Một số kỹ thuật đánh giá độ tương tự trong tra cứu tàu cá trên biển

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

Ninh Thị Kim Yến

MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƯƠNG TỰ TRONG
TRA CỨU TÀU CÁ TRÊN BIỂN

LUẬN VĂN THẠC SỸ KHOA HỌC MÁY TÍNH

Thái Nguyên - 2016
Số hóa bởi Trung tâm Học liệu – ĐHTN




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

Ninh Thị Kim Yến

MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƯƠNG TỰ TRONG
TRA CỨU TÀU CÁ TRÊN BIỂN
Chuyên ngành: Khoa học máy tính
Mã số: 60480101

LUẬN VĂN THẠC SỸ KHOA HỌC MÁY TÍNH

NGƯỜI HƯỚNG DẪN KHOA HỌC
PGS.TS ĐỖ NĂNG TOÀN

Thái Nguyên - 2016
Số hóa bởi Trung tâm Học liệu – ĐHTN




LỜI CAM ĐOAN
Học viên xin cam đoan, toàn bộ nội dung liên quan tới đề tài được trình
bày trong luận văn là bản thân học viên tự tìm hiểu và nghiên cứu, dưới sự
hướng dẫn khoa học của PGS.TS Đỗ Năng Toàn.
Các tài liệu, số liệu tham khảo được trích dẫn đầy đủ nguồn gốc. Học
viên xin chịu trách nhiệm trước pháp luật lời cam đoan của mình.
Thái Nguyên, ngày 20 tháng 6 năm 2016
Học viên thực hiện

Ninh Thị Kim Yến

Số hóa bởi Trung tâm Học liệu – ĐHTN




LỜI CẢM ƠN
Học viên xin gửi lời cảm ơn tới các thầy, cô giáo của Trường Đại học
Công nghệ thông tin và Truyền thông - Đại học Thái Nguyên đã tận tình
truyền đạt kiến thức, tổ chức hoạt động cho lớp Thạc sĩ chuyên ngành Khoa
học máy tnh, khóa học 2014-2016. Đặc biệt, học viên xin gửi lời cảm ơn và
biết ơn sâu sắc nhất tới PGS.TS Đỗ Năng Toàn, trong thời gian qua đã luôn
tận tình chỉ bảo, giúp đỡ, kịp thời định hướng để em có thể hoàn thành được
luận văn này.

Học viên cũng xin gửi lời cảm ơn sâu sắc tới Thủ trưởng các cấp - nơi
học viên đang công tác, đã luôn tạo điều kiện, giúp đỡ để học viên hoàn
thành chương trình học trong thời gian qua. Đồng thời, học viên xin
được chân thành cảm ơn gia đình, các bạn cùng lớp và những người thân
thiết đã động viên, giúp đỡ trong suốt quá trình học tập và thực hiện luận
văn./.
Thái Nguyên, ngày 20 tháng 6 năm 2016
Học viên thực hiện

Ninh Thị Kim Yến

Số hóa bởi Trung tâm Học liệu – ĐHTN




i

MỤC LỤC
TRANG BÌA PHỤ
LỜI CAM ĐOAN LỜI
CẢM ƠN
MỤC

LỤC...................................................................................................................i

CÁC THUẬT NGỮ, TỪ VIẾT TẮT..................................................................... ...iii DANH
MỤC HÌNH MINH HỌA...............................................................................iv MỞ ĐẦU
....................................................................................................................... 1
Chương1. KHÁI QUÁT VỀ TRA CỨU ẢNH VÀ BÀI TOÁN TRA CỨU TÀU CÁ TRÊN BIỂN

.................................................................................................................. 3
1.1. Khái quát về tra cứu ảnh .................................................................................. 3
1.1.1. Giới thiệu ................................................................................................ 3
1.1.2. Một số phương pháp tra cứu ảnh............................................................
7
1.2. Bài toán tra cứu tàu cá trên biển ....................................................................
21
1.2.1. Giới thiệu .............................................................................................. 21
1.2.2. Cách tiếp cận ........................................................................................ 26
Chương 2. MỘT SỐ KỸ THUẬT ĐÁNH GIÁ ĐỘ TƯƠNG TỰ ............................ 27
2.1. Kỹ thuật theo mô hình không gian vector (VSM) ......................................... 27
2.1.1. Phép so sánh histogram ........................................................................ 27
2.1.2. Phép so sánh qua giá trị điểm ảnh ........................................................
33
2.2. Kỹ thuật theo mô hình k-phần tử kề cận (k-NN)........................................... 40
2.2.1. Thuật toán k-NN................................................................................... 40
2.2.2. k-NN trong so khớp điểm ảnh .............................................................. 42
2.3. Kỹ thuật kết hợp ............................................................................................ 50
Chương 3. CHƯƠNG TRÌNH THỬ NGHIỆM .......................................................... 54
3.1. Phân tch yêu cầu bài toán ............................................................................. 54
3.2. Phân tch lựa chọn công cụ ............................................................................ 55
3.2.1. Mô tả dữ liệu thử nghiệm ..................................................................... 55


