B GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM LUN VN THC S CÔNG NGH THÔNG TIN ng Nai, 2013 B GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM Chuyên ngành: CÔNG NGH THÔNG TIN Mã s: 60.48.02.01 LUN VN THC S CÔNG NGH THÔNG TIN NGI HNG DN KHOA HC TS PHM TRN V ng Nai, 2013 I LI CAM OAN Tôi xin cam đoan đây là công trình nghiên cu ca bn thân. Các s liu, kt qu trình bày trong lun vn này là trung thc. Nhng t liu đc s dng trong lun vn có ngun gc và trích dn rõ ràng, đy đ. Hc viên Nguyn c Nng II LI CM N Tôi xin bày t lòng bit n sâu sc đn TS Phm Trn V đã hng dn nhit tình, tn tâm trong sut quá trình tôi thc hin lun vn này. Tôi xin chân thành cm n Quý thy cô trong Khoa Công ngh thông tin trng i hc Lc Hng đã to điu kin thun li cho tôi trong sut thi gian hc tp và nghiên cu ti trng. Tôi cng xin chân thành cm n Quý thy cô ngoài trng đã tn tâm dy bo tôi trong sut quá trình hc tp và giúp đ tôi trong quá trình nghiên cu. Xin chân thành cm n nhng ngi thân trong gia đình, cùng các anh ch em, bn bè, đng nghip đã giúp đ, đng viên tôi trong quá trình thc hin và hoàn thành lun vn này. ng Nai, ngày 12 tháng 12 nm 2012 Hc viên Nguyn c Nng III MC LC LI CAM OAN I LI CM N II MC LC III DANH MC HÌNH VI DANH MC BNG VIII DANH MC CÁC T VIT TT IX M U 1 CHNG 1: TNG QUAN V PHÂN LOI HÌNH NH. 4 1.1. Tng quan v phân loi hình nh. 4 1.1.1. Gii thiu v bài toán phân loi. 4 1.1.2. Tng quan. 4 1.2. Quy trình phân loi nh. 9 CHNG 2: CÁC PHNG PHÁP TRÍCH CHN C TRNG VÀ  O TNG NG GIA CÁC NH. 10 2.1. Harris. 10 2.2. SIFT (Scale Invarian Feature Transform) 12 2.2.1. Phát hin cc tr. 12 2.2.2. nh v chính xác đim khóa 15 2.2.3. Gán hng cho các đim khóa 18 2.2.4. Xây dng b mô t cc b 19 2.3. Harris-Laplace 21 2.3.1. Không gian t l 21 2.3.2. Hàm Harris thích nghi t l 24 2.3.3. S la chn t l t đng 25 2.3.4. Thut toán phát hin đim bt đng 26 2.4. Harris-Affine 28 2.4.1. Mc tiêu 29 2.4.2. Ma trn Moment cp hai Affine 29 2.4.3. K thut phát hin đim bt đng 33 IV 2.5. Phng pháp SURF (Speed Up Robust Feature) 39 2.5.1. nh tích hp (integral image) 40 2.5.2. Phát hin Fast-Hessian: 40 2.5.3. S biu din không gian t l: 42 2.5.4. nh v đim quan tâm 43 2.5.5. B mô t đim quan tâm và so khp 44 2.6. So sánh - Kt lun 49 2.7. La chn đc trng. 51 CHNG 3: CÁC PHNG PHÁP PHÂN LOI NH. 55 3.1. Tng quan. 55 3.2. Các phng pháp phân loi nh. 57 3.2.1. Phng pháp phân loi K-Means. (tham kho web) 57 3.2.2. Phng pháp pháp Naïve Bayes (NB). 62 3.2.3. Phng pháp Support Vector Machine (SVM) 64 3.2.4. Phng pháp K-Nearest Neighbor (KNN) 65 3.2.5. Phng pháp Linear Least Square Fit (LLSF) 66 3.2.6. Phng pháp Centroid – based vector 67 3.2.7. Kt lun 68 CHNG 4: NG DNG C TRNG BT BIN KT HP K-MEAN TRONG PHÂN LOI NH. 69 4.1. Bài toán phân loi nh 69 4.1.1. Mô hình bài toán phân loi nh 70 4.1.2. Thut toán s dng: 70 4.2. Hin thc bài toán 73 4.2.1. Môi trng 73 4.1.2. Công c s dng 73 4.1.3. D liu 74 4.1.4. Chng trình 74 4.1.5. ánh giá. 77 KT LUN VÀ KIN NGH. 80 V VI DANH MC HÌNH Hinh 1.1: Quy trình hun luyn nh. 9 Hình 1.2: Quy trình kim th nh. 9 Hình 2.1. Mô phng vic tính toán các DoG nh t các nh k m 13 Hình 2.2: Mi đim nh đc so sánh vi 26 láng ging ca nó 14 Hình 2.3. Các giai đon la chn các đim khóa. 16 Hình 2.4. B mô t đim khóa 19 Hình 2.5. Mt th hin đa t l ca mt tín hiu 22 Hình 2.6. Các mc khác nhau trong mt th hin không gian t l 23 Hình 2.7. Ví d v các t l đc trng 26 Hình 2.8. Phát hin đim quan tâm bt bin t l 28 Hình 2.9. im quan tâm bt bin t l trong các nh b bin đi affine . 