Nghiên cứu ứng dụng công nghệ mạng Nơron tế bào vào bài toán phân đoạn ảnh (LV thạc sĩ)

ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LÊ THỊ NGỌC TÚ

NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ MẠNG
NƠRON TẾ BÀO VÀO BÀI TOÁN PHÂN ĐOẠN ẢNH

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Thái Nguyên năm 2015

Số hóa bởi Trung tâm Học liệu – ĐHTN




ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LÊ THỊ NGỌC TÚ

NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ MẠNG
NƠRON TẾ BÀO VÀO BÀI TOÁN PHÂN ĐOẠN ẢNH

Chuyên ngành: Khoa học máy tính
Mã số: 60 48 01 01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

NGƢỜI HƢỚNG DẪN KHOA HỌC

TS. VŨ ĐỨC THÁI

Thái Nguyên năm 2015

Số hóa bởi Trung tâm Học liệu – ĐHTN




LỜI CAM ĐOAN
Tôi xin cam đoan luận văn này do tôi thực thiện, có sự hướng dẫn tận
tình và chu đáo của người hướng dẫn là TS. Vũ Đức Thái. Những số liệu
trong các bảng biểu, hình ảnh phục vụ cho việc phân tích, nhận xét, đánh giá
được thu thập từ các nguồn khác nhau có ghi trong phần tài liệu tham khảo,
trong phạm vi hiểu biết của tôi.
Nếu phát hiện có bất kỳ sự gian lận nào tôi xin hoàn toàn chịu trách
nhiệm trước Hội đồng, cũng như kết quả luận văn của mình.
Thái Nguyên, ngày 13 tháng 4 năm 2015
Học viên

Lê Thị Ngọc Tú

Số hóa bởi Trung tâm Học liệu – ĐHTN




LỜI CẢM ƠN
Để hoàn thành được luận văn này em xin chân thành xảm ơn thầy giáo

TS.Vũ Đức Thái đã hướng dẫn tận tình và tạo mọi điều kiện cho em hoàn
thành luận văn.
Em xin chân thành cảm ơn ban lãnh đạo các thầy giáo, cô giáo, các cán
bộ nhân viên Trường Đại học Công nghệ thông tin và Truyền thông – ĐH
Thái Nguyên đã giúp đỡ, tạo điều kiện cho em hoàn thành bản luận văn này.
Cuối cùng, em xin chân thành cảm ơn sự quan tâm giúp đỡ của gia
đình, bạn bè và tập thể lớp Cao học K12G đã cổ vũ động viên em hoàn thành
tốt luận văn của mình.

Thái nguyên, ngày 13 tháng 4 năm 2015
Học viên
Lê Thị Ngọc Tú

Số hóa bởi Trung tâm Học liệu – ĐHTN




DANH MỤC CÁC CHỮ VIẾT TẮT
- CNN (Cellular Neural Network): Công nghệ mạng nơron tế bào.
- CPU (Central Processing Unit): Bộ xử lí trung tâm.
- A(Digital)/A(Analog):Tín hiệu số/Tín hiệu tương tự
- IC (Integrated Circuit): Các vi mạch tích hợp
- CNN-UM (CNN-Universal Machine): Máy tính mạng nơron tế bào.
- PDE (Partial differential Equation): Phương trình vi phân đạo hàm riêng
(trong luận văn dùng thuật ngữ tiếng Việt là “phương trình đạo hàm riêng”).
- FPGA (Field Programmable Gate Array): Mảng cổng dạng trường lập trình
- ADC (Analog

Digital Converter): Bộ chuyển đổi tín hiệu tương tự thành

tín hiệu số.
- GAPU (Global Analogic Program Unit): khối lập trình toàn cục

Số hóa bởi Trung tâm Học liệu – ĐHTN




DANH MỤC HÌNH VẼ
Hình 1.1. Một số kiểu mạng CNN .................................................................... 5
Hình 1.2. Kiến trúc mạng nơron tế bào chuẩn .................................................. 5
Hình 1.3. Mô tả kiến trúc của CNN .................................................................. 9
Hình 1. 4. Cấu trúc máy tính CNN-UM.......................................................... 10
Hình 1.5. Mô tả khái quát các bước lập trình ở các ngôn ngữ khác nhau ...... 12
Hình 1.6. Sáu kiểu hệ số của mẫu A (3x3) cho phép CNN ổn định ............... 14
Hình 1.7. Các bước cơ bản trong một hệ thống xử lý ảnh .............................. 16
Hình 1.8 : Các thành phần chính của hệ thống xử lý ảnh .............................. 18
Hình 1.9. Giao diện Candy .............................................................................. 23
Hình 1.10. Nạp ảnh trong Candy .................................................................... 24
Hình 1.11.Ảnh ban đầu ................................................................................... 24
Hình 1.12. Ảnh sau khi chạy Template EdgeDetect ....................................... 24
Hình 2.1. Tách cây tứ phân ............................................................................. 35
Hình 2.2. Hệ động lực của một tế bào CNN ................................................... 44
Hình 2.3. Mẫu tìm vùng và hiệu quả của mẫu ................................................ 45
Hình 2.4. Mẫu tìm đường xiên và hiệu quả của mẫu ...................................... 46
Hình 2.5. Sơ đồ các bước thiết kế mẫu theo phương pháp trực tiếp............... 48
Hình 2.6. Quy trình tìm mẫu bằng phương pháp học ..................................... 49
Hình 2.7. Sơ đồ cơ bản của thuật toán ............................................................ 50
Hình 3.1: mặt nạ xác định điểm ...................................................................... 52

