Phương pháp nhận dạng vật thể dựa trên thuật toán kth-law ECP-SDF

38 1.4K 9
Phương pháp nhận dạng vật thể dựa trên thuật toán kth-law ECP-SDF

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Tài liệu tham khảo chuyên ngành viễn thông Phương pháp nhận dạng vật thể dựa trên thuật toán kth-law ECP-SDF

LỜI GIỚI THIỆU Trong năm gần đây, xử lý hình ảnh (image processing) đạt nhiều thành tựu tiến vượt bậc Trong đó, nhận dạng phân loại hình ảnh lĩnh vực theo đuổi cách tích cực Ý tưởng cốt lõi việc nhận dạng phân loại hình ảnh phân tích ảnh từ liệu thu cảm biến hình ảnh camera, Webcam,… Nhờ hệ thống xử lý ảnh, người giảm khối lượng công việc tăng xác việc đưa định liên quan đến xử lý hình ảnh nhiều lĩnh vực: quân quốc phòng, hệ thống kỹ nghệ hố sinh, giải phẫu, hệ thống giao thơng thơng minh, robotics, hệ thống an ninh… Nhận dạng phân tích ảnh lĩnh vực liên ngành Để thực tốt cơng việc nhận dạng phân tích này, đòi hỏi người nghiên cứu phải am hiểu nhiều lĩnh vực đặc biệt lĩnh vực liên quan tới cảm biến, hệ thống xử lý ảnh, giải thuật xử lý hình ảnh/tín hiệu, VLSI, phần cứng phần mềm, hệ thống tích hợp… Mục đích luận văn trình bầy phương pháp nhận dạng vật thể dựa thuật toán kth-law ECP-SDF Theo đó, tơi trình bày sở lý thuyết việc xử lý ảnh, nhận dạng vật thể,chương trình MATLAB với hộp cơng cụ khảo sát xử lý ảnh(image acquisition toolbox image processing toolbox), giải thuật liên quan: FFT, Kth-law ECP-SDF chương trình mơ nhận dạng vật bất biến theo tỉ lệ Bởi thời gian hạn hẹp nhiều hạn chế kiến thức lĩnh vực mẻ này, mong luận văn trình bày hiểu biết tương đối xử lý ảnh nói chung nhận dạng vật thể nói riêng Đồng thời, hy vọng tương lai khơng xa có điều kiện ứng dụng nghiên cứu đạt luận văn vào thực tế Trong q trình hồn thành luận văn, xin đặc biệt cảm ơn tới Ths Nguyễn thị Thanh Vân PGS.TS Trần Quanh Vinh Đồng thời xin cảm ơn tất thầy cô giáo dạy suốt năm học qua trường Đại học Công Nghệ, Đại học Quốc gia Hà Nội CHƯƠNG MỞ ĐẦU 1.1 Bài toán nhận dạng vật thể mục đích luận văn Cho đến việc sử dụng cảm biến hình ảnh camera, Webcam,… trở nên phổ biến đời thường lĩnh vực xử lý ảnh Việc sử dụng chương trình MATLAB cơng cụ hữu ích xử lý hình ảnh khơng cịn xa lạ nhiều người Tuy vậy, nhận dạng vật thể lĩnh vực hấp dẫn nhiều điều cần khám phá Dù cho công nghệ nhận dạng phân loại ảnh đạt nhiều thành tựu đáng ý, lĩnh vực phải đối mặt với nhiều vấn đề lớn kỹ thuật cần giải Các vấn đề thường bao gồm: ‘méo’ vật thể mơi trường có nhiễu, góc quay từ cảm biến hình ảnh tới vật thể Đôi thay đổi vật thể cần nhận dạng không biểu diễn cách xác giải thuật ứng dụng với tập liệu hạn chế Ngồi ra, cịn nhiều vấn đề nảy sinh thực tế làm cho vật cần nhận dạng bị ‘méo’ trình xử lý hình ảnh Trong điều kiện thực tế khó khăn này, hệ thống nhận dạng đáng tin cậy cần phải thực thi chức nhận dạng phân loại theo thời gian thực với tỉ lệ chuẩn xác cao Do đó, việc tiến phát triển hệ thống xử lý ảnh giải thuật điều cần thiết nhận dạng phân loại vật thể cần xác tốc độ cao Đã có nhiều kỹ thuật phát triển ứng dụng lĩnh vực nhận