Phương pháp trích chọn dấu hiệu của ảnh dựa trên đặc trưng hình dạng (2014)

74 4 0
  • Loading ...
1/74 trang

Thông tin tài liệu

Ngày đăng: 16/04/2018, 16:17

TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI KHOA CÔNG NGHỆ THƠNG TIN LÊ THỊ HƯƠNG PHƯƠNG PHÁP TRÍCH CHỌN DẤU HIỆU CỦA ẢNH DỰA TRÊN ĐẶC TRƯNG HÌNH DẠNG KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC Chuyên ngành: Tin học HÀ NỘI, 2014 TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN LÊ THỊ HƯƠNG PHƯƠNG PHÁP TRÍCH CHỌN DẤU HIỆU CỦA ẢNH DỰA TRÊN ĐẶC TRƯNG HÌNH DẠNG KHĨA LUẬN TỐT NGHIỆP ĐẠI HỌC Chun ngành: Tin học NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS LÊ HUY THẬP HÀ NỘI, 2014 LỜI CẢM ƠN Lời em xin chân thành cảm ơn thầy giáo PGS.TS Lê Huy Thập Viện công nghệ thông tin tận tình hướng dẫn bảo em trình thực khóa luận Em xin chân thành cảm ơn thầy, cô giáo khoa Công nghệ thông tin thầy, cô giáo trường giảng dạy giúp đỡ em năm học vừa qua Chính thầy, giáo xây dựng cho chúng em kiến thức tảng kiến thức chun mơn để em hồn thành khóa luận tốt nghiệp chuẩn bị cho công việc sau Cuối em xin bày tỏ lòng biết ơn tới gia đình bạn bè giúp đỡ động viên em nhiều suốt trình học tập để em thực tốt khóa luận Tuy có cố gắng định thời gian trình độ có hạn nên chắn khóa luận nhiều thiếu sót hạn chế Kính mong nhận góp ý thầy, cô giáo bạn Hà Nội, tháng 05 năm 2014 Sinh viên Lê Thị Hương LỜI CAM ĐOAN Tên em là: LÊ THỊ HƯƠNG Sinh viên lớp: K36 – Tin học, khoa Công nghệ thông tin, trường Đại học sư phạm Hà Nội Em xin cam đoan: Đề tài “Phương pháp trích chọn dấu hiệu ảnh dựa đặc trưng hình dạng” nghiên cứu riêng em, hướng dẫn thầy giáo PGS.TS Lê Huy Thập Khóa luận hồn tồn khơng chép tác giả khác Nếu sai em xin hoàn toàn chịu trách nhiệm Hà Nội, tháng 05 năm 2014 Người cam đoan Lê Thị Hương MỤC LỤC LỜI CẢM ƠN LỜI CAM ĐOAN CÁC KÝ HIỆU VIẾT TẮT DANH MỤC HÌNH VẼ MỞ ĐẦU CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 1.1 Xử lý ảnh, vấn đề xử lý ảnh 1.1.1 Xử lý ảnh 1.1.2 Các vấn đề xử lý ảnh 1.1.3 Thu nhận biểu diễn ảnh 1.2 Biên kỹ thuật tìm biên 11 1.3 Xương kỹ thuật tìm xương 16 CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG DỰA VÀO HÌNH DẠNG 22 2.1 Phân ngưỡng trừ ảnh 22 2.1.1 Phân ngưỡng 22 2.1.2 Trừ ảnh 23 2.2 Đối sánh mẫu 30 2.2.1 Định nghĩa 24 2.2.2 Biến đổi Fourier 25 2.3 Biến đổi Hough 28 2.3.1 Tổng quan 28 2.3.2 Biến đổi Hough cho đường thẳng 29 2.3.3 Biến đổi Hough cho hình tròn 32 2.3.4 Biến đổi Hough cho elip 36 2.3.5 Kỹ thuật biến đổi Hough tổng quát 39 2.3.6 Biến đổi Hough tổng quát bất biến 45 2.4 Phương pháp trích chọn đặc trưng dựa vùng 49 2.4.1 Phương pháp toàn cục 50 2.4.2 Phương pháp cấu trúc 51 2.5 Phương pháp trích chọn đặc trưng