Hình 3.2: Mặt nạ phát hiện dòng..................................................................... 53
Hình 3.3. Minh họa việc phát hiện dòng ......................................................... 54
Hình 3.4. Biểu đồ mức xám của đường ngang ............................................... 55
Hình 3.5. Biểu đồ mức xám của đường nghiêng thông qua ảnh..................... 56
Hình 3.6. Mặt nạ phát hiện cạnh và 8 hướng cạnh ......................................... 58
Hình 3.7. Ví dụ về tăng trưởng miền ảnh ....................................................... 59
Hình 3.8. Lược đồ mức xám ........................................................................... 61

Số hóa bởi Trung tâm Học liệu – ĐHTN




Hình 3. 9. Tách cây tứ phân ............................................................................ 61
Hình 3.10 Thử nghiệm mẫu phân đoạn ảnh .................................................. 65

Số hóa bởi Trung tâm Học liệu – ĐHTN




MỤC LỤC
Chương I: CÁC LÝ THUYẾT BỔ TRỢ .......................................................... 3
1.1. Mạng nơron tế bào ..................................................................................... 3
1.1.1. Kiến trúc mạng nơron tế bào CNN ......................................................... 3
1.1.1.1. Giới thiệu chung về mạng nơron tế bào ............................................... 3
1.1.1.2.Kiến trúc mạng Nơron tế bào ................................................................ 4
1.1.1.3.Kiến trúc của máy tính mạng Nơron tế bào ........................................ 10
1.1.1.4. Một số vấn đề cơ bản của CNN ......................................................... 13
1.2. Xử lý ảnh .................................................................................................. 15

1.2.1. Giới thiệu chung về xử lý ảnh ............................................................... 15
1.3. Ngôn ngữ Matlab ..................................................................................... 18
1.3.1. Giới thiệu chung về Matlab.................................................................. 18
1.3.2. Ngôn ngữ lập trình Matlab và ứng dụng trong mô phỏng .................... 19
1.3.3. Các công cụ để cài đặt mô phỏng tính toán .......................................... 20
1.3.3.1. Đọc và ghi dữ liệu ảnh ....................................................................... 20
1.3.3.2. Lớp lưu trữ của file matlab ................................................................ 21
1.3.3.3. Truy vấn một file đồ hoạ .................................................................... 21
1.3.3.4. Hiển thị ảnh ....................................................................................... 22
1.4. Phần mềm mô phỏng CANDY ................................................................ 22
Chương II: BÀI TOÁN PHÂN ĐOẠN ẢNH ................................................. 25
2.1. Giới thiệu chung về phân đoạn ảnh.......................................................... 25
2.2. Các hướng tiếp cận phân đoạn ảnh .......................................................... 27
2.2.1. Các phương pháp dựa trên không gian đặc trưng ................................. 27
2.2.2. Các phương pháp dựa trên không gian ảnh .......................................... 28
2.2.3. Các phương pháp dựa trên mô hình vật lý ............................................ 29
2.3. Một số phương pháp phân đoạn ảnh ........................................................ 29
2.3.1. Phương pháp phân đoạn dựa vào ngưỡng cố định ............................... 29
Số hóa bởi Trung tâm Học liệu – ĐHTN




2.3.2. Phương pháp phân đoạn dựa vào miền đồng nhất ................................ 32
2.3.2.1. Giới thiệu chung ................................................................................. 32
2.3.2.2. Phương pháp tách cây tứ phân ........................................................... 33
2.3.2.3. Phương pháp tổng hợp ....................................................................... 35
2.4. Giải pháp phân đoạn ảnh bằng công nghệ CNN ...................................... 37
2.4.1. Xử lý ảnh dùng PDE ............................................................................. 37
2.4.2. Công nghệ xử lý ảnh nhanh trên mạng CNN ........................................ 38

