-2Bộ giáo dục đào tạo Trờng đại học bách khoa Hà nội - Luận văn thạc sĩ khoa học Lời cam đoan Nghiên cứu phơng pháp nhận dạng hình dạng Tôi xin cam đoan luận văn kết nghiên cứu thân dới hớng dẫn TS Nguyễn Kim Anh Nếu có sai phạm, xin hoàn toàn chịu trách nhiệm Ngành: xử lý thông tin truyền thông M số: 421 Ngời làm cam đoan đinh thị kim phợng Đinh Thị Kim Phợng Ngời hớng dẫn khoa học: T.S Nguyễn kim anh Hà nội 2006 -3- Mục Lục Lời cam đoan Mục Lục Danh Mục Các từ viết tắt -4- 1.3.1.6 Khoảng cách bậc hai 26 1.3.1.7 Khoảng cách Mahalanobis 27 1.3.2.Thực phép đo .27 1.3.2.1 Độ nhạy độ xác(RPP) 28 1.3.2.2 Tỷ lệ trọng số thành công (PWH- Percentage of Weighted Hits) 28 1.3.2.3 Phần trăm thứ bậc giống (PSR-Percentage of Similarity Ranking ) 29 1.3.2.4 Thảo luận 30 1.3.3 Trích chọn đặc trng hình dạng 30 1.4 Thảo luận 32 Danh mục hình vẽ Chơng Phơng pháp tách contrario 33 Lời nói đầu 2.1 Cluster có thứ bậc đánh giá giá trị 34 2.1.1.Giá trị nhóm Contrario 34 2.1.1.1 Cơ sở: .34 2.1.1.2 Nhóm có ý nghĩa 35 2.1.2 Tiêu chuẩn kết hợp tốt 37 2.1.3 Vấn đề tính toán 40 2.1.3.1 Lựa chọn vùng thử 40 2.1.3.2 Riêng rẽ cực đại .42 2.2.1 Nhiễu điểm 43 2.2.2 Phân đoạn 43 2.3 Kết cấu nhóm không gian tơng ứng 46 2.3.1 Tại phải tách kết cấu không gian 46 2.3.2 Đối sánh nhân tố hình dạng 47 2.3.3 Biến đổi mô tả 49 2.3.3.1 Trờng hợp tơng đồng 49 2.3.3.2 Trờng hợp biến đổi mối quan hệ 50 2.3.4 Cluster có ý nghĩa biến đổi 52 2.3.4.1 Phép đo không tơng đơng biến đổi 52 2.3.4.2 Phơng thức .52 2.3.4.3 Kỹ thuật nhóm 54 2.4 Thảo luận 55 Chơng 1:Tổng quan tìm kiếm ảnh dựa hình dạng Error! Bookmark not defined 1.1 Giới thiệu 12 1.2 Trích chọn đặc trng 13 1.2.1.Biến đổi Fourier 12 1.2.1.1.Chuỗi Fourier 13 1.2.1.2 Sự hội tụ chuỗi Fourier 14 1.2.1.3 Biến đổi Fourier .14 1.2.1.4 Biến đổi Fourier rời rạc 15 1.2.1.5 Biến đổi Fourier hai chiều .16 1.2.1.6 Phạm vi biến đổi Fourier 16 1.2.2 Không gian độ chia (Scale space) .17 1.2.2.1 Cơ sở 17 1.2.2.2 Không gian độ chia Gaussian 19 1.2.2.3 Phạm vi không tạo đặc trng 19 1.2.2.4 Không gian độ chia mâu thuẫn với việc đa định 20 1.2.3.Thảo luận .22 1.3 Phép đo tơng đơng thực phép đo .22 1.3.1 Phép đo giống 23 1.3.1.1 Không gian phép đo khoảng cách (Distance Metric Spaces) 24 1.3.1.2 Khoảng cách dạng Minkowski 24 1.3.1.3 Khoảng cách Cosin 24 1.3.1.4 Thông tin thống kê 25 1.3.1.5 Đờng giao biểu đồ 25 Chơng 3:Phơng pháp định Contrario 56 3.1 Một định Contrario 58 3.1.1 Phơng pháp hình dạng trái ngợc phơng pháp 58 3.1.2 Phơng thức định Contrario 59 3.1.3 Ước lợng xác suất cảnh báo sai 61 -5- 3.1.4 Luật định Contrario 61 3.2 Tự động thiết lập ngỡng khoảng cách 62 3.2.1 Số cảnh báo sai NFA 62 3.2.2 Đối sánh có ý nghĩa 63 3.2.3 Ngỡng nhận dạng tơng ứng với ngữ cảnh .64 3.2.4 Tại định Contrario 65 3.3 Xây dựng đặc trng độc lập thống kê 66 3.4.Chuẩn hóa nhân tố hình dạng từ ảnh cho đặc trng độc lập 68 3.4.1 Biểu diễn hình dạng mức đờng 68 3.4.2.Tiêu chuẩn hóa mã hóa bán cục .70 3.4.2.1 Mã hóa / Tiêu chuẩn hóa trị không đổi tơng đơng 71 3.4.2.2 Mã hóa / Chuẩn hóa quan hệ bất biến .73 3.4.3 Từ chuẩn hóa nhân tố hình dạng đến đặc trng độc lập 73 3.5 Thảo luận .76 Chơng 4Thử nghiệm 78 4.1 Thử nghiệm phơng pháp 78 4.2 Thử nghiệm phơng pháp Contrario 80 4.2.1 Hai ảnh không quan hệ với 80 4.2.2 Méo dạng quan sát xa gần 81 4.2.3 Quan hệ với nghẽn cục thay đổi độ tơng phản 83 Kết luận 88 Tài liệu tham khảo 89 Tóm tắt luận văn 90 -6- Danh Mục Các từ viết tắt STT Từ viết tắt ý nghĩa CBIR Content Based Image Retrieval FD Fourie Descriptor FFT Fast Fourie Transform CSDL Cơ sở liệu NFA Number of Fasle Alarm PFA Pridicion Fasle Alarm FT Fourie Transform NFAg NFA of region NFAgg NFA of region-region 10 Pro Proposition 11 PFA Probability of False Alarm -7- Danh mục hình vẽ -8- Hình 3.6: Mã hoá tơng đồng không đổi .76 Hình 4.1: ảnh mức đờng có ý nghĩa .80 Hình 1.1: Đối tợng bị làm nhiễu biến đổi phổ 13 Hình 4.2: Thử nghiệm hitchcook 82 Hình 1.2: ảnh biến đổi khác .13 Hình 4.3: Phơng pháp nhận dạng bán cục quan hệ không đổi 83 Hình 1.3: Điểm qua vị trí x độ chia t tín hiệu 20 Hình 1.4: (a) Khoảng cách Ocolit, .25 (b) khoảng cách Cosin, (c) khoảng cách L1 .25 Hình 1:a) ảnh ký tự,b) mức đờng tơng ứng, c) Đoạn mức đờng 31 Hình 2.2: Nhóm liệu 950 điểm đồng dạng 37 Hình 2.5: Vấn đề quan trọng phân bố phơng thức 43 Hình 2.6: Phân đoạn ảnh scan 71 đờng mức có mức ý nghĩa cực đại 44 Hình 2.7: Nhóm với mối quan hệ tới hớng .45 Hình 2.8: Nhóm không gian(toạ độ x, hớng) 46 Hình 2.9: Thử nghiệm Guernica 48 Hình 2.10: Thử nghiệm Guernica quan hệ tơng ứng ý nghĩa không đổi 49 Hình 2.11: Hai đoạn mức đờng khung tơng ứng 50 Hình 2.12: Thử nghiệm Guernica 51 Hình 3.1: Trích chọn mức đờng có ý nghĩa .70 Hình 3.3: Mã hoá không đổi tơng đơng bán cục 73 Hình 3.4 : Mã hóa bán cục mối quan hệ không đổi 74 Hình 3.5 : Mã hóa hình dạng bán cục quan hệ bất biến 75 Hình 4.4: Phơng pháp nhận dạng quan hệ bán cục không đổi 83 Hình 4.5 Phơng pháp nhận dạng bán cục .84 Hình 4.6: Tập đoạn đờng mức đối sánh với ảnh CSDL 85 Hình 4.7: Phơng pháp bán cục tơng đồng không đổi 85 Hình 4.8: ảnh gốc mức đờng có ý nghĩa .86 Hình 4.9: ảnh Menima mức đờng có ý nghĩa .86 -9- Lời nói đầu - 10 - tiềm ứng dụng rộng rãi nó, CBIR thu hút đợc số lợng lớn ý năm gần (KAT 92, NIB 93, YOS 99) Ngày thông tin nói chung sử dụng ảnh phổ biến Rất nhiều lĩnh vực sử dụng ảnh nh công cụ để thực công việc Những năm gần đây, chứng kiến tốc độ gia tăng mạnh ảnh