Xây dựng chương trình nhận dạng biển báo giao thông

BỘ GIAO THÔNG VẬN TẢI

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC HÀNG HẢI VIỆT NAM

VÕ PHƢỚC SƠN

XÂY DỰNG CHƢƠNG TRÌNH NHẬN DẠNG
BIỂN BÁO GIAO THÔNG

LUẬN VĂN THẠC SĨ NGÀNH KỸ THUẬT

HẢI PHÒNG, 2016


BỘ GIAO THÔNG VẬN TẢI

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC HÀNG HẢI VIỆT NAM

VÕ PHƢỚC SƠN

XÂY DỰNG CHƢƠNG TRÌNH NHẬN DẠNG
BIỂN BÁO GIAO THÔNG
LUẬN VĂN THẠC SĨ NGÀNH KỸ THUẬT

NGÀNH: KỸ THUẬT

MÃ SỐ: 60580202

CHUYÊN NGÀNH: CÔNG NGHỆ THÔNG TIN

Người hướng dẫn khoa học: TS. Nguyễn Hữu Tuân

HẢI PHÒNG, 2016


LỜI CAM ĐOAN
Tôi: Võ Phước Sơn, học viên cao học lớp CNTT 2014_1, chuyên ngành Công
nghệ Thông tin, khoá học 2014-2016, Trường Đại học Hàng Hải Việt Nam xin cam
đoan: Các nội dung trong Luận văn Thạc sĩ này là do tự bản thân tôi làm ra trên cơ sở
các tài liệu, số liệu khảo sát thực tế do chính bản thân tôi thu thập. Các số liệu tham
khảo khác sử dụng trong nghiên cứu này thuộc về bản quyền của các tác giả và được
trích dẫn một cách rõ ràng, minh bạch.
Ngƣời cam đoan

Võ Phƣớc Sơn


LỜI CẢM ƠN
Hoàn thành Luận văn Thạc sĩ này, trước hết tôi xin bày tỏ lòng biết ơn sâu sắc
tới TS. Nguyễn Hữu Tuân, người hướng dẫn khoa học đã tận tình hướng dẫn và giúp
đỡ tôi trong suốt thời gian thực hiện Luận văn.
Nhân dịp này tôi xin bày tỏ lòng biết ơn đến các Thầy Cô Viện đào tạo Sau đại
học trường Đại học Hàng Hải Việt Nam, đã giúp đỡ tôi trong suốt thời gian học tập và
hoàn thành Luận văn Thạc sĩ này.
Cuối cùng tôi xin cảm ơn gia đình, bạn bè, đồng nghiệp chính là nguồn động
viên, khích lệ vô giá đã đi cùng tôi trong suốt những năm tháng phấn đấu, rèn luyện
để có được sản phẩm khoa học này.

Hải Phòng, ngày 15 tháng 3 năm 2016
Học viên

Võ Phước Sơn


MỤC LỤC

LỜI CAM ĐOAN ........................................................................................................... 2
LỜI CẢM ƠN ................................................................................................................ 3
MỤC LỤC ...................................................................................................................... 4
DANH MỤC CÁC CHỮ VIẾT TẮT VÀ KÝ HIỆU .................................................... 6
DANH MỤC CÁC BẢNG ............................................................................................. 7
DANH MỤC CÁC HÌNH .............................................................................................. 8
MỞ ĐẦU ........................................................................................................................ 1
Chương 1 ..................................................................................................................... 3
TỔNG QUAN VỀ LÝ THUYẾT NHẬN DẠNG ......................................................... 3
1.1. Tổng quan về lý thuyết nhận dạng..................................................................... 3
1.1.1. Quá trình nhận thức của con người là quá trình nhận dạng ........................ 3
1.2. Tổng quan về xử lý ảnh số ................................................................................. 7
1.2.1. Xử lý ảnh và các vấn đề cơ bản ................................................................... 8
1.3

Tổng kết ........................................................................................................... 12

Chương 2 ................................................................................................................... 14
BÀI TOÁN NHẬN DẠNG BIỂN BÁO GIAO THÔNG ............................................ 14
2.1. Các vấn đề học thuật ......................................................................................... 14
2.1.1. Xây dựng đặc trưng cho đối tượng biển báo ............................................... 14
2.1.2. Lựa chọn mô hình phân lớp....................................................................... 23

2.2. Các vấn đề thực tế .............................................................................................. 25
2.2.1. Tách biệt các đối tượng nhận dạng .............................................................. 26
2.2.2. Góc độ trong không gian ảnh .................................................................... 27
2.2.3. Điều kiện, chất lượng ảnh ............................................................................ 28
2.3. Thư viê ̣n Accord ................................................................................................. 29
2.4. Tổng kết............................................................................................................. 30
Chương 3 ................................................................................................................... 32