ii

3.2.2. Trích chọn đặc trưng cho tàu cá ........................................................... 56
3.2.3. Lựa chọn kỹ thuật đánh giá độ tương tự ..............................................
56
3.3. Một số kết quả chương trình ..........................................................................

57
KẾT LUẬN ................................................................................................................. 61
TÀI LIỆU THAM KHẢO........................................................................................... 62
PHỤ LỤC .................................................................................................................... 64


iii

CÁC THUẬT NGỮ, TỪ VIẾT TẮT

STT

Từ, thuật ngữ

1

CBIR

2

QBIC

3

4

CIE

GIS

Ý nghĩa
Content Base Image Retrieval Tra cứu ảnh dựa vào
nội dung
Query By Image Content Truy vấn theo nội dung ảnh
Commission internationale de l'éclairage - Uỷ ban quốc
tế về màu sắc
Geographic Information System - Hệ thống thông tin
địa lý


iv

DANH MỤC HÌNH MINH HỌA
Hình 1.1. Mô hình hệ thống Tra cứu ảnh theo nội dung ..............................................
5
Hình 1.2. Không gian màu RGB được trực quan hoá như một hình khối..................... 8
Hình 1.3. Mô tả không gian màu HSV .......................................................................... 9
Hình 1.4. Ví dụ về một số loại kết cấu ........................................................................ 12
Hình 1.5. Mô hình tàu làm nghề lưới kéo ................................................................... 22
Hình 1.6. Mô hình tàu làm nghề lưới vây ................................................................... 22
Hình 1.7. Mô hình tàu làm nghề lưới rê ......................................................................
23
Hình 1.8. Mô hình tàu làm nghề câu ........................................................................... 23
Hình 1.9. Mô hình tàu làm nghề chụp mực................................................................. 23
Hình 1.10. Tàu cá lưới kéo 41,38 mét......................................................................... 24
Hình 1.11. Tàu chụp mực, dùng đèn vỏ thép dài 43,6 m ............................................ 25
Hình 1.12. Tàu lưới vây dùng đèn 37,8m ................................................................... 25
Hình 1.13. Tàu lưới kéo hai boong vỏ thép ................................................................ 25
Hình 1.14. Tàu câu mực xa bờ 65m ............................................................................ 25
Hình 2.1. Độ tương tự giữa a) và b) phải lớn hơn giữa a) và c) ................................. 28

Hình 2.2. Khoảng cách đường tiếp tuyến.................................................................... 34
Hình 2.3. Ảnh và histogram của ảnh ........................................................................... 36
Hình 2.4. (a) Ảnh gốc; (b) Histogram gốc; (c) Ảnh cân bằng ; (d) Histogram cân bằng ....
37
Hình 2.5. Khoảng cách Euclidean trong không gian 2D ............................................ 41
Hình 2.6. 1-NN và 2-NN ............................................................................................. 42
Hình 2.7. So khớp các điểm “quan trọng” (matching)................................................ 43
Hình 2.8. Mô tả điều kiện có thể “ghép đúng” được theo 3 phần tử kề cận ...............
43
Hình 2.9. Sơ đồ thuật toán dò biên Canny .................................................................. 50
Hình 2.10. Hàm xấp xỉ Gaussian rời rạc với   1.4 (cửa sổ W kích cỡ 5x5) ........... 51
Hình 2.11. Cặp mặt lạ tính toán gradient .................................................................... 51
Hình 3.1. Giao diện chương trình thử nghiệm ............................................................ 58
Hình 3.2. Chọn ảnh cần truy vấn................................................................................. 58
Hình 3.3. Biểu đồ Histograms của ảnh ....................................................................... 59
Hình 3.4. Xác định giá trị ngưỡng và ảnh xử lý.......................................................... 59
Hình 3.5. Giao diện hiển thị kết quả cuối cùng........................................................... 60