dạng phân loại vật thể: nhận dạng đường biên, nhận dạng qua mầu sắc vật thể, thuật toán lọc nhiễu,… nhiên phần lớn kỹ thuật gặp khó khăn vật thể bị thay đổi hình dạng góc quay khác cảm biến hình ảnh Luận văn trình bày kỹ thuật hiệu để giải vấn đề Đó kỹ thuật nhận dạng vật thể dựa thuật toán kth-law ECP-SCF Đồng thời, khuôn khổ luận văn giới thiệu chương trình nhận dạng vật thể theo thời gian thực dùng thuật toán viết MATLAB 1.2 Tổ chức luận văn Luận văn trình bày thành chương Chương 1, tác giả trình bày tóm tắt vấn đề cần giải tổ chức luận văn Chương Tổng quan xử lý ảnh – Nhận dạng vật thể, tác giả trình bày khái niệm thường gặp giai đoạn xử lý ảnh nói chung nhận dạng vật thể nói riêng Chương Nhận dạng vật xử lý ảnh, tác giả giới thiệu phương pháp chung nhận dạng vật thể qua việc sử dụng hàm: tương quan tuyến tính tương quan phi tuyến Đồng thời trình bày lý thuyết biến đổi Fourier rời rạc(DFT), biến đổi Fourier nhan (FFT) thuật toán lọc tổng hợp ECPSDF bậc k Chương Xử lý ảnh với Matlab, tác giả giới thiệu chương trình matlab ứng dụng Matlab xử lý ảnh Đồng thời tác giả giới thiệu hộp công cụ xử lý ảnh (image processing toolbox) thu nhận ảnh (image acquisition toolbox) lệnh thường dùng Chương Thực nghiệm kết quả, tác giả trình bày lọc đơn, lọc tổng hợp ECP-SDF bậc k thí nghiệm áp dụng lọc nhận dạng vật Đồng thời, chương tác giả đưa ý kiến đánh giá khó khăn, giải pháp khắc phục ứng dụng dùng tới lọc tổng hợp ECP-SDF bậc k CHƯƠNG TỔNG QUAN VỀ XỬ LÝ ẢNH - NHẬN DẠNG VẬT THỂ 2.1 Xử lý ảnh (số) khái niệm liên quan: 2.1.1 Xử lý ảnh (số) Xử lý ảnh (số) dạng xử lý tín hiệu đầu vào hình ảnh (các ảnh, khung hình) đầu q trình xử lý ảnh hình ảnh khác tập chứa tính chất tham số liên quan tới hình ảnh Phần lớn kỹ thuật xử lý ảnh thường qui việc xử lý hình ảnh tín hiệu chiều sử dụng kỹ thuật xử lý tín hiệu để xử lý 2.1.2 Các khái nịêm liên quan: * Điểm ảnh(Picture Element) Gốc ảnh(ảnh tự nhiên) ảnh liên tục không gian độ sáng Để xử lý máy tính(số), ảnh cần phải số hoá Số hoá ảnh biến đổi gần ảnh liên tục thành tập điểm phù hợp với ảnh thật vị trí(khơng gian) độ sáng (mức xám) Khoảng cách điểm ảnh thiết lập cho mắt người khơng phân biệt ranh giới chúng Mỗi điểm gọi điểm ảnh (PEL: Picture Element) hay gọi tắt Pixel Trong khuôn khổ ảnh hai chiều, Pixel ứng với cặp tọa độ (x,y) Như vậy, điểm ảnh (Pixel) phần tử ảnh số toạ độ (x,y) với độ xám màu định Kích thước khoảng cách điểm ảnh chọn thích hợp cho mắt người cảm nhận liên tục kkhong gian mức xám (hoặc màu) ảnh số gần ảnh thật Mỗi phần tử ma trận gọi phần tử ảnh * Độ phân giải ảnh Theo định nghĩa thi Pixel gồm cặp toạ độ (x,y) màu Độ phân giải ảnh tích số giá trị lớn x với giá trị lớn y VD: Màn hình máy tính có nhiều loại với độ phân giảI khác nhau: hình CGA (Color Graphic Adaptor) có độ phân giảI 320 x 200; hình VGA (Video Graphic Array) độ phân giảI 1280 x 800; Rõ ràng hình có độ phân giảI cao ta có cảm giác ‘mịn’ so với loại có độ phân giảI thấp * Mức xám (Gray level) Mức xám kết mã hoá tương ứng cường độ sáng điểm ảnh với giá trị số – kết q