Tìm hiểu phương pháp tra cứu ảnh y tế

63 12 0
  • Loading ...
1/63 trang

Thông tin tài liệu

Ngày đăng: 15/03/2019, 10:04

Bộ giáo dục đào tạo Tr-ờng đại học dân lập hải phòng -o0o - Tìm HIểU PHƯƠNG PHáP tra cứu ảnh y tế đồ án tốt nghiệp đại học hệ quy Ngành: Công nghệ Thông tin Hải Phòng - 2012 Bộ giáo dục đào tạo Tr-ờng đại học dân lập hải phòng -o0o - Tìm HIểU PHƯƠNG PHáP tra cứu ảnh y tế đồ án tốt nghiệp đại học hệ quy Ngành: Công nghệ Thông tin Sinh viên thực hiện: Vũ THị HồNG LIÊN pgs Giáo viên h-ớng dẫn: ts Ngô quốc tạo 1013101002 Mã số sinh viên: Hải Phòng - 2012 giáo dục đào tạo cộng hoà xã hội chủ nghĩa việt nam tr-ờng đại học dân lập hải phòng Độc lập - Tù - H¹nh -o0o - nhiƯm vơ thiÕt kÕ tèt nghiƯp Sinh viªn: Lớp: V Th Hồng Liên CTL401 Mã số: 1013101002 Ngành: Công nghệ Thông tin Tên đề tài: Tìm hiểu ph-ơng pháp tra cứu ảnh y tế nhiệm vụ đề tài Nội dung yêu cầu cần giải nhiệm vụ đề tài tốt nghiệp a Nội dung: + Trình bày tổng quan tra cứu ảnh + Một số phương pháp tìm kiếm ảnh theo nội dung + Tra cứu ảnh y tế giới thiệu ứng dụng phương pháp tra cứu ảnh theo nội dung y tế; hạn chế khả mở rộng chương trình ứng dụng b C¸c yêu cầu cần giải + Gii thiu chi tit phương pháp tra cứu ảnh theo nội dung + Sơ lược cách đánh giá hiệu hệ thống tra cứu ảnh + Xây dựng chương trình thử nghiệm theo hai đặc điểm : Hình dạng v mu sc Các số liệu cần thiết để thiÕt kÕ, tÝnh to¸n …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… Địa điểm thực tập Viện khoa học công nghệ Việt Nam Số 18 đ-ờng Hoàng Quốc Việt, quận Cầu Giấy, Hà Nội cán h-ớng dẫn ®Ị tµi tèt nghiƯp Ng-êi h-íng dÉn thø nhÊt: Hä tên: Ngô Quốc Tạo Học hàm, học vị: Phó giáo s- Tiến sĩ Cơ quan công tác: Viện khoa học công nghệ Việt Nam Nội dung h-ớng dÉn: ………………………………………………………………… ……………………………………………………………………………………………………… ……………………………………………………………………………………………………… ……………………………………………………………………………………………………… ……………………………………………………………………………………………………… Ng-êi h-íng dẫn thứ hai: Họ tên: Học hàm, học vị Cơ quan công tác: Nội dung h-ớng dÉn: …………………… Đề tài tốt nghiệp đ-ợc giao ngày tháng năm 2012 Yêu cầu phải hoàn thành tr-ớc ngày tháng năm 2012 Đã nhận nhiệm vụ: Đ.T.T.N Sinh viên Đã nhận nhiệm vụ: Đ.T.T.N Cán h-ớng dẫn Đ.T.T.N Hải Phòng, ngày tháng năm 2012 HiƯu tr-ëng GS.TS.NGƢT Trần Hữu Nghị PhÇn nhËn xÐt tóm tắt cán h-ớng dẫn Tinh thần thái độ sinh viên trình làm đề tµi tèt nghiƯp: Đánh giá chất l-ợng đề tài tốt nghiệp (so với nội dung yêu cầu đề nhiệm vụ đề tài tốt nghiệp) Cho điểm cán h-ớng dẫn: ( Điểm ghi số chữ ) Ngày .tháng .năm 20… C¸n bé h-íng dÉn chÝnh ( Ký, ghi râ họ tên ) Phần nhận xét đánh giá cán chấm phản biện đề tài tốt nghiệp Đánh giá chất l-ợng đề tài tốt nghiệp (về mặt nh- sở lý luận, thuyết minh ch-ơng trình, giá trÞ thùc tÕ, ) Cho ®iĨm cán phản biện ( Điểm ghi số chữ ) Ngày .tháng .năm 20 Cán chấm phản biƯn ( Ký, ghi râ hä tªn ) LỜI CẢM ƠN Em xin chân thành cảm ơn PGS - TS Ngô Quốc