện hiệu năng hệ thống.

20 | P a g e


Đối với một truy vấn cho trước, đầu tiên hệ thống sẽ một danh sách các ảnh được xếp
hạng theo hệ đo độ tương tự đã được định nghĩa trước. Sau đó, người sử dụng sẽ đánh
dấu những kết quả nào là thích hợp (những ví dụ tích cực) với truy vấn và những kết quả
nào không thích hợp (những ví dụ phủ định). Hệ thống sẽ "làm mịn" lại kết quả tìm kiếm
dựa trên những phản hồi của người sử dụng và đưa ra một danh sách mới các ảnh phù
hợp hơn.
Vấn đề chính ở đây là làm thế nào để sử dụng kết hợp các ví dụ tích cực và các ví dụ
phủ định để làm mịn truy vấn và điều chỉnh hệ đo độ tương tự.
1.3.5. Hiệu năng của hệ thống tra cứu ảnh
Để đánh giá hiệu năng của hệ thống tra cứu, người ta đưa ra hai số đo đó là độ thu hồi
(recall) và độ chính xác (precision) . Các số đo này được mượn từ hệ thống tra cứu thông
tin truyền thống.
Độ chính xác của việc tra cứu được định nghĩa là tỉ lệ những kết quả thu được thực sự
thích hợp với truy vấn trên tổng số kết quả tìm kiếm được theo một ngưỡng tốt nhất.
precision( N ) =

CN
N

Độ thu hồi là tỉ lệ những kết quả thích hợp do truy vấn trả lại thuộc cùng một lớp ảnh:
recall ( N ) =

CN
M

Trong đó N là tổng số các hình ảnh tìm kiếm được với một ngưỡng tốt nhất, C N là
tổng số các ảnh tìm kiếm được gần giống với ảnh truy vấn nhất và nằm trong cùng một

lớp mà ảnh truy vấn thuộc lớp đó (với 0 ≤ C N ≤ M ) và M là số lượng các ảnh trong cùng
một lớp với ảnh truy vấn.
Thông thường phải có sự thoả hiệp giữa hai số đo này bởi vì nếu muốn tăng cường số
đo này thì lại phải chịu giảm số đo kia và ngược lại. Trong các hệ thống tra cứu điển hình
thì độ thu hồi có xu hướng tăng lên khi số lượng các kết quả thu được tăng lên trong khi
đó thì độ chính xác dường như lại bị giảm đi.

21 | P a g e


Gần đây MPEG7 có khuyến nghị một cách đánh giá mới về hiệu năng của các hệ
thống tra cứu gọi là ANMRR (average normalized modified retrieval rank) Theo cách
này độ chính xác và độ thu hồi được kết hợp thành một số đo duy nhất.

1.4. Một số hệ thống tìm kiếm ảnh hiện nay
Khi tìm hiểu về ảnh ,ta thấy rằng có rất nhiều loại thông tin khác nhau nằm trong dữ
liệu ảnh . Do đó , truy tìm ảnh dựa trên nội dung đã trở thành một phạm vi nghiên cứu
được nhiều người quan tâm. Có nhiều cách tiếp cận xây dựng hệ thống truy tìm ảnh dựa
trên nội dung được các nhà nghiên cứu đề xuất đã được thực hiện và đang được áp dụng
trong thực tiễn. Việc lựa chọn cách tiếp cận nào thích hợp cho mục đích người sử dụng
không còn là một việc đơn giản nữa
Hầu hết các hệ thống truy tìm ảnh được xây dựng trên cơ sở lựa chọn 1 trong những
cách tiếp cận sau