SVM, SURF VÀ ỨNG DỤNG TRONG NHẬN DẠNG ............................................ 32
BIỂN BÁO GIAO THÔNG ......................................................................................... 32
3.1. SVM ................................................................................................................. 32
3.2. Các mô hình sửa dụng SVM phổ biến............................................................. 34
3.3. SIFT và SUFR trong phân lớp dữ liệu............................................................. 36
3.4. Nhâ ̣n da ̣ng biể n báo giao thông ....................................................................... 44
3.5. Ứng dụng thực tế ............................................................................................. 45
3.5.1. Dữ liê ̣u huấ n luyê ̣n .................................................................................... 45
3.5.2. Nhâ ̣n da ̣ng biể n báo giao thông ................................................................. 46
3.6. Đánh giá ........................................................................................................... 47
Chương 4 ................................................................................................................... 49
ỨNG DỤNG THỰC TẾ............................................................................................... 49
KẾT LUẬN .................................................................................................................. 52
TÀI LIỆU THAM KHẢO ............................................................................................ 53


DANH MỤC CÁC CHỮ VIẾT TẮT VÀ KÝ HIỆU

Chữ viết tắt

Giải thích

SVM

Support Vector Machine

SIFT

Scale Invariant Feature Transform

SUFR

Speeded- up Robust Features

LDA

Phân loại tuyến tính

DoG

Difference of Gaussians


DANH MỤC CÁC BẢNG

Số bảng
3.1

Tên bảng
Bảng so sánh với mô hình neural network

Trang
47


DANH MỤC CÁC HÌNH

Số hình

Tên hình

Trang

1.1

Sơ đồ tồng quát một hệ nhận dạng

7

1.2

Quá trình xử lý ảnh

8

1.3

Các bước cơ bản trong quá trình xử lý ảnh

8

1.4

Ảnh thu nhận và ảnh mong muốn

9

2.1

Đặc trưng của Holland Style

19

2.2

Đăc trưng Haar like cơ bản

21

2.3

Đặc trưng cạnh

21

2.4

Đặc trưng đường

21

2.5

Các đặc trưng Haar like mở rộng

21

2.6

Biển báo giao thông

26

2.7

Hình ảnh ở góc độ không tốt

27

2.8

Biển báo có chất lượng cao

29

3.1

Minh họa bài toán 2 phân lớp bẳng phương pháp SVM

35

3.2

Mô tả giai đoạn Scale- space extrema detection

36

3.3

Giai đoạn Keypoint description

38


3.4

Tính đạo hàm cấp 2 của hàm Gaussian bằng các hộp lọc

40

3.5

Mô tả hướng và vùng ảnh hưởng đặ trưng

41

3.6

Lọc haar wovelet

41

3.7

Mô tả đặc trưng chuẩn của SURF

42

3.8

Kỹ thuật so khớp đặc trưng

43

3.9

Dữ liệu biển báo người đi bộ qua đường

45

3.10

Các loại biển báo giao thông

46

4.1

Lựa chọn ảnh tiến hành nhận dạng

50

4.2

Kết quả xử lý và thông số

51


MỞ ĐẦU
Nhận dạng không còn là vấn đề quá mới mẻ trong những năm gần đây. Bắt
nguồn từ những yêu cầu thực tế cũng như các ý tưởng xung quanh vấn đề nhận dạng
mẫu (form), khá nhiều các giải thuật được nghiên cứu và phát triển nhằm giải quyết
các vấn đề được đưa ra. Ý tưởng chính nhằm giải quyết các bài toán nhận dạng nói
chung và nhận dạng mẫu nói riêng không khác nhau quá nhiều, tuy nhiên việc nghiên
cứu, phát triển và triển khai ứng dụng đối với một vài yêu cầu mang tính đặc thù
không phải là một vấn đề đơn giản. Đặc biệt với các bài toán nhận dạng mẫu, việc xây
dựng một hệ thống lý luận chung nhằm giải quyết triệt để các vấn đề là vô cùng phức
tạp.
Nhận dạng biển báo giao thông – một trong những bài toán thuộc không gian
các vấn đề nhận dạng mẫu – đã được nghiên cứu và phát triển khá nhiều trong thời
gian trở lại đây. Không quá khó để liệt kê ra một vài giải thuật được nghiên cứu và
phát triển nhằm giải quyết bài toán trên, tuy nhiên kết quả hầu hết đều chỉ dừng lại ở
việc giải quyết vấn đề nhận dạng biển báo cơ bản. Trong khi đó, yêu cầu thực tế từ
việc nhận dạng các loại biển báo giao thông là khá lớn. Việc định hình và phát triển
một ý tưởng nhằm phát triển bài toán trên là một vấn đề không đơn giản.
Có thể điểm qua một vài kết quả nghiên cứu được cho là đáng chú ý tại thời
điểm hiện tại đối với nhận dạng biển báo giao thông. Ví dụ mạng neural là một giải
pháp đáng tin đối với các vấn đề phân lớp dữ liệu nói chung, cũng như nhận dạng
biển báo nói riêng, tuy nhiên việc phân tích để tìm ra các đặc trưng phù hợp và hiệu
quả đang là một vấn đề gây nhiều khó khăn trong nghiên cứu và thực nghiệm.