trình lượng tử hố Các thang giá trị mức xám thông thường: 16,32,64,128,256 Trong mức 256 dùng phổ biến máy tính dùng byte(8 bit) để biểu diễn mức xám, mà mức xám lại dùng byte để biểu diễn: 28=256 mức, tức từ mức đến mức 255 ảnh đen trắng: ảnh có hai màu đen, trắng (không chứa màu khác ) với mức xám điểm ảnh khác ảnh nhị phân: ảnh có mức đen trắng phân biệt tức ding bit mô tả mức khác hay điểm ảnh nhị phân chi có giá trị là ảnh màu: với điểm ảnh người ta dung byte để mô tả mức màu (do giới màu tạo nên từ màu bản: đỏ(red), lục(blue) lơ(green)) Do có 28*3 =224=16,7 triệu màu * Biểu diễn ảnh Trong biểu diễn ảnh, người ta thường dùng phần tử đặc trưng ảnh pixel Do ta biểu diễn ảnh hàm biến chứac thơng tin Các mơ hình biểu diễn ảnh cho ta mô tả lô gic hay định lượng tính chất hàm Chất lượng ảnh tính hiệu kỹ thuật xử lý phụ thuộc vào nhiều yếu tố như: độ phân giảI, nhiễu, Để xử lý ảnh, ảnh phảI lấy mẫu (sample) rơI lượng tử hố (quantization) Tức chuyển từ ảnh tương tự sang ảnh số sau lưu giá trị điểm ảnh với số hữu hạn mức xám * Tăng cường khôi phục ảnh Tăng cường ảnh (image enhancement): Khi ảnh chuyển từ dạng sang dạng khác trình như: truyền ảnh, quét ảnh,… ảnh nhận thường có chất lượng thấp so với ảnh ban đầu Để giúp người ta quan sát ảnh cách xác địi hỏi phải có biện pháp để nâng cao chất lượng ảnh Qúa trình gọi tăng cường ảnh (image enhancement) Tăng cường ảnh giúp loại bỏ suy giảm (degradation) gây hệ thống xử lý kênh xử lý ảnh Ngày nay, nhu cầu phát triển hệ thống tự động cho việc xử lý hình ảnh ngày phát triển, kéo theo cần thiết việc loại bỏ sai số yếu tố nhiễu qúa trình xử lý Do đó, tăng cường ảnh coi tập hợp kỹ thuật để nâng cao chất lượng hình ảnh đồng thời tập hợp ding để nâng cao độ xác trình tìm kiếm tự động chuyển đổi dạng ảnh Các kỹ thuật tăng cường ảnh kể đến: kỹ thuật tương phản (contrast), ánh xạ (mapping- gán mức xám từ ảnh gốc với mức xám khác ảnh biên dịch),… Nói chung, kỹ thuật tăng cường ảnh nhằm mục đích đạt kết qủa tốt Những kỹ thuật thường dựa kết hợp phương pháp biến đổi miền không gian miền tần số KhôI phục ảnh (image restoration): KhôI phục ảnh trình loại bỏ suy giảm (degradation) ảnh Có nhiều nguyên nhân dẫn đến suy giảm Khi camera không tập trung tiêu cự cách hợp lý dẫn đến ảnh bị ‘nhịe’ Khi chụp ảnh điều kiên thời tiết khơng thuận lợi: sương mù, qúa nắng nóng, … làm cho ảnh bị ‘nhòe’ Chụp ảnh vật chuyển động gây ‘nhịe’ cho ảnh Do có nhiều nguyên nhân gây nên suy giảm ảnh vậy, loại nguyên nhân phảI có cách phục hồi khác KhơI phục ảnh phần lớn thực cách tìm giảI thuật nhằm phục hồi lại thông tin bị thất lạc trình xử lý ảnh Chúng ta cần phân biệt tăng cường ảnh với khôI phục ảnh: tăng cường ảnh nhằm tăng chất lượng ảnh khơI phục ảnh nhằm đưa lại hình ảnh gốc ảnh bị suy giảm Các kỹ thuật tăng cường ảnh không áp dụng với khôI phục ảnh * Biến đổi ảnh (image transformation) Thuật ngữ biến đổi ảnh thường dùng để nói tới kỹ thuật dùng để biến đổi ảnh Ở ảnh coi chuỗi tín hiệu chiều biểu diễn hàm sở Có nhiều biến đổi dùng như: biến đổi Fourier, cosin, sin, karhumen