ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG TRẦN QUỐC BẢO KỸ THUẬT TÌM KIẾM ẢNH TRÊN CƠ SỞ BIỂU ĐỒ MÀU MỜ LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên, tháng năm 2018 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG TRẦN QUỐC BẢO KỸ THUẬT TÌM KIẾM ẢNH TRÊN CƠ SỞ BIỂU ĐỒ MÀU MỜ Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 8480101 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS Đặng Văn Đức Thái Nguyên, tháng năm 2018 i LỜI CAM ĐOAN Tôi xin cam đoan luận văn với tên đề tài “Kỹ thuật tìm kiếm ảnh sở biểu đồ màu mờ” kết nghiên cứu thân học viên, dựa nghiên cứu thu thập sở liệu thực tiễn hướng dẫn khoa học PGS TS Đặng Văn Đức Các số liệu, kết nêu luận văn hoàn toàn trung thực, tư liệu sử dụng luận văn có nguồn gốc trích dẫn rõ ràng, đầy đủ Người cam đoan Trần Quốc Bảo ii LỜI CẢM ƠN Trong suốt thời gian hoàn thành luận văn nghiên cứu, tơi ln nhận giúp đỡ tận tình thầy giáo hướng dẫn Nhân dịp này, xin gửi lời cảm ơn lòng biết ơn sâu sắc tới PGS TS Đặng Văn Đức dẫn khoa học, góp ý q báu tận tình hướng dẫn tơi suốt q trình thực luận văn tốt nghiệp Tôi xin chân thành cảm ơn tập thể Thầy, Cô giáo trường Đại học Công nghệ thơng tin Truyền thơng ln nhiệt tình quan tâm, giúp đỡ tạo điều kiện tốt cho tơi suốt q trình học tập trường Xin chân thành cảm ơn tới tập thể thầy cô bạn đồng nghiệp trường Cao đẳng Y tế Thái Bình nơi tơi cơng tác, cổ vũ, động viên tạo điều kiện thuận lợi để tơi hồn thành luận văn Cuối cùng, tơi muốn bày tỏ lòng cảm ơn vơ hạn tới bạn bè, tới người thân yêu bên tơi Xin bày tỏ lòng cảm ơn sâu sắc tới bố mẹ, vợ, người thân gia đình điểm tựa tinh thần lẫn vật chất cho tơi lúc khó khăn, ln bên cạnh động viên tơi suốt q trình thực luận văn tốt nghiệp Xin trân trọng cảm ơn tất giúp đỡ quý báu ! Sinh viên Trần Quốc Bảo MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC KÝ HIỆU, CHỮ VIẾT TẮT v DANH MỤC HÌNH vii PHẦN MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ HỆ THỐNG TÌM KIẾM ẢNH THEO NỘI DUNG .3 1.1 Kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung .3 1.2 Các đặc trưng sử dụng tìm kiếm ảnh theo nội dung .4 1.2.1 Đặc trưng màu sắc: 1.2.2 Đặc trưng kết cấu 1.2.3 Đặc trưng hình dạng .10 1.2.4 Biểu đồ màu (Color Histogram) .11 1.3 Khả ứng dụng hệ thống tìm kiếm ảnh theo nội dung .12 1.3.1 Hệ thống QBIC (Query By Image Content) 12 1.3.2 Hệ thống WebSEEK VisualSEEK 12 1.3.3 ImageRover WWW Search Engine 13 1.4 Khái quát logic mờ 14 1.4.1 Mở đầu 14 1.4.2 Khái niệm tập hợp mờ 14 1.4.3 Đặc trưng tập mờ .15 1.4.4 Các phép toán tập mờ 15 1.4.5 Các kiểu hàm thuộc tập mờ 17 1.5 Kết luận chương .20 CHƯƠNG 2: TÌM KIẾM ẢNH THEO NỘI DUNG TRÊN CƠ SỞ BIỂU ĐỒ MÀU MỜ 21 2.1 Đo khoảng cách biểu đồ màu 21 2.1.1 Độ đo khoảng cách Minkowski (Lp) 21 2.1.2 Độ đo khoảng cách toàn phương (Quaratic) 22 2.1.3 Độ đo khoảng cách biểu đồ giao (Histogram Intersection Distance) 23 2.2 Tìm kiếm ảnh theo nội dung sở biểu đồ màu thơng thường 23 2.3 Tìm kiếm ảnh theo nội dung sở biểu đồ màu mờ 29 2.3.1 