Nói vậy để thấy rằng, việc xây dựng được một giải thuật phù hợp giải quyết bài
toán đặt ra là một vấn đề khó, chưa kể đến việc phát triển và xây dựng mô hình ứng
dụng có thể triển khai thực tế còn cần thêm một khoảng thời gian dài nghiên cứu và
phát triển.
1


Vấn đề khó đầu tiên được đặt ra đối với các bài toán nhận dạng nói chung nằm
ở cách xây dựng tập đặc trưng phù hợp cho mỗi mẫu đối tượng biển báo. Kế đó là các
phương pháp phân lớp cụ thể đối với tập đặc trưng thu được. Xung quanh vấn đề này,
có nhiều cách tiếp cận được đặt ra. Trong đó, bản luận văn tập trung nghiên cứu và
phát triển các giải thuật SVM trong phân lớp dữ liệu, cụ thể trong trường hợp này là
biển báo giao thông, với nền tảng cơ bản dựa trên việc sử dụng các đặc trưng có cấu
trúc và phi cấu trúc, kết hợp với các giải thuật SVM và hàm nhân cụ thể, nhằm nghiên
cứu và đưa ra hướng phát triển hợp lí nhất cho vấn đề nêu trên.
Mục tiêu của đề tài: Nghiên cứu và ứng dụng giải thuật SVM và đặc trưng cục
bộ SIFT, SURF từ đó ứng dụng trong nhận dạng mẫu nói chung và nhận dạng biển
báo giao thông nói riêng.
Ý nghĩa thực tiễn của đề tài: Xây dựng một hướng tiếp cận mới cho vấn đề
nhận dạng mẫu nói chung, cũng như giải quyết bài toán nhận dạng biển báo giao
thông nói riêng. Kết quả của đề tài nhằm góp phần đề xuất một góc nhìn mới về vấn
đề nhận dạng biển báo giao thông, và đáp ứng các yêu cầu xuất phát từ thực tế về vấn
đề nhận dạng biển báo giao thông.
Nội dung nghiên cứu của đề tài:
- Nghiên cứu, tìm hiểu giải thuật SVM và hàm nhân Kernel.
- Nghiên cứu, phân tích các vấn đề khó trong nhận dạng mẫu nói chung, và
nhận dạng biển báo giao thông nói riêng.
- Phát triển giải thuật SVM, từ đó ứng dụng xây dựng mô hình nhận dạng
biển báo giao thông.
Luận văn gồm các chƣơng:

- Chương I: Tổng quan về lý thuyết nhận dạng.
- Chương II: Bài toán nhận dạng biển báo giao thông .
- Chương III: SVM, SURF và Ứng dụng trong nhận dạng biển báo giao
thông.

2


- Chương IV: Xây dựng hệ thống.
Chƣơng 1
TỔNG QUAN VỀ LÝ THUYẾT NHẬN DẠNG
1.1. Tổng quan về lý thuyết nhận dạng
Nhận dạng là quá trình phân loại các đối tượng được biểu diễn theo một mô
hình nào đó và gán cho chúng vào một lớp (gán cho đối tượng một tên gọi) dựa theo
những quy luật và các mẫu chuẩn. Quá trình nhận dạng dựa vào những mẫu học biết
trước gọi là nhận dạng có thầy hay học có thầy (supervised learning), trong trường
hợp ngược lại gọi là học không có thầy (non supervised learning). Chúng ta sẽ lần
lượt giới thiệu các khái niệm này.
Chương 1 tập trung xây dựng các khái niê ̣m cơ bản về nhận dạng cũng như xử
lý ảnh, nhằ m cung cấ p các kiế n thức cơ bản , làm tiền đề luận cứ cho các lý luận học
thuật ở các chương sau này.
1.1.1. Quá trình nhận thức của con ngƣời là quá trình nhận dạng
Các thực thể xã hội (con người, doanh nghiệp, quốc gia) muốn tồn tại thì phải
đáp ứng được tốt nhất các như cầu và đòi hỏi của mình. Để làm được điều này, các
thực thể xã hội phải tìm mọi cách có hiệu quả nhất tác động lên các đối tượng, từ đó
mới có giải pháp sử dụng có hiệu quả đối tượng thuộc phạm vi tác động của mình.
Đây là quá trình nhận thức của con người đối với các đối tượng.
Quá trình nhận thức của con người về một đối tượng nào đó là quá trình quan
sát, tìm hiểu, giả thiết (phân tích) đối tượng đó để tìm ra các quy luật tồn tại và biến
đổi của nó (tổng hợp).