loeve,… Trong khuôn khổ luận văn này, phần sau tơI trình bày biến đổi Fourier: DFT, FFT, IDFT,… Đây biến đổi phổ dụng tôI thực tế áp dụng trình nghiên cứu * Phân tích ảnh (image analysis) Sau bước tiền xử lý ảnh, ảnh tăng cường hay khôi phục để làm đặc trưng chủ yếu Lúc bắt đầu đưa vào q trình phân tích Q trình phân tích ảnh gồm cơng đoạn: trích chọn đặc tính (feature extraction), phân đoạn ảnh (segmentation) thành phần tử Tuỳ theo mục đích việc xử lý, giai đoạn trình phân tích ảnh nhận dạng ảnh (phân thành lớp có miêu tả) giảI thích miêu tả ảnh Hình mơ tả tóm lược bước q trình phân tích ảnh: ảnh đầu Trích chọn q trình tiền XL đặc tính Hình vẽ trang 115 Phân đoạn Phân loại GiảI thích Hình Các bước phân tích ảnh Phân tích ảnh thường dựa việc phân tích đặc trưng ảnh: mật độ xám, phân bố xác suất, phân bố không gian, biên ảnh,… 2.1.3.Nhận dạng phân loại ảnh (recognition and classification of image partterns) * Nhận dạng ảnh (recognition of image partterns): Khi ảnh phân đoạn, nhiệm vụ nhận dạng vật thể vùng phân đoạn Mỗi vật thể thành phần ảnh giá trị đo đặc tính thành phần Một tập vật thể có đặc tính giống gọi ‘lớp vật thể’(pattern class) Theo định nghĩa, nhận dạng trình phân loại đối tượng biểu diễn theo mơ hình gán cho chúng vào lớp (gán cho đối tượng tên gọi) dựa theo quy luật mẫu chuẩn Sự nhận dạng ảnh thường dựa nhiều tính chất vật với tính chất có kỹ thuật nhận dạng khác VD: Mỗi chữ cáI tiếng Anh tập đường thẳng đứng, ngang, chéo cong Trong chữ ‘A’ mô tả đường chéo đường nằm ngang chữ ‘B’ mơ tả đường thẳng đứng với đoạn cong Một số tính chất vật thể chiều diện tích, thể tích, chu vi, bề mặt,… đo thơng qua việc tính tốn số ‘pixel’ Tương tự vậy, bang vật đặc trưng đường biên Một số tham số để xác định bang vật cac mô-ment bất biến (invariant moment), đường trung bình (medial axis) vật thể … Mầu vật đặc điểm quan trọng dùng nhận dạng Kỹ thuật dùng để phát đặc tính vật thể gọi kỹ thuật trích chọn đặc tính (feature extraction) Khi vật thể miêu tả tập đặc tính Sự lựa chọn tách lấy tính chất thích hợp coi vấn đề nhận dạng ảnh * Phân loại thành phần ảnh (classification of image patterns) Phân loại cơng đoạn quan trọng q trình nhận dạng vật Đã có nhiều kỹ thuật phân loại sử dụng việc nhận dạng thành phần Một số kỹ thuật phân loại biết kỹ thuật lý thuyết xác Với kỹ thuật lý thuyết xác này, phân loại thành phần chưa biết định dựa số nguyên tắc xác định có ý nghĩa thống kê chí đơI cịn chưa xác định rõ Hình thể q trính phân loại Vật cần kiểm tra Vật mẫu Trích đặc chọn tính Trích chọn đặc tính Bộ phân loại Kết phân loại Thu nhận thông tin Các kỹ thuật nhận dạng vật có mẫu chuẩn chia làm loại chính: 1.Phương pháp phân loại dựa việc thu nhận có giám sát(supervised learning) 2.Phương pháp phân loại sử dụng kỹ thuật không cần giám sát(nonsupervised learning) Các giải thuật phân loại có giám sát phân thành loại nhỏ hơn: * Phân loại dựa vào tham số (Parametric classifiers) * Phân loại không cần tham số (Nonparametric classifiers) Đối với phân loại có giám sát dựa tham số, thiết bị phân loại