2.4.2.1. Tính ưu việt và ý nghĩa ..................................................................... 39
2.4.2.2. Tình hình nghiên cứu về xử lý ảnh dùng CNN trong nuớc ............... 40
2.4.2.3. Kết quả xử lý ảnh dùng CNN............................................................. 41
2.4.2.4. Hạn chế và giải pháp ứng dụng CNN ................................................ 42
2.4.3. Mẫu và vai trò của mẫu ......................................................................... 43
2.4.3.1. Giới thiệu chung ................................................................................. 43
2.4.3.2. Thư viện mẫu CNN ........................................................................... 45
2.4.3.3. Các phương pháp thiết kế mẫu cho CNN .......................................... 47
2.5. Thuật toán phân đoạn ảnh trên CNN ....................................................... 49
2.6. Kết luận .................................................................................................... 51
Chương III: MÔ PHỎNG THUẬT TOÁN PHÂN ĐOẠN ẢNH ................. 52
3.1. Mô tả bài toán mô phỏng ......................................................................... 52
3.1.1. Phát hiện biên ........................................................................................ 52
3.1.1.1. Phát hiện điểm .................................................................................... 52
3.1.1.2. Phát hiện dòng .................................................................................... 53
3.1.1.3. Phát hiện cạnh .................................................................................... 55
3.1.1.4. Phát hiện biên Candy ......................................................................... 56
3.1.2. Bài toán phân đoạn ảnh ......................................................................... 58
3.1.2.1. Công thức cơ sở ................................................................................. 58
3.1.2.2. Tăng trưởng miền ảnh ........................................................................ 59
Số hóa bởi Trung tâm Học liệu – ĐHTN




3.1.2.3. Tách và ghép miền ............................................................................. 61
3.2. Cài đặt mô phỏng ..................................................................................... 62
3.2.1. Ví dụ: Đoạn mã lệnh ............................................................................. 62
3.2.2. Mô phỏng 1: .......................................................................................... 65
3.2.3. Mô phỏng 2 ........................................................................................... 66

3.3.3. Đánh giá kết quả mô phỏng .................................................................. 67
KẾT LUẬN ..................................................................................................... 68
TÀI LIỆU THAM KHẢO ............................................................................... 69

Số hóa bởi Trung tâm Học liệu – ĐHTN




1

MỞ ĐẦU
Trong xã hội loài người ngôn ngữ là một phương tiện trao đổi thông tin
phổ biến trong quá trình giao tiếp. Bên cạnh đó hình ảnh cũng là một cách
trao đổi thông tin mang tính chính xác, biểu cảm khá cao và đặc biệt bị cảm
giác chủ quan của đối tượng chi phối. Thông tin trên hình ảnh rất phong phú,
đa dạng và có thể xử lý bằng máy tính. Chính vì vậy, trong những năm gần
đây sự kết hợp giữa ảnh và đồ họa đã trở nên rất chặt chẽ trong lĩnh vực xử lý
thông tin.
Cũng như xử lý dữ liệu hình ảnh bằng đồ họa, việc xử lý ảnh số là một
lĩnh vực của tin học ứng dụng. Xử lý ảnh số thao tác trên các ảnh tự nhiên
thông qua các phương pháp và kỹ thuật mã hóa.
Phân đoạn ảnh là bước then chốt trong xử lý ảnh, giai đoạn này nhằm
phân tích ảnh thành các phần có cùng tính chất nào đó dựa theo biên hay các
vùng liên thông. Mục đích của phân đoạn ảnh là có thể miêu tả tổng hợp từ
nhiều phần tử khác nhau cấu tạo nên ảnh thô. Vì lượng thông tin chứa trong
ảnh rất lớn, trong khi đó đa số các ứng dụng chỉ cần trích chọn một vài đặc
trưng nào đó, do vậy cần có một quá trình để giảm lượng thông tin khổng lồ
ấy. Quá trình này bao gồm phân vùng ảnh và trích chọn đặc tính chủ yếu.
Tuy nhiên các phương pháp xử lý ảnh truyền thống lại đòi hỏi nhiều thời

gian xử lý nhất là với những ảnh có kích thước lớn. Để đáp ứng yêu cầu đó
người ta đã và đang tìm kiếm nhiều phương pháp xử lý ảnh song song khác
nhau nhằm giảm thời gian xử lý. Mạng nơron tế bào CNN là một trong những
công cụ xử lý ảnh thời gian thực sự hữu hiệu và đang được quan tâm nghiên
cứu rộng rãi trên thế giới do có nhiều ưu điểm trong đó có bản chất xử lý song
song. Ảnh số là một mảng số thực hai chiều kích thước MxN trong đó mỗi
phần tử ảnh là một tế bào C(i,j), i = 1, 2,..., M, j = 1, 2,..., N, biểu thị mức xám
của ảnh tại các vị trí (i,j) tương ứng. Ảnh được coi là ảnh nhị phân nếu C(i,j)
Số hóa bởi Trung tâm Học liệu – ĐHTN




2

chỉ nhận giá trị 0 hoặc 1. Các đặc trưng của ảnh thường bao gồm các thành
phần như: mật độ xám, phân bố xác suất, phân bố không gian, biên ảnh.
Được sự gợi ý của giáo viên hướng dẫn và nhận thấy tính thiết thực của
vấn đề này, tôi đã chọn đề tài: “Nghiên cứu ứng dụng công nghệ mạng
Nơron tế bào vào bài toán phân đoạn ảnh” để làm đề tài cho luận văn tốt
nghiệp của mình