1

MỞ ĐẦU
1. Lý do chọn đề tài
Nhận dạng và xử lý ảnh là một trong những lĩnh vực có nhiều ứng dụng
trong thực tiễn như: Hệ thống thông tin địa lý, quân sự, y học, vv..... Đối với
lĩnh vực khoa học quân sự, trong những thập kỷ vừa qua, công nghệ xử lý
ảnh đã thực sự trở thành một lĩnh vực mũi nhọn không thể thiếu.
Thời gian gần đây, tình trạng tàu cá nước ngoài có những hành
động xâm phạm chủ quyền vùng biển Việt Nam ngày càng nhiều và phức tạp.
Tàu cá nước ngoài không chỉ khai thác trái phép hải sản, đưa

phương tiện vào thăm dò tài nguyên biển nước ta, mà còn xuất hiện những
hành động mang tính chất đặc biệt nguy hiểm, dễ gây xung đột vũ trang trên
biển như uy hiếp, vô cớ trấn cướp tài sản của ngư dân Việt Nam.

Một số hình ảnh tàu cá Việt Nam bị tàu cá nước ngoài uy hiếp trên
biển


2

Trong các lực lượng thực thi pháp luật trên biển của Việt Nam nói
riêng và trên thế giới nói chung, bài toán nhận dạng các loại tàu cá trên biển
luôn được đặt ra cấp thiết từ nhiều năm qua, giải quyết tốt bài toán này sẽ
giúp cho việc quản lý tình hình an ninh mặt biển được nhanh chóng, chính
xác, hiệu quả... Nhằm đáp ứng bài toán nhận dạng tàu cá, luận văn này sẽ tập
trung nghiên cứu một số kỹ thuật đánh giá độ tương tự trong tra cứu tàu cá
trên biển.
2. Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu của luận văn là các ảnh/video có chứa tàu bao
gồm các loại tàu cá nước ngoài, tàu cá Việt Nam cùng các đặc điểm hình dạng
cơ bản của chúng. Phạm vi nghiên cứu là các ảnh mặt biển vào ban ngày có
chứa một con tàu.
3. Những nội dung nghiên cứu chính
Luận văn được trình bày trong 3 chương, có phần mở đầu, phần kết
luận, phần mục lục, phần tài liệu tham khảo. Các nội dung cơ bản của luận
văn được trình bày theo cấu trúc sau:
Chương 1 - Khái quát về tra cứu ảnh và bài toán tra cứu tàu cá trên
biển
Chương 2 - Một số kỹ thuật đánh giá độ tương tự
Chương 3 - Chương trình thử nghiệm

Do thời gian thực hiện và hiểu biết của học viên còn hạn chế nên
luận văn này không tránh khỏi các thiếu sót về nội dung cũng như hình thức
trình bày. Học viên rất mong nhận được sự cảm thông, góp ý, nhận xét của
các quý thầy cô và người đọc để học viên có thể hoàn thiện và tiếp tục theo
các hướng nghiên cứu sau này.


3

Chương1
KHÁI QUÁT VỀ TRA CỨU ẢNH VÀ BÀI TOÁN TRA
CỨU TÀU CÁ TRÊN BIỂN
1.1. Khái quát về tra cứu ảnh
1.1.1. Giới thiệu
Những năm gần đây, vấn đề tra cứu ảnh số nhận được sự quan
tâm ngày càng lớn. Nguyên nhân một phần là do sự phát triển của công
nghệ chế tạo thiết bị thu nhận và lưu trữ ảnh số cũng như sự phát
triển mạnh mẽ của mạng Internet. Người sử dụng trong nhiều lĩnh vực
khác nhau có cơ hội để truy cập và sử dụng các kho lưu trữ ảnh thuộc
đủ loại chủ đề và với nhiều kiểu định dạng ảnh khác nhau. Tuy nhiên
người ta cùng nhận thấy rằng việc tìm được một bức ảnh mong muốn
trong bộ sưu tập ảnh đa dạng có kích thước lớn là rất khó khăn.
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 tm kiếm tất cả các ảnh về chủ đề về “tàu cá” 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 mẫu nào
đó trong một cơ sở dữ liệu ảnh.
Trước năm 1990, người ta thường sử dụng phương pháp tra cứu ảnh

theo văn bản (Text Based Image Retrieval). Theo cách này người ta sẽ gán
cho mỗi bức ảnh một lời chú thích 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 lời chú thích này. Phương pháp này khá đơn giản. Phương pháp tra
cứu ảnh như trên còn được gọi là tra cứu ảnh theo từ khóa. Tuy nhiên, việc
tra cứu chỉ dựa vào văn bản đi kèm còn có nhiều nhập nhằng giữa nội dung
hiển thị ảnh và nội