Tạo, người trực tiếp hướng dẫn tận tình giúp đỡ em trình thực đồ án này, kiến thức, phương pháp nghiên cứu em học từ Thầy thực quý giá, khơng giúp ích cho em mà tiền đề để em tiếp thu kiến thức cách tốt hơn, lần em xin cảm ơn Thầy nhiều Em xin cảm ơn Thạc sỹ Ngơ Trường Giang thơng qua mơn học Đồ họa máy tính Xử lý ảnh giúp em có niềm đam mê với lĩnh vực đồ họa máy tính, kiến thức từ hai mơn học góp phần giúp em hồn thành đồ án Em xin gửi lời cảm ơn tới khoa CNTT trường ĐHDL Hải Phòng, thời gian học tập trường em học hỏi kiến thức, tư duy, giúp em phát triển ý tưởng đồ án Cuối em xin gửi lời cảm ơn tới Gia đình bạn bè bên cạnh giúp đỡ đồng thời ủng hộ em trình thực đồ án Hải Phòng, tháng 11 năm 2012 Sinh viên thực Vũ Thị Hồng Liên LỜI CẢM ƠN LỜI MỞ ĐẦU Chƣơng : TỔNG QUAN VỀ TRA CỨU ẢNH 1.1 Giới thiệu tra cứu ảnh 1.2 Mơ hình hệ thống tra cứu ảnh theo nội dung 1.3 Ứng dụng tra cứu ảnh theo nội dung Chƣơng :MỘT SỐ PHƢƠNG PHÁP TÌM KIẾM ẢNH THEO NỘI DUNG 2.1 Phƣơng pháp trích chọn theo mầu sắc tổng thể cục 10 2.1.1 Không gian màu 10 2.1.1.1 Không gian màu RGB 11 2.1.1.2 Không gian màu CMY 11 2.1.1.3 Không gian màu HSx 12 2.1.1.4 Không gian màu YUV YIQ 13 2.1.1.5 Không gian màu CIE XYZ LUV 13 2.1.2 Lƣợng tử hoá màu 14 2.1.3 Các moment màu 14 2.1.4 Biểu đồ màu (Color Histogram) 15 2.1.4.1 Biểu đồ màu toàn cục (Global Color Histogram) 16 2.1.4.2 Biểu đồ màu cục (Local Color Histogram) 18 2.2 Phƣơng pháp trích chọn đặc trƣng theo kết cấu 19 2.2.1 Các đặc trƣng Tamura 20 2.2.2 Các đặc trƣng Wold 22 2.2.3 Mơ hình tự thối lui đồng thời (mơ hình SAR) 23 2.2.4 Ma trận đồng khả (Co-occurrence matrix) 24 2.2.5 Lọc Gabor 26 2.2.6 Biến đổi dạng sóng (wavelet transform) 27 2.3 Phƣơng pháp trích chọn đặc trƣng theo hình dạng 28 2.3.1 Biên phƣơng pháp phát biên 29 2.3.2 Xử lý ảnh miền tần số biến đổi Fourier 32 2.4 Độ đo khoảng cách độ đo tƣơng tự 37 2.4.1 Độ đo khoảng cách 37 2.4.1.1 Độ đo khoảng cách Minkowski 37 2.4.1.2 Độ đo khoảng cách Quadratic 38 2.4.1.3 Độ đo khoảng cách Non-histogram 2.4.1.4 Khoảng cách Mahalanobis 39 40 2.4.2 Độ đo tƣơng tự 40 2.4.2.1 Độ phân kỳ Kullback-Leibler 40 2.4.2.2 Độ phân kỳ Jeffrey 2.4.2.3 Độ đo tƣơng tự hình dạng tồn cục 40 41 2.5 Đánh giá hiệu hệ thống tra cứu ảnh 44 Chƣơng : TRA CỨU ẢNH Y TẾ 47 3.1 Tìm hiểu đặc trƣng ảnh y tế 47 3.2 Tác dụng tra cứu ảnh y tế 49 3.3 Chƣơng trình mơ 50 3.4 Khả mở rộng chƣơng trình 51 3.4.1 Những hạn chế chƣơng trình 51 3.4.2 Khả mở rộng 52 KẾT LUẬN 53 TÀI LIỆU THAM KHẢO 55 Với A = P1A PnA B = P1B PnB Hình 2.10 : Tính tốn độ tƣơng tự độ đo tƣơng tự hình dạng tồn cục Thứ tự phần định phần số cặp cung lồi Sự tương tự hình dạng s định nghĩa mức tối thiểu toàn cục tổng khoảng cách darcs(PiA, PiB) tồn tương ứng với độ đo tương tự đa giác định nghĩa bên Cơ sở tương tự đa giác darcs định nghĩa việc sử dụng hàm tag chúng để biểu diễn Hàm tag gọi hàm đảo hàm gồm nhiều giá trị tạo nên đa giác khoảng [0, ] việc biểu diễn hướng góc đoạn thẳng Các độ dài cung chuẩn hoá thành trước ánh xạ không gian tag Sự biểu diễn sử dụng đồ họa máy tính Với kí hiệu hàm tag Tg độ tương tự định nghĩa sau: d arcs C, D Tg C (s) Tg D (s)(C, D) ds max l(C) l(D) , l(D) l(C) (2.50) Với l (C) biểu thị độ dài C tích phân tính độ dài cung s Hằng số (C,D) chọn để tối ưu hóa tích phân (nó tính cho hướng khác cung) tính sau: (C, D) (Tg C (s) Tg D (s))2 ds 42 (2.51) 2.4.2.4 Sự tính tốn hình dạng tƣơng tự phần tối ƣu Cho truy vấn đường gấp khúc Q đường gấp khúc gốc T, đối diện với hai mục tiêu liên quan: (1) Khoanh vùng phần P đường gấp khúc gốc T tương tự với Q (2) chuẩn hoá P thành truy vấn gấp khúc Q Cả hai mục tiêu đạt q trình đơn giản hố T ngữ cảnh Q mô tả phần Để đạt mục tiêu cần phải có độ đo hình dạng tương tự tồn cục chất lượng cao, gọi s sử dụng để so sánh hai đường gấp khúc Một đường gấp khúc T xác định tập đỉnh xếp T={ t1, , tn } Mục đích tìm di chuyển tập S T đường gấp khúc * TQ =T– * SQ * Q đỉnh đường gấp khúc giống T * Q vậy, S Q coi đối số cực tiểu toàn cục Q * T} S = argmin{s(Q,T – S ): S Q (2.52) Q Và độ tương tự phần tối ưu T Q định nghĩa sau: (2.53) Ops(Q,T) = min{s(Q,T – SQ): SQ T} Chiều dài hai đường Q T – S Q chuẩn hoá thành trước s(Q,T – SQ) tính tốn Quan sát thấy có khác phương pháp với phương pháp biến dạng Basri[9] Thứ phương pháp cho phép đơn giản hoá hình dạng định, nghĩa khơng cho phép biến dạng tuỳ ý Thứ hai không đo giá trị biến dạng hình dạng mà thay vào hình dạng tương tự sau biến dạng Một điểm thú vị định nghĩa luôn đạt mức tối thiểu tồn hình dạng tương tự, tính tốn dẫn đến bùng nổ phép toán tổ hợp Do vậy, thuật tốn tối ưu giới thiệu để tính tốn ops Đầu tiên chuỗi cạnh đệ quy tạo ra: n n-1 T=T ,T , T k-1 Trong T k-1 TQ k đạt cách di chuyển đỉnh đơn từ T : k k (2.54) = argmin{s(Q,T - {x}:x T } Sau mức cực tiểu toàn tương tự Q T 43 k Q tính tốn k Ps(Q,T) = min{s(Q,T Q): k=2 n} T Chiều dài hai đường Q T * k Q Q k =argmin{ s(Q,T Q): k=2 n} (2.55) chuẩn hoá thành trước * s(Q,T Q) tính tốn Một thuộc tính quan trọng phần tương tự ops ps xác định thực tế chúng bất biến khác Q T, chuẩn hoá độ dài đường cong so sánh s Quan sát thấy T Q tỷ lệ khác tạo cho chúng có độ dài khơng giải vấn đề tỷ lệ khác Lý thực tế Q giống phần đường cong T * Q * T Do đó, việc tạo lên Q T Q có độ dài để giải vấn đề tỷ lệ khác Đây tất xảy suốt q trình tính tốn ops ps, độ đo tương tự tồn cục s sử dụng để so sánh truy vấn Q với đường cong gốc T đơn giản hoá với đường cong theo tỷ lệ chiều dài Việc tổng kết đơn giản hoá T kết hợp với việc xác định tỷ lệ độ dài cung cấp giải pháp cho vấn đề tỷ lệ khác Q trình di chuyển đỉnh có độ phức tạp O(n ), với n số đỉnh T Điều khơng làm tính phức tạp độ đo tương tự hình dạng tồn cục s, sử dụng bước Vì s tính tốn với độ phức tạp O(n*log(n)), nên tổng độ phức tạp việc đối sánh hình dạng phần O(n log(n)) 2.5 Đánh giá hiệu hệ thống