dựa theo biên 53 2.5.1 Phương pháp toàn cục 53 2.5.2 Phương pháp cấu trúc 55 CHƯƠNG 3: CHƯƠNG TRÌNH THỬ NGHIỆM 59 3.1 Bài toán 59 3.2 Thiết kế chương trình 59 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 63 TÀI LIỆU THAM KHẢO 70 CÁC KÝ HIỆU VIẾT TẮT Kí hiệu Viết đầy đủ Ý nghĩa HT Hough Transform Chuyển đổi Hough GHT Generalised Hough transform Biến đổi Hough tổng qt DANH MỤC HÌNH VẼ Hình 1.1: Q trình xử lý ảnh 10 Hình 1.2: Các bước hệ thống xử lý ảnh 10 Hình 1.3a: Ảnh thu nhận 11 Hình 1.3b: Ảnh mong muốn 11 Hình 1.4: Sự chuyển đổi mơ hình biểu diễn ảnh 16 Hình 1.5: Ví dụ ảnh xương 22 Hình 1.5a: Ảnh gốc 22 Hình 1.5b: Ảnh xương 22 Hình 1.6: Minh họa thuật toán trộn hai sơ đồ Voronoi 25 Hình 1.7: Minh họa thuật tốn thêm điểm biên vào sơ đồ Voronoi 26 Hình 2.1: Trích chọn hình dạng phép trừ phân ngưỡng 28 Hình 2.1a: Hình ảnh đối tượng 28 Hình 2.1b: Ảnh sau trừ 28 Hình 2.1c: Ảnh sau phân ngưỡng 28 Hình 2.2: Minh họa đối sánh mẫu 30 Hình 2.2a: Hình ảnh có chứa hình 30 Hình 2.2b: Mẫu hình dạng mục tiêu 30 Hình 2.3: Đối sánh mẫu biến đổi Fourier 33 Hình 2.3a: Lộn mẫu đệm 33 Hình 2.3b: Biến đổi Fourier mẫu 33 Hình 2.3c: Biến đổi Fourier hình ảnh 33 Hình 2.3d: Nhân biến đổi 33 Hình 2.3e: Kết 33 Hình 2.3f: Vị trí mẫu 33 Hình 2.4: Đường thẳng Hough tọa độc cực 36 Hình 2.5: Minh họa biến đổi Hough cho hình tròn 38 Hình 2.5a: Hình ảnh có chứa hình tròn 38 Hình 2.5b: Khơng gian lưu trữ 38 Hình 2.5c: Không gian lưu trữ 3D 38 Hình 2.6: Bằng cách sử dụng HT cho hình tròn 39 Hình 2.6a: Hình ảnh mắt 39 Hình 2.6b: Cạnh Sobel 39 Hình 2.6c: Cạnh với HT phát hình tròn 39 Hình 2.7: Sự xác định trục Elip 41 Hình 2.8: Áp dụng biến đổi Hough cho Elip 43 Hình 2.8a: Elip 43 Hình 2.8b: Cạnh bóng bầu dục 43 Hình 2.8c: Tiếng ồn cạnh bóng bầu dục 43 Hình 2.8d: Mảng tích lũy cho (a) 43 Hình 2.8e: Mảng tích lũy cho (b) 43 Hình 2.8f: Mảng tích lũy cho (c) 43 Hình 2.9: Hình học GHT 47 Hình 2.10: Hình học GHT bất biến 50 Hình 2.10a: Vector chuyển 50 Hình 2.10b: Định nghĩa gốc 50 Hình 2.10c: Bất biến bảng R 50 Hình 2.11: Áp dụng GHT bất biến 52 Hình 2.11a: Mẫu cạnh 52 Hình 2.11b: Hình ảnh 52 Hình 2.11c: Bộ lưu trữ 52 Hình 2.12: Minh họa phương pháp bề mặt lồi 55 Hình 2.12a: Bề mặt lồi thiếu hụt 55 Hình 2.12b: Cây lõm biểu diễn bề mặt lồi 55 Hình 2.13: Trục trung vị (xương) hình chữ nhật 56 Hình 2.14: Minh họa độ lệch tâm tuần hồn hình dạng 58 Hình 3.1: Form giao diện 63 Hình 3.2: Ảnh đầu vào 63 Hình 3.3: Form biến đổi ảnh màu thành ảnh mức xám 64 Hình 3.4: Form tìm biên ảnh 64 Hình 3.5: Form biến đổi Hough cho đường thẳng 65 Biểu diễn hình dạng dựa vùng xem xét đến tồn vùng hình dạng sử dụng hiệu thơng tin toàn pixel chứa vùng Những phương pháp đo phân phối pixel