Nghiên cứu phương pháp tra cứu ảnh sử dụng phân cụm gia tăng với phản hồi liên quan

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

NGUYỄN VĂN TOÀN

NGHIÊN CỨU PHƯƠNG PHÁP TRA CỨU ẢNH SỬ
DỤNG PHÂN CỤM GIA TĂNG
VỚI PHẢN HỒI LIÊN QUAN

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

THÁI NGUYÊN, 2018
i


LỜI CẢM ƠN

Luận văn này được hoàn thành với sự hướng dẫn tận tình của PGS.TS
Nguyễn Hữu Quỳnh – Khoa Công nghệ thông tn - Đại học Điện lực. Trước tiên
tôi xin chân thành bày tỏ lòng biết ơn sâu sắc tới PGS.TS Nguyễn Hữu Quỳnh
người đã tận tnh hướng dẫn, động viên giúp đỡ tôi trong suốt thời gian thực
hiện luận văn. Tôi cũng xin chân thành cảm ơn các thầy cô trong trường Đại học
Công Nghệ thông tin và Truyền thông – Đại học Thái Nguyên, tạo điều kiện
thuận lợi cho tôi hoàn thành tốt khóa học.
Xin chân thành cảm ơn các anh, các chị và các bạn học viên lớp Cao học
CHK15A đã luôn động viên, giúp đỡ và nhiệt tnh chia sẻ với tôi những kinh
nghiệm học tập, công tác trong suốt khoá học.
Cuối cùng, tôi xin gửi lời cảm ơn sâu sắc đến gia đình, người thân, bạn bè
đã động viên, khuyến khích và hỗ trợ cần thiết để tôi hoàn thành luận văn này.
Mặc dù rất cố gắng, song luận văn này không thể tránh khỏi những thiếu
sót,

kính mong được sự chỉ dẫn của các quý thầy cô và các bạn.
Thái Nguyên, ngày 2 tháng 5 năm 2018
Người viết

Nguyễn Văn Toàn

ii


LỜI CAM ĐOAN
Tôi xin cam đoan rằng số liệu và kết quả nghiên cứu trong luận văn này là
trung thực và không trùng lặp với các đề tài khác. Tôi cũng xin cam đoan rằng
mọi sự giúp đỡ cho việc thực hiện luận văn này đã được cảm ơn và các thông
tn trích dẫn trong luận văn đã được chỉ rõ nguồn gốc.

Thái Nguyên, ngày 2 tháng 5 năm 2018
Người cam đoan

Nguyễn Văn Toàn

iii


MỤC LỤC

LỜI CẢM ƠN ........................................................................................................ i
LỜI CAM ĐOAN................................................................................................. iii
MỤC LỤC ............................................................................................................ iv
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT....................................... vi DANH
MỤC CÁC BẢNG BIỂU ....................................................................... vii DANH

MỤC CÁC HÌNH .................................................................................. viii MỞ ĐẦU
............................................................................................................... 1
CHƯƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA VÀO NỘI DUNG VỚI PHẢN HỒI
LIÊN QUAN ..................................................................................... 4
1.1. Tổng quan về tra cứu ảnh dựa vào nội dung .............................................. 4
1.1.1. Vấn đề tra cứu ảnh dựa vào nội dung ................................................. 4
1.2. Tra cứu ảnh sử dụng phản hồi liên quan .................................................. 14
1.3. Vấn đề phân cụm[1] ................................................................................. 16
1.3.1. Thuật toán K-Means.......................................................................... 20
1.3.2. Phân cụm phân cấp ........................................................................... 21
1.3.3. Phân cụm dựa vào mật độ .................................................................
23
1.3.4. Phân cụm dựa vào mô hình ...............................................................
23
1.3.5. Phân cụm dựa vào đồ thị ...................................................................
26
1.4. Tiểu kết chương 1. ................................................................................... 26
CHƯƠNG 2: PHƯƠNG PHÁP TRA CỨU ẢNH VỚI PHẢN HỒI LIÊN QUAN SỬ DỤNG
PHÂN CỤM GIA TĂNG................................................................. 27
2.1. Tra cứu ảnh với ngữ nghĩa mức cao ........................................................ 27
2.1.1. Giới thiệu về tra cứu ảnh với ngữ nghĩa mức cao............................. 27
2.1.2. Khoảng cách ngữ nghĩa..................................................................... 28
2.1.3. Phản hồi liên quan ............................................................................. 29
2.2. Tra cứu ảnh với phản hồi liên quan ......................................................... 31
iv