tra cứu ảnh Để đánh giá hiệu hệ thống tra cứu, người ta đưa hai số đo độ thu hồi (recall) độ xác (precision) Các số đo mượn từ hệ thống tra cứu thông tin truyền thống [7] Đối với truy vấn q, tập hợp ảnh sở liệu thích hợp với truy vấn q ký hiệu R(q) kết tra cứu truy vấn q ký hiệu Q(q) Độ xác việc tra cứu định nghĩa tỉ lệ kết thu thực thích hợp với truy vấn precision Q(q) R(q) (2.56) Q(q) Độ thu hồi tỉ lệ kết thích hợp truy vấn trả lại: 44 recall Q(q) R(q) R(q) (2.57) Thơng thường phải có thoả hiệp hai số đo muốn tăng cường số đo lại phải chịu giảm số đo ngược lại Trong hệ thống tra cứu điển hình độ thu hồi có xu hướng tăng lên số lượng kết thu tăng lên độ xác dường lại bị giảm Ngồi ra, việc lựa chọn R(q) lại không ổn định đa đạng cách hiểu ảnh Hơn nữa, số lượng ảnh thích hợp lại lớn số lượng ảnh hệ thống tìm lúc khái niệm độ thu hồi trở thành vơ nghĩa Do đó, độ xác độ thu hồi mô tả dạng thô hiệu hệ thống truy vấn mà Gần MPEG7 có khuyến nghị cách đánh giá hiệu hệ thống tra cứu gọi ANMRR (average normalized modified retrieval rank) Theo cách độ xác độ thu hồi kết hợp thành số đo Ký hiệu số lượng ảnh hoàn toàn với truy vấn q N(q) số lượng lớn ảnh hoàn toàn với tất Q truy vấn tức max{N(q1), N(q2), ,N(qQ)} M Sau truy vấn q ảnh hồn tồn k gán giá trị xếp hạng rank(k) giá trị thứ hạng số ảnh hồn tồn ảnh nằm K kết truy vấn (ở K = min{4N(q), 2M}) có giá trị K+1 ảnh khơng nằm K kết truy vấn Thứ hạng trung bình AVR(q) truy vấn q tính sau: AVR(q) N (q) k rank(q) N (q) (2.58) Thứ hạng tra cứu sửa đổi MRR(q) tính là: MRR(q)=AVR(q)-0.5-0.5*N(q) (2.59) MRR(q) nhận giá trị tất ảnh hoàn toàn nằm K kết truy vấn Thứ hạng tra cứu sửa đổi chuẩn hoá NMRR(q) nhận giá trị từ đến tính sau: 45 NMRR(q) K MRR(q) 0.5 0.5 * N (q) (2.60) Thứ hạng tra cứu sửa đổi chuẩn hố trung bình ANMRR xét tất truy vấn Q là: ANMRR Q Q q NMRR(q) (2.61) 46 Chƣơng : TRA CỨU ẢNH Y TẾ Sự phát triển công nghệ đại với mở rộng multimedia làm lượng ảnh lưu trữ ngày gia tăng cách nhanh chóng ảnh y tế tăng lên đáng kể, đòi hỏi phải có cơng cụ hỗ trợ tìm kiếm ảnh hiệu tiện lợi Lấy thông tin từ liệu ảnh có giúp ích đến nhiều lĩnh vực, từ kho lưu trữ ảnh chụp, kho lưu trữ ảnh tội phạm, sở liệu ảnh địa lý quan trọng lĩnh vực y học Vấn đề tra cứu ảnh y tế trở thành cần thiết việc sử dụng hình ảnh y tế y học lâm sàng nghiên cứu bệnh tật y học giáo dục 3.1 Tìm hiểu đặc trƣng ảnh y tế Nhà vật lý người Đức Wilhelm Conrad Rontgen ghi nhận người phát tia X ơng người có hệ thống nghiên cứu chúng người quan sát thấy tác động chúng Ông người đặt tên X-Quang ngồi có nhiều người gọi “tia Rontgen” Các nhà nghiên cứu quan trọng X-quang Ivan Pulyui, William Crookes, Johann Wilhelm Hittorf, Eugen Goldstein, Heinrich Hertz, Philipp Lenard, Hermann von Helmholtz, Nikola Tesla, Thomas Edison, Charles Glover Barkla, Max von Laue, Wilhelm Conrad Rontgen Năm 1985 Rontgen phát X- Quang người tiên phong hình ảnh y tế Lần