lấy mẫu với tập gồm nhiều mẫu thành phần xác định nhằm tính tốn thơng số thống kê loại thành phần như: trung bình số học, cơng sai… Các vector đặc tính đầu vào đạt thời gian lấy mẫu phân loại có giám sát coi biến Guass Các giải thuật không cần giám sát thường sử dụng phân loại theo khoảng cách nhỏ (minimum distance classifer) phân loại tương đồng lớn (maximum likelihood classifier) Ngược lại, số thông số không quan tâm phương pháp phân loại co giám sát không cần tham số Một số kỹ thuật loại là: K điểm lân cận gần (K-nearest neighbors), cửa sổ Parzen (Parzen window)… Đối với phương pháp phân loại khơng cần giám sát, phân loại chia tồn tập thông tin dựa số tiêu chuẩn tương đồng Điều cho kết tập thành phần thành phần thuộc lớp cụ thể CHƯƠNG NHẬN DẠNG VẬT BẰNG XỬ LÝ ẢNH 3.1.Tương quan tuyến tính tương quan phi tuyến Một đại lượng tương quan cho phép tính tóa mức độ giống vật Biểu thức toán học thể tương quan hàm số s(x,y) r(x,y) định nghĩa bởi: c( x, y ) = TF −1 ^* { ( x , y ) r ( x, y ) } (3.1.1) Trong biểu thức thỡ dấu hoa thị biểu diễn cho tớnh liờn hợp phức ⊗ thể tương quan chéo Nếu hàm số s(x,y) r(x,y) thể ảnh phân tích mẫu tham chiếu thỡ tương quan chúng phét đo trùng khớp vật ảnh mẫu tham chiếu Theo đó, tương quan coi tính tốn cấp độ giống chúng Sự tương quan biểu diễn biến đổi Fourier Nếu ký hiệu ^ biểu diễn cho biến đổi Fourier, hàm tương quan biểu diễn (3.1.1) biểu diễn phương trình: c ( x , y ) = s ( x , y ) ⊗ r ( x, y ) = ∫ ∞ ∫ s( ξ ,η ) r ( ξ − x,η − y ) dξdη ∞ −∞ − ∞ * (3.1.2) Trong TF-1 biến đổi Fourier Phương trình (3.1.2) cho thấy tỉ lệ tương quan hàm số tính tốn cách nhân biến đổi fourier miền tần số sau nghịch đỏa tích số Các hệ thể tương quan gọi hàm tương quan Mỗi hàm tương quan cho phép xử lý theo thời gian thực lượng thông tin lớn Các hàm tương quan mơ tả phương trình(3.1.1) cú nhiều hạn chế cú thờm cỏc thành phần nhiễu Thêm vào đó, hàm tương quan khơng cịn xác ảnh bị ‘méo’ tỉ lệ thay đổi, vật bị di chuyển hay điều kiện ánh sáng không ổn định Áp dụng kỹ thuật lọc không gian khác trước thực biến hổi Fourier miền tần số cho phép khắc phục vấn đề Ví dụ: việc nhận dạng vật bị ảnh hưởng biến đổi tỉ lệ góc quay hồn tồn thực Một toán tử phi tuyến tác động đến biến đổi Fourier ánh mẫu tham chiếu gọi hàm tương quan phi tuyến Hàm tương quan phi tuyến thường Hình đồ thị hàm y = sin(x) 4.1.6 Xuất kết triển khai ứng dụng MATLAB đưa nhiều đặc tính giúp báo cáo chia sẻ công việc Các đoạn code viết MATLAB tích hợp với ngơn ngữ ứng dụng khác Đồng thời triển khai thuật tốn ứng dụng chương trình khối phần mềm riêng biệt Xuất kết quả: Sau hồn thành cơng việc, người sử dụng cần xuất kết thường dạng hình ảnh báo cáo MATLAB có hỗ trợ file hình ảnh với nhiều định dạng khác việc xuất kết dạng đồ thị hay file ảnh dễ dàng Ngoài ra, muốn chuyển code từ MATLAB dạng khác: HTML, Word, Latex… Kết hợp mã MATLAB với loại ngôn ngữ ứng dụng khác: MATLAB cung cấp sẵn hàm cho việc kết hợp mã ngơn ngữ lập trình khác C, C++, Fortran hay Java với mã chương trình Sử dụng thư viện công cụ(engine library) MATLAB, người sử dụng gọi đoạn mã từ C, C++ hay Fortran Triển khai ứng dụng: Các sản phẩm sau xử lý MATLAB thường đoạn mã Các đoạn mã cung cấp cho người khác ứng dụng vào sản phẩm phần cứng phần mềm cụ thể 4.2 Xử lý ảnh MATLAB 4.2.1.