Số hóa bởi Trung tâm Học liệu – ĐHTN




3

Chƣơng I

CÁC LÝ THUYẾT BỔ TRỢ
1.1. Mạng nơron tế bào
1.1.1. Kiến trúc mạng nơron tế bào CNN
1.1.1.1. Giới thiệu chung về mạng nơron tế bào
Công nghệ mạng nơron tế bào CNN (Cellular Neural Networks) đã
được các nhà khoa học Mỹ và Hungary phát minh ra vào năm 1988 có tốc độ
xử lý 1012 phép tính/giây và được áp dụng cho các hệ thống xử lý ảnh nhanh
10 - 50000 ảnh/giây. Đây là bước đột phá về chất do cấu trúc của máy tính xử
lý CNN là song song với hàng trục ngàn CPU được kết nối thành mạng trong
một chip. Công nghệ này cho phép giải quyết nhiều bài toán xử lý phức tạp
trong thời gian thực hiện mà các máy tính thông thường chưa làm được.[2]
Sự ra đời của mạng nơron tế bào CNN đã mở ra một thời đại mới cho
sự phát triển của khoa học tính toán tiếp cận đến các phương thức xử lý. Ta
biết rằng các máy tính số hiện nay về cơ bản là loại máy logic với các dữ liệu
rời rạc được mã hóa theo hệ nhị phân. Tính chất cơ bản của nó là khả năng
thực hiện thuật toán theo chương trình được lưu trong bộ nhớ. Ðây là loại
máy tính vạn năng xử lý trên các số nguyên hay còn gọi là máy Turing. Các
phép tính cơ bản của nó là các phép số học và logic. Thuật toán là các chuỗi
logic của các phép tính cơ bản này. Sự ra đời của bóng bán dẫn năm 1948 và
của các vi mạch tích hợp IC năm 1960 đã tạo ra các máy tính số có tính thực
tiễn cao với giá thành rẻ và hiện nay đã trở thành một loại hàng hóa thông
dụng. Sự hoàn thiện chíp CNN đặc trưng bởi kích thước và chức năng một vài
loại có mẫu cố định là 256 tế bào, một số loại khác có kích thước giới hạn là
30 tế bào. Hiện nay có loại chíp có thể lập trình có kích thước 1024 tế bào.
Khả năng lập trình được và tốc độ cao làm cho CNN phù hợp tốt hơn với các
xử lý phi tuyến, nó cho phép nhận được và xử lý tín hiệu phi tuyến. Tuy vậy
Số hóa bởi Trung tâm Học liệu – ĐHTN

4

những ưu thế thực sự của CNN là nó tương đương với chíp có mật độ tích
hợp lớn tiêu thụ nhiều năng lượng.
Một ứng dụng quan trọng của mạng nơron tế bào là xử lý ảnh. Chức
năng cơ bản của mạng nơron tế bào trong quá trình xử lý ảnh là ánh xạ hoặc
chuyển hình ảnh đầu vào tương ứng với hình ảnh đầu ra.[3].
Ngoài ứng dụng xử lý ảnh tốc độ cao ra công nghệ CNN còn được
dùng để tối ưu hoá hệ thống truyền dữ liệu băng thông rộng, giải phương
trình vi phân đạo hàm hàm riêng PDE. Ngược lại, với cấu trúc xử lý song
song hoàn toàn, liên tục theo luồng theo thời gian, với việc cho phép triển
khai nhiều mô hình toán học trong cả trường số thực và số phức người ta có
thể xây dựng các mô hình CNN một lớp hoặc nhiều lớp trên phần cứng.
1.1.1.2.Kiến trúc mạng Nơron tế bào
- Có hai định nghĩa tổng quát của một CNN như sau:
+ Ðịnh nghĩa 1: Một mạng nơron tế bào CNN là một mảng 2, 3 hoặc n
chiều của các hệ thống động lực học được gọi là các tế bào, hầu hết các hệ
này là đồng nhất và thoả mãn hai thuộc tính:
 Ảnh hưởng phổ biến là cục bộ trong phạm vi bán kính r.
 Tất cả các biến trạng thái là giá trị tín hiệu liên tục.
+ Ðịnh nghĩa 2: Một mạng nơron tế bào CNN là một mạch điện phi tuyến
động lực học bậc cao được tạo nên bởi ghép nối liên kết cục bộ theo không
gian các khối mạch điện giống nhau - mỗi khối mạch điện được gọi là một tế
bào. Mạng được tạo thành có thể có kiến trúc bất kỳ như dạng lưới hình chữ
nhật, 6 cạnh, 3 cạnh, hình cầu,...