30 Hình 2.10. Biu đ gii thích phép chun hóa affine 32 Hình 2.11. Phát hin lp li ca mt đim quan tâm bt bin affine 37 Hình 2.12. Phát hin đim quan tâm bt bin affine 39 Hình 2.13: T trái sang phi: đo hàm riêng bc hai ca hàm Gaussian 41 Hình 2.14: Thay vì lp li vic gim kích c nh (bên trái), vic s dng nh tích hp cho phép tng t l lc vi giá tr không đi (bên phi). 42 Hình 2.15: Biu đ t l phát hin. S lng đim quan tâm đc phát hin trên mi octave phân rã nhanh chóng 43 Hình 2.16: Nhng đim quan tâm đc phát hin trên mt cánh đng hoa hng dng. 44 Hình 2.17: Phép lc Haar wavelet đ tính toán đc trng  x (bên trái) và y hng (bên phi). Vùng đen có trng s -1 và vùng trng có trng s +1 45 Hình 2.18: Gán hng: mt ca s dch hng ca kích thc 3 phát hin hng tri ca các đc trng Haar wavelet có trng s Gaussian  mi đim mu trong vòng tròn láng ging quanh đim quan tâm. 46 Hình 2.19: Chi tit ca nh Graffiti th hin kích thc ca ca s b mô t hng  các t l khác nhau. 46 Hình 2.20:  xây dng b mô t, mt khung li hng bc hai vi 4x4 vùng con hình vuông đc đt trên các đim quan tâm (bên trái).  mi hình vuông đc trng wavelet đc tính toán. S chia nh 2x2 ca mi hình vuông tng ng vi các trng thc ca b mô t. Nhng cái này là tng ca dx, dy, |dx| và |dy|, tính toán tng đi hng ca li (bên phi). 47 Hình 2.21. Các mc mô t ca min con đi din cho tính cht ca mu cng đ c bn. Hình trái: trong trng hp ca mt min con đng nht, tt c các giá tr là tng đi thp. Hình gia: s có mt ca tn s trong x hng, VII giá tr ca  là cao, nhng tt c các trng hp khác vn thp. Nu cng đ tng dn theo x hng, c  và  đu cao. 48 Hình 2.22: Nu đ tng phn gia hai đim quan tâm khác nhau (ti trên nn sáng vi sáng trên nn ti), ng viên s không đc xem là so khp có giá tr. 49 Hình 2.24: So sánh v góc nhìn (Bên trái). nh so sánh (bên phi) 50 Hình 2.25: So sánh v cng đ sáng (Bên trái). nh so sánh (bên phi) 50 Hình 2.26: So sánh v t l (Bên trái). nh so sánh (bên phi) 51 Hình 3.1: Mô hình SVM 64 Hình 4.1. Ví d v bài toán phân loi nh 69 Hình 4.2. S đ chc nng nhn dng đi tng 70 Hình 4.3: Phng pháp SURF 71 Hình 4.4: Phng pháp Hessian-Laplace 71 Hình 4.4: Phng pháp SIFT 72 Hình 4.5: giao din chng trình. 74 Hình 4.6: Công đon rút trích đc trng. 75 Hình 4.7: mt phn góc nhìn ca tp đc trng. 75 Hình 4.8: Công đon phân cm các đc trng. 76 Hình 4.9: Sau khi phân thành 2 cm. 76 Hình 4.10: c trng nhóm 1 (class1.lhu). 77 Hình 4.11: Kt qu kim th. 77 VIII DANH MC BNG Bng 2.1: Mt s phng pháp la chn đc trng. 52 Bng 4.1: Bng so sánh kt qu các phng pháp 72 Bng 4.2: Môi trng thc nghim 73 Bng 4.3: Công c mã ngun m s dng 73 Bng 4.4: 4 nhóm nh và s lng mu dùng trong thc nghim. 78 Bng 4.5: Kt qu kim chng sau khi chy chng trình. 79 Bng 4.6: Xác sut ca chng trình. 79 [...]... Vector-Quantization 1 M Trong nh U phát tri t b c c a Công ngh ng giao d ch thông tin trên m ng Internet m n t , tin t c bi t là n t , hình hình nh xu t hi n trên m im tt chóng m t, và t i thông tin là c c k nhanh chóng V i s yêu c u l s y, m t t ra là làm sao t ch c và tìm ki m thông tin, d li u có hi u qu nh t Bài toán phân l p là m t trong nh ng gi i pháp h p lý cho yêu c th c t là kh th t ng thông tin. .. hành phân l p Th c nghi m cho th i, phù h áp d ng vào h th ng phân l p t ng M c tiêu c a lu - Nghiên c u các k thu t x lý hình l - Nghiên c m d li n hình là K-Means nh m m - Xây d ng ng d ng hi n th c cho vi c phân lo i nh vào các nhóm nh theo n i dung n ngh cho tài ng nghiên c u: Các t p tin hình nh Ph m vi nghiên c u: Phân lo i hình nh vào các th lo ng v i n i dung t m nh Trong khuôn kh lu lo c nghiên. .. t ng quan v v c n nghiên c u Tìm hi u cách th i t p tin Tìm hi u các gi i thu t clustering Xây d ng b d li u hu n luy n máy