Ảnh MATLAB Trong MATLAB, liệu chủ yếu lưu trữ theo cấu trúc mảng (tập có thứ tự gồm phần tử số thực phức) Ảnh Matlab lưu trữ mảng phần tử với giá trị lưu trữ mầu, cường độ… ảnh Hầu hết ảnh MATLAB lưu trữ dạng mảng chiều (VD: ma trận) Trong mảng chiều này, phần tử tương ứng với pixel thường biểu diễn điểm hình máy tính(VD: Một ảnh có 500 hàng 700 cột gồm nhiều điểm mầu khác lưu trữ ma trận có kích thước 500x700) Một số ảnh, ảnh mầu đòi hỏi phảI lưu trữ mảng ba chiều Trong đó, mặt phẳng thứ mảng ba chiều biểu diễn cho cường độ đỏ (red) phần tử, mặt phẳng thứ hai biểu diễn cho cường độ màu xanh (green) mặt phẳng lại biểu diễn cho cường độ màu xanh da trời (blue) phần tử Với việc lưu trữ ảnh dạng mảng, việc xử lý ảnh với liệu lưu dạng ma trận thực thuận tiện 4.2.2.Hộp công cụ xử lý ảnh (image processing toolbox): Matlab xử lý lưu trữ ảnh nhiều định dạng khác nhau: BMP, HDF, JPEG, TIFF… Dù tất định dạng quy chuẩn dạng bản: nhị phân (Binary), gán số (Indexed), mức xám (Grayscale), RGB (RGB hay truecolor) Các định dạng ảnh qui định cách mà Matlab biên dịch phần tử ma trận liệu (VD: giá trị cường độ phần tử) * Ảnh dạng mức xám (gray scale image): Ảnh loại biểu diễn ma trận mà phần tử biểu diễn giá trị sáng/tối điểm ảnh vị trí tương ứng Có cách để biểu diễn giá trị thể mức độ ‘xám’ pixel: dạng double dạng uint8 Dạng double gán cho pixel giá trị động thuộc khoảng (0,1): giá trị ứng với màu đen ứng với màu trắng Dạng uint8 gán cho pixel giá trị từ đến 255 thể độ sáng (brightness): giá trị tương ứng với màu đen 255 ứng với màu trắng Mỗi ảnh lưu trữ dạng uint8 chiếm 1/8 không gian nhớ so với lưu trữ dạng double Mặc dù vậy, đơI thuật tốn ứng dụng giảI với dạng double * Ảnh kiểu nhị phân: Mỗi ảnh dạng lưu trữ ma trận phần tử ma trận có giá trị (đen) (trắng) * Ảnh gán số: Đây cách thông dụng để biểu diễn ảnh mầu Một ảnh gán số lưu trữ ma trận Ma trận thứ có kích cỡ với ảnh chứa giá trị thứ pixel Ma trận lại gọi ma trận màu (color map) có kích cỡ khác so với kích cỡ ảnh Các số ma trận thức cho ta biết số biểu diễn ma trận màu * Ảnh dạng RGB: Các ảnh RGB Matlab lưu trữ ma trận chứa kích cỡ ứng với định dạng ảnh Mỗi ma trận tương ứng với mầu: đẻ (Red), xanh (Green), xanh da trời (Blue) Đồng thời giá trị phần tử ma trận thể cường độ loại mầu pixel * Các lệnh chuyển đổi Hộp công cụ xử lý ảnh: Lệnh dither() : chuyển định dạng khác sang dạng nhị phân Lệnh Gray2ind(): chuyển từ dạng Gray sang indexed Lệnh ind2gray(): chuyển từ dạng indexed sang Gray Lệnh ind2rgb(): chuyển từ dạng indexed sang RGB Lệnh mat2gray(): chuyển ma trận thông thường dạng gray hàm tỉ lệ Lệnh rgb2gray(): chuyển dạng RGB sang dạng Gray Lệnh rgb2ind(): chuyển dạng RGB sang dạng Indexed * Đọc file ảnh Matlat Matlab không xử lý trực tiếp ảnh mà làm việc thông qua việc chuyển đổi ảnh dạng (các) ma trận