Tìm kiếm dựa trên nội dung ảnh mẫu
Tìm kiếm dựa trên sự phác thảo

Tìm kiếm dựa trên từ khóa hay lời chú thích
Tìm kiếm theo sự phân loại ảnh

Trong thực tế ,để đáp ứng được nhu cầu của người sử dụng ,cần thiết phải xem xét để mở
rộng thêm các cách tiếp cận khác nữa
Một số hệ thống truy tìm ảnh đang được sử dụng hiện nay
QBIC ( Query By Image Content-IBM )
QBIC là hệ thống truy tìm ảnh dựa trên sự phác thảo . Người sử dụng xây dựng một
phác thảo, vẽ ra và lựa chọn màu cùng các mẫu kết nối .Các đặc trưng màu sử dụng trong
QBIC là giá trị màu trung bình của không gian RGB. QBIC là một trong các hệ thống
dùng chỉ mục đặc trưng nhiều chiều dựa trên cấu trúc R*-Tree và là hệ thống đàu tiên có
cách tiếp cận truy tìm ảnh dựa trên nội dung được áp dụng vào thực tiễn. Các kỹ thuật
trong hệ thống này là cơ sở nghiên cứu cho sự xây dựng và phát triển của hệ thống truy
tìm ảnh sau này
22 | P a g e


VIRAGE ( Virage Inc ):
Tương tự như QBIC , Virage là hệ thống truy tìm ảnh dựa trên ảnh mẫu và sự phác
thảo .tuy nhiên ,virage có một bước tiến hơn QBIC là người sử dụng có thể điều chỉnh sự
kết hợp các trọng số với các đặc trưng thị giác tùy theo tầm nhìn quan trọng mà họ cảm
nhận
VisualSEEK và WebSEEL ( Đại học Colombia )
visualSEEK là một kỹ thuật tìm kiếm đặc trưng trực quan của ảnh. VisualSEEK cung
cấp các truy vấn dựa trên các đặc trung trực quan và các không gian của chúng
WebSEEK là một kỹ thuật tìm kiếm văn bản hoặc ảnh theo hướng Web.Phéo biến
đổi Wavelet được dùng để xây dựng kết cấu cảu các đặc trung và phát triển cây nhị phân
tạo chỉ mục nhằm tăng tốc độ xử lý . WebSEEK bao gồm 3 giai đoạn chính : sưu tập
ảnh , phân lớp đối tượng, và tạo chỉ mục cuối cùng là tìm kiếm và hiển thị
Netra ( Alexandria Digital Library ( ADL)) :

Netra có cách tiếp cận truy tìm ảnh dựa trên ảnh mẫu và sự phân loại ảnh .Mầu sắc ,
kết cấu,hình dạng và các miền riêng biệt đã được phân đoạn trong ảnh dùng để truy tìm
các miền đồng dạng trong CSDL
MARS
Mars không giống các hệ thống khác ở cả 2 phương diện : phạm vi nghiên và kỹ thuật
sử dụng . Mars là hệ thống xây dựng dựa trên kết quả nghiên cứu của nhiều lĩnh vực như
thị giác máy tính , hệ quản trị CSDL, truy tìm thông tin .Các đặc trưng nghiên cứu của
Mars là sự tích hợp giẵ DBMS –IR, tích hợp của chỉ mục truy tìm, kết hợp giữa máy tính
và con người.Trọng tâm chính của MARS không phải là việc khám phá trình bày các đặc
trưng hay nhất , mà chính là việc tổ chức các đặc trưng trực quan khác nhau hợp thành 1
cấu trúc truy tìm đầy xúc tích
BLOBWORLD
23 | P a g e


Hệ thống này áp dụng cách tiếp cận truy tìm ảnh theo mẫu mà tạo ra những biến đổi
bằng cách rút trích các dữ liệu điểm nguyên thủy có đặc tính giống nhau về màu sắc và
không gian kết cấu để hợp thành một tập hợp nhỏ gọi là vùng riêng biệt. ảnh được truy
tìm trên sự phác thảo của vùng riêng biệt
Hệ thống này cũng cho người sử dụng thấy được sự trình bày kết cấu bên trong ảnh truy
vấn và các kết quả truy vấn của nó. Ngoài ra việc hiển thị ngẫu nhiên của hệ thống cho
người sử dụng biết nguyên nhân tại sao các ảnh không đồng dạng với ảnh truy vấn lại
được trả về như kết quả truy vấn và làm sao để cải tiến điều đó
DISIMA
Disima là hệ thống đáng lưu ý bởi vì Disima được thực hiện qua các bước sau
-