4

dung văn bản đi kèm ảnh trong quá trình tra cứu. Bên cạnh đó phương
pháp tra cứu ảnh dựa theo văn bản 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.
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.
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 Images Retrieval - CBIR). Phương pháp tra cứu ảnh theo
nội dung ra đời đã khắc phục được những nhược điểm của phương pháp từ
khóa. CBIR là một lĩnh vực khoa học được phát triển dựa trên cơ sở lý
thuyết và ứng dụng của xử lý ảnh. Hệ thống cho phép người dùng tra cứu
các ảnh tương tự trong một cơ sở dữ liệu hình ảnh.
CBIR được thực hiện thông qua việc tính độ tương tự giữa hai bức
ảnh được biểu diễn bởi một trong số các đặc trưng mức thấp của ảnh
như: Màu sắc, hình dạng, kết cấu… Kết quả đưa ra là tập các bức ảnh tương
tự với ảnh truy vấn được sắp xếp theo thứ tự giảm dần độ tương tự.
Trong một hệ thống tra cứu ảnh theo nội dung điển hình (hình vẽ 1.1)

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. Quá trình tra
cứu ảnh được tiến hành như sau: người sử dụng cung cấp cho hệ thống
tra cứu một ảnh mẫu cụ thể hoặc hình vẽ phác thảo của đối tượng ảnh cần
tm. Sau đó hệ thống sẽ chuyển những mẫu này thành các véc tơ đặc trưng
và tính toán sự giống nhau (hay độ tương tự) giữa véc tơ đặc trưng của
ảnh mẫu và véc tơ đặc trưng của các ảnh trong cơ sở dữ liệu. Sau cùng
việc tra cứu được tiến


5

hành với sự trợ giúp của các sơ đồ đánh chỉ số. Sử dụng sơ đồ đánh chỉ số là
cách hiệu quả để tìm kiếm trong các cơ sở dữ liệu ảnh.

trưng

Hình 1.1. 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 mẫu 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 mẫu 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 véc tơ đặc trưng.
Véc tơ đặc trưng của ảnh mẫu sẽ được so sánh với véc tơ 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 mẫu và ảnh lấy ra để so
sánh.
Dựa vào chỉ số độ tương tự tính toán được ở trên, hệ thống sẽ sắp xếp
các ảnh tm được trong cơ sở dữ liệu ảnh theo một sơ đồ đánh chỉ số nào đó.
Danh sách các ảnh tm được (đã được sắp xếp) được đưa ra đầu ra của hệ


thống.

6


7

Các chức năng chính của một hệ thống tra cứu ảnh dựa vào nội
dung bao gồm:
 Phân tích nội dung của nguồn thông tin và biểu diễn nội dung của các
nguồn thông tin được phân tích phù hợp với sự đối sánh truy vấn của
người sử dụng (không gian của thông tin nguồn được chuyển đổi thành
không gian đặc điểm với mục đích đối sánh nhanh trong bước tiếp
theo). Bước này thường mất nhiều thời gian cho việc xử lý tuần tự các
thông tin nguồn (ảnh) trong cơ sở dữ liệu. Nó chỉ phải làm một lần và có thể
làm độc lập.
 Phân tích các truy vấn của người dùng và biểu diễn chúng thành các
dạng phù hợp với việc đối sánh với cơ sở dữ liệu nguồn. Nhiệm vụ của bước
này giống với bước trước nhưng chỉ được áp dụng với những ảnh truy vấn.
 Xác định chiến lược để đối sánh tìm kiếm truy vấn với thông tin được
lưu trữ trong cơ sở dữ liệu. Bước này có thể thực hiện trực tuyến và thực
hiện rất nhanh. Công nghệ đánh chỉ số có thể được sử dụng để nhận dạng
không gian đặc điểm để tăng tốc độ xử lý đối sánh.