vùng hình dạng, chúng có khả giả tạo nhiễu biến dạng Phương pháp vùng phổ biến phương pháp moment Ở mức thấp thứ tự moment hay bất biến moment mang theo ý nghĩa vật lý kết hợp với phân phối pixel Tuy nhiên khó khăn để kết hợp thứ tự moment cao với giải thích vật lý Phương pháp lưới dựa khả trực quan quan sát hình dạng, khơng phản ánh thống kê phân bổ vùng hình dạng bị ảnh hưởng nhiễu không cô đọng bất biến moment 2.4.1 Phương pháp toàn cục Phương pháp toàn cục xem xét đến tồn hình dạng, kết mơ tả vectơ số đặc trưng (numeric feature vector), sử dụng để biểu diễn hình dạng 2.4.1.1 Bất biến momen hình học (Geometric Moment Invariant) Hu cơng bố nghiên cứu việc sử dụng momen bất biến cho ứng dụng nhận dạng mẫu hai chiều Phương pháp tiếp cận ông dựa nghiên cứu nhà toán học kỷ 19 lý thuyết đại số:   m pq   x p y q  ( x, y)dxdy p, q = 0,1,2 (2.43)   Sử dụng kết hợp phi tuyến momen có thứ tự thấp, tổ hợp bất biến momen (thường gọi momen hình học), thuộc tính bất biến với co giãn phép quay rút Việc sử dụng momen có thứ tự cao cho phân tích mẫu khơng áp dụng Vấn đề với momen hình học có số bất biến rút từ thứ tự thấp momen, khơng đủ để mơ tả xác hình dạng, khó để lấy bất biến thứ tự cao 50 2.4.1.2 Bất biến moment đại số (Algebraic Moment Invariant) Bất biến momen đại số (AMI) Taubin Cooper giới thiệu sử dụng QBIC Các AMI tính tốn cho từ m momen trung tâm đặt giá trị riêng ma trận định trước M[j,k], phần tử tỉ lệ với yếu tố momen trung tâm Khác với phương pháp bất biến momen hình học Hu, bất biến momen đại số xây dựng từ thứ tự AMI có xu hướng làm việc tốt đối tượng có điểm ảnh phân bổ khơng phải hình dạng phác thảo 2.4.1.3 Phương pháp dựa lưới (Grid Based Method) Lưới mơ tả hình dạng đề xuất Lu Sajjanhar, sử dụng Mars số ứng dụng khác Về bản, hình dạng chiếu lên lưới có kích thước cố định, chuỗi nhị phân mơ tả hình dạng tạo cách quét lưới từ trái sang phải từ xuống cho kết bitmap Các ô bao phủ hình dạng định giá trị 1, khơng bao phủ hình dạng định giá trị Khoảng cách Hamming khoảng cách cityblock sử dụng để đo lường giống hai hình 2.4.2 Phương pháp cấu trúc Cũng giống phương pháp cấu trúc biên, cấu trúc vùng phân tích hình dạng vùng theo phần sử dụng chúng cho mơ tả biểu diễn hình dạng 2.4.2.1 Bề mặt lồi (Convex Hull) Một vùng R lồi với điểm x1, x2  R tồn đoạn x1x2 nằm bên vùng Bề mặt lồi vùng vùng lồi H nhỏ đáp ứng điều kiện R  H Sự khác biệt R-H gọi thiếu hụt lồi 51 vùng R (convex deficiency) Đầu tiên, bề mặt lồi đối tượng thu với thiếu hụt lồi nó, sau lại tìm bề mặt lồi thiếu hụt lồi thiếu hụt lồi tìm thấy bước trước, trình tiếp tục thiếu hụt lồi vùng lồi Hình 2.12(a) minh họa trình này, hình dạng mơ tả lõm hình 2.12(b) Hình 2.12: Minh họa