2.3. Kỹ thuật phân tch phân biệt tuyến tính (LDA-Linear Discriminant
Analysis).......................................................................................................... 32

v


2.3.1. Định nghĩa về LDA ........................................................................... 32
2.3.2 Tính toán phương sai between-class (���)
......................................... 32
2.3.3 Tính phương sai within-class (��) .................................................... 34
2.3.4 Xây dựng không gian thấp chiều ....................................................... 36
2.3.5. Sơ đồ phương pháp tra cứu ảnh sử dụng phân cụm gia tăng trong
phản hồi liên quan
................................................................................................ 37
2.4. Tiểu kết chương 2..................................................................................... 39
CHƯƠNG 3: CHƯƠNG TRÌNH THỬ NGHIỆM ............................................. 40
3.1. Giới thiệu bài toán tra cứu ảnh dựa vào nội dung....................................
40
3.2. Môi trường thực nghiệm. ......................................................................... 41
3.2.1. Cơ sở dữ liệu ảnh. ............................................................................. 42
3.2.2. Vec-tơ đặc trưng................................................................................ 43
3.2.3. Tập tin cậy nền .................................................................................. 44
3.2.4. Cấu hình đề xuất thiết bị chạy thực nghiệm ..................................... 44
3.3. Đánh giá kết quả thực nghiệm. ................................................................ 44
3.3.1. Chiến lược mô phỏng phản hồi liên quan. ........................................ 44
3.3.2. Kết quả đánh giá................................................................................ 45
3.4. Giao diện hệ thống ................................................................................... 47
3.5. Tiểu kết chương 3. ................................................................................... 51
KẾT LUẬN ......................................................................................................... 52
TÀI LIỆU THAM KHẢO................................................................................... 53

vi

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
Từ viết tắt

Diễn giải

CBIR

Tra cứu ảnh dựa vào nội dung.

RBIR

Tra cứu ảnh dựa vào vùng

CSDL

Cơ sở dữ liệu

CRT
EMD

Mẫu vùng cấu tạo
Earth Mover Distance

IRM

Lược đồ đối sánh vùng tích hợp

DPF

Hàm khoảng cách động một phần

MRMD

Khoảng cách đa tạp đa phân giải

RF

Phản hồi liên quan

vi


DANH MỤC CÁC BẢNG BIỂU
Bảng 3.1. Bảng phân bố tập ảnh Corel................................................................ 42
Bảng 3.2. Các loại đặc trưng. .............................................................................. 43
Bảng 3.3. Bảng cấu hình đề xuất thiết bị chạy thực nghiệm. ............................. 44
Bảng 3.4. Bảng kết quả của các phương pháp .................................................... 46

vii


DANH MỤC CÁC HÌNH
Hình 1.1. Kiến trúc tổng quan của hệ thống tra cứu ảnh dựa vào nội dung. ........
5
Hình 1.2. Không gian màu RGB. .......................................................................... 8
Hình 1.3. Không gian màu HSV. .......................................................................... 9
Hình 1.4. Lược đồ của một hệ thống CBIR với RF. ........................................... 16
Hình 1.5. Các tập dữ liệu và các cụm ................................................................. 17
Hình 1.6. Các tập dữ liệu không thích hợp với K-Means. .................................. 21

Hình 1.7 Phân cụm phân cấp tập dữ liệu D={a,b,c,d,e} ..................................... 22
Hình 2.1. Dịch chuyển điểm truy vấn. ................................................................ 29
Hình 2.2. Hình dạng lồi (đa điểm). ..................................................................... 30
Hình 2.3. Hình dạng lõm (đa điểm). ................................................................... 30
Hình 2.4. Tra cứu ảnh dựa vào nội dung với phản hồi liên quan. ...................... 31
Hình 2.5. Các bước được trực quan hóa để tính một không gian con chiều thấp
hơn của kỹ thuật LDA. ........................................................................................ 33
Hình 2.6. Sơ đồ tra cứu ảnh sử dụng phân cụm gia tăng. ...................................
38
Hình 3.1. Mô hình tổng quát của hệ thống..........................................................
41
Hình 3.2. Biểu đồ so sánh kết quả thực nghiệm ................................................. 46
Hình 3.3. Giao diện chính của hệ thống.............................................................. 47
Hình 3.4. Chọn tập dữ liệu ảnh / đặc trưng .........................................................
48
Hình 3.5. Chọn ảnh truy vấn khởi tạo. ................................................................ 48
Hình 3.6. Tra cứu với truy vấn khởi tạo 84003, 84004, 84008 thuộc lớp 840. .. 48
Hình 3.7. Kết quả phân cụm tập huấn luyện. ......................................................
49
Hình 3.8. Công cụ tra cứu và phân cụm LDA. ................................................... 49
viii