Định nghĩa biểu đồ màu mờ (FCH) 29 2.3.2 Tính toán FCH độ đo khoảng cách 29 2.4 Tổng kết chương 39 CHƯƠNG 3: THỬ NGHIỆM 40 3.1 Giới thiệu toán thử nghiệm 40 3.2 Dữ liệu thử nghiệm 40 3.3 Mô tả hệ thống thử nghiệm 41 3.3.1 Xây dựng CSDL đặc trưng .41 3.3.2 Chức tìm kiếm ảnh .42 3.4 Môi trường công cụ sử dụng xây dựng thử nghiệm 42 3.5 Thiết kế chương trình thử nghiệm 43 3.5.1 Chức xây dựng CSDL đặc trưng 44 3.5.2 Xây dựng chức tìm kiếm ảnh sở CCH theo RGB HSV FCH 46 3.5.3 Thiết kế giao diện chương trình thử nghiệm 47 3.6 Đánh giá kết thử nghiệm 48 3.6.1 Đo lường hiệu suất hệ thống tìm kiếm ảnh 48 3.6.2 Kết thử nghiệm 49 KẾT LUẬN .58 TÀI LIỆU THAM KHẢO .60 PHỤ LỤC .61 DANH MỤC KÝ HIỆU, CHỮ VIẾT TẮT T S Từ D T viếtgiải Tì 1C C m B o ki Bi C C ểu C o đồ C Ủ 3C o y IE m ba C K C o hô IE m ng C C ya K M hô C nC 7S F F Bi C uz T ểu F F hu C uz G G ật H IS eo H H ệK S ue hô T I In ập B te đo Đị JP Jo nh E in K L L hô *a *a ng H M M F e m Tr Q Q uy B ue vấ R R K 61 G W ed W hô M W Yor ạn Y L K C u hô b m Y- ng Y L K U u hơ DANH MỤC HÌNH Bảng 3.1 Kết thử nghiệm độ xác với ảnh xe bus số ảnh khác thêm 15% nhiễu gaussian thay đổi độ sáng 15% 53 Bảng 3.2 Một số kết thử nghiệm CSDL ảnh WANG 54 Bảng 3.3 Một số kết thử nghiệm CSDL ảnh y tế 56 vii DANH MỤC HÌNH Hình 1.1 Kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung Hình 1.2 Cảm nhận màu từ trình xử lý thị giác [1] Hình 1.3 Dải tần quang phổ điện từ [1] Hình 1.4 Khơng gian màu RGB [1] Hình 1.5 Khơng gian màu HSV .7 Hình 1.6 Không gian màu L*a*b Hình 1.7 Đặc trưng kết cấu Hình 1.8 Đặc trưng hình dạng 10 Hình 1.9 Mơ tả biểu đồ màu ảnh 11 Hình 1.10 Giao hai tập mờ 16 Hình 1.11 Hợp hai tập mờ 16 Hình 1.12 Phần bù tập mờ 17 Hình 1.13 Các tập mờ tam giác 17 Hình 1.14 Các tập mờ hình thang .18 Hình 1.15 Tập mờ L 18 Hình 1.16 Tập mờ Gamma tuyến tính 19 Hình 1.17 Tập mờ Singleton .19 Hình 2.1 Độ đo khoảng cách Minkowski [6] 22 Hình 2.2 Độ đo khoảng cách Quaratic [6] 22 Hình 2.3 Sơ đồ khối hệ thống tìm kiếm ảnh sử dụng CCH .24 không gian màu RGB HSV 24 Hình 2.4 Biểu đồ CCH không gian màu RGB ảnh truy vấn .25 Hình 2.5 Minh họa hai ảnh khác có biểu đồ màu CCH 27 RGB sử dụng bin màu (23) 27 Hình 2.6 Tính tốn so sánh biểu đồ màu cục hình ảnh (A, B) 28 Hình 2.7 Sơ đồ thủ tục tính tốn FCH (n’=163 = 4096) 30 Hình 2.8 Sơ đồ khối hệ thống suy luận mờ .34 Hình 2.9 Hàm thành viên L*,a* b* [6] 35 Hình 2.10 Hàm thành viên mờ đầu hệ thống [6] 36 Hình 2.11 Cấu trúc biểu đồ màu mờ 36 viii Hình 2.12 Hệ thống suy luận mờ tạo biểu đồ màu mờ 37 Hình 2.13 Biểu đồ FCH - 1D tạo từ hệ thống liên kết mờ ảnh truy vấn gồm 10 bin màu 37 Hình 3.1 Kiến trúc hệ thống tìm kiếm ảnh theo nội dung luận văn 43 Hình 3.2 Biểu đồ hoạt động chức xây dựng CSDL đặc trưng CCH 45 không gian màu RGB, HSV 45 Hình 3.3 Biểu đồ hoạt động chức xây dựng CSDL đặc trưng 45 FCH không gian màu L*a*b* 45 Hình 3.4 Biểu đồ hoạt động chức tìm kiếm ảnh sở CCH theo RGB HSV 46 Hình 3.5 Biểu đồ hoạt động chức tìm kiếm ảnh sở FCH 47 Hình 3.6 Giao diện