Số hóa bởi Trung tâm Học liệu – ĐHTN

5

Hình 1.1. Một số kiểu mạng CNN
- Công nghệ CNN gồm tập các chíp (tế bào) có liên kết cục bộ với nhau
tạo thành lưới với nhiều hình trạng khác nhau. Để đơn giản, ta xét kiến trúc
chuẩn của CNN là một mảng hình chữ nhật kích thước MxN tế bào, mỗi tế
bào ký hiệu là C(i,j), ứng với tọa độ (i,j) trong không gian Đề - Các hai chiều.
Chỉ số i, j thỏa mãn điều kiện i=1...M; j=1...N .

Hình 1.2. Kiến trúc mạng nơron tế bào chuẩn
Trong đó, mỗi ô vuông biểu diễn cho một tế bào C(i,j) có liên kết trực tiếp về
tín hiệu điện với các tế bào láng giềng. [1].
- CNN là mạch điện phi tuyến động có kích thước lớn, được tạo bởi cặp
các tế bào liên kết với nhau, phân bố đều không gian. Mạch này có cấu trúc
hình chữ nhật, lục giác đều, hình cầu,... với những đặc trưng:
+ Luật tiếp hợp trong CNN biểu diễn sự tương tác từng cặp của tế bào
C(i,j) với các tế bào láng giềng C(k,1) của nó.
+ Mỗi tế bào có điều kiện biên và điều kiện ban đầu.
Số hóa bởi Trung tâm Học liệu – ĐHTN




6

- Hệ CNN là ma trận n chiều của những phần tử động giống hệt nhau,
mỗi phần tử là một mạch tích hợp gọi là tế bào, mỗi tế bào có hai thuộc tính:
+ Chỉ tương tác với các tế bào lân cận trong phạm vi bán kính là r (r là

số nguyên dương)
+ Giá trị trạng thái của tế bào là những tín hiệu có giá trị liên tục.
- Các phương trình quan trong mô tả cho hệ CNN là:
+ Phương trình trạng thái:

xij   xij 



C ( k ,l )Sr ( i , j )

A(i, j; k , l ) ykl 



C ( k ,l )Sr ( i , j )

B(i, j; k , l )u kl  zij

(1.1)

xij  R, yij  R và zij  R được gọi là trạng thái: đầu ra, đầu vào, ngưỡng của tế

bào C(i,j), A(i, j; k, l) và B(i, j; k, l) được gọi là toán tử phản hồi và toán tử
dẫn nhập đầu vào.
+ Phương trình đầu vào
Vuij=Eij với 1 ≤ i ≤ M; 1≤ j ≤ N

(1.2)

Giá trị Vuij tương ứng với giá trị ban đầu của phương trình vi phân khi áp
dụng CNN để giải phương trình vi phân hoặc ảnh đầu vào đối với bài toán xử
lý ảnh.
+ Phương trình đầu ra
yij  f ( xij ) 

1
1
xij  1  xij  1
2
2

(1.3)

+ Phương trình mô tả các ràng buộc
│vxij(O) │≤ 1
│vxij │≤ 1

với

1≤ i≤ M; 1 ≤ j≤ N

với 1≤ i≤ M; 1 ≤ j≤ N

(1.4)
(1.5)

+ Phương trình tham số giả định
A(i,j;k,l) = A(k,l;i,j) với

1≤ i≤ M; 1 ≤ j≤ N

(1.6)

+ Điều kiện biên xác định và là các tế bào thuộc hiệu ứng cầu của các
tế bào cạnh nhưng nằm ngoài mảng kích thước MxN
Số hóa bởi Trung tâm Học liệu – ĐHTN




7

- Đối với ứng dụng CNN trong xử lý ảnh, đầu vào thường là cường độ
điểm ảnh, thang độ xám kích thước MxN, -1 được mã hóa là -1 và “đen” được mã hóa là +1.
- Đối với ảnh tĩnh, ukl là hằng số, đối với ảnh động (video) ukl là một
hàm theo thời gian. A(i,j;k,l), B(i,j;k,l) và zij thay đổi theo vị trí (i,j) và thời
gian t. Một số trường hợp khác có thể coi A(i,j; k,l), B(i,j; k,l) và zij không đổi
theo không gian và thời gian.
Mạng CNN bất biến không gian và đẳng hướng nếu các toán tử
A(i,j;k,l), B(i,j;k,l) và toán tử ngưỡng zij không đổi theo không gian. Trong
trường hợp này ta có CNN chuẩn (với toán tử dẫn nạp tuyến tính) có phương
trình trạng thái như sau:



A(i, j; k , l ) ykl 



B(i, j; k , l )ukl 

C ( k ,l )S r ( i , j )

C ( k ,l )S r ( i , j )

 

A(i  k , j  l ) ykl

 

B(i  k , j  l )ukl

k i  r l  j  r

k i  r l  j  r

Phần lớn các ứng dụng của CNN chỉ sử dụng CNN chuẩn bất biến
không gian lân cận 3 x 3 (r = 1). Các cell C  i, j  Sr  i, j với các mẫu:
C(i-1,j-1)

C(i-1,j)

C(i-1,j+1)

C(i,j-1)

C(i,j)

C(i,j+1)

C(ij-1)

C(i+1,j)