 Tạo ra sự điều chỉnh cần thiết trong hệ thống (thường là bằng cách
đối chiếu các tham số trong công nghệ đối sánh) dựa trên phản hồi từ
người sử dụng hoặc những hình ảnh được tra cứu.
Một hệ thống tra cứu ảnh dựa trên nội dung tiêu biểu không chỉ liên
quan tới các nguồn thông tin trong những dạng khác nhau (ví dụ như văn
bản, ảnh và video) mà còn liên quan đến nhu cầu của người sử dụng. Về
cơ bản nó phân tích cả nội dung của nguồn thông tin cũng như truy vấn của
người sử dụng và sau đó đối sánh chúng để tìm ra những tiêu chí có liên quan
này.
Các phương pháp truy vấn dưới đây được sử dụng phổ biến trong
nghiên cứu tra cứu ảnh dựa vào nội dung:
+ Truy vấn người sử dụng
+ Truy vấn bởi ảnh mẫu (QBE)


8

+ Truy vấn bởi đặc trưng (QBF)
+ Các truy vấn dựa vào thuộc tính
Một người sử dụng tiêu biểu chắc chắn thích truy vấn các hệ thống
tra cứu ảnh dựa vào nội dung bằng việc yêu cầu các câu hỏi tự nhiên như
“Đưa cho tôi tất cả các bức ảnh có hình ảnh của tàu cá” hoặc “Tìm tất cả các
ảnh có tàu”. Ánh xạ truy vấn ngôn ngữ tự nhiên này đến một truy vấn trên cơ
sở dữ liệu ảnh là vô cùng khó so với việc sử dụng các phương pháp chú thích.
Khả năng của các máy tnh để thực hiện nhận dạng đối tượng tự động trên
các ảnh chung vẫn là một vấn đề nghiên cứu mở. Do đó hầu hết các nỗ lực
nghiên cứu và thương mại tập trung vào xây dựng các hệ thống thực hiện tốt
với các phương pháp QBE.
1.1.2. Một số phương pháp tra cứu ảnh
1.1.2.1. Tra cứu ảnh theo nội dung

Trích rút đặc trưng là cơ sở của tra cứu ảnh dựa vào nội dung.
Theo nghĩa rộng, các đặc trưng có thể bao gồm cả các đặc trưng dựa vào văn
bản và các đặc trưng trực quan như màu, kết cấu, hình dạng. Trong
phạm vi đặc trưng trực quan, các đặc trưng có thể được phân loại tiếp thành
các đặc trưng chung và các đặc trưng lĩnh vực cụ thể. Các đặc trưng trực
quan chung gồm màu, kết cấu và hình dạng trong khi các đặc trưng lĩnh vực
cụ thể là phụ thuộc ứng dụng, có thể gồm mặt người và vân tay. Các đặc
trưng lĩnh vực cụ thể bao gồm nhiều tri thức lĩnh vực.
Nói chung, không tồn tại một biểu diễn đơn tốt nhất cho một đặc
trưng đã cho. Với mọi đặc trưng được cho tồn tại nhiều biểu diễn mô tả đặc
trưng từ các viễn cảnh khác nhau.
a) Màu sắc
Mắt người rất nhạy cảm với màu sắc và đặc điểm màu là một
trong những thành phần quan trọng giúp con người có thể nhận biết được
hình ảnh.


9

Vì vậy, đặc điểm màu sắc là đặc điểm cơ bản của nội dung ảnh. Đặc điểm
màu sắc có thể cung cấp những thông tin rất hữu hiệu cho việc phân loại
ảnh và chúng cũng rất hữu ích cho việc tra cứu ảnh. Cũng vì thế mà tra cứu
ảnh dựa trên màu sắc được sử dụng rộng rãi trong các hệ thống tra cứu
ảnh dựa trên nội dung. Biểu đồ màu thường được sử dụng để thể hiện
những đặc điểm màu của các ảnh. Mặc dù vậy trước khi sử dụng biểu đồ
màu chúng ta cần phải lựa chọn và xác định kiểu không gian màu và lựa chọn
độ đo tương tự.
 Không gian màu
Không gian màu là sự biểu diễn tập các màu, một số không gian màu
được sử dụng rộng rãi trong đồ họa máy tnh. Màu sắc thường được xác

định trong không gian màu 3 chiều.
Không gian màu RGB
Không gian màu RGB là không gian màu được sử dụng nhiều nhất cho
đồ hoạ máy tnh. Lưu ý rằng R, G và B là viết tắt của các từ đỏ (Red), xanh
lục (Green) và xanh lơ (Blue). Đây là không gian màu cộng: đỏ, xanh lục và
xanh lơ được kết hợp lại để tạo ra các màu khác. Không gian này không đồng
nhất về nhận thức. Không gian màu RGB có thể được trực quan hoá như một
hình khối, như được minh hoạ trong hình 1.2.