phương pháp bề mặt lồi: (a) Bề mặt lồi thiếu hụt lồi nó, (b) Cây lõm biểu diễn bề mặt lồi 2.4.2.2 Trục trung vị (Media Axis) (hay gọi xương) Cũng giống bề mặt lồi, xương sử dụng để mơ tả biểu diễn hình dạng Xương (trục trung vị) quỹ tích tâm đĩa cực đại hình dạng hình 2.13, đường in đậm xương hình chữ nhật Hình 2.13: Trục trung vị (xương) hình chữ nhật Ý tưởng việc sử dụng xương loại bỏ thông tin dư thừa giữ thông tin topo có liên quan đến cấu trúc đối tượng để nhận dạng đối tượng Xương phân tách thành đoạn biểu diễn dạng đồ thị theo tiêu chí định Như vậy, việc đối sánh hình dạng trở thành việc đối sánh đồ 52 thị Tuy nhiên việc tính tốn xương phức tạp, xương nhạy cảm với nhiễu biến dạng 2.5 Phương pháp trích chọn đặc trưng dựa theo biên Biên vấn đề quan trọng trích chọn đặc điểm nhằm tiến tới hiểu ảnh Cho đến chưa có định nghĩa xác biên, ứng dụng người ta đưa độ đo khác biên, độ đo độ đo thay đổi đột ngột cấp xám Ví dụ: Đối với ảnh đen trắng, điểm gọi điểm biên điểm đen có điểm trắng bên cạnh Tập hợp điểm biên tạo nên biên hay đường bao đối tượng Xuất phát từ sở người ta thường sử dụng hai phương pháp tiếp cận biên bản: phương pháp tiếp cận liên tục (toàn cục) phương pháp tiếp cận rời rạc (cấu trúc) Phương pháp tiếp cận liên tục khơng phân chia hình dạng thành phần vector đặc trưng có gốc từ đường biên sử dụng để mô tả hình dạng Thước đo giống hình dạng dựa đối sánh điểm đặc biệt dựa đặc trưng Phương pháp tiếp cận rời rạc chia đường biên thành phân đoạn cách sử dụng tiêu chuẩn cụ thể Biểu diễn cuối thường chuỗi đồ thị (hoặc cây), biện pháp tương tự thực cách kết hợp chuỗi đồ thị cách phù hợp 2.5.1 Phương pháp tồn cục Kỹ thuật mơ tả hình dạng dựa đường biên tồn cục thường tính tốn vecto đặc trưng từ thơng tin đường biên Khi đối sánh hình dạng sử dụng khoảng cách theo quy tắc, chẳng hạn khoảng cách Euclide khoảng cách City block Phương pháp mô tả biễu diễn hình dạng đường biên tồn cục mơ tả biểu diễn tồn hình dạng có hệ thống cho mơ tả mẫu Đối sánh hình dạng thực miền khơng gian miền 53 đặc trưng Đối với mô tả hình dạng ln cần cân độ xác hiệu Một mặt, hình dạng cần mơ tả xác, mặt khác, hình dạng mô tả nên nhỏ gọn tốt để đơn giản hóa q trình đánh số tra cứu Bởi cần phải trích chọn đặc trưng cách hiệu Mơ tả hình dạng tồn cục đơn giản nhỏ gọn, nhiên mơ tả hình dạng khơng xác, kết hợp với mơ tả hình dạng khác để tạo mơ tả hình dạng xác 2.5.1.1 Mơ tả hình dạng đơn giản Mơ tả tồn cục đơn giản biểu diễn thơng qua: vùng, tuần hồn (chu vi 2/diện tích), độ lệch tâm (độ dài trục chính/độ dài trục nhỏ), hướng trục khả uốn Những mơ tả đơn giản tồn cục thường phân biệt hình dạng với khác biệt lớn, thường sử dụng lọc để loại bỏ truy cập sai kết hợp