số toàn giới, gia tăng mạnh mẽ trạm làm việc mặt đất nh trạm vệ tinh, khó khăn lu trữ, chi phí cao cho xử lý internet Sự đa dạng ứng dụng ảnh góp phần đời hệ ảnh số Các ứng dụng ảnh bao gồm: giải trí số, th viện số, giáo dục World Wide Web (www) Các ứng dụng ngày trở nên phụ thuộc vào việc sử dụng ảnh gốc Lợi ích trớc mắt ảnh số gồm mặt xã hội thơng mại Sử dụng ảnh gốc giúp sáng tạo sản phẩm mới, tiết kiệm thời gian tiền bạc Tuy nhiên, độ lớn kho lu trữ ảnh số toàn giới có giới hạn, tận dụng ảnh số từ CSDL khó Điều thiếu cách đánh mục quản lý ảnh số chuẩn Thông thờng ảnh đợc lu trữ CSDL sử dụng dới dạng thông tin thuộc tính Thuận lợi việc đánh mục thuộc tính ảnh: cung cấp cho ngời sử dụng từ khoá tìm kiếm lớt qua mục lục, chí thông qua giao diện truy vấn; ví dụ nh ngôn ngữ truy vấn cấu trúc (SQL) Tuy nhiên, nhìn từ bên có hạn chế; hạn chế thời gian tính toán CSDL lớn, dờng nh giải thủ công tất ảnh Mặt khác đặc trng thị giác ảnh khó mô tả từ ngữ cách khách quan, có tiêu điểm việc phát triển công nghệ đánh mục ảnh, khả tìm kiếm ảnh dựa ngữ cảnh: độc lập tự động hoá Các công nghệ đa phần qui tìm kiếm ảnh dựa ngữ nghĩa (CBIR) CBIR đợc giới thiệu nh phần bổ xung cho việc tiến tới đánh mục thuộc tính truyền thống, cần thiết để cấu thành CSDL multimedia Vì Trong CBIR, ảnh CSDL liệu không cấu trúc, ảnh số hoàn toàn bao gồm mảng pixel độ chói, ý nghĩ vốn có Một chìa khoá bắt nguồn CBIR cần thiết để trích chọn thông tin hữu ích từ liệu thô, để phản ánh ngữ nghĩa ảnh Vì việc trích chọn hiệu đặc trng ngữ nghĩa điều cốt yếu thành công CBIR Nghiên cứu yêu cầu ngời sử dụng ảnh từ su tập ảnh biểu thị đặc trng nguyên thuỷ nh màu sắc, kết cấu, hình dạng hỗn hợp chúng hữu ích việc mô tả khôi phục ảnh (EAK 99) Những đặc trng khách quan trực tiếp bắt nguồn từ tự thân ảnh mà không cần tham khảo kiến thức từ bên Vì đặc trng nguyên thuỷ ảnh mức thấp đợc bắt nguồn khai thác để khuyến khích việc CBIR tự động hoá *Đối tợng nghiên cứu Từ thông tin ảnh CSDL đợc đánh mục cách sử dụng thông tin thuộc tính thông tin ngữ nghĩa Ngữ nghĩa ảnh đợc mô tả sử dụng đặc trng nguyên thuỷ; ví dụ: màu sắc, cấu trúc, hình dạng tổ hợp chúng Kết nghiên cứu chấp nhận tiến tới CBIR, việc đánh mục tìm kiếm ảnh ngữ nghĩa ảnh Đặc biệt, việc tìm kiếm hội tụ việc đánh mục tìm kiếm ảnh dựa hình dạng Mục đích chủ yếu cách tìm kiếm tìm kiếm khai thác hình dạng khả thi để tìm kiếm nhận dạng hình dạng Điều tra công nghệ phát triển nghiên cứu trực tiếp ứng dụng cho ứng dụng đặc thù; ví dụ tìm kiếm nhãn mác, nhận dạng đối tợng hợp hệ thống CBIR để dễ dàng nhận dạng hình dạng sử dụng đặc trng hỗn hợp ảnh - 11 - - 12 - Nhận dạng nói chung hội tụ vấn đề nhận dạng trực quan dựa Chơng thông tin hình dạng hình học Phơng pháp nhận dạng hình dạng thờng bao Tổng quan tìm kiếm ảnh gồm tiến trình: trích chọn đặc trng, đối sánh (cốt lõi tiến trình định dựa hình dạng nghĩa khoảng cách phép đo tơng đồng đặc trng hình dạng đợc mô tả) định Phần chủ yếu nghiên cứu vấn đề định cho đối sánh hình dạng, đặc biệt khung chung hai hình dạng giống để đối sánh, tới định nh nào? Mục đích để định nghĩa tiêu chuẩn thống kê dẫn tới định hình dạng giống hay không Nghiên cứu tiến trình thực hiệnnhận dạng hình dạng theo trình tự công đoạn: từ công đoạn sơ khai biểu diễn ảnh, trích chọn đặc trng, tách nhóm nhân tố hình dạng thành hình dạng chủ yếu phơng pháp định 1.1 Giới thiệu Vấn đề tìm kiếm ảnh dựa hình dạng phép đo tơng đồng các hình dạng đợc mô tả đặc trng chúng Vì vậy, hai bớc cần thiết tìm kiếm nhận dạng ảnh dựa hình dạng trích chọn đặc trng phép đo tơng đơng đặc trng đợc trích chọn Hai công cụ cần thiết đợc sử dụng trích chọn đặc trng hình Contrario cho nhận dạng hình dạng dạng biến đổi Fourier không gian độ chia Mặc dù trích chọn đặc trng *Cấu trúc luận văn mấu chốt để tìm kiếm ảnh dựa hình dạng nhận dạng hình dạng, phép đo Chơng : Tổng quan tìm kiếm ảnh dựa hình dạng Chơng 2: Tách nhóm tơng đồng đặc trng đợc trích chọn quan trọng yêu cầu hiệu tìm kiếm ảnh nhận biết nhanh hình dạng tơng đồng - Chơng 3: Phơng pháp Contrario cho nhận dạng hình dạng Chơng 4: Thử nghiệm tơng đồng giới hạn đặc trng đợc trích chọn 1.2 Công cụ trích chọn đặc trng Biến đổi Fourie công cụ kinh điển Nó đợc sử dụng từ nhiều Do thời gian khả có hạn nên luận văn nhiều thiếu sót Rất mong đợc góp ý thông cảm thầy giáo, cô giáo Hà nội, ngày tháng 11 năm 2006 năm hệ thống xử lý tín hiệu hệ thống máy tính Còn không gian độ chia công cụ đợc ý gần 1.2.1.Biến đổi Fourier Biến đổi Fourie mấu chốt xử lý ảnh đợc ứng dụng rộng rãi Học viên lý thuyết nh thực tế Nguyên tắc biến đổi Fourie đối tợng đợc coi nh tín hiệu nh biểu diễn đối tợng thành thành phần tín hiệu Biến đổi Fourie hữu ích cho phân Đinh Thị Kim Phợng tích đối tợng khác nhau: đối tợng bị làm nhiễu biến đổi phổ - 13 - - 14 - (Hình 1.1), đối tợng tơng đơng khác có biến đổi phổ tơng tự chí chúng bị ảnh hởng nhiễu biến đổi khác(hình 1.2) (1.3) (1.5) (1.6) (1.4) Với chu kỳ T: Hình 1.1: Đối tợng bị làm nhiễu biến đổi phổ 1.2.1.2 Sự hội tụ chuỗi Fourier Nếu hàm f(x) tuần hoàn nguyên chu kỳ tồn chuỗi Fourie nhng không đảm bảo chắn chuỗi Fourie hội tụ tới f(x) Tuy nhiên theo điều kiện Fourie Dirichcle phần lớn lớp chung hàm biểu diễn chuỗi Fourie Điều kiện chuỗi Fourie Dicrichcle đoạn hàm f(x) liên tục : Hình 1.2: ảnh biến đổi khác Giới hạn số điểm không liên tục 1.2.1.1.Chuỗi Fourier Đặt f(x) hàm tuần hoàn chu kỳ nguyên chu kỳ, theo lý