Xây d ng quy trình phân lo i nh Hi n th c quy trình phân lo i nh B c c trình bày c a lu i thi u t ng quan v bài toán phân lo i phân lo i 3 ng gi a các nh ph c v cho bài toán i nh Th c nghi m và K t lu n nh ng phát tri n m chính, ch ra nh m c n kh c ph ng th t 4 NG QUAN V PHÂN... l n c: tài nghiên c u v c phân lo i nh, mà ch t p chung ch y u vào nghiên c u các công c i sánh nh, tìm s d t bi n cùng các k thu t phân c m và cây quy nh n hình cho v này có các bài báo sau: tài “Gi i thi u ng d id ng (Object-based classification) trong thành l p b r ng t nh v tinh”, [18] i nh d i có ki nh và phân lo i d a vào decision tree nh trong thu t toán h c máy tìm ki m nh áp d ng vào bài toán... HÌNH NH 1.1 T ng quan v phân lo i hình nh 1.1.1 Gi i thi u v bài toán phân lo i Phân lo i hình nh là m t trong nhi nghiên c u trong nh c chú ý nh c Phân lo i hình nh (hay Image Classification ho c Image Categorization) là quá trình gán các nh vào m t hay nhi u l p nh t c i ta có th phân lo i nh b ng cách th công, t c là nhìn vào n i dung t m t hay nhi u l p c th th ng qu n lý t p tin nh g m nhi u... nh vào các nhóm mà n i dung t m c p B t lu n t m nh có b xoay, co giãn, hay nói cách khác là hình nh có b nhi u Trong phân lo i nh, s ng gi a m t nh v i m t l p ho c thông qua vi c gán giá tr – nh thu c l p, hay False – nh không thu c l p) ho c thông qua m ph thu ph thu c c a nh vào l p) Trong ng h p có nhi u l p thì phân lo là vi c xem m t nh có thu c vào m t l p duy nh 1.1.2 T ng quan X lý nh, phân. .. h c cao, ng d ng r t nhi u ng d ng l c n i dung nh, bài toán phân l p 2 sau tìm ki m, … Tác gi quy nh ch tài Nghiên c u và xây d ng b l c nh thông qua phân lo i nh k t h p v i gom c m.” là m t vi c làm không ch c, mà còn mang tính th c ti n Trong lu trình bày m t s thu t toán phân l p tiêu bi ng th c nghi m cho h th ng phân l p Lu n v ng phân tích thành ph t bi n c a t m nh c th là thu t toán Scale-invariant... m t vài centimet t i nhi u nh t là vài mét, vì v y th o lu n khái ni m “cây” m c nanomet ho c kilomet V l p lu i t ng trong th gi i xu t hi n theo các cách khác nhau tùy thu c t l quan sát n u ng i ta nh m vào vi c mô t chúng Vì v y khái ni m t l là c c k quan tr ng c bi t, s c n thi i v i vi c th hi l n y sinh khi thi t k các ph ng và thu nh n thông tin t gi i th có th trích ch n b t k thông tin nào... ch l xây d ng Các d li u hu n luy hình nh hi u qu và m nd c b phân l t i Do v y, c n ph i có h th ng x lý c các ngu n d li trong các bài toán th c t ví d c ng r t hi c không c n nhi u d li hi n nay Nh n th ng thì tin c y cao ng các m u d li u hu n luy n t c là các hình i h i th i gian và công s c c và có kh nhi u ng th i, khi x lý các bài toán phân l p t p ph i m t s i ph i có m u chi u c a c phân. .. thi u và ng d a mình nh c m xúc m i”, Tr n Ng c Ph m [21] d ng PCA trên t p hu n luy n c c áp d hu n luy n các b phân lo i tài Nghiên c th c hình d ng và v truy v n nh” lu a tác gi Tr 2007 [19] Lu xu t m th màu s c, hình d ng và v trí b ng h th ng liên m ng metath ng liên m ng metang áp d s c, hình d ng và v trí c a nh mà còn có th áp d ng t ng t b t k rút trích t nh s qua các 9 m s là ngõ vào c a . DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM LUN VN THC S CÔNG NGH THÔNG. GIÁO DC VÀ ÀO TO TRNG I HC LC HNG *** NGUYN C NNG NGHIÊN CU VÀ XÂY DNG B LC NH THÔNG QUA PHÂN LOI NH KT HP VI GOM CM Chuyên ngành: CÔNG NGH THÔNG TIN. U 1 CHNG 1: TNG QUAN V PHÂN LOI HÌNH NH. 4 1.1. Tng quan v phân loi hình nh. 4 1.1.1. Gii thiu v bài toán phân loi. 4 1.1.2. Tng quan. 4 1.2. Quy trình phân loi nh. 9 CHNG