- Trước một đối tượng cần nhận biết, ban đầu con người còn chưa biết, họ phải vận
dụng tất cả các tri thức vốn có để tạm hiểu đối tượng, tức là để tổng hợp sơ lược các
hiểu biết về đối tượng.

3


- Tiếp đó con người phải tiến hành quá trình phân tích, đó là thao tác trí tuệ diễn ra
trong đầu của người nghiên cứu (chủ thể tư duy), nhằm tách ra từ đối tượng những
đặc điểm, thuộc tính bộ phân, những mối liênhê ̣ và quan hệ giữa chúng để nhận thức
đối tượng sâu sắc hơn, đó là quá trình nhận thức mang tính trực quan sinh động nhằm
tìm ra các thuộc tính phân biệt của đối tượng. Quá trình mà người nghiên cứu đưa ra
các giả thiết để nhận thức đối tượng sâu sắc hơn, gọi là quá trình nhận thức theo giả
thiết.
- Cuối cùng là quá trình tổng hợp chung, chính là quá trình nhận thức sâu sắc nhất.
Đây là quá trình đối chiếu, so sánh để khái quát hóa nhiều thuộc tính đặc trưng của
đối tượng cần nghiên cứu thành các thuộc tính chung mang tính bản chất, tính quy
luật của cả một nhóm các đối tượng cùng loại. Đây là `quá trình tư duy trừu tượng của
con người mà kết quả cuối cùng là sự hiểu biết bản chất của đối tượng cho dưới hình
thức dạng mô ̣t cách tư duy thường thấy ở con người . Người nghiên cứu mô hình hóa
các đối tượng phải nghiên cứu theo dạng (mô hình) trong đầu qua sự cảm nhận của
riêng mình, hoặc qua sự học hỏi kinh nghiệm của người khác để xây dựng ra, rồi tìm
cách thực hiện thành công dạng trong đầu thành dạng trên thực tế phục vụ cho các lợi
ích của mình. Điều này đã từng được C.MAC nói đến: con ong xây dựng một cái tổ
hết sức cân xứng, khó có một kiến trúc sư nào có thể thực hiện nổi, nhưng con ong đã
làm việc này theo bản năng, còn một kiến trúc sư dù là tồi, trước khi xây dựng một
ngôi nhà ở ngoài đời thì họ đã xây dựng ngôi nhà trong đầu.
1.1.1.1. Dạng
Dạng là một nhóm các đối tượng có cùng một hoặc một số thuộc tính chung
(thuộc tính đặc trưng cơ bản), mà chỉ cần làm quen với một số hữu hạn các đối tượng

của nó là có thể nhận biết được các đối tượng khác trong cùng nhóm.
Một trong những vấn đề cơ bản nhất của nhận dạng là xây dựng được các thủ
tục phân loại (f) một tập các đối tượng Đ mà ta phải nhận dạng. Đó là giả thiết có tồn
tại một phân hoạch φ thỏa mãn một tiêu chuẩn nào đó. Khi phân loại (f), mô tả một

4


đối tượng thông thường có rất nhiều nét đặc trưng (dấu hiệu) nhưng thực tế người ta
chỉ lựa chọn một số hữu hạn các dấu hiệu tiêu biểu. Tiếp đó người ta tìm trong các
dấu hiệu trên các thành phần quan trọng nhất tương ứng với các thuộc tính cơ bản
nhất của đối tượng cho bởi các thông số. Các thuộc tính khi có thể đo lường được thì
gọi là các thuộc tính định lượng, khi không thể đo lường được thì gọi là các thuộc tính
định danh và được nhận các giá trị trong không gian độ đo µ. Từ các kết quả cho bởi
không gian độ đo µ, ứng dụng quy tắc phân loại f đối tượng sẽ được phân loại hoàn
toàn thành các lớp được biểu diễn trong không gian Euclide là Xj với:
(1.1)
Các lớp Xj thành một phân hoạch φ(X) cho ta cách nhận dạng các đối tượng.
1.1.1.2. Phân loại dạng
Dạng có thể chia thành các loại khác nhau tùy theo tiêu thức và thủ tục được sử
dụng để phân loại.
- Theo tính chất của đối tƣợng nghiên cứu, dạng được chia thành ba loại: dạng
hệ thống có nhiều người (Một doanh nghiệp, một lớp người, một quốc gia, một khối
nước, nhân loại…), dạng không có con người và dạng một người (nhân dạng).
- Theo tính chất vật lí của đối tƣợng nghiên cứu, dạng chia thành: dạng vật
(doanh nghiệp, nhà nước, thiết bị, chữ viết, âm thanh) và dạng người.
- Theo công cụ để nhận dạng, dạng chia thành: dạng nhận theo ngôn ngữ “tắt
mở” và dạng nhận theo các ngôn ngữ khác. Ngôn ngữ “tắt mở” hoặc ngôn ngữ “0 1”
hay ngôn ngữ “âm dương” là ngôn ngữ mà các giác quan con người thường sử dụng
để nhận biết đối tượng. Từ sự nhận viết của các giác quan, các tín hiệu nhận biết tắt