Hình 3.9. Kết quả tra cứu phản hồi liên quan. .................................................... 50
Hình 3.10. Kết quả phân cụm gia tăng................................................................ 50
Hình 3.11. Kết quả tra cứu sau khi sử dụng phân cụm gia tăng. ........................ 51

viii

MỞ ĐẦU
Tra cứu ảnh dựa vào nội dung (CBIR-Content Based Image Retrieval) đã
nhận được nhiều sự quan tâm trong thập kỷ qua, do nhu cầu xử lý hiệu quả
lượng dữ liệu đa phương tiện khổng lồ và tăng nhanh chóng. Nhiều hệ thống
CBIR đã được phát triển, gồm QBIC, Photobook, MARS, VisualSEEK, SIMPLIcity
và những hệ thống khác. Trong một hệ thống CBIR têu biểu, các đặc trưng ảnh
trực quan mức thấp (tức là màu, kết cấu và hình dạng) được trích rút tự động
cho mục têu đánh chỉ số và mô tả ảnh. Để tm kiếm các ảnh mong muốn, người
dùng đưa một ảnh làm mẫu và hệ thống trả lại một tập các ảnh tương tự dựa
vào các đặc trưng được trích rút.
Là một vấn đề quan trọng trong CBIR, độ đo tương tự lượng hóa sự giống
nhau về nội dung giữa từng cặp ảnh. Phụ thuộc vào kiểu đặc trưng được trích
rút mà chúng ta lựa chọn độ đo tương tự thích hợp. Tất cả các kỹ thuật tra cứu
ảnh dựa vào nội dung hiện nay đều thừa nhận thông tin tương hỗ giữa độ đo
tương tự ảnh và ngữ nghĩa của ảnh. Bằng nhiều cách khác nhau, độ đo tương
tự cố gắng nắm được một khía cạnh nào đó của nội dung ảnh, đó là ngữ nghĩa
kế thừa từ độ tương tự hay đặc trưng mức thấp. Tuy nhiên, ngữ nghĩa kế thừa
từ độ tương tự nhiều khi không giống với khái niệm mức cao được truyền tải
bởi một ảnh (ngữ nghĩa của ảnh). Đó chính là khoảng cách ngữ nghĩa, nó phản
ánh sự khác biệt giữa năng lực mô tả hạn chế của đặc trưng trực quan mức
thấp và khái niệm mức cao. Các kỹ thuật trong việc rút ngắn “khoảng cách ngữ
nghĩa” gồm có 5 loại chính: (1) sử dụng bản thể đối tượng để xác định các khái
niệm mức cao, (2) sử dụng các công cụ học máy để kết hợp các đặc trưng mức
thấp với các khái niệm truy vấn, (3) đưa phản hồi liên quan vào lặp tra cứu cho
học ý định của người dùng, (4) sinh ra mẫu ngữ nghĩa để hỗ trợ tra cứu ảnh
mức cao, (5) Cách sử dụng cả nội dung trực quan của các ảnh và thông tin văn
bản thu được từ Web cho tra cứu ảnh trên Web.
1