Hình 1.2. Không gian màu RGB được trực quan hoá như một hình khối.


10

Không gian màu HSx
Không gian màu HSI, HSV, HSB và HSL thường được gọi là HSx có mối
liên quan gần gũi với sự nhận thức về màu sắc của con người hơn là
không gian màu RGB. Những trục từ không gian màu HSx mô tả những đặc
tính của màu như sắc độ, độ bão hoà và độ sáng. Sự khác nhau giữa những
không gian màu HSx là sự biến đổi của chúng từ không gian màu RGB,
chúng thường được mô tả bằng những hình dạng khác nhau (như hình nón,
hình trụ). Trong hình 1.3 không gian màu HSV được mô tả như hình nón.

Hình 1.3. Mô tả không gian màu HSV

Sắc độ là thành phần của không gian màu HSx. Sắc độ là góc giữa
những đường tham chiếu và điểm gốc màu trong không gian màu RGB. Vùng
giá trị này từ 00 đến 3600. Trong hình nón độ bão hoà là khoảng cách từ tâm
đến cạnh hình nón. Chiều cao của đường cắt chính là giá trị (value) đây chính
là độ sáng hoặc độ chói của màu. Khi độ bão hoà S bằng 0 thì H không xác

định, giá trị nằm trên trục V biểu diễn ảnh xám. Không gian màu HSV dễ
dàng lượng tử hoá. Mức lượng tử hoá thông dụng trong không gian màu
này là 162 mức với H nhận 18 mức, S và V nhận 3 mức.
Không gian màu YUV và YIQ
Các không gian màu YUV và YIQ được phát triển cho truyền hình vô
tuyến. Không gian màu YIQ là giống như không gian màu YUV, ở đây mặt


11

phẳng I-Q là một mặt phẳng quay 330 của mặt phẳng U-V. Tín hiệu Y biểu
diễn độ chói của một pixel và là kênh duy nhất được sử dụng trong ti vi đen
trắng. U và V cho YUV và I và Q cho YIQ là các thành phần màu.
Kênh Y được định nghĩa bởi các giá trị năng lượng có trọng số của
R(0.299), G(0.587) và B(0.144). Các không gian màu YUV và YIQ không là
đồng nhất nhận thức. Khi các không gian màu YUV và UIQ được lượng
hoá, mỗi trục được lượng hoá với cùng độ chính xác.
Không gian màu CIE XYZ và CIE LUV
Không gian màu đầu tiên được phát triển bởi CIE là không gian màu XYZ.
Thành phần Y là thành phần độ chói được xác định bởi các tổng có trọng
số của R(0:212671), G(0:715160) và B(0:072169). X và Y là các thành phần
màu. Không gian màu XYZ là không đồng nhất nhận thức. Trong lượng hoá
không gian màu XYZ, mỗi trục được lượng hoá với cùng độ chính xác.
Không gian màu CIE LUV là một biến đổi xạ ảnh của không gian màu XYZ
là đồng nhất nhận thức. Kênh L của không gian màu LUV là độ chói của
màu. Các kênh U và V là các thành phần màu. Vậy, khi U và V được đặt bằng
0, kênh L biểu diễn một ảnh cấp xám.
Trong lượng hoá không gian LUV, mỗi trục được lượng hoá với cùng độ
chính xác. Với cả không gian màu XYZ và LUV, các lược đồ lượng hoá thường
sử dụng 8 (23), 27 (33), 64 (43), 125 (53) bin.

 Lược đồ màu
Lược đồ màu được xác định bằng một tập các bin, trong đó mỗi bin biểu
thị xác suất của các pixel trong ảnh. Một lược đồ màu H của một ảnh đã
cho
được xác định bởi véc tơ: H  H[0], H[1], H[2],..., H[i],...H[N ], trong
đó

H [i]

là

số các pixel có màu i trong ảnh, i biểu diễn một màu trong lược đồ màu và
tương ứng với một khối con trong không gian màu RGB và N là số các bin
trong lược đồ màu.