C(i+1,j+1)

+ Toán tử dẫn nạp hồi tiếp A(i,j;k,l), trong không gian bất biến có thể viết
như sau:
Công thức tính mẫu



A(i, j; k , l ) ykl 



B(i, j; k , l )ukl 

C ( k ,l )Sr ( i , j )

C ( k ,l )Sr ( i , j )

zij  z;
Số hóa bởi Trung tâm Học liệu – ĐHTN

 

A(i  k , j  l ) ykl

 

B(i  k , j  l )ukl

k i  r l  j  r

k i  r l  j  r

(1.7)



8

Phép toán nhân chập



C ( k ,l )Sr ( i , j )

A(i, j; k , l ) ykl 

 

k i  r l  j  r

A(i  k , j  l ) ykl

 a1,1 yi 1, j 1  a1,0 yi 1, j  a1,1 yi 1, j 1  a0, 1 yi, j 1  a0,0 yi, j 
a0,1 yi , j 1  a1, 1 yi 1, j 1  a1,0 yi 1, j  a1,1 yi 1, j 1


1

1

 a

k 1 l 1

k ,l

yi  k , j l

(1.8)

hoặc có thể minh hoạ phép toán nhân chập như sau:

 a1,1 a1,0

  a0,1 a0,0
 a1,1 a1,0


a1,1   y1,1
 
a0,1  *  y0, 1
a1,1   y1, 1

y1,0
y0,0
y1,0

y1,1 

y0,1   A * Yij
y1,1 

(1.9)

- Ma trận A kích thước 3 x 3 được gọi là mẫu vô hướng hồi tiếp và ký
tự bao hàm tổng của các tích điểm, nên được gọi là tích điểm mẫu, toán tử
này được gọi là toán tử “xoắn không gian”. Ma trận 3 x 3, Yij thu được bởi
việc di chuyển một mặt nạ mờ với kích thước cửa sổ 3x3 đến vị trí (i,j) của
ma trận MxN đầu ra ảnh Y do vậy được gọi là ảnh đầu ra tại C(i,j).
- Một phần tử akl là phần tử trung tâm, trọng số hoặc hệ số của mẫu hồi
tiếp A, nếu và chỉ nếu (k,l) = (0,0). Để thuận tiện phân tích mẫu A như sau,
khi đó A0 và A lần lượt được gọi là các thành phần mẫu trung tâm và đường
biên.


A  A0  A

A

0

0

0

0

a0,0

0

0

0

0



A

a-1,-1

a-1,0

a-1,1

a0,-1

0

a0,1

a1,-1

a1,0

a1,1

(1.10)

+ Vai trò toán tử dẫn nhập đầu vào B(i,j;k,l)
Số hóa bởi Trung tâm Học liệu – ĐHTN




9



C ( k ,l )Sr ( i , j )

B(i, j; k , l ) ykl 

  B(i  k , j  l )u

k i  r l  j  r

b1,1  ui 1, j 1 ui 1, j
 
b0,1  *  ui , j 1

ui , j
b1,1  ui 1, j 1 ui 1, j

b1,1 b1,0

  b0,1 b0,0
 b1,1 b1,0


kl



1

1

 b

k i  r l  j  r

u

k ,l i  k , j  l

ui 1, j 1 

ui , j 1   B *U ij
ui 1, j 1 

(1.11)

(1.12)

Ma trận B kích thước 3 x 3 được gọi là mẫu dẫn nhập hoặc mẫu vô
hướng đầu vào, và Uij là mặt nạ biên dịch ảnh đầu vào, tương tự ta có thể viết
Bo và B gọi là mẫu dẫn nhập trung tâm và đường biên.


B  B0  B

B

0

0

0

0

b0,0

0

0

0

0

b-1,-1 b-1,0 b-1,1


B

b0,-1

0

b0,1

b1,-1

b1,0

b1,1

(1.13)

- Kiến trúc xử lý của máy tính mạng nơron tế bào CNN-UM
Cấu trúc xử lý của tế bào C(i,j)

Hình 1.3. Mô tả kiến trúc của CNN
Mạng nơron tế bào được L.O. Chua và L. Yang đưa ra năm 1988 có
kiến trúc chuẩn là một mảng hai chiều các tế bào mà mỗi tế bào là một chip
xử lý, các tế bào chỉ có liên kết cục bộ với các tế bào láng giềng. Các tế bào
có cấu tạo giống hệt nhau gồm các điện trở, tụ tuyến tính; các nguồn dòng
tuyến tính và phi tuyến. Cho đến nay kiến trúc mạng CNN đã được phát triển
đa dạng phức tạp trong nhiều ứng dụng khác nhau nhưng vẫn hoạt động dựa

trên nguyên tắc mà Chua và Yang đưa ra. [7].
Số hóa bởi Trung tâm Học liệu – ĐHTN