mở được thông báo về hệ thần kinh trung ương và con người nhận thức được đối
tượng. Trong 5 giác quan của con người, giác quan thị giác được sử dụng nhiều nhất.
Nhiều nhà nghiên cứu đã kết luận: 80% lượng thông tin con người thu nhận được từ
thế giới bên ngoài là nhờ thị giác. Dạng nhận được bằng ngôn ngữ tắt mở thường

5


được gọi là dạng hiện, còn dạng không thể nhận được chỉ bằng ngôn ngữ tắt mở đơn
thuần, mà phải huy động đến năng lực tư duy của con người để kết hợp các tín hiệu
tắt mở riêng lẻ lại, được gọi là dạng mờ. Các dạng mờ thường gặp trong quản lí kinh
tế.
1.1.1.3. Học dạng và nhận dạng
- Học dạng: là quá trình hình thành thủ tục phân loại f để xử lí các không gian
phân biệt, độ đo và quyết định. Nói cách khác, học dạng là quá trình nhận biết dạng
qua một số hữu hạn các phần tử của đối tượng (Đ) phải nhận dạng.Học dạng là quá
trình phức tạp mà con người có thể nhận thức được qua kinh nghiệm học dạng của
những nhà nghiên cứu đi trước có trình độ và hiểu biết hơn những người khác.
- Nhận dạng: là quá trình nhận biết một phần tử nào đó của đối tượng phải
nghiên cứu thuộc vào một dạng cho trước, từ đó rút ra các thuộc tính vốn có của nó để
đưa ra các quyết định quản lí đối tượng một cách tốt nhất.
1.1.1.4. Khoa học nhận dạng
Khoa học nhận dạng là khoa học nghiên cứu các quy luật, nguyên tắc, phương
pháp, kỹ thuật học dạng và nhận dạng để sử dụng vào thực tế hoạt động của con
người.
Đối tượng của khoa học nhận dạng là các quy luật học dạng, để từ đó có được
các thủ tục phân loại chuẩn xác các dạng, hình thành nên các phân hoạch chia dạng
của các không gian đối tượng phải nghiên cứu.
Học có giám sát: Kỹ thuật phân loại nhờ kiến thức biết trước được gọi là học
có thày. Về cơ bản , đă ̣c điể m của kỹ thuật này là người ta có một thư viện các mẫu

chuẩn. Mẫu cần nhận dạng sẽ được đem sánh với mẫu chuẩn để xem nó thuộc loại
nào. Thí dụ như trong một ảnh viễn thám, người ta muốn phân biệt một cánh đồng
lúa, vùng đất hoang mã hay một cánh rừng đã có các miểu tả về các đối tượng đó

.

Vấn đề chủ yếu là thiết kế một hệ thống ho ̣c thuâ ̣t có thể đối sánh đối tượng trong ảnh
với mẫu chuẩn và quyết định gán cho chúng vào một lớp . Việc đối sánh nhờ vào các

6


phương thức ra quyết định dựa trên một công cụ gọi là hàm phân lớp hay hàm ra
quyết định
Học không giám sát:Kỹ thuật học này phải tự định ra các lớp khác nhau và
xác định các tham số đặc trưng cơ bản cho từng lớp . Học không có thày đương nhiên
là khó khăn hơn . Một mặt , do số lớp không được biết trước , mặt khác những đặc
trưng của các đố i tươ ̣ng cũng không biết trước. Kỹ thuật này nhằm tiến hành mọi cách
gộp nhóm có thể và chọn lựa phương pháp tố t nhấ t có thể

. Bắt đầu từ tập dữ liệu ,

nhiều thủ tục xử lí khác nhau nhằm phân lớp và nâng cấp dần để đạt được phương
pháp phân lớp chính xác nhất.
Nhìn chung, dù là mô hình nào và kỹ thuật nhận dạng ra sao, một hệ thống nhận
dạng có thể tóm tắt theo sơ đồ sau:

Đối tượng

Tiền xử lý

Học

Nhận dạng

Định danh

Đối tượng

Hình 1.1. Sơ đồ tổng quát một hệ nhận dạng
1.2. Tổng quan về xử lý ảnh số
Xử lí ảnh là một trong những vấn đề được quan tâm hàng đầu trong lĩnh vực
nhận dạng hình ảnh. Với mục đích không chỉ hỗ trợ trong quá trình nhận dạng, mà
còn có vai trò quan trọng trong việc nâng cao chất lượng hình ảnh, từ đó đem lại
nhiều thông tin hơn cho quá trình nhận dạng sau này. Xử lí ảnh là một trong những
lĩnh vực khoa học và công nghệ. Nó là ngành khoa học mới mẻ đối với nhiều ngành
khoa học khác nhưng tốc độ phát triển của nó rất nhanh, kích thích các trung tâm
nghiên cứu, ứng dụng, đặc biệt là máy tính chuyên dụng riêng cho nó. Các phương

7


pháp xử lí ảnh bắt đầu từ các ứng dụng chính: nâng cao chất lượng ảnh và phân tích
ảnh.
1.2.1. Xử lý ảnh và các vấn đề cơ bản
1.2.1.1. Xử lý ảnh là gì?
Con người thu nhận thông tin hầ u hế t qua các giác quan , trong đó thị giác đóng
vai trò quan trọng nhất . Những năm trở lại đây với sự phát triển của phần cứng máy
tính, xử lý ảnh và đồ hoạ đó phát triển một cách mạnh mẽ và có nhiều ứng dụng thực
tế trong cuộc sống . Xử lý ảnh và đồ hoạ cũng đóng một vai trò vô cùng quan trọng

trong tương tác người máy.
Quá trình xử lý ảnh được xem như quá trình thao tác với ảnh đầu vào nhằm đưa
ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể ta ̣o nên một
ảnh có chấ t lươ ̣ng tố t hơn.

Ảnh
“Tốt hơn”
XỬ LÝ ẢNH

Ảnh

Kết luận

Hình1.2. Quá trình xử lí ảnh
Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh như 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 cũng có thể đươ ̣c coi như một hàm n b iến P(c1, c2,..., cn). Do đó, ảnh trong xử lý
ảnh có thể xem như ảnh n chiều.
Sơ đồ tổng quát của một hệ thống xử lý ảnh:

8


Hệ quyết định
Thu nhận ảnh
(Scanner,
Camera,Sensor)

Tiền xử lý

Trích chọn
đặc điểm

Đối sánh rút
ra kết luận

Hậu
xử lý

Lưu trữ

Hình1.3. Các bước cơ bản trong quá trình xử lí ảnh
1.2.1.2. Một số khái niệm cơ bản
Ảnh và điểm ảnh
Điểm ảnh được xem như là dấu hiệu hay cường độ sáng tại 1 toạ độ trong không
gian của đối tượng.
Mức xám, màu
Là số các giá trị có thể có của các điểm ảnh của ảnh
Nắn chỉnh biến dạng
Ảnh thu nhận thường bị biến dạng do các thiết bị số và điện tử.

P’i

Pi

f(Pi)

Ảnh thu nhận

Ảnh mong muốn

Hình1.4. Ảnh thu nhận và ảnh mong muốn

9


Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây
dựng trên tập các điểm điều khiển.
Giả sử (Pi, Pi’) i = 1, n có n các tập điều khiển
Tìm hàm f: Pi  f (Pi) sao cho
n


i 1

f ( Pi )  Pi '

2

 min

(1.5)

Giả sử ảnh bị biến đổi chỉ bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất
tuyến tính. Khi đó hàm f có dạng:
f (x, y) = (a1x + b1y + c1, a2x + b2y + c2)

(1.6)

Ta có:



   ( f ( Pi )  Pi )   a1 xi  b1 yi  c1  xi'   a2 xi  b2 yi  c2  yi' 
n

n

' 2

i 1

i 1

2

2



Để cho  min
n
n
n
 
n
2

0
a

x

b
x
y

c
x

xi xi'




1 i
1 i i
1 i


i 1
i 1
i 1
 a1
 i 1
n
n
n
n
 


2
'

0

a
x
y

b
y

c
y


 1 i i  1 i  1 i  y i xi
i 1
i 1
i 1
 b1
 i 1
n
n
n
 

'
0


 a1 xi   b1 y i  nc1   xi
i 1
i 1
 i 1
 c1

Giải hệ phương trình tuyến tính tìm được a1, b1, c1
Tương tự tìm được a2, b2, c2
 Xác định được hàm f
Khử nhiễu
Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh
- Nhiều hệ thống : nhiễu có quy luật và cũng có thể khử bằng các phép
biến đổi.
10

(1.7)