Mỗi pixel trong ảnh sẽ thuộc về một bin của lược đồ màu của ảnh, vì thế
với lược đồ màu của một ảnh, giá trị của mỗi bin là số các pixel cùng màu. Để
so sánh các ảnh có các kích cỡ khác nhau, các lược đồ màu được chuẩn hóa.
Lược đồ màu chuẩn hóa H’ được xác định:
H ' H '[0], H '[1], H '[2],..., H '[i],...H '[N],

với

H '[i] 

H [i ]
, P là tổng số các
P

pixel trong ảnh.
Trong lược đồ lượng hóa không gian màu lý tưởng, các màu riêng biệt
không được định vị trong cùng hình khối con và các màu tương tự được
gán vào cùng hình khối con. Sử dụng một số màu sẽ giảm khả năng các màu
tương tự được gán vào các bin khác nhau nhưng cũng tăng khả năng các màu
riêng biệt được gán vào cùng các bin, nội dung thông tin của các ảnh sẽ giảm.
Mặt khác, các lược đồ màu với một số lượng lớn các bin sẽ chứa nhiều thông
tin về nội dung của ảnh, theo đó giảm khả năng các màu riêng biệt sẽ được
gán vào cùng các bin. Tuy nhiên, chúng tăng khả năng các màu tương tự sẽ
được gán vào các bin khác nhau và tăng không gian lưu trữ biểu diễn ảnh
và thời gian tnh toán khoảng cách giữa các lược đồ màu. Do đó, cần có sự
thỏa hiệp trong việc xác định số lượng các bin sẽ được sử dụng trong các lược
đồ màu.
b) Kết cấu
Kết cấu là một đặc tính quan trọng khác của ảnh. Các biểu diễn kết
cấu đa dạng đã được nghiên cứu trong nhận dạng mẫu và thị giác máy tnh.
Về cơ bản, các phương pháp biểu diễn kết cấu có thể được phân ra thành
hai loại: cấu trúc và thống kê.
Các phương pháp cấu trúc, gồm toán tử hình thái và đồ thị kề, mô tả kết
cấu bởi nhận dạng cấu trúc gốc và các luật sắp đặt của chúng. Chúng có chiều
hướng hiệu quả nhất khi được áp dụng với các kết cấu đều.
Các phương pháp thống kê, gồm các kỹ thuật phổ năng lượng Fourier,


các ma trận đồng khả năng, phân tch thành phần chính bất biến - trượt, đặc
trưng Tamura, phân rã Wold, trường ngẫu nhiên Markov (Markov random
field), mô hình fractal và lọc đa phân giải như biến đổi Gabor và sóng, mô tả
kết cấu bằng phân bố thống kê của cường độ ảnh.
Trích xuất nội dung ảnh theo kết cấu nhằm tm ra mô hình trực quan
của ảnh và cách thức chúng được xác định trong không gian. Kết cấu được

biểu diễn bởi các texel mà sau đó được đặt vào một số các tập phụ thuộc vào
số kết cấu được phát hiện trong ảnh. Các tập này không chỉ xác định các kết
cấu mà còn chỉ rõ vị trí các kết cấu trong ảnh. Việc xác định các kết cấu đặc
biệt trong ảnh đạt được chủ yếu bằng cách mô hình các kết cấu như những
biến thể cấp
độ xám 2 chiều. Ví dụ về một số loại kết cấu.

c) Hình dạng

Hình 1.4. Ví dụ về một số loại kết cấu

Hình dạng được xem như là một đặc trưng quan trọng trong mô tả
các đối tượng nổi bật trong ảnh và có thể giúp phân biệt giữa hai ảnh.
Bước đầu tiên là sử dụng một phương pháp phân đoạn thích hợp để
chia ảnh thành các vùng. Các kỹ thuật phân đoạn có thể được phân lớp
thành ba loại: dựa vào vùng, dựa vào đường biên và dựa vào pixel. Sau khi
ảnh được phân đoạn và thu được các vùng, các đặc trưng thuộc về các vùng
thu được sẽ được ghi lại. Các mã xích sử dụng 4 hoặc 8 liên thông để biểu
diễn các đoạn thẳng tạo thành đường biên của vùng. Các dấu hiệu, số các


hình và đa giác là


các lược đồ biểu diễn khác.
Bước tiếp theo là sử dụng các mô tả thích hợp cho các vùng này sao cho
chúng có thể được sử dụng trong khi đối sánh các vùng của các ảnh
khác nhau. Các mô tả hình được chia thành ba loại: Các mô tả dựa vào đường
biên xác định các thuộc tnh của đường biên. Các kỹ thuật dựa vào đường
biên sử dụng các phác thảo vùng để tính toán hình. Mô tả Fourier là một