thuyết Fourie f(x) khai triển thành chuỗi fourie nh sau: Giới hạn điểm cực trị Hàm mở rộng thành chuỗi Fourie hội tụ điểm liên tục ý nghĩa điểm giới hạn thực giới hạn ảo hàm điểm giới hạn: (1.1) Đối với tín hiệu số đối tợng số điều kiện Dirichcle đợc chứng minh đợc biểu diễn chuỗi Fourie: (1.2) 1.2.1.3 Biến đổi Fourier - 15 - - 16 - Nếu hàm f(x) biểu diễn chuỗi Fourie Sau f(x) đợc Mối quan hệ dễ thay đổi rõ xác biểu diễn đối tợng xác định hệ số Cn Ngợc lại hệ số Cn chuỗi Fourie hàm miền không gian miền tần số ngợc với Chú ý, bố trí biết trớc f(x) đợc xây dựng lại từ tập Cn Chuỗi Fourie thiết lập tập liệu khác chúng biến đổi độc lập với Điều cần mối quan hệ f(x) hệ số Cn Biểu diễn theo công thức : lu ý trích chọn đặc trng miền không gian lấy mẫu đối tợng 1.2.1.5 Biến đổi Fourier hai chiều (1.7) Đối với hàm hai biến f(x,y) xác định x, y N Cặp biến đổi Fourie là: Tơng ứng công thức: (1.11) (1.8) (1.12) 1.2.1.4 Biến đổi Fourier rời rạc Biến đổi Fourie đặc biệt hữu ích phân tích đối tợng số đối tợng số tồn dạng rời rạc Để biến đổi công thức 1.7 1.8 thành dạng rời rạc, f(x) Mặc dù, số lợng F(u,v) từ biến đổi Fourie biểu thức lớn nhng số lợng F(u,v) có ích bé Đây lý biểu diễn đối tợng miền tần số tốt (Hệ số có nghĩa ít) Điều thực hữu ích nhiều ứng dụng đặc đợc lấy N mẫu chu kỳ [0, T] biệt việc phân tích hình dạng xấp xỉ ý nghĩa đối tợng gốc f(x0); f(x0+x); f(x0+2x); f(x0+(N-1)x) f(x,y) f(x) xây dung từ F(u,v) nhỏ Đây vấn đề xử lý tín x gọi bớc lấy mẫu phạm vi không gian xem xét hiệu Fourie phân tích đối tợng Fourie f(x) biểu diễn thành: 1.2.1.6 Phạm vi biến đổi Fourier Biến đổi Fourie tuân theo phạm vi hữu ích việc phân tích đối tợng Sự riêng rẽ: Biến đổi Fourie rời rạc (1.11) mô tả riêng rẽ nh (1.9) sau: (1.13) (1.10) Bớc lấy mẫu u miền tần số bớc lấy mẫu x miền không gian có quan hệ theo biểu thức : Lợi ích việc riêng rẽ F(u,v) thu đợc bớc cách sử dụng liên tiếp biến đổi Fourie chiều FT chiều đợc tính toán sử dụng biến đổi Fourie nhanh FFT Biến đổi: Biến đổi phạm vi FT (1.14) - 17 - - 18 - Điều ra: thay đổi miền không gian dẫn đến thay chia Các dụng cụ quan sát nh camera dụng cụ quan sát xếp độ chia Để mở rộng độ chia tơng ứng với phóng to hay đổi miền tần số Phép quay: Nếu gắn vào hệ toạ độ cực thu nhỏ nhờ dụng cụ quan sát Độ chia dụng cụ có hai giới hạn: độ chia giúp phân biệt chi tiết ảnh tốt và quan sát vật độ chia nằm khoảng giới hạn hai phía Sau thay vào biểu thức có : (1.15) Điều có nghĩa việc quay f(x,y) miền không gian góc tơng ứng việc quay F(u,v) góc tơng tự miền tần số Độ chia: hai hệ số a, b, phạm vi độ chia FT đợc viết nh sau: Để tính toán dạng biểu diễn từ liệu ảnh, thông tin cần đợc trích chọn cách sử dụng toán tử với liệu Các toán tử tơng tự nh ống kính máy quay sử dụng để mô tả giới thực Một vài vấn đề đặt đề cập tới toán tử đợc sử dụng nh nào, thực đâu thực công việc sao, độ lớn nh Nh thông tin thu đợc xác định phong phú thông qua mối quan hệ cấu trúc thực tế liệu kích (1.16) cỡ toán tử Điều rằng: độ chia f(x,y) với a b theo x,y miền Độ chia gần phân tích đối tợng biết trớc Tuy nhiên không gian tỷ lệ nghịch với biên độ F(U,V) miền tần số Điều phần lớn vấn đề điều không quan trọng Lý để xây giảm bớt hệ số F(u,v) 1/a 1/b theo u, v miền tần số Tổng quát, dựng không gian độ chia có kiến thức biết trớc không gian độ chia phóng to đối tợng ảnh miền tần số làm mức tần số thấp thích hợp lấy từ tập CSDL có nhiều độ chia không gian độ chia đợc áp miền không gian việc thu nhỏ đối tợng ảnh làm tăng vùng tần dụng để thu gọn công thức tính toán thích hợp số cao miền không gian 1.2.2 Không gian độ chia (Scale space) Việc sử dụng hàm làm trơn nhiễu Gauss độ chia khác đợc áp dụng phân tích ảnh cho thấy mối liên hệ độ chia khác Đối với FT không gian độ chia công cụ phân tích đối với cấu trúc ảnh không gian độ chia có giới hạn Tuy nhiên độ chia tợng Nó đợc phát triển hệ thống tính toán Phần giới thiệu kích thớc hoàn toàn thêm vào không gian miêu tả đối tợng không gian độ chia tuyến tính phạm vi quan trọng cấu trúc đợc nghiên cứu thông qua độ chia Đặc biệt gắn vào tín hiệu 1.2.2.1 Cơ sở f(x): R N R tập liên tục {L(x, t ) / t 0} làm mịn (có nghĩa việc Lý thuyết không gian độ chia giúp ta quan sát đối tợng độ nhân chập tín hiệu f(x) với hàm liên tục g(x,t)) chia khác đối tợng có ý nghĩa theo độ chia Một L ( x , t ) = g ( x, t ) f ( x ) ví dụ đơn giản ảnh vật dù có độ chia 1m hay 1cm ý nghĩa g(x,t) hàm làm mịn hàm mặt nạ, l(x,t) tín hiệu đợc làm vật không thay đổi Trong vật lý đối tợng tồn xếp độ (1.17) mịn, * phép nhân chập Với tín hiệu liên tục f(x)đợc khai triển nh sau: (1.18) - 19 - - 20 - Hình 1.3: Điểm qua vị trí x độ chia t tín hiệu Các đặc trng hữu ích đặc biệt điểm qua đạo hàm bậc thứ n Thực 1.2.2.2 Không gian độ chia Gaussian Hàm Gausss hàm mặt nạ hữu ích cho không gian độ chia tổng quát tế đạo hàm bậc hai tín hiệu đợc sử dụng phân tích đối tợng, đạo Mang tới tín biệu f(x): R N R mô tả độ chia L: R N ì Rt R đợc hàm bậc hai phản ánh điểm uốn cong tín hiệu Điểm cong (một đặc trng định nghĩa nh mô tả độ chia tín hiệu gốc L(x,0) = f (x ) hữu ích phân tích đối tợng) Điểm qua đạo hàm bậc hai điểm 1.19 uốn cong đặc trng cho góc lồi đối tợng Với tín hiệu chiều, (1.20) điều đợc áp dụng với không gian độ chia Gauss Điểm qua tín hiệu tất độ chia gọi lấy dấu khoảng cách (hình 1.3 b) Bởi phạm vi Và miêu tả độ chia mang lại phép nhân chập với mặt nạ Gauss kích thớc ảnh tăng lên: không sáng tạo đặc trng mới, việc làm mịn cuối tín hiệu đợc bảo đảm Vì chiều cao khoảng cách có giới hạn Witkin(Wit 83) giải (1.21) thích khoảng cách với kinh nghiệm quan sát, cành khoảng cách tơng ứng với vị trí lồi đối tợng ASA 84: trích chọn đỉnh từ khoảng cách thu đợc giải thích chúng nh đặc trng vật lý( nh góc, (1.22) điểm nối, điểm kết thúc, điểm đặc biệt) Mok96 trích chọn đỉnh từ khoảng cách thu đợc đề nghị việc sử dụng đặc trng đỉnh thông thờng 1.2.2.3 Phạm vi không tạo đặc trng Phạm vi quan trọng không gian độ chia không tạo đặc trng Có nghĩa biến đổi từ độ chia tốt sang độ chia xấu cho tìm kiếm hình dạng Hoàn toàn áp dụng không gian độ chia để biểu diễn hình dạng 1.2.2.4 Không gian độ chia mâu thuẫn với việc đa định Trong phân tích đối tợng hai phơng pháp phân tích có thứ bậc thờng thiết lập tín hiệu đơn giản hơn, đặc trng không gian độ chia tính đơn điệu độ chia gia tăng Nó nguyên nhân làm ảnh hởng đợc sử dụng: phơng pháp không gian độ chia, phơng pháp khác tới tín hiệu làm mờ ảnh hởng tín hiệu hai chiều định, ví dụ nh phơng pháp hình chóp phơng pháp sóng Hai phơng pháp khác nhau: điểm khác biệt hai công cụ thể khía cạnh: +Lấy mẫu không quán, chống lại việc lấy mẫu không gian khác Biểu diễn không gian độ chia đợc định nghĩa việc làm mịn lu giữ mẫu không gian giống tất độ chia Trong lấy mẫu không gian đa định độ chia khác khác Đối tợng - 61 - - 62 - hạn Việc gần lý thuyết H0 H1 khó thực mục tiêu nhận dạng truy vấn hình dạng xác định rõ( phơng pháp chung thực cần thiết Do phép thử chấp nhận lý thuyết H0, khoảng cách quan sát truy vấn hình dạng S để tính toán gần hình dạng S dới lý thuyết H0) nhỏ *(p) để loại trừ lý thuyết nhau, kết hợp xác suất cảnh báo sai Tuy nhiên, lý thuyết cần thông tin biết trớc, thông tin khác có đợc giới hạn p, luật gọi định Contrario PFA kết hợp với phép thể bổ xung sau thử thống kê thấp thay đổi không hợp lý ứng dụng cho nhận 3.1.3 Ước lợng xác suất cảnh báo sai dạng hình dạng, chấp nhận lý thuyết tập nhân tố hình dạng S tơng ứng với Tóm lại tính toán xác suất việc không tách Pr(1()/H0) truy vấn hình dạng đối sánh S coi nh S gần S Chú ý, đối sánh nhân tố hình Tính toán cung cấp giá trị xác suất cảnh báo sai phép thử thống kê T(S) dạng giống nhng không hẳn tơng ứng với đối tợng nh ý PFA(S, )= Pr(1()/H1) từ S 0() d(S,S) phụ thuộc công thức 3.2 Tự động thiết lập ngỡng khoảng cách sau: 3.2.1 Số cảnh báo sai NFA Quyết định contrario đợc giới thiệu cốt yếu cố định mức ngỡng xác suất cảnh báo sai khoảng cách nhân tố hình dạng Từ xác Định nghĩa: vậy: suất ý nghĩa, giới thiệu số cảnh báo sai độ xác đó, truy vấn nhân tố hình dạng đợc so sánh với nhân tố hình dạng từ tập CSDL kích Tính toán lại ta có: thớc N Định nghĩa 3.3 : số cảnh báo sai nhân tố hình dạng S khoảng cách d : Proposition 3.1: Xác suất cảnh báo sai cho phép thử thống kê T(S) : Từ kết cuối xác suất xác suất cảnh báo sai thực Đặt lại, theo kinh nghiệm sử dụng ớc lợng cho Pi(S, ) với i{1, k} phép thử, CSDL nhân tố hình dạng khoảng cách( thấp d) số cảnh báo sai thấy nh trị trung bình số cảnh báo sai đợc mong đợi 3.1.4 Luật định Contrario Bớc tiếp theo, để giới hạn PFA, xác suất cảnh báo sai PFA(S, ) không suy giảm với , muốn giảm giới hạn xác suất cảnh báo sai PFA phải cách gia tăng khoảng cách * : thử, định có hay không khoảng cách từ nhân tố hình dạng CSDL S nhỏ d Chú ý: từ Pi ớc lợng theo kinh nghiệm tập CSDL B ; (NFA phụ thuộc B ) - 63 - - 64 - Định nghĩa 3.4: số cảnh báo sai truy vấn nhân tố hình dạng S số cảnh báo sai S khoảng cách d(S, S ) ý nghĩa Tuy nhiên, nhân tố hình dạng tập CSDL đợc xuất phát phơng pháp nền, lý thuyết H0 không đợc chấp nhận tách có ý Số cảnh báo sai S S, tơng ứng mong đợi CSDL hình dạng cảnh báo sai khoảng cách tới S thấp d(S,S ) Chú ý: thích tơng tự đợc sử dụng cho dự đoán định nghĩa số cách báo sai, ý argument NFA cuối nghĩa đợc đề cập nh cảnh báo sai Proposition 3.3: giả thiết CSDL nhân tố hình dạng rõ phân bố theo phơng pháp nền; dự báo số đối sánh có ý nghĩa < Đặt Sj=(1jN) ý nhân tố hình dạng tập CSDLvà j hàm thành phần ej ( Sj đối sánh truy vấn S (giá trị Sj thực 3.2.2 Đối sánh có ý nghĩa N Thay giới hạn trực tiếp xác suất cảnh báo sai để giảm ngỡng khoảng đối sánh có ý nghĩa S với giá trị khác) Đặt R = j không j =1 cách nh giải thích, giới hạn số cảnh báo sai NFA giải thích cho tần suất xuất nh mong đợi Định nghĩa 3.5: Nhân tố hình dạng S đối sánh có ý nghĩa truy gian biểu diễn hình dạng có ý nghĩa tơng ứng với S Dự đoán R E (R ) = E ( j ) sử dụng tiên đề 3.2: N j =1 vấn nhân tố hình dạng S số cảnh báo sai chúng đợc giới hạn : NFA(S,S) Chú ý từ hàm, Từ nhân tố hình dạng CSDL đợc giả thiết thỏa mãn giả thiết không suy giảm, hàm đảo ngợc ý tới khoảng cách d Tồn số thực xác định phơng pháp nền: Tính tuyến tính dự đoán tơng đơng biểu thức: *(/N) phụ thuộc vào truy vấn hình dạng S: N Tiên đề 3.2: nhân tố hình dạng S đối sánh có ý nghĩa truy vấn nhân tố hình dạng tơng đơng: Bằng định nghĩa * có E (R ) N E (R ) j =1 Điểm mấu chốt tính tuyến tính dự đoán cho phép tính toán d(S,S) *(/N) E(R) Từ phụ thuộc thành phần ej không đợc biết, ta ớc Đối sánh có ý nghĩa S nhân tố hình dạng cho khoảng cách * lợng luật phân bố xác suất R < (/N) Xác suất cảnh báo sai phép thử lần lợt nhỏ /N Mặc dù, trị trung bình cảnh báo sai nhỏ số tất đối sánh có ý nghĩa N nhân tố hình dạng đợc thử Phơng thức ớc lợng số đối sánh có 3.2.3 Ngỡng nhận dạng tơng ứng với ngữ cảnh Chú