- Nhiễu ngẫu nhiên : nhiễu không rõ nguyên nhân và có thể khử bằ ng cách sử
dụng các phép lọc.
Chỉnh mức xám
Nhằm khắc phục tính không đồng đều của hệ thống gây ra . Thông thường có 2
hướng tiếp cận cho vấ n đề này:
- Giảm số mức xám : nhóm các mức xám gần nhau thành một tâ ̣p hơ ̣p . Trường
hợp chỉ có 2 mức xám ta có thể chuyển về ảnh đen trắng.
- Tăng số mức xám: nội suy ra các mức xám trung gian bằng kỹ thuật nội suy.
Kỹ thuật này nhằm tăng cường độ mịn cho ảnh.
Phân tích ảnh
Là khâu quan trọng trong quá trình xử lý ảnh để tiến tới hiểu ảnh . Trong phân
tích ảnh việc trích chọn đặc điểm là một trong những bước quan trọng. Các đặc điểm

cơ bản của đối tượng được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử
lý ảnh. Có thể chỉ ra một số đặc điểm của ảnh sau đây:
- Đặc điểm không gian: phân bố xác suất, phân bố mức xám, biên độ, điểm uốn
v.v..
- Đặc điểm biến đổi: trích chọn bằng việc thực hiện lọc vùng (zonal filtering).
Các bộ vùng được gọi feature mask thường là các khe hẹp với hình dạng khác nhau
(chữ nhật, tam giác, cung tròn v.v..)
- Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng. Do đó
1rất hữu ích trong việc trích trọn các thuộc tính bất biến được dùng khi nhận dạng đối
tượng. Các đặc điểm này cũng có thể được trích chọn nhờ toán tử gradient , toán tử la
bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) v.v..
Nhận dạng
Nhận dạng tự động mô tả đối tượng, phân loại và phân nhóm các mẫu là những
vấn đề quan trọng trong thị giác máy, ứng dụng trong nhiều ngành khoa học khác
nhau. Tuy nhiên, câu hỏi đặt ra: mẫu là gì? Watanabe, một trong những người đi đầu
trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực

11


thể (entity), được xác định một cách ang áng (vaguely defined) và có thể gán cho nó
một tên gọi nào đó”. Ví dụ mẫu có thể là ảnh của vân tay, hay ảnh của một vật nào đó
được chụp. Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể:
- Hoặc phân loại có mẫu, chẳng hạn phân tích phân biệt, trong đó mẫu đầu vào
được định danh như một thành phần của một lớp đã xác định.
- Hoặc phân loại không có mẫu: trong đó các mẫu được gán vào các lớp khác
nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các lớp này cho đến thời điểm phân
loại vẫn chưa biết hay chưa được định danh.
Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu
sau đây:

- Thu nhận dữ liệu và tiền xử lý dữ liê ̣u.
- Biểu diễn dữ liệu.
- Nhận dạng.
Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng bao gồ m:
- Đối sánh mẫu dựa trên các đặc trưng đã được trích chọn.
- Phân loại mẫu thố ng kê.
- Đối sánh dựa trên cấu trúc.
- Phân loại dựa trên neural network.
Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ để
phân loại mô ̣t cách “tối ưu” do đó cần sử dụng cùng một lúc nhiều phương pháp cũng như
cách tiếp cận khác nhau. Do vậy, các phương thức phân loại tổ hợp được sử dụng khi nhận
dạng và đã có những kết quả có triển vọng dựa trên các thiết kế các hệ thống lai(hybrid
system) bao gồm nhiều mô hình kết hợp.
1.3 Tổng kết
Nhận dạng là một khái niệm không hề mới trong những năm trở lại đây. Đó là
quá trình phân hoạch các đối tượng dựa trên một mô hình cụ thể nào đó. Hiện nay,
khoa học nhận dạng đang đưa ra rất nhiều ứng dụng trong thực tiễn. Qua đó cũng cho
12


thấy rằng, nhận dạng đã, đang và sẽ là một trong những bộ môn khoa học được
nghiên cứu và phát triển mạnh trong tương lai.
Xử lí ảnh là một trong những ngành khoa học hàng đầu . Tuy rằng mới được
nghiên cứu cách đây không lâu, nhưng nó đã có những bước phát triển mạnh mẽ, đặc
biệt đối với các hình thức nghiên cứu đặc thù. Việc đi sâu nghiên cứu và phát triển bộ
môn khoa học này không chỉ giúp đưa ra nhiều ứng dụng thực tiễn hơn, mà còn hỗ trợ
rất lớn đối với các bộ môn khoa học khác, đặc biết đối với các vấn đề về nhận dạng
hình ảnh.