So khớp nội dung đặc trưng ảnh và so khớp với các từ khóa
So khớp đồng dạng cùng so khớp chính xác
Hệ thống này cài đặt một phân tích truy vấn và kỹ thuật sử lí truy vấn nhờ vào ngôn

ngữ truy vấn hướng đối tượng đa phương tiện và ngôn ngữ truy vấn đối tượng

Nhận xét :
• Ta thấy rằng ,các thành tựu trong việc thiết kế hệ thống truy tìm ảnh chủ yếu là nhờ
vào kỹ thuật xây dựng cấu trúc chỉ mục nhiều chiều .Chỉ mục này giúp cho hệ thống
quản lý và truy tìm ảnh một cách nhanh chóng
• Tuy nhiên , các thành công trong kỹ thuật xây dựng cấu trúc chỉ mục nhiều chiều
hiện nay lại dựa trên những tiến bộ không ngừng của kỹ thuật xử lí ảnh nhằm rút
trích đặc trưng trực quan ảnh
• Như vậy ,rõ ràng rằng sự thành công của các kỹ thuật xây dựng chỉ mục nhiều chiều
trong hệ thống truy tìm ảnh đòi hỏi phải có sự tích hợp của nhiều lĩnh vực nghiên
cứu cụ thể là cơ sở dữ liệu và xử lí ảnh
Sơ đồ cấu trúc hệ thống tổng hợp cho cả hai cách tiếp cận truy tìm ảnh trên nội dung và
từ khóa

24 | P a g e


1.5. Kết luận
Như vậy trong chương này em đã làm những công việc sau, thứ nhất là trình bày
những lý do chọn đề tài của mình thông qua việc giới thiệu về các vấn đề như: sự ra đời
của bài toán tra cứu ảnh để giải quyết những yêu cầu đối với việc lưu trữ và truy tìm ảnh
trong một cơ sở dữ liệu ảnh ngày càng lớn. Tra cứu ảnh có một vai trò quan trọng trong
nhiều lĩnh vực khác nhau; Để giải quyết bài toán tra cứu ảnh người ta đã đưa ra khá nhiều
phương pháp khác nhau như tra cứu ảnh theo từ khóa, tra cứu ảnh theo nội dung, tra cứu
ảnh theo bản thể, tra cứu ảnh theo đồ thị ngữ nghĩa; Trong đó phương phương pháp tra
cứu ảnh theo nội dung được sự quan tâm của rất nhiều người nghiên cứu, do đó trong đồ
án em trình bày chủ yếu về phương pháp này; Trong phương pháp tra cứu ảnh theo nội
dung em tập trung nghiên cứu và tìm hiểu về phương pháp tra cứu ảnh theo vùng, vì
phương pháp này ra đời đã khắc phục được những nhược điểm của phương pháp tra cứu

ảnh theo đặc trưng màu sắc và kết cấu toàn cục, làm cho kết quả tra cứu ảnh tốt hơn. Thứ
hai là trình bày tổng quan về hệ thống tra cứu ảnh theo nội dung bao gồm: mô hình hệ
thống tra cứu ảnh, các đặc trưng trong tra cứu ảnh, đánh giá độ tương tự, xây dựng sơ đồ
đánh chỉ số cho đặc trưng và đánh giá hiệu năng của hệ thống tra cứu ảnh. Các phần này
sẽ được nói rõ trong chương tiếp theo.

CHƯƠNG 2. TRUY TÌM ẢNH THEO MÀU SẮC
2.1. Màu sắc
2.1.1. Tổng quan
Thu thập thông tin từ dữ liệu ảnh liên quan đến rất nhiều các lĩnh vực của đời sống
xã hội như: An ninh, giáo dục, văn hoá,…
25 | P a g e