ý xác suất thử nghiệm đem vào tính toán ngẫu nhiên tính phổ thông đối sánh có thể: ngỡng * hạn chế trờng hợp khắt khe trờng hợp khác Nếu truy vấn hình dạng S1 - 65 - - 66 - truy vấn S2 khác; CSDL hàm chứa nhiều hình dạng kết thúc S2 S1, nhỏ hình dạng có nghĩa truy vấn hình dạng để nhận trớc dùng cách hay khoảng cách cố định d Nếu truy vấn hình dạng S1 S2 ta có cách khác Kết thúc với định nghĩa số cảnh báo sai so sánh hình dạng : i{1, k} vad d < d: Hiệu suất s*2 s*1 ( cung cấp hai số lợng nhỏ d) Càng CSDL với hình dạng khác CSDL không nhân tố hình dạng hình dạng tìm kiếm ngỡng nhận dạng cao Phép tính toán khác CSDL Điều tơng ứng với thử nghiệm mục sau Hai nội dung hình giới hạn tơng tự nh: đem lại truy vấn hình dạng số hình dạng hai ảnh đợc đối sánh Khi tìm kiếm hình dạng phụ thuộc CSDL B1 tạo dạng CSDL B1 CSDL dạng cao B2 Có i{1, k} d đủ hình dạng N1; số nhân tố hình dạng N2 phụ thuộc CSDL B2 Định nghĩa 3.6: Số cảnh báo sai hình dạng khoảng cách d: nhỏ: NFA(S , d ) = N ì N ì Pr (S ' , max d i ( xi (S )), xi (S '), i (1, k ) d ) Pi , Pi ớc lợng riêng B1 B2, (S ) (S ) * * Xác suất (phụ thuộc vào hình dạng S đợc tìm kiếm) đợc ớc lợng nh Kết ngỡng đợc giới thiệu thuật toán tự động thích nghi liên trớc, nh kết K ớc lợng thử nghiệm tập B2 số truy vấn quan đến biến thiên truy vấn hình dạng CSDL hình dạng Càng hình dạng đợc tìm cho hình dạng B1, định nghĩa đối sánh có ý nghĩa truy vấn hình dạng ngỡng khoảng cách tơng ứng tùy ý Mục tiêu, trị trung bình cảnh báo sai số đối sánh có ý nghĩa ngợc lại N1, N2 cặp đợc thử không thay đổi 3.2.4 Tại định Contrario 3.3 Xây dựng đặc trng độc lập thống kê Tiến định Contrario dựa NFA đợc so sánh với tập Khá quan trọng đề cập đặc trng độc lập (cf(A)) Khi sử dụng đặc ngỡng khoảng cách trực tiếp nhân tố hình dạng cách rõ ràng trng độc lập cách để giảm kích thớc CSDL Bằng kết hợp vài Ngỡng NFA thuận lợi so với ngỡng khoảng cách Thực vậy, đơn giản đặc trng độc lập, dễ dàng tìm số cảch báo sai thấp mà không cần đặt = cho phép phần lớn cảnh báo sai đối sánh có ý nghĩa CSDL lớn để ớc lợng xác suất cảnh báo sai PFA D Lowe giới thiệu tổng quan = 10 ta muốn lạm dụng tin cậy cao đối sánh thu đợc cho nhận dạng trực quan giới hạn xác phép đo ảnh( xác suất Ngỡng tách đợc đặt tơng đơng dù truy vấn hình dạng nh thiếu đoạn quan hệ giới tự nhiên) Mối quan hệ đơn giản đợc CSDL kết khoảng cách thích nghi tự động phụ thuộc vào chúng mô tả thờng bị lỗi so với mức xác suất xuất ngẫu nhiên thấp, mối quan theo giải thích Nói cách khác, thấp hơn, chắn tách có ý nghĩa hệ phải đủ mạnh để nhận dạng Tuy nhiên, kết hữu ích gia -1 Tuy nhiên tính toán NFA không cần thiết cho phơng pháp hình dạng Nó tiến phơng pháp giới thiệu, có phơng pháp tăng nh kết tìm kiếm hỗn hợp tạo thành quan hệ hỗn hợp mới, phải có xác suất xuất thấp Xem xét ví dụ số Nếu đề cập tới CSDL đợc tạo từ N nhân tố hình dạng giá trị thấp tìm thấy xác suất theo kinh nghiệm:# - 67 - Pi (S , d ) = ì# {S' , d i ( xi (S '), xi (S )) d } N Tại giá trị thấp 1/N Nếu phơng pháp xây dựng k =1 đặc trng CSDL N =1000 hình dạng Giá trị thấp tìm thấy số cảnh báo sai 1000.1/1000=1 Điều có nghĩa hai nhân tố hình dạng S S dờng nh đợc định dạng dựa NFA ta chắn đối sánh không ngẫu nhiên Thực NFA =1 có nghĩa trị trung bình hình dạng CSDL - 68 - trích chọn đặc trng độc lập từ đoạn cung Jordan (nhân tố hình dạng) Nhân tố hình dạng đợc chuẩn hóa trớc đối sánh để yêu cầu nhận dạng hình học cố định Vì nhân tố hình dạng phải đợc chuẩn hóa trích chọn đặc trng độc lập thống kê từ nhân tố hình dạng đợc chuẩn hoá nhằm đáp ứng ba yêu cầu 3.4.Chuẩn hóa nhân tố hình dạng từ ảnh cho đặc trng độc lập 3.4.1 Biểu diễn hình dạng mức đờng đối sánh với S thay đổi Giả thiết phơng pháp đợc xây dựng đặc trng (N=1000) Số cảnh báo sai thấp đợc tìm thấy 1000.1/10006=10-15 Trong thực tế, quan sát số cảnh báo sai hai hình dạng tơng đơng thấp 10-10 Điều có nghĩa cần quan sát CSDL 1010 Các thử nghiệm phơng pháp định đợc sử dụng hệ thống nhận dạng thực nh Một thuật toán trích chọn đoạn cung Jordan tơng ứng với biểu diễn hình dạng cục không đổi ảnh đợc giới thiệu tiến hành theo bớc sau: không lớn để đối sánh có ý nghĩa khoảng cách tơng tự cảnh báo sai Để tổng hợp, khung để nhận dạng hình dạng, đặc trng hình dạng đặt yêu cầu sau: 1- Các đặc trng hình dạng cung cấp mô tả hoàn thiện: hình dạng với Các hình dạng độc lập thống kê (khá xác, khoảng cách hai hình dạng độc lập) 3- Số lợng hình dạng lớn Yêu cầu thứ có nghĩa mô tả đặc trng hình dạng tốt Yêu cầu thứ hai sở cho thiết kế phơng pháp yêu cầu thứ ba cần thiết để tìm kiếm hình dạng với số cảnh báo sai thấp Tìm đặc trng khó hội tụ ba yêu cầu Thực phải có đủ đặc trng để yêu cầu thứ có giá trị nhng yêu cầu dụng để tìm tơng đồng loại cấu trúc cảnh, với k đặc trng độc lập thống kê đợc trích chọn phần tiếp theo, đề cập vấn đề 2- Làm mịn mối quan hệ không đổi mức đờng đợc trích chọn 3- Mã hóa cục đoạn mức đờng sau chuẩn hóa mối quan hệ Chi tiết hơn, đề cập tới tập mức đờng ảnh (đờng viền thành phần) Sự biểu diễn có số tiến bộ, không cố định vài thay đổi độ chói cảnh ( Trong trờng hợp ảnh tự thay đổi) Chú ý,mức đờng không đổi thay đổi độ tơng phản Đảm bảo việc học xác thông tin hình dạng yêu cầu đợc biểu diễn mức đờng Tuy nhiên, đờng viền đối tợng nằm ảnh đợc biểu diễn tổ hợp số đoạn mức đờng Vì vậy, mức đờng đợc quan sát nh dãy đoạn đờng viền đối tợng, phải mã hóa thông tin hình dạng thứ bị lỗi Khung định, phải mô