chương trình thử nghiệm 48 Hình 3.7 Giao diện tìm kiếm hiển thị ảnh kết chương trình 48 Hình 3.8 Biểu đồ màu CCH FCH ảnh bus 340.jpg ảnh thêm 15% nhiễu gaussian 50 Hình 3.9 Biểu đồ màu CCH FCH ảnh xe bus 340.jpg 51 ảnh thay đổi độ sáng 15% 51 Hình 3.10 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với FCH .52 Hình 3.11 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với CCH RGB .52 Hình 3.12 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với CCH HSV 53 Hình 3.6 Giao diện chương trình thử nghiệm Người sử dụng chọn ảnh truy vấn từ danh sách ảnh thư mục test thư mục ảnh theo chủ đề thư mục Images Khi chọn tham số đầu vào xong nhấn nút Retrieve để tìm kiếm Sau chương trình chạy xong, ảnh kết tìm thấy hiển thị phần Results (kết quả) Người dùng thay đổi số ảnh cần tìm sau chương trình trả khoảng từ 1-20 hình ảnh cách kéo cuộn Number of Results (số lượng ảnh trả về) Hình 3.7 Giao diện tìm kiếm hiển thị ảnh kết chương trình 3.6 Đánh giá kết thử nghiệm 3.6.1 Đo lường hiệu suất hệ thống tìm kiếm ảnh Hiệu suất hệ thống CBIR thơng thường phân tích cách tính tốn giá trị precision (chính xác) recall (thu hồi) [2],[7] Các đo lường sử dụng để cải thiện trình tìm kiếm ảnh với phương pháp khác Precision cho biết tỷ lệ số ảnh tìm (n1) tổng số ảnh lấy (n) tính theo công thức: precision = n1/n Recall cho biết tỷ lệ số ảnh tìm (n1) tổng số ảnh liên quan đến ảnh truy vấn CSDL (n2) có cơng thức: recall = n1/n2 Trong đó: - n1 số ảnh liên quan lấy - n tổng số ảnh lấy - n2 tổng số ảnh liên quan đến ảnh truy vấn CSDL Precision Recall phép đo thông dụng tìm kiếm ảnh Một hệ thống có precision recall cao hệ thống tốt Tuy nhiên hai tham số thường tỷ lệ nghịch với nhau, precision cao recall thấp ngược lại Người ta thường kết hợp chúng lại biểu đồ gọi biểu đồ P-R Hoặc tính precision recall số lượng ảnh lấy cụ thể, ví dụ: P(10), P(20) tức precision 20 hay 50 ảnh lấy 3.6.2 Kết thử nghiệm Trong chương trình thử nghiệm, bin màu FCH đại diện hàm thành viên mờ, dịch chuyển từ bin màu sang bin màu bên cạnh xảy (so với CCH xảy tức thì) Hơn nữa, pixel ảnh có mức độ thành viên cho nhiều bin dải FCH khoảng [0, 1] Do đó, thay đổi giá trị từ ba thành phần đầu vào pixel ảnh biểu đồ màu thay đổi không đáng kể nhiều bin màu Kỹ thuật đảm bảo việc tìm kiếm hình ảnh liên quan đến hình ảnh truy vấn tốt CCH Những kết thử nghiệm cho thấy FCH mạnh mẽ với nhiễu thay đổi độ sáng so với CCH Hiệu suất hệ thống tìm kiếm ảnh theo FCH tốt so với CCH CSDL ảnh thử nghiệm WANG y tế 3.6.2.1 FCH mạnh mẽ với nhiễu (Noise) Học viên tiến hành thử nghiệm cách thêm 15% nhiễu gaussian vào hình ảnh xe bus 340.jpg thư mục Images/Buses Matlab (ảnh gốc hình 3.8) Trong hình 3.8, chương trình thử nghiệm trích xuất biểu đồ màu CCH FCH hai hình ảnh lưu hình ảnh sau thêm nhiễu với tên 340_noise15.jpg Hình 3.8 Biểu đồ màu CCH FCH ảnh bus 340.jpg ảnh thêm 15% nhiễu gaussian Để đánh giá hiệu suất chương trình thử nghiệm với hai phương pháp CCH FCH, học viên sử dụng ảnh 340_noise15.jpg làm ảnh truy