10

1.1.1.3.Kiến trúc của máy tính mạng Nơron tế bào
- Cấu trúc phần cứng
Máy tính vạn năng CNN-UM có thể được coi là mảng các tế bào xử lý phi
tuyến đa chiều được liên kết cục bộ. CNN-UM có khả năng xử lý tín hiệu hỗn
hợp tương tự số do vậy có tên Analogic (Analog-logic) computer. Khác với
các máy tính lai, ở máy tính CNN không có các bộ biến đổi A/D và D/A và
cũng không có khái niệm biểu diễn các giá trị tương tự bằng số. Tất cả tín
hiệu và máy tính cơ bản đều là tương tự và logic.
Cấu trúc của máy CNN-UM được mô tả trong hình 1.4. Mạng nơron tế
bào gồm các tế bào có cấu trúc đồng nhất. Lõi của các tế bào này thực hiện
chức năng của hệ động lực chuẩn tế bào CNN như mô tả. Để mạng có thể
hoạt động và có khả năng lập trình thay đổi các trọng liên kết, ở mỗi tế bào
đều có bộ nhớ, các thanh ghi, các khối vào ra và truyền thông cục bộ. Ngoài
ra toàn mạng còn có khối lập trình toàn cục GAPU phục vụ cho điều hành
toàn mạng.

Hình 1. 4. Cấu trúc máy tính CNN-UM
Khối OPT (Optical Sensor) ở mỗi tế bào làm chức năng thu nhận tín
hiệu (điểm ảnh) đầu vào trực tiếp cho tế bào mà không cần bộ chuyển đổi
A/D. Bộ nhớ cục bộ Analog (LAM) và logic (LLM) lưu giữ các giá trị analog
Số hóa bởi Trung tâm Học liệu – ĐHTN

11

và logic của tế bào. Khối xử lý logic cục bộ (LLU) và khối logic đầu ra tương
tự cục bộ (LAOU) thực hiện các phép tính toán logic và tương tự cho mỗi tế
bào của mình. Các kết quả của mỗi tế bào được lưu giữ trong các bộ nhớ cục
bộ. Khối điều khiển và truyền thông cục bộ (LCCU) thực hiện chức năng điều
khiển và trao đổi thông tin giữa các tế bào lân cận và tới khối lập trình toàn
cục (GAPU). Khối lập trình tương tự - số toàn cục GAPU có các thanh ghi và
khối điều khiển toàn cục. Thanh ghi chương trình analog APR lưu trữ các
trọng số của tế bào mạng CNN. Trong trường hợp r = 1 tổng số trọng lưu trữ
là 19 số thực. Thanh ghi chương trình logic LPR chứa các lệnh logic cần thực
hiện cho các tế bào. Thanh ghi cấu hình chuyển mạch (SRC) chứa các thông
số khởi động và các tham số cho các chức năng hoạt động của tế bào. Khối
điều khiển tương tự số toàn cục (GACU) lưu các lệnh tuần tự của chương
trình chính (analogic) và thực hiện các chức năng điều khiển toàn cục khác.
Một thuật toán chạy trong CNN-UM có thể được thực hiện tuần tự qua các
lệnh analog và logic. Mức độ kết quả trung gian có thể được tổ hợp và lưu trữ
cục bộ. Các phép tính analog (analog operation ) được định nghĩa bởi các
trọng liên kết tuyến tính hoặc phi tuyến. Đầu ra có thể được định nghĩa cả
trong trạng thái xác định hoặc không xác định của mạng. Các phép tính logic
(NOT, AND, OR,…) và số học (cộng, trừ) có thể được thực hiện trong mỗi tế
bào. Dữ liệu có thể được chuyển đổi giữa các bộ nhớ cục bộ LAM và LLM.
-Ngôn ngữ, chương trình dịch, hệ điều hành của CNN-UM

Số hóa bởi Trung tâm Học liệu – ĐHTN

12

Hình 1.5. Mô tả khái quát các bước lập trình ở các ngôn ngữ khác nhau
cho máy tính CNN-UM
Cũng như các máy tính điện tử khác CNN-UM có các ngôn ngữ để lập
trình từ mức thấp đến cao. Ở mức thấp nhất là mã máy, tiếp đến là ngôn ngữ
assemly của CNN được gọi là AMC (Analogic Macro Code). Mã AMC được
dịch thành mã máy và các tín hiệu điện cho chip CNN hoạt động. Ở mức cao
có ngôn ngữ a mô tả các chu trình xử lý, mẫu trọng số, các chương trình con.
Chương trình dịch a sẽ chuyển các lệnh ngôn ngữ a sang dạng hợp ngữ AMC
để chạy trên máy CNN. AMC có thể cho chạy trên phần cứng có chip CNN.
Hệ điều hành COS (CNN Operating System) được cài đặt trên các máy CNNUM phục vụ cho chạy các chương trình AMC cũng như giao tiếp với các hệ
Số hóa bởi Trung tâm Học liệu – ĐHTN