chứa thông số Thực chất việc xử lý ảnh Matlab xử lý thơng số ma trận Các lệnh xử lý ảnh Matlab lệnh đọc ghi Lệnh imread() nhập ảnh vào workspace (không gian làm việc) Matlab Lúc xử lý ảnh tương đương với việc xử lý biên gán cho VD: image=imread(‘picture.jpg’); % gán ảnh có tên picture định dang jpg cho biến image, biến image lưu workspace Lệnh imwrite() chuyển đổi biến gán cho ảnh thành file ảnh ghi nhớ file ảnh VD: imwrite(image,’image.jpg’); % lưu biến image định dạng file ảnh jpg vào thư mục làm việc thời 4.2.3.Hộp công cụ thu nhận ảnh (image acquisition toolbox): Hộp công cụ thu nhân ảnh dùng để thực chức thu nhận ảnh qua thiết bị kết nối với máy tính Sử dụng hàm chức hộp cơng cụ tạo đối tượng thể kết nối Matlab thiết bị thu hình ảnh cụ thể Sử dụng tính chất đối tượng giúp kiểm sốt nhiều bước trình thu nhận ảnh dung lượng liệu video muốn ghi lại Hộp công cụ sử dụng thành phần gọi thích ứng dùng để liên kết với thiết bị thơng qua trình điều khiển Với hộp cơng cụ thu nhận hình ảnh, ta nối trực tiếp phần cứng cơng cụ thiết lập tham số thu nhận đồng thời xem u cầu liệu ảnh Ngồi ra, ta tiếp cận liệu Matlab vài định dạng đồng thời tạo file AVI Matlab thơng qua hộp cơng cụ thu nhận hình ảnh hỗ trợ kết nối với nhiều loại thiết bị thu nhận ảnh bao gồm: thiết bị camera kỹ thuật số chuyên biệt dựa kết nối 1394 (DCAM), thiết bị hỗ trợ kết nối USB (WEB camera, máy quay kỹ thuật số, cạc chuyển đổi TV…) MATLAB M-file Functions Image acquisition Toolbox Hardware driver Adaptor USB USB source PCI Frame grabber IEEE 1394 Firewire source Hình Thành phần hộp cơng cụ thu nhận ảnh 4.2.4.Một số ví dụ xử lý ảnh với Matlab: VD1:Đọc hiển thị ảnh >> I=imread('C:\Documents and Settings\Hoang Anh Nguyen Documents\My Pictures\me\xe_dien1.jpg');%doc file anh tu dong dan >> imshow(I);%hien thi anh VD2: Chuyển ảnh RGB sang Gray The\My >> I_trans=rgb2gray(I);% chuyen tu dinh dang RGB sang Gray >> imshow(I_trans);%hien thi anh dinh dang Gray >>imwrite(I_trans,’xe_dien_trans.bmp’); %luu anh vao thu muc lam viec cua Workspace VD3: Bắt ảnh từ thiết bị hiển thị theo thời gian thực function getsnapnimshow video=videoinput('winvideo',1); for i=1:100 set(video,'timeout',100); frame1=getsnapshot(video); hold on; imshow(frame1); end end Khi sử dụng đoạn mã ta việc gọi tên hàm >> getsnapnimshow; CHƯƠNG THỰC NGHIỆM VÀ KẾT QUẢ 5.1 Nhắc lại toán nhận dạng đặt chương 1: Cho tập ảnh mẫu dùng để so sánh nhận dạng vật, xác định vị trí mẫu cần nhận dạng ảnh chứa mẫu Viết chương trình Matlab sử dụng lọc ECP-SDF bậc k để giải toán 5.2 Thuật tốn: Trong q trình xử lý nhận dạng ảnh, ‘méo’ nguyên nhân gây nhiều khó khăn Trong việc phân tích dạng ‘méo’, thao tác thường tiến hành là: chụp lại số bưc ảnh điều kiện môi trường thực tế, lấy mẫu ảnh làm ảnh tham chiếu dùng cho việc nhận dạng Sau thao tác này, ảnh có chứa mẫu tham chiếu chia làm nhóm: nhóm thứ gồm ảnh chứa mẫu tham chiếu chuẩn, nhóm ảnh chứa mẫu tham chiếu (nhưng khơng giống hệt chưa đưa làm liệu nhận dạng) nhóm cuối gồm ảnh khơng chứa mẫu tham chiếu Hình a,b,c thể mẫu vật