tả xa so với thực tế nói chung Phải ứng Trích chọn mức đờng có ý nghĩa tơng đồng đặc trng tơng tự đợc nhận dạng 2- 1- Tuy nhiên, biểu diễn hình dạng mức đờng không cần thiết chứa thông tin vô ích Đó sao, Desolneux giới thiệu phơng pháp để trích chọn mức đờng có ý nghĩa từ ảnh, điều đợc hoàn thiện Cao - 69 - - 70 - Qua thực nghiệm, đờng cung cấp để trùng khớp cục với tơng đồng), định nghĩa khung cục cho mức đờng, dựa hớng mạnh đờng viền trực quan đối tợng ảnh Thuật toán không cần điều lên (robust, ý đờng sẫm đoạn béo, đờng mảnh) Mỗi biểu diễn thu chỉnh tham số, từ tham số tự động thiết lập dựa số liệu thống kê thu đợc đợc lấy mẫu đồng dạng đoạn đờng cong khung tiêu chuẩn hóa từ nguyên tắc trực quan Mức đờng có ý nghĩa độ tơng phản không đổi, từ Sự liên kết ba xắp xếp đợc giới thiệu Lisani Cách phát chúng dựa phân bố tơng phản ảnh thứ ba dụa báo Lamdan cho phép công việc Reths đánh Hình 3.1 minh họa việc thông tin, có nghĩa việc sử dụng mức đờng có ý nghĩa đợc so sánh với tăng độ xác thông tin Sự giảm bớt mục không đổi gần Orrite Phần sau giới thiệu thuật toán cải tiến Lisani mức đờng nhằm mục đích đối sánh hình dạng sau mã hóa Mặt khác, ngăn chặn yếu tố phơng pháp không đợc ứng dụng của, Ví dụ nh tìm kiếm ảnh từ CSDL Từ mức đờng có ý nghĩa đợc trích chọn, cần làm nhẵn chúng để hạn chế nhiễu ảnh hởng nhiễu Không gian độ chia quan hệ hình học (Geometric Affine) phải thích hợp (từ làm nhẵn thay với biến đổi quan hệ riêng từ quan tâm tới quan hệ không đổi: x điểm mức đờng, Curv(x) độ cong n (x) thờng độ cong, hớng phía lõm, sử dụng thực nhanh Moisan Độ chia điểm làm nhẵn đợc ứng dụng để cố định kích thớc pixel Fix Hình 3.1: trích chọn mức đờng có ý nghĩa a-ảnh gốc La Conpouaille b-Mức đợc giới thiệu biểu diễn với chất lợng mức xám cao bớc tơng ứng 10 (54 790 mức đờng) Mức đờng có ý nghĩa M (296 detetion) 3.4.2.Tiêu chuẩn hóa mã hóa bán cục cứng độ chia điểm làm nhẵn để mở rộng chi tiết hình dạng ảnh điểm Giới thiệu tiêu chuẩn hóa mức đờng bán cục bộ, tổng quan hơnchính cung đợc trích chọn Mục đích giảm bớt phức tạp mức cung Jordan dựa hớng cực đại Việc tách đợc cung cấp đờng đờng có ý nghĩa hoàn thiện cách chuẩn hoá chúng mảnh đờng đậm đoạn nhẵn (Một đoạn vế trái cung không tiến Mục tiêu lại nhằm mục đích tạo đối sánh hình dạng tới phân đoạn điểm điểm, mối quan hệ với phơng pháp Trong đờng chắn Thực vậy, làm mịn hạn chế số đờng mảnh bitangents (màu sẫm) mảnh khả quan hệ không đổi; đoạn phẳng mức đờng để hạn chế nhiễu; kết tất nhiên hạn chế số nhân tố Tuy nhiên, hai đối số cho đề cập nó; đầu tiên, dới lý nhân tố zoom, hình dạng đợc mã hóa nh mức đờng trở lên rõ ràng đoạn phẳng đợc trì, lý thứ hai điểm cong, tất yếu đợc Cuối cùng, thuật toán mã hóa hình dạng không đổi thực chuẩn hóa cục mã hóa Để xây dựng biểu diễn không đổi ( biến đổi quan hệ trì biến đổi quan hệ Nếu trờng hợp này, điểm cong không - 71 - phải hớng mạnh Trong cảnh, điểm đậm đoạn phẳng đợc đề cập nh version mạnh độ đậm điểm cong (sử dụng thuật toán gốc - 72 - Để giới thiệu mức đờng L1; đoạn phẳng cặp điểm đờng thẳng tơng tự đậm với cung tròn Lisani ) với đờng mảnh version không mạnh phần phẳng Hình 3.2 : Mã hóa bán cục Chi tiết thủ tục sử dụng để thực tơng tự mối quan hệ không đổi không đổi tơng tự Phía trái : minh cho mã hóa / tiêu chuẩn hóa cục đờng cong Jordan Tiếp theo, đề cập trực họa dựa đờng mảnh tiếp tham số Euclidean cho mức đờng a) đặt P1 P2 điểm đậm 3.4.2.1 Mã hóa / Tiêu chuẩn hóa trị không đổi tơng đơng thực với mảnh điểm cuối cho Chi tiết hình 3.2, hai tham số thực hiện, F N bao gồm thủ tục segment đợc tách thực với đoạn tiêu chuẩn hóa Giá trị F xác định chiều dài chuẩn hóa nhân tố hình phẳng Để cặp đoạn đậm D với dạng, đợc lựa chọn: F lớn, nhân tố hình dạng không đợc chấp điểm nhận tốt với thực tế, F nhỏ nhân tố hình dạng không đủ để b) phân biệt Mặt khác, vấn đề phân tích hình dạng: tính cục Bắt đầu chậm tiến từ P P1 với Dgọi P1 đoạn đậm L Thogonoil tới D trái ngợc với tính chung biểu diễn hình dạng Từ tơng quan biểu diễn hình dạng việc lựa chọn N khó khăn hơn, tham số tơng đối Bắt đầu từ P2 gọi P2 đoạn đậm L Thogonal tới D xác Giá trị đợc lựa chọn nh thỏa thuận biểu diễn c) R2 hình dạng xác với việc đảm bảo tính toán nhanh Hình 3.3 : Chỉ vài tiêu chuẩn hình dạng đợc trích chọn từ đờng đơn Nhiệm vụ tính toán với F=5 N=45 Tìm điểm giao điểm P1 D P2 D Gọi R1 , d) Chuẩn hóa tọa độ phân bố điểm N ảnh chuẩn hóa chiều dài F; trung tâm C Giao diện điểm L với đờng Chú ý : Biểu diễn có d thừa Trong biểu diễn chắn phân giác (R1,R2) tọa độ chuẩn hóa có nghĩa tọa độ tối u có d thừa, gia tăng xác suất tìm nhân tố hình dạng chung hình khoảng tơng đơng định nghĩa điểm R1, R2 đồ dạng tơng ứng đợc giới thiệu ảnh, chí chúng bị suy giảm tùy chạy từ (- ,0),( thuộc vào phần nghẽn Tất thử nghiệm đợc giới thiệu mục đề cập tới đối sánh dựa mã hóa cục sử dụng F=5, N=45, theo kết thỏa mãn tốt Tiến hành tham số tổng quan đợc cố định cho tất thử nghiệm không cần xác định lại ngời dùng ,0) tơng ứng Là mã hóa F=5 Khi chiều dài chúng nhỏ với thừa nhận chiều dài đờng phân đoạn (R1,R2), kết nhân tố hình dạng tự gối lên nhau(có chồng lấn kết thu đợc) Hình 3.3 : mã hóa không đổi tơng đơng bán cục Đờng phải : tổng quan 19 nhân tố (F=5, N=45) 12 số chúng dựa đờng mảnh, - 73 - - 74 - lại đờng đậm Biểu diễn thừa biểu diễn ba nhân tố hình dạng đoạn mức đờng Đặc trng hình dạng giới thiệu tạo từ ba đặc chuẩn hóa, hai nhân tố hình dạng