với mô tả hình dạng khác để phân biệt hình dạng Phương pháp khơng phù hợp với mơ tả hình dạng độc lập Ví dụ, lệch tâm hình dạng hình 2.14(a) gần tới (a=b), khơng xác để mơ tả hình dạng Trong trường hợp này, tuần hồn mơ tả tốt Hai hình dạng hình 2.14(b) 2.14(c) có tuần hồn (a=2b), nhiên, chúng hình dạng khác nhau.Trong trường hợp này, độ lệch tâm mô tả tốt Hình 2.14: Minh họa độ lệch tâm tuần hồn hình dạng 2.5.1.2 Dấu hiệu hình dạng (Shape Signature) 54 Dấu hiệu hình dạng (SS) mơ tả hình dạng hàm chiều thu từ điểm biên SS bao gồm: tọa độ phức hợp, tọa độ cực, khoảng cách tâm, góc tiếp tuyến, góc quỹ tích, độ cong, diện tích chiều dài dây cung SS khơng bị tác động dịch chuyển co dãn hình dạng Bên cạnh đó, SS lượng tử hóa thành biểu đồ dấu hiệu, biểu đồ bất biến với phép quay sử dụng cho đối sánh SS thường nhạy cảm với nhiễu, thay đổi nhỏ biên gây lỗi lớn đối sánh Vì vậy, SS khơng thực tế khơng hiệu tra cứu hình dạng 2.5.1.3 Momen biên (Boundary Moment) Momen biên (BM) dùng để giảm kích thước biểu diễn biên Giả sử biên biểu diễn SS Z(i), momen thứ r mr momen tâm µr, có cơng thức ước tính: mr  N Và N [ z i] r (2.44) i 1 r  N N [ z i  mi ] r (2.45) i 1 Trong đó, N số điểm biên 2.5.2 Phương pháp cấu trúc Một phương pháp khác phân tích hình dạng biểu diễn hình dạng cấu trúc Với cách tiếp cận cấu trúc, hình dạng chia thành phân đoạn biên gọi đối tượng ban đầu Phương pháp cấu trúc khác việc lựa chọn đối tượng ban đầu tổ chức đối tượng cho việc biểu diễn hình dạng Phân tích biên thường dựa xấp xỉ đa giác, phân tích đường cong đối sánh đường cong 55 Điều đạt tiếp cận cấu trúc có khả giải bế tắc chuỗi hoạt động liên tục cho phép đối sánh phần, nhiên, vài điều hạn chế 2.5.2.1 Biểu diễn mã xích (chain code) Mã xích mơ tả đường biên đối tượng chuỗi đoạn thẳng đơn vị với hướng xác định Nền tảng giới thiệu vào năm 1961 Freeman, ông mơ tả phương pháp cho phép mã hóa cấu hình hình học theo ý muốn Trong phương pháp này, đường cong biểu diễn chuỗi vector đơn vị chiều dài thiết lập giới hạn hướng cho phép, gọi phương pháp vector đơn vị Trong thực hiện, hình ảnh đặt chồng lên lưới, từ điểm biên lấy xấp xỉ với điểm lưới gần nhất, sau lấy mẫu hình ảnh thu Từ điểm khởi đầu lựa chọn biên, mã xích tạo cách mã hóa đoạn thẳng biểu diễn biên Các đoạn thẳng đơn vị định hướng theo hướng, hướng N hướng (với N > N = 2k), mã xích sử dụng đoạn thẳng đơn vị định hướng theo N hướng gọi mã xích tổng quát Mã xích dùng để biểu diễn hình dạng phải khơng phụ thuộc vào lựa chọn điểm ảnh biên bắt đầu chuỗi Một khả để chuẩn hóa chuỗi mã xích tìm điểm ảnh trình tự biên mà kết mơ tả số nguyên tối thiểu, sau chúng sử dụng điểm ảnh bắt đầu Ngoài ra, biên biểu diễn khác biệt thị chuỗi