Từ những nhận định trên và được sự gợi ý của giáo viên hướng dẫn, tôi
quyết định chọn đề tài: “Nghiên cứu phương pháp tra cứu ảnh sử dụng phân
cụm gia tăng với phản hồi liên quan”. Đề tài sẽ kết hợp hai hướng tiếp cận (2)
và (3), đưa phản hồi liên quan của người dùng vào quá trình tra cứu và sử dụng
phương pháp phân cụm gia tăng để phân cụm tập ảnh phản hồi nhằm biểu
diễn nhu cầu thông tin người dùng hiệu quả.
Phản hồi liên quan là một quá trình trực tuyến mà cố gắng học mục đích
của người dùng trong quá trình tra cứu, là một công cụ mạnh được sử dụng
truyền thống trong các hệ thống tra cứu thông tin. Nó được giới thiệu đối với
CBIR khoảng đầu những năm 1990, với mục đích mang người dùng vào lặp tra
cứu để giảm khoảng cách ngữ nghĩa giữa những gì mà truy vấn biểu diễn và
những gì người dùng nghĩ. Bằng việc tiếp tục học thông qua tương tác với các
người dùng cuối, phản hồi liên quan đã được chỉ ra là cung cấp cải tiến hiệu
năng đáng kể trong các hệ thống CBIR.
Phân cụm là một phương pháp học không giám sát để tạo thành các nhóm
hay các cụm dữ liệu. Lý thuyết phân cụm giả thuyết rằng “các đối tượng gần
nhau có xu hướng liên quan tới cùng một yêu cầu”. Đã có nhiều thuật toán thực
hiện việc phân cụm như: K-mean, K-medoid, EM…Tuy nhiên, các thuật toán này
thường được gọi là phân cụm ngoại tuyến (off-line), tức là, các thuật toán này
thực hiện phân cụm trên toàn bộ cơ sở dữ liệu ảnh đã có sẵn (gồm rất nhiều
ảnh), mỗi khi có ảnh mới bổ sung vào, quá trình lại phải phân cụm lại từ đầu.
Các thuật toán ngoại tuyến không phù hợp trong các trường hợp đòi hỏi trực
tuyến (on-line), chẳng hạn, trường hợp mà áp dụng trên một tập ảnh nhỏ (là
kết quả của một lần thực hiện tra cứu) nhưng đòi hỏi phân cụm ngay lập tức
trong khi vẫn còn nhiều ảnh cần được bổ sung và phân cụm tếp theo không cần
phải tiến hành với dữ liệu đã được phân cụm trước đó. Thuật toán mà đáp ứng
trường hợp trực tuyến này phải có tính chất “gia tăng” hay gọi là phân cụm gia
2

tăng.

3


Nhiệm vụ chính của luận văn là nắm vững kiến thức tổng quan của lĩnh vực
xử lý ảnh, đi sâu nghiên cứu lĩnh vực tra cứu ảnh dựa vào nội dung, tm hiểu
một số thuật toán học không giám sát, nghiên cứu thuật toán phân cụm gia
tăng và đưa vào hệ thống tra cứu ảnh dựa vào nội dung. Cài đặt chương trình
thử nghiệm đánh giá, so sánh hiệu quả của hệ thống tra cứu ảnh dựa vào nội
dung sử dụng phân cụm phổ với một số hệ thống tra cứu ảnh điển hình khác.
Bố cục luận văn:
Chương 1: Tổng quan về tra cứu ảnh dựa vào nội dung với phản hồi liên quan
Chương 2: Phương pháp tra cứu ảnh với phản hồi liên quan sử dụng phân
cụm gia tăng.
Chương 3: Chương trình thử nghiệm.

4


CHƯƠNG 1: TỔNG QUAN VỀ TRA CỨU ẢNH DỰA VÀO NỘI DUNG VỚI PHẢN
HỒI LIÊN QUAN
1.1. Tổng quan về tra cứu ảnh dựa vào nội dung
1.1.1. Vấn đề tra cứu ảnh dựa vào nội dung
Tra cứu ảnh dựa vào nội dung là việc áp dụng kỹ thuật thị giác máy tnh
vào vấn đề tm kiếm hình ảnh, tức là vấn đề tm kiếm hình ảnh kỹ thuật số
trong các cơ sở dữ liệu (lớn). Tra cứu ảnh dựa vào nội dung sử dụng những nội
dung thị giác như màu sắc, hình dạng, kết cấu, không gian để biểu diễn ảnh. Các
nội dung thị giác của ảnh được trích rút và mô tả bằng các véc tơ đặc trưng đa
chiều có dạng véc tơ đặc trưng của cơ sở dữ liệu. Khởi đầu cho việc tra cứu