thu đợc từ đờng mảnh nhân tố hình dạng trng C1 C6 từ đờng đậm Để thu đợc biểu diễn quan hệ không đổi mức đờng L, đoạn bằng, cặp điểm đờng thẳng đậm cung thực Hình 3.4 : Mã hóa bán cục mối quan hệ không đổi Nhân tố hình dạng đợc mã hóa dựa đờng mảnh D a) thực tế với mảnh Hình 3.3: Mã hoá không đổi tơng đơng bán cục điểm kết thúc cho tách 3.4.2.2 Mã hóa / Chuẩn hóa quan hệ bất biến đoạn thực tế với đoạn Minh họa hình 3.4 Nh thực việc chuẩn hóa tơng đồng Đề cập đờng đậm không đổi, tham số thi hành đợc sửa từ F=5 N=45 Hình 3.5 vài hình dạng đợc trích chọn từ đờng đơn giản cho tham số lựa chọn Mã hóa thực tế giảm d thừa so với thủ tục mã hóa tơng đồng Bởi thực tế cấu trúc D với điểm b) Bắt đầu từ P2 trừ đoạn đậm với L, khung cục quan hệ không đổi lạm dụng nhiều miễn cỡng khung song song với D Gọi là khung tơng đồng không đổi 3.4.3 Từ chuẩn hóa nhân tố hình dạng đến đặc trng độc lập Đặt P1, P2 điểm đậm c) Để cặp đờng thẳng song Giải thích thủ tục ứng dụng để trích chọn vài đặc trng từ nhân tố hình dạng Theo kinh nghiệm thu đợc đồng thời ba yêu cầu đặc trng (minh họa song D đặt hình 3.6) Mỗi đoạn cung Jordan C đợc chia thành đoạn chiều dài D2 tơng ứng Mỗi đoạn đợc chuẩn hóa đồ dây cung điểm đầu điểm Bắt đầu từ P2 tìm điểm giao L D1, L e) Bắt đầu ngợc lại từ P1, tìm điểm đậm trớc song song L D2 Xem xét đoạn thẳng T1 định nghĩa hai điểm biệt Các đặc trng độc lập; nhiên C1 C5 đem lại : tái thiết lại hình dạng gốc chúng : mục đích trọn vẹn đặc trng tổng quan thứ C6 đợc tạo từ điểm cuối đoạn trên, khung chuẩn hóa Cho , khoảng cách từ D tới D Gọi D1 3 d) cuối trục ngang Điểm đầu điểm gốc : kết Đoạn cung nhỏ đợc chuẩn hóa đặc trng C1, C2, , C5 ( tơng ứng Ci có điểm riêng Hình 3.4: D T1 gọi T2 f) Định nghĩa điểm R1, R2 R3 điểm cắt D T2, D T1, D T2 tơng ứng - 75 - g) Điểm R1, R2, R3 định nghĩa nh quan hệ Chuẩn hóa quan hệ đợc sửa tơng ứng đồ {R1, R2, R3} {(0,0), - 76 - Phác họa b) Mỗi hình đợc chuẩn hóa đặc trng số tạo điểm cuối đoạn đợc xây dựng (1,0), (0,1)} {R1, R2, R3} khung trực tiếp {(0,0), (1,0), (0,-1)} h) Mã hóa : xem xét điểm giao L đờng thẳng cách từ D D ( điểm đầu bắt đầu P2) Gọi chuẩn hóa C L chiều dài F hai ảnh C Lu trữ phân bố điểm N dạng chuẩn hóa đờng cong Hình 3.6: mã hoá tơng đồng không đổi Khả khác, điều tra việc sử dụng phân tích thành phần PCA [28] Mặc dù PCA không cung cấp đặc trng độc lập nhng xác Khi này, tính toán số cảnh báo sai xuất có giá trị Tuy Hình 3.5 : mã hóa hình dạng bán cục quan hệ bất biến Đờng phía phải phát sinh từ nhân tố hình dạng (F=5, N=45); số chúng đợc biểu diễn đây.Trớc có xi(S) = Ci ( i (1, , 6) i {1, , 5}, Ei = (R2)9 E6= (R2)6 khoảng cách di chúng L nhiên, kết không tốt nhng chúng có PCA thực tế cho phép từ giới hạn vốn có: thừa nhận bền vững không gian đặc trng tuyến tính Điều rõ ràng không với không gian hình dạng 3.5 Thảo luận Trong hình 3.6, mã hóa tơng đồng không đổi Phác họa a) Hình dạng Trong phần đề cập tới nhân tố hình dạng nh đoạn mức đờng gốc nh cung Jordan khoảng đợc chuẩn hóa dựa đờng mảnh Cả giới đủ độ tơng phản Định nghĩa theo phân tích yêu cầu nhận dạng hình hạn cung Jordan đợc đề cập đợc rõ ràng với đờng đậm : biểu diễn dạng Thay đổi độ tơng phản tập trung tính toán( vùng, thay đổi đợc chia thành đoạn C1, C2, C3, C4, C5 mức chói đâu) thiết thực Mục đích để giới thiệu phơng pháp để tính toán NFA đối sánh vài nhân tố hình dạng tiến tới phân lớp không đổi Tính toán số lợng hữu ích tiến tới tới chấp nhận hay phủ định ngỡng cho đối sánh nhân tố hình dạng Luật định để dựa cân nhắc đối sánh với NFA < 1(hoặc 10-1 đợc đề cập tới việc tách - 77 - xác), việc tự động mức ngỡng khoảng cách phụ thuộc vào CSDL phụ thuộc vào truy vấn Dĩ nhiên, với đoạn mức đờng không đủ để định có hay không đối - 78 - Chơng Thử nghiệm tợng trích từ ảnh Tuy nhiên, biên đối tợng trùng khớp tốt với đoạn mức đờng, đánh giá để tính toán Bớc kết hợp đối 4.1 Thử nghiệm phơng pháp sánh cách tính toán kết cấu không gian chúng Thật vậy, thấy Tính toán xác suất PFA(S, ) nhân tố hình dạng cách thay thử nghiệm đợc giới thiệu, đối sánh sai(đối sánh không tơng ứng với đổi khoảng cách thấp để truy vấn hình dạng S với giả đối tợng giống nhau) không đợc phân bố rõ ràng ảnh, ngợc lại thuyết (A) độc lập dựa khoảng cách thuộc tính Dĩ nhiên dựa vào độ hoàn toàn với nh đối sánh xác Mỗi cặp đối sánh nhân tố hình dạng tiến xác mang tới giá trị NFA(S, ) đủ lớn phụ thuộc giá trị giả tới biến đổi xác định ảnh, tơng ứng nh đối tợng biến đổi thuyết độc lập (A) Số cảnh báo sai mong muốn số tất đối sánh không gian Từ đối sánh có ý nghĩa không gian chặt chẽ phải tơng ứng có ý nghĩa với truy vấn hình dạng mức thấp Tuy nhiên nh cluster không gian biến đổi, việc tách đối sánh có ý nghĩa cảnh báo riêng đối sánh thực tế : chúng tách quan sát Hiện tại, nguyên tính toán nh việc thực cluster Hoàn thành nhiệm vụ phát triển tắc Helinholtz nói rõ không thực tách đối tợng lẫn nhiễu Mọi đối thuật toán cluster không giám sát mà dựa phơng pháp cotrario Đồng sánh ý nghĩa mà có nhiễu coi nh cảnh báo sai Trong trờng hợp, sau thời, kết hợp thông tin không gian có sẵn đối sánh nhân tố hình dạng kiểm tra yêu cầu trị trung bình nhiễu, trờng hợp NFA củng cố cho nhận dạng nhân tố hình dạng phơng pháp định Contrario dự báo tốt số hình dạng đợc tách Giả thuyết độc lập đủ giá trị, yêu cầu phụ thuộc trị trung bình cảnh báo sai số đối sánh có ý nghĩa lại Thử nghiệm đầu tiên, kiểm tra ngỡng tách phơng thức