vấn để tìm kiếm ảnh gốc ảnh liên quan chương trình thử nghiệm CSDL ảnh đặc trưng WANG với số lượng ảnh lấy 10 độ đo khoảng cách Euclide Kết thử nghiệm trình bày theo bảng 3.1 Nhận xét: Về nhận thức hai hình ảnh giống nhau, độ xác dựa CCH khơng vượt q 60% Khi áp dụng với FCH, kết tỷ lệ thuận với nhận thức người Đối với hình ảnh xe bus 340.jpg độ xác tìm kiếm 80% 3.6.2.2 FCH mạnh mẽ với thay đổi độ sáng Với hình ảnh xe bus 340.jpg trên, học viên thay đổi độ sáng 15% so với ảnh gốc trích xuất biểu đồ màu CCH FCH hai ảnh Bất kỳ thay đổi nhỏ ánh sáng dẫn đến thay đổi lớn biểu đồ CCH biểu diễn hình 3.9 Do đó, hiệu suất hệ thống CBIR giảm xuống mức tối thiểu Với biểu đồ FCH thay đổi nhỏ, tất cường độ màu sắc biểu diễn bin màu sử dụng hàm thành viên mờ Hình 3.9 Biểu đồ màu CCH FCH ảnh xe bus 340.jpg ảnh thay đổi độ sáng 15% Học viên tiến hành thử nghiệm tìm kiếm ảnh chương trình thử nghiệm để tìm kiếm ảnh gốc ảnh liên quan từ ảnh truy vấn ảnh xe bus 340_brightness15.jpg 1000 hình ảnh CSDL ảnh WANG với số lượng ảnh lấy 10 độ đo khoảng cách Euclide Kết thử nghiệm: FCH cho tỷ lệ tìm thấy ảnh gốc ảnh liên quan cao 90% so với CCH theo RGB HSV không 30% thể hình 3.10 Ảnh gốc Hình 3.10 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với FCH CCH không gian màu RGB khơng tìm thấy ảnh gốc, có CCH khơng gian màu HSV tìm thấy ảnh gốc với 10 ảnh trả hình 3.12 Hình 3.11 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với CCH RGB Ảnh gốc Hình 3.12 Tìm kiếm hình ảnh xe bus thay đổi độ sáng với CCH HSV Kết thử nghiệm với số ảnh chủ đề khác thư mục ảnh thử nghiệm trình bày bảng 3.1 Bảng 3.1 Kết thử nghiệm độ xác với ảnh xe bus số ảnh khác thêm 15% nhiễu gaussian thay đổi độ sáng 15% Kết thử Ả ngh n iệm C h R HC G 6S / / 19 / / 11 19 / / 16 / / 0 / / T r %0 Kế t qu ả thửC F R HC CG S / / / 17 17 / / / 16 12 19 / // 1 / / /1 11 0 / / / 11 F C / 17 / 16 / /1 /8 Nhận xét: Theo kết bảng 3.1, trung bình precisionFCH 82% 84% cao nhiều so với precisionCCH(RGB) precisionCCH(HSV) Trong đó, precisionCCH(HSV) trả số lượng ảnh liên quan cao cao 9/10(90%) chủ đề ngựa người châu phi khơng tìm ảnh gốc (phần số gạch chân tìm ảnh liên quan khơng tìm ảnh gốc) Như hiệu suất chương trình thử nghiệm với FCH tốt CCH FCH nhạy cảm với nhiễu thay đổi độ sáng 3.6.2.3 Kết thử nghiệm CSDL ảnh WANG Học viên tiến hành thử nghiệm tìm kiếm ảnh với ảnh truy vấn gồm 10 ảnh thư mục test lấy từ 100 ảnh chủ đề với lựa chọn khác CCH không gian màu RGB, HSV với số bin màu khác FCH Kết cho thấy phương pháp tìm kiếm với FCH có độ xác tốt với ảnh trả khoảng từ 1-20 Bảng 3.2 Một số kết thử nghiệm tìm kiếm CSDL ảnh WANG CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (người châu phi) C C C C 3.6.2.4 Kết thử nghiệm CSDL ảnh Y tế Với 1200 ảnh y tế chia làm thư mục gồm: 900 ảnh bệnh học, 200 ảnh nội soi, 100 ảnh siêu âm với nhiều cỡ ảnh khác Học viên tiến hành thử nghiệm với 10 ảnh chọn từ ảnh thư mục Kết thử nghiệm cho thấy FCH CCH cho ảnh liên quan với ảnh truy vấn với tỷ lệ cao Tuy