mã thay biểu diễn cho biên theo số tương đối Sự chuẩn hóa khác biệt chuỗi mã gọi shape number, shape number sử dụng để biểu diễn hình dạng đối tượng Dùng mã xích biểu diễn hình dạng đối sánh có nhiều hạn chế, mã xích bị ảnh hưởng nhiễu đường biên biến dạng, thêm vào kích thước 56 chuỗi mã dài Mã xích mà thường sử dụng đầu vào phân tích mức độ cao, ví dụ xấp xỉ đa giác tìm điểm uốn 2.5.2.2 Phân tích đa giác (Polygon Decompositon) Trong phương pháp này, đường biên chia nhỏ thành đoạn xấp xỉ đa giác Các đỉnh đa giác sử dụng đối tượng ban đầu Đặc trưng đối tượng ban đầu mô tả chuỗi bao gồm yếu tố: Góc nội tiếp, khoảng cách đến đỉnh tiếp theo, tọa độ x y Các đặc trưng tổ chức thành nhị phân m-arytree Đối sánh hình dạng có hai bước: Bước đối sánh đặc trưng với đặc trưng, bước thứ hai, đối sánh hình dạng với hình dạng Trong bước đầu tiên, thu liệu đặc trưng hình dạng truy vấn Các đặc trưng tìm kiếm thơng qua số cây, mẫu đặc trưng cụ thể sở liệu tìm thấy tương tự liệu đặc trưng danh sách hình dạng liên quan đến mơ hình đặc trưng lấy Trong bước thứ hai, đối sánh hình dạng truy vấn mẫu thu được, việc đối sánh thực dựa vàokhoảng cách biến đổi hai chuỗi đối tượng ban đầu 2.5.2.3 Phương pháp không gian tỉ lệ (Scale Space method) Dudek Tsotsos phân tích hình dạng khơng gian tỉ lệ sử dụng sơ đồ đối sánh mơ hình với mơ hình Trong phương pháp này, trước tiên hình dạng gốc (nguyên thủy) thu từ kỹ thuật làm mịn đường cong Sau đó, thiết lập mơ tả đoạn bao gồm chiều dài phân đoạn, thứ tự vị trí giá trị điều chỉnh độ cong trích chọn từ hình dạng ngun thủy Cuối cùng, chuỗi mơ tả đoạn tạo để mơ tả hình dạng Ví dụ với hai hình dạng A B mô tả hai chuỗi: A= ( S1A , S 2A , , S NA ) B= ( S1B , S 2B , , S NB ), đối sánh mơ hình với mơ hình sử dụng lập trình động để thu số điểm tương đồng hai hình dạng Để làm tăng hiệu 57 trình tính tốn đối sánh, đưa đặc trưng hình dạng vào khơng gian có độ cong tỉ lệ để hình dạng đối sánh tỉ lệ khác Tuy nhiên, mô tả đoạn có bao gồm chiều dài phân đoạn nên mơ tả bất biến với co giãn 58 CHƯƠNG 3: CHƯƠNG TRÌNH THỬ NGHIỆM 3.1 Bài tốn Với ảnh đầu vào, toán đặt làm để tìm đặc trưng bất biến ảnh dựa vào biên hình dạng Khi tìm biên đối tượng ảnh trích chọn đặc trưng bất biến hình dạng đường thẳng Từ ta đặt giải pháp sau: biến đổi ảnh màu thành ảnh xám, sử dụng phép tốn để tìm biên ảnh (canny, sobel…), sử dụng phép biến đổi Hough cho đường thẳng để trích chọn đường thẳng tìm thấy đối tượng hình ảnh Cuối ta trích chọn đặc trưng đối tượng đáp ứng yêu cầu toán đặt Đầu vào: Là ảnh Đầu ra: Ảnh trích chọn đặc trưng 3.2 Thiết kế chương trình Chương trình xây dựng Matlab 8.1 (bản R2013a) để minh họa phép tốn như: Biến đổi ảnh màu thành ảnh