giới người ta hình dung phần bên thể người mà không cần phải trải qua phẫu thuật Ngay khám phá công bố rộng rãi báo trí Cơng bố ơng đưa hình ảnh X- Quang bàn tay bà Rontgen Bức xạ tia X bao gồm X-Quang hình thức xạ điện từ Bước sóng điện từ X-Quang khoảng 0.01- 10 nanomet, tương ứng với tần số khoảng 3x1016 Hz- 3x1019 Hz lượng phạm vi 120 eV120keV Đây bước sóng ngắn so với tia UV dài tia gamma Bức xạ tia X gọi xạ Rontgen 47 Hình : hình ảnh X-Quang bàn tay bà Rontgen X-Quang phân phân thành loại: X-Quang từ 0.12 – 12 keV (10-0.10 nm bước sóng) phân loại mềm X-Quang từ 12 – 120 keV (0.10-0.01nm bước sóng) phân loại cứng X-Quang cứng xuyên qua vật thể rắn sử dụng phổ biến lĩnh vực xác định hình thể bên đối tượng tinh thể Vì ứng dụng chẩn đoán y tế, lượng X-Quang mềm bị thể hấp thụ kim loại mỏng làm nhơm đặt cửa sổ ống X-ray (là phần quang phổ điện từ) để lọc lượng thấp quang phổ để chụp ảnh thu hình ảnh phóng xạ X-Quang hữu ích việc phát triển bệnh lý hệ thống xương để phát số quy trình bệnh mơ mềm Đáng ý vùng ngực, xác định bệnh phổi viêm phổi, phù phổi, ung thư phổi, X-Quang bụng phát số bệnh đường ruột tắc ruột, cổ trướng nhiều chẩn đốn khác Tuy nhiên X-Quang khơng có tác dụng chẩn đốn nhiều mơ mềm não hay Trong năm gần máy vi tính chụp X-Quang kỹ thuật số thay ảnh phim ứng dụng y tế nha khoa ảnh phim sử dụng rộng rãi q trình chụp X-Quang cơng nghiệp (ví dụ: Để kiểm tra đường nối hàn kết cấu) 48 Vào cuối kỷ XIX cơng nghệ hình ảnh phát triển đáng kể Nhiều kỹ thuật hình ảnh khác phát triển sử dụng dựa nguyên tắc vật lý khác Trong lĩnh vực y học kỹ thuật hình ảnh khác gọi phương thức: + Phương thức giải phẫu học: Cung cấp nhìn sâu sắc hình thái giải phẫu bao gồm X-Quang, siêu âm, chụp cắt lớp (CT), hình ảnh cộng hưởng từ (MRI) đơi xuất tên khác như: Chụp động mạch cộng hưởng từ (MRA từ MRI) chụp cắt lớp vi tính động mạch (CTA từ CT) + Phương thức chức năng: Miêu tả trình trao đổi chất mô phận thể bao gồm phương thức y học hạt nhân Ngày hình ảnh y tế phần quan trọng thường xuyên sử dụng y học X-Quang sử dụng để xác định số bệnh lý cấu trúc thể Bệnh lý bệnh nhân quan sát trực tiếp suy từ triệu chứng lâm sàng Ngồi hình ảnh y tế sử dụng lập kế hoạch thực phẫu thuật 3.2 Tác dụng tra cứu ảnh y tế Tra cứu ảnh dựa vào nội dung hình ảnh y tế để hỗ trợ lâm sàng, góp phần quản lý liệu lâm sàng phương pháp tiếp cận nội dung hình ảnh lưu trữ Trước có xuất việc tra cứu ảnh y tế hình ảnh y tế thích văn thông tin thời gian, địa điểm, nhiếp ảnh gia, cho phép hình ảnh y tế truy cập cách tìm kiếm dựa văn Thông qua mô tả văn bản, hình ảnh y tế quản lý dựa việc phân loại ảnh, phương thức Tuy nhiên với xuất sở liệu hình ảnh lớn, phương pháp tìm kiếm truyền thống dựa vào văn nhiều mặt hạn chế bởi: + Tiêu đề mô tả phụ thuộc vào ý tưởng chủ quan người dùng thu thập sở liệu + Một số tính hình ảnh, kết cấu phân phối màu sắc khó thể mơ tả cách rõ ràng + Nhập chuỗi văn