13

thống kết nối bên ngoài. Để phục vụ nghiên cứu và đào tạo ta có thể cho chạy
chương trình AMC trong môi trường mô phỏng số CNN-UM hoặc mô phỏng
mềm trên máy PC Pentium với hệ điều hành Windows hoặc Unix.
- Hệ điều hành CNN và giao diện vật lý CNN chuẩn. Hệ điều khiển
trên PC có thể tích hợp trên mainboard của máy PC gọi là PCS (CNN
Prototyping System Board).
- Nền tảng kết cấu vật lý cho CNN-UM: Cũng như máy tính PC, mỗi
xử lý đều được xây dựng nên từ các câu lệnh, có thể đóng gói thành các hàm
thư viện. CNN UM cũng cung cấp cho người dùng một tập thư viện các mẫu

và ngày càng được bổ sung thêm.[2]
1.1.1.4. Một số vấn đề cơ bản của CNN
- Giới hạn động lực học của CNN
Trước khi thiết kế một CNN vật lý cần phải biết rằng giới hạn động lực
học của nó có thoả mãn điều kiện để xây dựng các tế bào bằng các phần tử
bán dẫn hiện đang sử dụng trong lĩnh vực điện tử hay không. Ðây cũng là sự
khác nhau cơ bản giữa các CNN và các mạng nơron thông thường vì một
CNN có phạm vi động lực học thực sự có thể tính toán được.
- Ðộ ổn định của CNN.
Với một CNN xác định (A,B,z xác định), điều kiện khởi tạo, tín hiệu
vào bất kỳ thì sau quá trình quá độ phân rã về không trạng thái của mạch điện
sẽ hội tụ như thế nào và trong những điều kiện nào? Trả lời các câu hỏi này
vấn đề độ ổn định của CNN một lớp đơn chuẩn là:
+ Sau thời gian quá độ phân rã về 0 luôn thu được một hằng số tín hiệu
ở đầu ra của CNN.
+ Một CNN tuyến tính tiêu chuẩn một lớp luôn có các trạng thái cân
bằng ổn định.

Số hóa bởi Trung tâm Học liệu – ĐHTN




14

Trong một số trường hợp có thể sử dụng định lý về đối xứng dấu của
LO.Chua [8] để khảo sát nhanh chóng tính ổn định của CNN. Tuy nhiên có
những CNN không thoả mãn định lý đối xứng dấu này thì cũng không có
nghĩa là chúng không ổn định.
- Ðịnh nghĩa Mẫu đối xứng dấu [5]

Sáu kiểu giá trị của các hệ số trong ma trận mẫu A với mẫu 3x3 đã được
chứng minh là cho CNN ổn định [8]

Hình 1.6. Sáu kiểu hệ số của mẫu A (3x3) cho phép CNN ổn định
Trong đó:
- 0: ký hiệu giá trị hệ số mẫu A bằng 0.
- : ký hiệu giá trị hệ số mẫu A dương hoặc bằng 0.
Số hóa bởi Trung tâm Học liệu – ĐHTN




15

- : ký hiệu giá trị hệ số mẫu A âm hoặc bằng 0.
- 5: là một giá trị giả định.
1.2. Xử lý ảnh
1.2.1. Giới thiệu chung về xử lý ảnh
Trong xã hội loài người, ngôn ngữ là một phương tiện trao đổi thông
tin phổ biến trong quá trình giao tiếp. Bên cạnh ngôn ngữ, hình ảnh cũng là
một cách trao đổi thông tin mang tính chính xác, biểu cảm khá cao và đặc biệt
không bị cảm giác chủ quan của đối tượng giao tiếp chi phối. Thông tin trên
hình ảnh rất phong phú, đa dạng và có thể xử lý bằng máy tính.
Ảnh sau khi được thu nhận bằng các thiết bị thu nhận ảnh sẽ được biến
đổi thành ảnh số theo các phương pháp số hoá được nhúng trong các thiết bị
kĩ thuật khác nhau và được biểu diễn trong máy tính dưới dạng ma trận 2
chiều hoặc 3 chiều.
Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem
như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó

của đối tượng trong không gian và nó có thể xem như một hàm n biến. Do đó,
ảnh trong xử lý ảnh có thể xem như ảnh n chiều.
Xử lý ảnh là quá trình:
- Thực hiện các thao tác xử lý (hiệu chỉnh, sữa chữa, biến đổi, cải
thiện) trên ảnh đầu vào để thu được một ảnh đầu ra thỏa mãn yêu cầu.
- Thực hiện các thao tác phân tích, trích rút các đặc trưng của ảnh để
hiểu nội dung chứa trong ảnh.
- Đối tượng ảnh: Ảnh tự nhiên, ảnh chụp, dữ liệu ảnh, tín hiệu số
Mục đích của việc xử lý ảnh là biến đổi ảnh làm tăng chất lượng ảnh và
tự động nhận dạng, đoán ảnh, đánh giá nội dung của ảnh.
* Sơ đồ tổng quát của một hệ thống xử lý ảnh:

Số hóa bởi Trung tâm Học liệu – ĐHTN