xám, tìm biên ảnh, phép biến đổi Hough cho đường thẳng 59 Form giao diện chính: Hình 3.1: Form giao diện Một số Form khác: 60 Hình 3.2: Ảnh đầu vào Hình 3.3: Form biến đổi ảnh màu sang ảnh xám 61 Hình 3.4: Form tìm biên Hình 3.5: Form biến đổi Hough cho đường thẳng 62 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận Trong trình tìm hiểu nghiên cứu khóa luận em thấy tầm quan trọng đặc trưng trích chọn trình ảnh Các đặc trưng chủ yếu trích chọn từ biên đối tượng Các kết đạt trình tìm hiểu: - Nắm kiến thức xử lý ảnh vấn đề xử lý ảnh - Tìm hiểu số phương pháp trích chọn đặc trưng dựa hình dạng ảnh - Về phần chương trình thử nghiệm: Trong phạm vi khóa luận em xây dựng chương trình thực việc chuyển đổi ảnh màu thành ảnh mức xám, tìm biên ảnh, biến đổi Hough cho đường thẳng ảnh Hướng phát triển Tiếp tục nghiên cứu vấn đề trích chọn đặc trưng ảnh hồn thiện chương trình Đó kết sơ mà em tìm hiểu trình nghiên cứu lý thuyết xây dựng chương trình ứng dụng Tuy nhiên trình thực hiện, thời gian khơng có nhiều, lực chun mơn nhiều hạn chế, nên khóa luận có thiếu sót định, em mong nhận thơng cảm ý kiến đóng góp q báu thầy, giáo bạn để khóa luận hoàn thiện Một lần em xin chân thành cảm ơn PGS.TS Lê Huy Thập tận tình hướng dẫn em thời gian qua để em hồn thành khóa luận tốt nghiệp Em xin chân thành cảm ơn! 63 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Lương Mạnh Bá, Nguyễn Thanh Thủy (2003)- Nhập Môn Xử Lý Ảnh Số, Nhà xuất Khoa học Kỹ thuật [2] PGS Nguyễn Quang Hoan (2006)- Giáo Trình Xử Lý Ảnh, học viện cơng nghệ bưu viễn thơng [3] TS Đỗ Năng Tồn, TS Phạm Việt Bình (2007) - Giáo Trình Mơn Học Xử Lý Ảnh, trường ĐH thái nguyên, khoa CNTT Website: [1] Http://www.hlab.com.vn/index.php?option=com_content&view=article& id=202%3Acac-ham-x-ly-nh-trong-matlab [2] Http://www.phununet.com/WikiPhununet/ChiTietWiKi.aspx?m=3&Store ID=23458 64 ... chọn đặc trưng dựa vùng 49 2.4.1 Phương pháp toàn cục 50 2.4.2 Phương pháp cấu trúc 51 2.5 Phương pháp trích chọn đặc trưng dựa theo biên 53 2.5.1 Phương pháp. .. pháp trích chọn dấu hiệu ảnh dựa vào đặc trưng hình dạng để làm khóa luận tốt nghiệp Mục đích, nhiệm vụ nghiên cứu Khóa luận xây dựng nhằm mục đích tìm hiểu phương pháp kỹ thuật trích chọn dấu. .. tìm hình ảnh táo hay logo hãng Apple Những công cụ tìm kiếm ảnh theo nội dung ảnh đời tỏ ưu hạn chế nhập nhằng Trích chọn dấu hiệu ảnh dựa hình dạng ảnh nhận nhiều quan tâm nhà khoa học Các phương
- Xem thêm -

Xem thêm: Phương pháp trích chọn dấu hiệu của ảnh dựa trên đặc trưng hình dạng (2014) , Phương pháp trích chọn dấu hiệu của ảnh dựa trên đặc trưng hình dạng (2014)

Gợi ý tài liệu liên quan cho bạn

Nhận lời giải ngay chưa đến 10 phút Đăng bài tập ngay