trong những phương pháp phổ biến thuộc về loại này. Trong kỹ thuật này,
đường biên của một vùng đã cho được thu và được biến đổi Fourier. Các hệ
số Fourier trội được sử dụng như các mô tả hình. Các mô tả khác trong
loại này là các mômen hình.
Nếu một vùng có một hình phức hợp, nó có thể được phân tách
tiếp thành các hình đơn giản hơn như các hình chữ nhật hoặc các hình tròn
và một số thuộc tính của các hình đơn giản này và các quan hệ của chúng có
thể được sử dụng cho các mô tả hình. Các mô tả vùng khác gồm màu và kết
cấu. Một số đặc tính của vùng như trọng tâm, không cụ thể đối với đường
biên hoặc nội dung của vùng.
d) Thông tin không gian
Các vùng hoặc đối tượng với các đặc tnh màu và kết cấu tương tự có
thể được phân biệt dễ dàng bằng việc tận dụng các ràng buộc không gian. Thí
dụ, các vùng bầu trời màu xanh và biển xanh có thể có các lược đồ màu
tương tự, nhưng các vị trí không gian của chúng trong các ảnh là khác nhau.
Do đó, vị trí không gian của các vùng (hoặc các đối tượng) hoặc quan hệ
không gian giữa nhiều vùng (hoặc đối tượng) trong một ảnh thì rất hữu ích
cho tìm kiếm các ảnh.
Thu thông tin không gian của các đối tượng trong một ảnh là một quá
trình quan trọng đối với các hệ thống GIS. Quá trình này bao gồm việc biểu
diễn vị trí không gian tuyệt đối và cũng bao gồm vị trí không gian tương đối


của các đối tượng. Các thao tác như giao và chồng được sử dụng. Bố cục
màu kết hợp thông tin không gian với thông tin màu xuất hiện trong ảnh và
tạo ra một đặc trưng rất quan trọng trong quá trình tra cứu, gọi là đặc trưng
màu – không gian.
Biểu diễn quan hệ không gian được sử dụng rộng rãi nhất là các xâu 2D
được đề xuất bởi Chang và cộng sự. Nó được xây dựng bởi việc chiếu các ảnh
dọc theo các hướng x và y. Hai tập ký hiệu V và A được định nghĩa trên hình

chiếu. Mỗi ký hiệu trong V biểu diễn một đối tượng trong ảnh. Mỗi ký hiệu A
biểu diễn một loại quan hệ không gian giữa các đối tượng. Do sự biến đổi của
nó, xâu 2DG cắt tất cả các đối tượng dọc theo hình hộp tối thiểu của nó và
mở rộng các quan hệ không gian thành lập hai toán tử không gian. Một tập
định nghĩa các quan hệ không gian cục bộ. Tập còn lại định nghĩa quan hệ
không gian toàn cục, chỉ ra rằng hình chiếu của hai đối tượng là tách rời,
nối tiếp hoặc định vị tại cùng vị trí. Thêm nữa, xâu 2DC được đề xuất để cực
tiểu hóa số các đối tượng cắt. Xâu 2D-B biểu diễn một đối tượng bằng hai ký
hiệu, vị trí cho bắt đầu và kết thúc đường bao của đối tượng. Tất cả các
phương pháp này có thể hỗ trợ ba loại truy vấn. Loại truy vấn 0 tìm tất cả
ảnh chứa đối tượng O1, O2, ...,On. Loại 1 tm tất cả các ảnh chứa các đối
tượng có quan hệ nào đó giữa chúng nhưng khoảng cách giữa chúng là
không đáng kể. Loại 2 tm tất cả các ảnh có quan hệ khoảng cách nào đó với
mỗi ảnh khác.
Thêm với xâu 2D, cây tứ phân không gian và ảnh ký hiệu cũng được sử
dụng cho biểu diễn thông tin không gian. Tuy nhiên, tm kiếm các ảnh dựa
trên các quan hệ không gian của các vùng còn lại là một vấn đề nghiên cứu
khó trong tra cứu ảnh dựa vào nội dung, do phân đoạn tin cậy của các đối
tượng hoặc các vùng thường là không khả thi ngoại trừ các ứng dụng rất giới
hạn. Mặc dù một số hệ thống chia các ảnh thành các khối đều, chỉ thu được
sự thành công khiêm tốn với các lược đồ chia không gian như thế do hầu hết


các