ảnh, người dùng cung cấp một ảnh mẫu cho hệ thống tra cứu. Hệ thống này sẽ
chuyển đổi những ảnh mẫu này thành các véc tơ đặc trưng và so sánh với
khoảng cách/độ tương tự của các véc tơ đặc trưng của những ảnh trong cơ sở
dữ liệu để tính toán và đưa ra kết quả là bức ảnh có độ tương tự cao nhất.
Hệ thống tra cứu ảnh dựa vào nội dung
1.1.1.1. Các chức năng của hệ thống tra cứu ảnh dựa vào nội dung
Một hệ thống tra cứu ảnh dựa vào nội dung (CBIR – Content Based Image
Retrieval) có các chức năng chính như sau:
1) Trích rút đặc trưng và biểu diễn các nội dung của các nguồn được phân
tch theo cách thích hợp cho so sánh các truy vấn sử dụng (không gian của
nguồn thông tin được biến đổi thành không gian đặc trưng cho mục tiêu so
sánh nhanh trong bước tiếp theo). Bước này thông thường cần rất nhiều thời
gian do nó phải xử lý lần lượt tất cả thông tin nguồn (các ảnh) trong cơ sở dữ
liệu. Tuy nhiên, bước này được thực hiện chỉ một lần và có thể được thực hiện
ngoại tuyến.
2) Phân tch truy vấn của người sử dụng và biểu diễn chúng dưới dạng
thích hợp để đối sánh với cơ sở dữ liệu nguồn. Bước này là tương tự với bước
trước, nhưng chỉ áp dụng với ảnh cần truy vấn.
3) Thực hiện so sánh các truy vấn tìm kiếm với thông tin có trong cơ sở dữ
5


liệu được lưu trữ để tra cứu thông tn liên quan theo một cách hiệu quả. Bước
này

6


được thực hiện trực tuyến và yêu cầu là phải đáp ứng rất nhanh. Các kỹ thuật
đánh chỉ số hiện đại có thể được sử dụng để tổ chức lại không gian đặc trưng

nhằm tăng tốc quá trình đối sánh.
4) Thực hiện các điều chỉnh cần thiết trong hệ thống (thường là điều chỉnh
các tham số trong máy đối sánh) dựa trên phản hồi từ người sử dụng và/hoặc
các ảnh được tra cứu.
1.1.1.2. Một số hệ thống CBIR tiêu biểu

Thực hiện ngoại tuyến

Tạo truy
vấn

Cơ sở dữ liệu
đặc trưng

Đánh chỉ số

Người
dùng

Trích rút đặc trưng

Cơ sở dữ
liệu ảnh

Véc tơ
đặc
trưng

So sánh độ
tương tự

Các kết quả Đầu ra
tra cứu

Phản hồi
liên quan
Hình 1.1. Kiến trúc tổng quan của hệ thống tra cứu ảnh dựa vào nội dung.
Một hệ thống CBIR sẽ thực hiện truy vấn ảnh dựa trên việc tự động rút
trích các thông tn đặc trưng hình ảnh như: màu sắc, kết cấu, hình dạng, vị trí.
Các nhà nghiên cứu đã đưa ra nhiều phương pháp với những cách tiếp cận khác
nhau; do đó rất nhiều hệ thống truy vấn ảnh dựa trên nội dung đã ra đời như:
QBIC, BlobWorld, VisualSEEk, MARS, Photobook, Virage, Netra, SIMPLIcity, NEC
PicHunter… Dưới đây xin điểm qua một số hệ thống CBIR tiêu biểu.

7


1) Hệ thống QBIC
Hệ thống truy vấn ảnh theo nội dung QBIC (Query By Image Content) được
nghiên cứu và phát triển bởi nhóm nghiên cứu Visual Media Management
thuộc công ty IBM, là hệ thống tra cứu ảnh thương mại được phát triển từ rất
sớm. Người dùng xây dựng một phác thảo, vẽ ra và lựa chọn màu cùng kết cấu
dựa theo ảnh truy vấn.
Hệ thống này hỗ trợ một vài độ đo tương tự cho ảnh như: trung bình màu
sắc, lược đồ màu sắc và kết cấu. Công nghệ sử dụng trong hệ thống bao gồm
đánh chỉ số và tm kiếm. Hiện nay hệ thống này còn cung cấp vài cách tiếp cận
truy vấn theo đơn đặc trưng, đa đặc trưng và đa giai đoạn.
2) Hệ thống Blobwold
Hệ thống Blobwold do khoa Khoa học máy tnh, Đại học California,
Berkeley nghiên cứu và phát triển. Các đặc tính được sử dụng cho truy vấn là
màu sắc, kết cấu, vị trí và hình dạng của vùng và nền. Màu sắc được mô tả bởi