13

Chƣơng 2
BÀI TOÁN NHẬN DẠNG BIỂN BÁO GIAO THÔNG
Nhận dạng biển báo không phải là một vấn đề quá mới mẻ, tuy nhiên nghiên
cứu và xây dựng một mô hình đủ mạnh để phát triển cũng như triển khai ứng dụng
nhận dạng trong thực tế không phải là một vấn đề đơn giản. Đã có khá nhiều hướng
tiếp cận được đưa ra, tuy nhiên hầu hết các ý tưởng đều chỉ có thể tiệm cận được một
giải pháp hợp lí đối với không gian các bài toán nhận dạng biển báo chuẩn, trong khi
đó, nhận dạng biển báo trên thực tế vẫn đang là một vấn đề cần nghiên cứu và đưa ra
giải pháp cụ thể.
Chương 2 của bản đồ án tập trung nghiên cứu các vấn đề của nhận dạng nói
chung, cũng như nhận dạng biển báo giao thông nói riêng , từ đó phân tích và đưa ra
các vấn đề có thể gặp phải đối với không gian bài toán nhận dạng biển báo giao
thông đang được đề cập tới . Từ đó đi ̣nh hướng cho viê ̣c giới thiê ̣u các kỹ thuật phân
lớp cụ thể sau này.
2.1. Các vấn đề học thuật
2.1.1. Xây dựng đặc trƣng cho đối tƣợng biển báo
Việc xây dựng một mô hình phù hợp cho các bài toán phân lớp nói chung và
nhận dạng nói riêng phụ thuộc vào khá nhiều yếu tố. Nhằ m tâ ̣p trung vào nội dung
chính của bản luận văn (phát hiện và nhận dạng đối tượng ảnh ), quá trình tiền xử lí
đối với ảnh đầu vào không được bàn tới quá nhiều ở đây. Về cơ bản, một hệ thống
phân lớp tốt cần đảm bảo 2 yếu tố: xây dựng được tập hợp các đặc trưng phù hợp, đủ
tính khái quát đối với đối tượng, và có một mô hình phân lớp phù hợp với tập hợp các
đặc trưng đang có. Việc giải quyết tốt 2 yếu tố này đảm bảo tính chính xác trong quá
trình làm việc của hệ thống phân lớp dữ liệu tương ứng.
Khá nhiều các phương pháp trích rút đặc trưng đã được đưa ra nghiên cứu và
phát triển, nhằm đưa ra được một tập đặc trưng có khả năng tổng quát hoá dữ liệu,
14

đồng thời cũng đảm bảo được các đặc trưng nổi bật để có thể phân lớp dữ liệu một
cách dễ dàng. Tất nhiên, việc tiệm cận được một phương pháp có thể làm việc tốt đối
với mọi loại dữ liệu và yêu cầu phân lớp là rất khó khăn, khi mà mỗi dữ liệu đều có
những đặc trưng riêng biệt. Việc bài toán nhận dạng biển báo đã được nghiên cứu và
phát triển một thời gian, một phần nào đó giúp cho việc lựa chọn phương pháp trích
rút hợp lí đối với đối tượng chữ viết có thêm nhiều góc nhìn khác nhau.
Việc lựa chọn tập các đặc trưng, nhằm biểu diễn đối tượng đối với các dữ liệu
có cấu trúc ổn định và không thay đổi quá nhiều như đối với các hình dạng biển báo
chuẩn không quá phức tạp. Vẫn đề chỉ nằm ở việc lựa chọn các đặc trưng có tính tổng
quát hoá cao, cũng như đảm bảo giữ lại được các cấu trúc mang tính riêng biệt, giúp
phân lớp dễ dàng các đối tượng đầu vào. Vấn đề trở nên phức tạp khi lựa chọn đặc
trưng đối với các dữ liệu có cấu trúc không ổn định và nhiều dạng như đối với bài
toán nhận dạng biển báo trên thực tế. Việc lựa chọn phương pháp trích rút hợp lí đã là
một vấn đề khó, chưa kể đến các yếu tố về tính đa dạng của cùng một nhãn dữ liệu,
tính mập mờ trong cấu trúc, tính động trong không gian và chiều trên cùng một mẫu
dữ liệu với cùng một dạng hiển thị. Rõ ràng rằng, việc xác định được một vectơ đặc
trưng hợp lí cho biển báo giao thông là phức tạp hơn rất nhiều các phương pháp nhận
dạng ký tự khác đã đề cập trước đó. Việc đảm bảo chất lượng và tính chính xác cho
dữ liệu trước khi đưa vào hệ thống phân lớp, cần phải giải quyết các vấn đề cụ thể
sau:
Phát hiện đối tượng (Object detection):
Nắm bắt chính xác đối tượng cần trích rút đặc trưng. Đây là vấn đề cơ bản của
bất cứ bài toán phân lớp dữ liệu nào. Tính chính xác trong quá trình xác định đối
tượng, ban đầu quyết định đến kết quả của quá trình phần lớp là đúng hay sai. Thao
tác này bao gồm cả vấn đề lọc bỏ nhiễu có thể ảnh hưởng đến quá trình phân lớp sau
đó. Điều đó đồng nghĩa với việc các thao tác nắm bắt và khoanh vùng chính xác từng
đối tượng đã được giảm thiểu đi khá nhiều vấn đề khó.

15