đơn giản Xem xét CSDL truy vấn vài không gian với việc gia tăng số lợng đặc trng độc lập (thay cho hình dạng chuẩn hóa) Mặc dù trờng hợp này, nhân tố hình dạng không lấy từ đờng cong Jordan, phơng thức có khả thực Trong cảnh, nhân tố hình dạng đợc đề cập hoàn toàn thích hợp giả thuyết đặc trng độc lập Bảng 4.1 số cảnh báo sai dự báo xác cho CSDL có kích thớc khác : số tách với NFA thấp khoảng cách thực tế - 79 - - 80 - 4.2 Thử nghiệm Contrario 4.2.1 Hai ảnh không quan hệ với Mục tiêu thử nghiệm để kiểm tra phạm vi phơng Bảng 4.1 : Trung bình lớn 10 mẫu Số tách có ý nghĩa = mâu pháp đề xuất: số cảnh báo sai NFA ớc lợng số đối sánh thay thuẫn Hàng : CSDL có 100 hình dạng, thứ có 50 hình dạng, thứ có đổi Hình 4.1 thấy kết biểu diễn đợc mô tả nh đề cập 10 hình dạng tới ảnh khác Nhân tố hình dạng đợc chuẩn hoá tơng đồng bất biến Dĩ nhiên, phơng pháp không thực tế với nhân tố hình dạng xuất mức đờng có ý nghĩa từ đợc tìm kiếm số nhân tố ngẫu nhiên Nói cách khác, nhân tố hình dạng tơng ứng với đoạn cung hình dạng đợc chuản hoá từ ảnh thứ Chỉ đối sánh có ý nghĩa Jordan bị phân chia cỡng Đặc trng nhân tố hình dạng thu đợc khôi phục(NFA đối sánh 0.1 thấy ảnh, hình 4.3 Không đối sánh sai bị tách, đối sánh NFA hình 4.5c Hình nhân tố hình dạng đối sánh sai này, thêm chúng [...]... để nhận dạng hình dạng, đặc trng hình dạng đặt ra 3 yêu cầu sau: 1- Các đặc trng hình dạng cung cấp mô tả hoàn thiện: 2 hình dạng với Các hình dạng độc lập thống kê (khá chính xác, khoảng cách giữa hai hình dạng là độc lập) 3- Số lợng các hình dạng lớn Yêu cầu thứ nhất có nghĩa là mô tả đặc trng hình dạng tốt Yêu cầu thứ hai cơ sở cho thiết kế phơng pháp nền và yêu cầu thứ ba cần thiết để tìm kiếm hình. .. mọi hình dạng khác trong CSDL và không chỉ nhân tố hình dạng trong các hình dạng tìm kiếm thì ngỡng nhận dạng càng cao Phép tính toán khác của một CSDL Điều này tơng ứng với thử nghiệm ở mục sau Hai nội dung hình giới hạn tơng tự nh: nếu đem lại một truy vấn hình dạng trong số các hình dạng của hai ảnh đợc đối sánh Khi tìm kiếm hình dạng phụ thuộc CSDL B1 tạo dạng của CSDL B1 hiếm hơn là CSDL dạng. .. dạng) Nhân tố hình dạng đợc chuẩn hóa trớc khi đối sánh để yêu cầu nhận dạng hình học cố định Vì vậy nhân tố hình dạng phải đợc chuẩn hóa và trích chọn đặc trng độc lập thống kê từ các nhân tố hình dạng đã đợc chuẩn hoá nhằm đáp ứng ba yêu cầu này 3.4.Chuẩn hóa nhân tố hình dạng từ ảnh cho đặc trng độc lập 3.4.1 Biểu diễn hình dạng bằng các mức đờng đối sánh với S bằng sự thay đổi Giả thiết phơng pháp. .. dạng đợc trích chọn từ một ảnh đợc giới thiệu phù hợp với biểu diễn ngữ nghĩa hình dạng bởi chúng có khả năng thu đợc đặc trng tín hiệu của một hình dạng hình dạng của chúng khi loại trừ bớt nhng chi tiết hình dạng tinh tế nhất Khi hình dạng là đối tợng bị ảnh hởng của méo dạng xa gần, bằng nhận Các phép đo sự giống nhau khác và phép đo sự thực hiện cũng dợc thảo thức của mình con ngời vẫn có thể nhận. .. phần tơng tự có thể biểu diễn một - 47 - vài nhân tố hình dạng tơng ứng Vì vậy nhận dạng yêu cầu tìm ra tập phù hợp - 48 - Từ nhân tố hình dạng đợc chuẩn hoá thực hiện nhận dạng mối quan hệ tự nhiên các cặp, một tập các cặp trong hình dạng tự nhiên bất biến Một mô tả contrario đợc giới thiệu để tơng ứng với nhân tố hình 2.3.2 Đối sánh nhân tố hình dạng dạng Một số lợng các cảnh báo sai của sự tơng đồng... tiêu của phơng pháp Phơng pháp xác suất đáng tin cậy cho vấn đề hình dạng tơng ứng và đa này Xây dụng một phơng pháp thống kê của CSDL nhân tố hình dạng và các ra một phơng pháp để tính toán tự động mức ngỡng đối sánh đúng Thay vì đối sánh quan hệ đợc tách Contrario định nghĩa khoảng cách ngỡng cho mỗi truy vấn hình dạng, định nghĩa số cảnh 3.1.1 Phơng pháp hình dạng trái ngợc phơng pháp nền báo sai... của một bức ảnh không mất nội dung hình dạng Mức đờng này uốn cong nhóm cùng nhau Nhóm NFA của chúng nhỏ nên việc tách đáng tin cậy và gặp đờng viền ảnh ở điểm cuối cùng Nhận dạng hình dạng là công cụ mạnh, vì thế đờng viền có ý nghĩa phải chia cắt trong đoạn nhỏ hơn gọi là nhân tố hình dạng Các hình dạng không đổi phải yêu cầu mã hóa nhân tố hình dạng không đổi; phơng pháp mã hóa mối quan hệ không đổi... vấn hình dạng NFA có thể đợc - 59 - Đầu tiên phải định nghĩa chính xác biểu diễn nhân tố hình dạng và một vài khái niệm khác Mục tiêu của phơng pháp là so sánh truy vấn nhân tố hình dạng - 60 - ngỡng khoảng cách đợc thiết lập tự động Tìm cách thay thế giới hạn khoảng cách bằng giới hạn xác suất của cách báo sai S với nhân tố hình dạng N của CSDL B Giả thiết mỗi nhân tố hình dạng S đợc Một hình dạng. .. trong các trờng hợp khác Nếu truy vấn hình dạng S1 hơn - 65 - - 66 - một truy vấn S2 khác; CSDL hàm chứa nhiều hình dạng kết thúc S2 hơn S1, nhỏ hình dạng có nghĩa là truy vấn hình dạng để nhận ra trớc khi dùng cách này hay hơn khoảng cách cố định d nào đó Nếu truy vấn hình dạng S1 hiếm hơn S2 ta có cách khác Kết thúc với định nghĩa số cảnh báo sai khi so sánh mọi hình dạng trong : i{1, k} vad d < d: Hiệu... đợc sử dụng Phơng pháp ra Cấu trúc của nó đợc sử dụng một thuật toán kết nối đơn làm việc nh sau Độ quyết định Contrario không tơng đồng nào giữa hai điểm dữ liệu đợc mở rộng tới bất kỳ cặp nào cảu tập tách rời tập dữ liệu điểm A và B bằng : Nhận dạng hình dạng là nhận biết ra hình dạng dựa trên các kiến thức biết trớc, cụ thể ở đây là tìm ra có hay không hình dạng truy vấn trong CSDL hình Một cây nhị