biểu đồ
218 bin màu kết hợp trong không gian Lab. Kết cấu được thể hiện bằng sự
tương phản và không đẳng hướng trên vùng như không gian 2D (độ tương
phản, độ tương phản x tnh không đẳng hướng). Hình dạng được thể hiện bằng
(xấp xỉ) vùng, độ lệch tâm và định hướng.
3) Hệ thống VisualSEEk
Hệ thống VisualSEEk được xây dựng bởi Trung tâm nghiên cứu viễn thông
thuộc trường đại học Columbia, New York. Đây là hệ thống truy vấn dựa vào các
đặc trưng trực quan của ảnh, sử dụng không gian 166 màu HSV. Sự tương đồng
giữa hai ảnh được xác định theo sự tương đồng của các vùng trong ảnh. Hệ
thống cho phép người dùng nhập vào truy vấn, sử dụng các đặc trưng mức thấp
của hình ảnh như: màu sắc, bố cục không gian và kết cấu. Các đặc trưng đó
được mô tả theo màu sắc và biến đổi Wavelet dựa trên đặc trưng kết cấu.
4) Hệ thống Netra
Hệ thống Netra sử dụng các đặc trưng của ảnh: màu sắc, hình dạng, kết


cấu, vị trí không gian trong các vùng ảnh được phân đoạn để tm kiếm và tra
cứu các


vùng tương tự từ cơ sở dữ liệu. Các đặc trưng nghiên cứu chính của hệ thống
Netra là phân tích kết cấu dựa trên lọc Gabor, xây dựng từ điển ảnh dựa trên
mạng neural và phân đoạn vùng dựa vào luồng biên.
Trích rút đặc trưng
Trích rút đặc trưng ảnh mức thấp là cơ sở của các hệ thống CBIR. Trích rút
đặc trưng bao gồm trích rút thông tin có nghĩa của ảnh, làm giảm dung lượng
lưu trữ, do đó hệ thống sẽ nhanh và hiệu quả hơn trong CBIR.
1.1.1.3. Đặc trưng màu sắc
Đặc trưng màu sắc được sử dụng rộng rãi nhất trong tra cứu ảnh. Một vài

phương pháp tra cứu ảnh dựa trên cơ sở sự tương tự về màu sắc đã được mô
tả trong các tài liệu nhưng các ý tưởng cơ bản là giống nhau. Mỗi hình ảnh
được thêm vào bộ sưu tập được phân tch và tính toán biểu đồ màu để thấy tỷ
lệ điểm ảnh của mỗi màu trong một ảnh. Biểu đồ màu của mỗi ảnh sau đó
được lưu trữ trong cơ sở dữ liệu để khi tm kiếm, người dùng có thể xác định tỷ
lệ mong muốn của mỗi màu hoặc gửi một ảnh mẫu mà đã được tính toán biểu
đồ màu. Dù bằng cách nào đi chăng nữa thì quá trình tra cứu sau đó là lấy ra
những bức ảnh mà có biểu đồ màu tương ứng gần nhất với ảnh truy vấn.
1) Không gian màu
- Không gian màu RGB (Red – Green – Blue)
Không gian màu RGB được sử dụng nhiều nhất cho đồ họa máy tnh, mô tả
màu sắc bằng 3 thành phần chính là R (Red) – G (Green) và B (Blue). Không gian
này được xem như một khối lập phương 3 chiều với màu Red là trục x, màu
Green là trục y, và màu Blue là trục z. Mỗi màu trong không gian này được xác
định bởi
3 thành phần R, G, B. Ứng với các tổ hợp khác nhau của 3 màu này sẽ cho ta
một màu mới.
Không gian màu RGB được sử dụng rộng rãi trong việc biểu diễn ảnh, gồm
3 thành phần màu là đỏ, xanh lục, xanh lam. Chúng được gọi là bộ cộng sơ cấp
vì một màu khác trong không gian RGB được tạo ra bằng cách thêm chúng.