sở liệu đòi hỏi nhiều thời gian thay đổi quy tắc phân loại phải phân loại lại hình ảnh 49 Để thực thích tay đòi hỏi nhiều thời gian Trong số lượng hình ảnh sở liệu tăng lên gây khó khăn việc tìm kiếm hình ảnh mong muốn khơng khả thi để thích tất thuộc tính nội dung ảnh khối lượng hình ảnh khổng lồ Thơng thường hình ảnh y tế thường có chứa số đối tượng thông tin Để thích tất kiến thức, hình dạng bất thường thể, phạm vi bệnh lý khác hình ảnh gần khơng thể Ngồi tra cứu ảnh y tế gặp số khó khăn định Bởi hình ảnh y tế thu từ nhiều thiết bị khác Mặt khác với đặc điểm ảnh y tế có độ phân giải thấp tiếng ồn mạnh đặc điểm phổ biến hầu hết hình ảnh y tế Hình 2: Tiếng ồn xung quanh đối tượng hình ảnh y tế 3.3 Chƣơng trình mơ Khởi động chương trình, chọn file ảnh mẫu, ảnh mẫu hiển thị ô khung "Query Image" Chọn phương pháp so sánh: Bằng hình dạng hay màu sắc, nhập số đo khoảng cách tối đa (giá trị ngưỡng) hộp Similarity Distance Nhấn nút Find, chương trình yêu cầu người dùng chọn thư mục chứa file ảnh cần tìm Chương trình sau liệt kê tất ảnh có khoảng cách Euclide nhỏ giá trị ngưỡng theo thứ tự tăng dần khoảng cách Euclide, ảnh coi giống xếp trước Khi chọn ảnh danh 50 sách ảnh tìm thấy (Found Image List), chương trình hiển thị ảnh khung Results Image Hình 3.4: Một số kết chạy thử chƣơng trình 3.4 Khả mở rộng chƣơng trình 3.4.1 Những hạn chế chƣơng trình Chương trình giới thiệu đưa thuật tốn đơn giản để trích chọn đặc điểm (sinh véc tơ đặc trưng) nên chắn cho kết so sánh tốt 51 Các ảnh ban đầu chưa xử lý “sơ chế” lọc nhiễu yêu cầu định dạng đơn giản nên phạm vi so sánh bị hạn chế Chương trình thiết lập kích thước cố định cho ảnh trước xử lý 256×256, kích thước khối 16×16, số chiều vector đặc trưng 256 làm hạn chế tính mềm dẻo chương trình 3.4.2 Khả mở rộng Kỹ thuật “tra cứu ảnh theo nội dung” có nhiều hướng nghiên cứu phát triển tạo thuật toán hiệu làm cho máy tính “hiểu” nội dung ảnh Chúng ta hồn tồn xây dựng thuật tốn tốt để trích chọn đặc điểm đặc trưng khác màu sắc, kết cấu, hình dạng đối tượng ảnh để phát triển cho toán nhận dạng vật thể Thuật tốn resample chương trình sử dụng phương pháp đơn giản để thực nội suy, sử dụng thuật tốn cho độ xác cao chắn cải thiện đáng kể chất lượng chương trình Sử dụng phương pháp làm giảm số chiều véc tơ đặc trưng làm tăng đáng kể tốc độ tra cứu Đối với hệ thống máy tính có trang bị nhiều vi xử lý có xử lý lõi kép xây dựng thuật toán cho phép phân phối tác vụ cho nhiều vi xử lý đồng thời giải pháp tốt để tăng tốc độ tra cứu Sử dụng phương pháp tính tốn độ tương tự phù hợp cho loại đặc điểm để có kết so sánh gần với trực giác 52 KẾT LUẬN Đồ án trình bày vài kỹ thuật tảng hệ thống tra cứu ảnh theo nội dung bao gồm mô tả nội dung trực quan, đánh giá độ tương tự đánh giá hiệu hệ thống, nhấn mạnh vào kỹ thuật mô tả đặc điểm trực quan Các đặc điểm trực quan tổng quát sử dụng nhiều hệ tra cứu ảnh theo nội dung màu