nhiên độ xác precision recall cao khơng có nghĩa tìm xác ảnh cần tìm (được xác định thủ cơng mắt) Với đặc điểm ảnh siêu âm ảnh nội soi nhiều vùng ảnh bị nhiễu, dư thừa yếu tố máy chụp, để có độ xác cao cần phải xử lý ảnh trước Bảng 3.3 Một số kết thử nghiệm tìm kiếm CSDL ảnh y tế C C C C C C CCH + FCH + RGB + 32 bin màu + Euclide + 20 ảnh kết (ảnh bệnh học) Trong chương này, học viên thực xây dựng chương trình thử nghiệm với thuật tốn trích chọn biểu đồ màu với CCH FCH để tạo CSDL đặc trưng ảnh thử nghiệm với CSDL ảnh WANG CSDL ảnh y tế học viên thu thập Kết thử nghiệm cho thấy chương trình tìm kiếm ảnh thử nghiệm với FCH có cảm nhận màu tương tự với nhận thức suy nghĩ người CCH mạnh mẽ với nhiễu thay đổi độ sáng ảnh truy vấn trình tìm kiếm ảnh KẾT LUẬN Việc tự động hóa trích chọn đặc trưng tìm kiếm hình ảnh theo nội dung lĩnh vực khó đồ sộ, việc trích chọn đặc trưng thực tìm kiếm tự động đặc trưng cấp cao (ngữ nghĩa) Trong luận văn này, việc trích chọn đặc trưng tìm kiếm ảnh thực tự động dừng lại đặc trưng cấp thấp ảnh màu sắc việc sử dụng biểu đồ màu Học viên trình bày đánh giá số phương pháp trích chọn đặc trưng hình ảnh giới, đưa hướng tiếp cận phù hợp Trong đó, kỹ thuật biểu đồ màu mờ sử dụng đạt kết định Các vấn đề mà luận văn làm được: Trình bày kiến trúc tổng quan hệ thống tìm kiếm ảnh theo nội dung, đặc trưng cấp thấp màu sắc, kết cấu, hình dạng hình ảnh sử dụng hệ thống CBIR khả ứng dụng Khái quát logic mờ ứng dụng việc tính tốn biểu đồ màu mờ Tổng hợp, trình bày đánh giá số kỹ thuật tìm kiếm ảnh sở biểu đồ màu thông thường biểu đồ màu mờ Đưa kiến trúc hệ thống tìm kiếm ảnh theo nội dung sở biểu đồ màu CCH không gian màu RGB, HSV biểu đồ FCH dựa vào hệ thống liên kết mờ không gian màu L*a*b* Xây dựng CSDL đặc trưng CCH FCH ảnh y tế bệnh học, nội soi, siêu âm CSDL ảnh WANG Xây dựng thành cơng chương trình thử nghiệm tìm kiếm ảnh sở CCH FCH theo thuật toán trình bày với CSDL ảnh thử nghiệm lớn đánh giá kết thử nghiệm Tuy nhiên, việc đánh giá kết thực thủ cơng Hướng nghiên cứu tiếp theo: - Kết hợp đặc trưng khác đặc trưng kết cấu hình dạng lưới màu lập mục, trích chọn đặc trưng trình tìm kiếm để nâng cao hiệu tìm kiếm - Cải thiện hiệu tìm kiếm chương trình thử nghiệm với CSDL ảnh lớn CSDL ảnh y tế cho phép thêm đặc trưng ảnh q trình trích chọn đặc trưng TÀI LIỆU THAM KHẢO [1] Đặng Văn Đức, CSDL đa phương tiện, Bài giảng cho học viên sau đại học, 2005-2017 [2] Constantin Vertan, Nozha Boujemaa, Using Fuzzy Histograms and Distances for Color Image Retrieval, IMEDIA-INRIA France, 2000 [3] Guojun Lu, Multimedia Database Management Systems, Artech House, Boston – London, 2009 [4] Jhansi Rani S and V Vallikumari, Survey on Content Based Image Retrieval Techniques, International Journal of Trend in Research and Development, 2016 [5] Ju Han and Kai-Kuang Ma, Fuzzy Color Histogram and Its Use in Color Image Retrieval, IEEE Transaction on Image Processing, 2002 [6] Suhasini P.S., K Sri Rama Krishna, Murali Krishna, CBIR Using