Hình 1.2. Không gian màu RGB.
- Không gian màu CIE
Không gian màu CIE L*a*b và CIE L*u*v là không gian độc lập và được xem
như đồng bộ. Chúng chứa độ sáng hoặc thành phần nhẹ sáng (L) và hai thành
phần màu a và b hoặc u và v. Có thể chuyển từ không gian màu RGB thành
không gian CIEL*a*b và CIE L*u*v.
- Không gian màu HSV
Không gian màu HSV (HSL hoặc HSB) được sử dụng rộng rãi trong đồ họa

máy tnh và miêu tả màu một cách trực quan hơn. Ba thành phần màu có màu
sắc, độ bão hòa (nhẹ sáng) và giá trị (độ sáng). Không gian RGB cũng có thể
được chuyển thành không gian HSV bằng công thức đơn giản.
Không gian màu thành phần sử dụng trục màu thành phần (R-G, 2B-R-G,
R+G+B). Cách thể hiện này có lợi thế trong việc cô lập thông tin về độ sáng ở
trục thứ ba. Hai trục màu đầu tiên bất biến với sự thay đổi cường độ sáng và
tối, có thể giảm việc lấy mẫu khi con người nhạy cảm với độ sáng hơn.


Hình 1.3. Không gian màu HSV.
2) 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]}
Ở đây i biểu diễn một màu trong lược đồ màu và tương ứng với một khối
con trong không gian màu RGB, H[i] là số các pixel có màu i trong ảnh và N là số
các bin trong lược đồ màu.
1.1.1.4. Đặc trưng kết cấu
Kết cấu là một mô tả vùng trợ giúp tốt trong quá trình tra cứu. Kết cấu
không có khả năng tm ra các ảnh tương tự, nhưng nó có thể được sử dụng để
phân lớp các ảnh kết cấu từ các ảnh không kết cấu và sau đó được kết hợp với
các thuộc tính đặc trưng khác như màu để làm cho tra cứu hiệu quả hơn. Kết
cấu là một thuộc tính quan trọng khác của ảnh. Những kết cấu đa dạng đã được
xem xét trong các mẫu nhận dạng và tầm nhìn máy tnh. Phương pháp đại diện
cấu trúc được phân thành hai loại: cấu trúc và thống kê. Phương pháp cấu trúc


gồm có hoạt động

hình thái và đồ thị kề. Phương pháp thống kê gồm: quang phổ Fourier, ma trận
đồng xuất hiện, phân tích bộ phận chính thay đổi bất biến, tính năng Tamura,
phân hủy Wold, trường ngẫu nhiên Markov, mô hình fractal và bộ lọc đa phân
giải.
1.1.1.5. Đặc trưng hình dạng
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. Các đặc trưng
hình dạng của ứng dụng nói chung gồm aspect ratio, circularity, Fourier
descriptors, moment invariants, consecutive boundary segments.
Đặc trưng hình dạng của đối tượng hoặc vùng đã được sử dụng nhiều
trong hệ thống tra cứu ảnh dựa vào nội dung. So với đặc tính màu sắc và kết
cấu thì hình dạng thường được mô tả sau khi ảnh được phân đoạn thành các
vùng hoặc các đối tượng. Khi mà việc phân đoạn ảnh rất khó để đạt được độ
chính xác và mạnh mẽ thì việc sử dụng đặc tính hình dạng trong tra cứu ảnh đã
được giới hạn trong các ứng dụng đặc biệt nơi mà các đối tượng hoặc các vùng
đã có sẵn. Mô tả hình dạng có thể dựa vào biên hoặc dựa vào vùng. Đặc tính
hình dạng tốt với đối tượng là bất biến với xoay, dịch chuyển và mở rộng.
1.1.1.6. Vị trí không gian
Bên cạnh kết cấu và màu, vị trí không gian cũng là hữu ích trong phân lớp
vùng. Chẳng hạn, “bầu trời” và “biển” có thể có các đặc trưng kết cấu và màu
tương tự, nhưng vị trí không gian của chúng là khác nhau với “bầu trời” thường
xuất hiện ở trên đỉnh của ảnh, trong khi biển ở dưới.
Vị trí không gian thường được xác định đơn giản như “trên, dưới, đỉnh”
theo vị trí của vùng trong một ảnh. Trọng tâm vùng và hình chữ nhật bao tối
thiểu của nó được sử dụng để cung cấp thông tin vị trí không gian. Tâm không
gian của một vùng được sử dụng để biểu diễn vị trí không gian của nó.
Quan hệ không gian tương đối là quan trọng hơn vị trí không gian tuyệt đối
trong các đặc trưng ngữ nghĩa. Xâu 2-D và các biến thể của nó là cấu trúc phổ

biến nhất được sử dụng để biểu diễn các quan hệ hướng giữa các đối tượng
10
10


như “trái/phải”, “dưới/trên”. Tuy nhiên, chỉ một mình quan hệ hướng không đủ
để biểu

11
11