sắc, kết cấu, hình dạng Màu sắc thường biểu diễn thông quan histogram màu, sơ đồ tương quan màu, véc tơ gắn kết màu moment màu không gian màu định Kết cấu biểu diễn thơng qua đặc điểm Tamura, phân tích Wold, mơ hình SAR, biến đổi Gabor biến đổi dạng sóng Hình dạng biểu diễn thơng qua mơ tả Fourier Ngồi đặc điểm trực quan điểm ảnh lại sử dụng để phân tách ảnh thành vùng đồng đối tượng ảnh Các đặc điểm cục vùng ảnh đối tượng ảnh dùng hệ thống tra cứu ảnh theo vùng Có nhiều cách để đánh giá khoảng cách đặc điểm trực quan, số cách sử dụng phổ biến khoảng cách Minkowski, khoảng cách toàn phương, khoảng cách Mahalanobis, độ phân kỳ Kullback-Leibler độ phân kỳ Jeffrey Đến thời điểm phương pháp tính khoảng cách Minkowski khoảng cách toàn phương sử dụng rộng rãi hệ thống tra cứu ảnh Mặc dù kỹ thuật tra cứu ảnh theo nội dung đưa giải pháp thơng minh tự động để tìm kiếm ảnh cách hiệu vấn đề kỹ thuật dựa đặc điểm mức thấp Nói chung đặc điểm mức thấp phản ánh khía cạnh ảnh Khơng có đặc điểm phản ánh ngữ nghĩa ảnh, kể sử dụng kết hợp nhiều đặc điểm Ngoài đánh giá độ tương tự đặc điểm trực quan lại chưa liên quan đến đặc điểm sinh lý thị giác người Người sử dụng thường quan 53 tâm đến giống ngữ nghĩa nên kết truy vấn dựa đặc điểm mức thấp thường không thoả mãn u cầu nói chung khó đốn trước Mặc dù phản hồi thích hợp cách để bù đắp vào khoảng cách tìm kiếm theo ngữ nghĩa việc xử lý liệu mức thấp vấn đề tồn cần phải có kỹ thuật khác đáp ứng Những vấn đề đƣợc giải luận văn: Giới thiệu chi tiết phương pháp tra cứu ảnh theo nội dung Sơ lược cách đánh giá hiệu hệ thống tra cứu ảnh Xây dựng chương trình thử nghiệm theo hai đặc điểm là: Hình dạng màu sắc Những vấn đề tồn tại: Do thời gian tìm hiểu đề tài chưa nhiều hạn chế khả lập trình đồ hoạ nên số mục tiêu đặt từ bắt tay nghiên cứu chưa thực chương trình chạy thử này, bao gồm: Chưa xây dựng chức tra cứu ảnh theo kết cấu (Texture) Chưa có chức tra cứu ảnh cách kết hợp nhiều đặc điểm Chưa cài đặt kỹ thuật đánh số hiệu Chưa cài đặt kỹ thuật tăng hiệu hệ thống cách giảm số chiều véc tơ đặc trưng Trong thời gian tới, tơi hy vọng giải vấn đề tồn để xây dựng chương trình thực hữu ích, đáp ứng yêu cầu toán 54 TÀI LIỆU THAM KHẢO Tiếng Việt Lương Mạnh Bá, Nguyễn Thanh Thuỷ (2003), Nhập môn xử lý ảnh số, Nhà xuất Khoa học Kỹ thuật Đỗ Năng Tồn, Phạm Việt Bình (2008) Xử lý ảnh Nhà xuất Khoa học kỹ thuật Tiếng Anh Cheng Chang, Liu Wenyin, Hongjiang Zhang (2001), Image retrieval base on region shape similarity, Microsoft Research China, www.eecs.berkeley.edu/~cchang/docs/Spie01.pdf Colin C Venteres and Dr Matthew Cooper, A Review of Content-Based Image Retrieval Systems, http://www.jtap.ac.uk/reports/htm/jtap-054.html Dengsheng Zhang, Aylwin Wong, Maria Indrawan, Guojun Lu, Content-based Image Retrieval Using Gabor Texture Features, personal.gscit.monash.edu.au/~dengs/resource/papers/pcm00.pdf Eva M.van Rikxoort (2005), “Content-based