Color Histogram Processing, Journal of Theoretical and Applied Information Technology, 2009 [7] Tamalika Chaira, A.K Ray, Fuzzy Measures for Color Image Retrieval, Fuzzy Sets and Systems, 2005 [8] Yanmei Liang, Hongchen Zhai, Pierre Chavel, Fuzzy Color-Image Retrieval, Optics Communications, 2002 PHỤ LỤC 27 luật mờ hệ thống suy luận mờ liệt kê đây: If (L is black) and (a is amiddle) 11 If (a is red) and (b is bluish) and (b is bmiddle) then (fuzzyhist is then (fuzzyhist is blue) black) 12 If (L is white) and (b is If (L is white) and (a is amiddle) yellow)then (fuzzyhist is yellow) and (b is bmiddle) then (fuzzyhist is 13 If (L is black) and (a is white) reddish) and (b is bluish) then If (L is Grey) and (a is red) and (fuzzyhist is blue) (b is yellow) then (fuzzyhist is red) 14 If (a is red) and (b is blue) then If (a is reddish) and (b is yellow) then (fuzzyhist is brown) (fuzzyhist is blue) 15 If (L is Grey) and (a is reddish) If (L is white) and (a is green) and (b is yellowish) then (fuzzyhist is and (b is yellow) then (fuzzyhist is red) green) 16 If (L is white) and (a is If (L is white) and (a is green) reddish) and (b is yellowish) then and (b is yellowish) then (fuzzyhist is (fuzzyhist is yellow) green) 17 If (L is black) and (a is If (L is black) and (b is blue) reddish) and (b is yellowish) then then (fuzzyhist is blue) (fuzzyhist is red) If (L is white) and (a is green) 18 If (a is reddish) and (b is and (b is bluish) then (fuzzyhist is yellow)then (fuzzyhist is yellow) cyan) 19 If (L is black) and (b is bluish) If (L is Grey) and (a is amiddle) then (fuzzyhist is blue) and (b is bmiddle) then (fuzzyhist is 20 If (L is Grey) and (b is blue) darkgrey) then (fuzzyhist is blue) 10 If (a is greenish) and (b is 21 If (L is Grey) and (a is reddish) bluish) then (fuzzyhist is blue) and (b is bluish) then (fuzzyhist is magenta) 22 If (L is Grey) and (a is 26 If (L is Grey) and (a is reddish) amiddle) and (b is bluish) then and (b is bmiddle) then (fuzzyhist is (fuzzyhist is cyan) red) 23 If (L is Grey) and (a is 27 If (L is white) and (a is amiddle) and (b is yellowish) then reddish) and (b is bluish) then (fuzzyhist is brown) (fuzzyhist is magenta) 24 If (L is white) and (a is amiddle) and (b is yellowish) then (fuzzyhist is yellow) 25 If (L is Grey) and (a is red) and (b is bmiddle) then (fuzzyhist is red) Luận văn thạc sĩ – Trần Quốc Bảo ... bin màu biểu đồ lớn CCH u cầu tính tốn lớn so sánh biểu đồ Vì đề tài Kỹ thuật tìm kiếm ảnh sở biểu đồ màu mờ tập trung trình bày kỹ thuật tìm kiếm ảnh biểu đồ màu mới, gọi biểu đồ màu mờ (Fuzzy... thường biểu đồ màu mờ CHƯƠNG 2: TÌM KIẾM ẢNH THEO NỘI DUNG TRÊN CƠ SỞ BIỂU ĐỒ MÀU MỜ Tìm kiếm ảnh dựa nội dung kỹ thuật sử dụng nội dung trực quan trích chọn tự động để tìm kiếm hình ảnh từ CSDL ảnh. .. logic mờ, tập mờ, phép toán tập mờ Chương Tìm kiếm ảnh theo nội dung sở biểu đồ màu mờ Trình bày kỹ thuật tìm kiếm ảnh dựa biểu đồ màu thơng thường, biểu đồ màu mờ Chương Thử nghiệm Nêu tốn thử