Image Retrieval Utilizing Color, Texture, and Shape”, Master’s thesis in AI Radbound University Nijmegen The Netherlands Fuhui Long, Hongjiang Zhang, David Dagan Feng (2002), Fundamentals of Content-based Image Retrieval, in Multimedia Information Retrieval and Management - Technological Fundamentals and Applications Randy Crane (1997), A simplied approach to Image Processing: clasical and modern technique in C, Prentice Hall, ISBN 0-13226616-1 J.Eakins, M.Graham (2004), “Content-based Image Retrieval”: A report to the JISC Technology Applications Programme, University of Northumbria at Newcastle 55 10 Longin J Latecki, R Lamkaemper, D Wolter (2005), “Optimal Partial Shape Similarity”, Dept of Computer and Infomation Sciences Temple University 11 Low (1991), A introductory Computer Vision and Image Processin, McGraw-hill, 244p ISBN 0077074033 12 M A Stricker and M Orengo (1995), “Similarity of color images In Proc of the SPIE conference on the Storage and Retrieval for Image and Video Databases III”, pages 381–392 13 M Partio, B Cramariuc, M Gabbouj, and A Visa (2002), “Rock Texture Retrieval using Gray Level Co-occurrence Matrix”, NORSIG2002, 5th Nordic Signal Processing Symposium, On Board Hurtigruten M/S Trollfjord, Norway 14 Mike D Sutton (2005), Using Device Independent Bitmaps (DIBs) in Visual Basic, Part 1, EDAIS, http://edais.mvps.org/ 15 Palaniraja Sivakumar (2004), “Image Similarity Based on Color and Texture”, Report for CIS751 MS Project 16 Sebe N, Lew (2001), “Texture Features for Content-based Retrieval”: Principles of visual Information Retrieval 17 Shengjiu Wang (2001),"A Robust CBIR Approach Using Local Color Histogram", Technique Repost TR 01-13, Edmonton, Alberta, Canada 18 Tanner Helland, Graphics Programming in Visual Basic, tannerhelland.tripod.com/VBGraphicsTutorial.htm 19 Vishal Chitkara (2001) “Color-based image retrieval using compact binary signatures”, Master’s thesis, University of Alberta 20 Vittorio Castelli and Lawrence D Bergman (2002) “Image Database Search and Retrieval of Digital Imagery”, John Wiley & Sons, Inc., New York 56 ... sở lý thuyết ứng dụng số phương pháp tra cứu ảnh, sâu vào giới thiệu phương pháp tra cứu ảnh theo nội dung ứng dụng tra cứu ảnh y tế Trên sở tiến hành thử nghiệm phương pháp cụ thể để x y dựng... Trình b y tổng quan tra cứu ảnh Chƣơng 2: Một số phương pháp tìm kiếm ảnh theo nội dung Chƣơng 3: Tra cứu ảnh y tế giới thiệu ứng dụng phương pháp tra cứu ảnh theo nội dung y tế; hạn chế khả mở... + Tra cứu ảnh y tế giới thiệu ứng dụng phương pháp tra cứu ảnh theo nội dung y tế; hạn chế khả mở rộng chương trình ứng dụng ú b Các y u cầu cần giải + Gii thiệu chi tiết phương pháp tra cứu ảnh
- Xem thêm -

Xem thêm: Tìm hiểu phương pháp tra cứu ảnh y tế , Tìm hiểu phương pháp tra cứu ảnh y tế

Gợi ý tài liệu liên quan cho bạn

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