lưu, chưa lưu hoàn toàn sai khác với mẫu cần nhận dạng Việc lọc phi tuyến xử lý ảnh bắt đầu việc gán mẫu tha chiếu vào trung tâm ảnh có đen hồn tồn (các pixel ảnh có giá trị 0) Hình thể ví dụ mẫu tham chiếu dùng để lập nên lọc phi tuyến Mỗi ảnh có kích cỡ khác Sau chúng chuẩn hóa hệ xám chèn giá trị để trở thành ảnh có kích thước Các ảnh chuẩn hóa tiếp tục biến đổi Fuorier biến đổi phi tuyến bậc k Các kết tương quan phi tuyến đạt việc biến đổi Fourier ngược tích giứa phổ phi tuyến biến đổi tín hiệu đầu vào với mẫu tham chiếu Lúc mẫu tham chiếu xem dấu hiệu tham chiếu riêng biệt để tổng hợp lọc phi tuyến đơn Một lọc phi tuyến đơn đạt cách biến đổi Fourier tốn tử phi tuyến phương trình (4.1.3) với thơng số lấy từ mẫu tham chiếu Hình mô tả bước tiến hành tổng hợp lọc phi tuyến tổng hợp Bộ lọc phi tuyến tổng hợp đạt cách áp dụng phương trình (4.1.8) với hệ số k tùy thuộc mức độ biến đổi theo tỉ lệ vật Trong chương trình, ta sử dụng k=0.1 thực nghiệm chứng tỏ giá trị k cho kết tương quan theo độ nét, khả phân biệt bất biến theo độ sáng tốt Biến đổi Fourier Các tính tốn phi tuyến Tổng hợp lọc Biến đổi Fourier ngược 5.3 Chương trình nhận dạng vật bất biến theo tỉ lệ: VD1: Nhận dạng chữ E lọc phi tuyến đơn Mẫu tham chiếu: Ảnh chứa đối tượng cần nhận dạng: Kết thu với lọc phi tuyến đơn: VD2: Nhận dạng với lọc phi tuyến tổng hợp Mẫu tham chiếu: Ảnh chứa đối tượng cần nhận dạng: 5.4 Đánh giá kết thu được: Qua ví dụ minh họa phần trước tơi trình bày kết đạt phương pháp nhận dạng vật với lọc phi tuyến: đơn tổng hợp Với lọc phi tuyến đơn lần cho phép nhập mẫu tham chiếu việc nhận dạng nhận dạng riêng mẫu tham chiếu Trong đó, việc sử dụng lọc ECP-SDF bặc k thay lần nhập mọt mẫu tham chiếu ta nhập nhiều mẫu tham chiếu Về mặt ý tưởng, điều khơng khó để thực nhiên lọc phi tuyến tổng hợp thông thường thường phải đối mặt với vấn đề thời gian xử lý khối lượng phép tính toán thường lớn Với lọc phi tuyến ECP-SDF bậc k, ta giải phần vấn đề thời gian xử lý Đồng thời lọc nêu lên giải pháp khả thi việc nhận dạng vật thể đặt vị trí khác (với điều kiện có đủ mẫu tham chiếu) Đối với nhận dạng nhiều vật thể ảnh, có đủ mẫu tham chiếu ta quy giống việc giải vấn đề nhận dạng vật dược dặt vị trí khác Thêm vào đó, lọc ECP-SDF bậc k giải hiệu vấn đề nhận dạng vật có thành phần tác động dẫn tới tượng ‘méo’ mẫu vật như: vật ảnh bị thay đổi góc nhìn điều kiện phản xạ khong phù hợp… Trong trình thực thí nghiệm chạy chương trình, nhiều yếu tố khách quan chủ quan tác động nên kết thu chưa phải lý tưởng Các yếu tố bao gồm: * Chất lượng camera dùng để tiến hành thí nghiệm khơng phải cao Do ta thực bắt ảnh thường bị nhiễu chất lượng hình ảnh khơng tốt * Điều kiện tiến hành thí nghiệm khơng lý tưởng: điều kiện độ sáng, độ chói, góc quay… * Các bước tiền xử lý đơn giản chưa hỗ trợ tốt cho q trình xử lý ảnh * Thuật toán giải vấn đề chưa phải lý tưởng (do khơng có đối sánh) dẫn đến việc xử lý chưa đạt tối ưu Các biện pháp khắc phục: * Dùng camera có chất lượng tốt * Thực kỹ thuật tiền xử lý: tách đường bao, tăng độ sắc nét, lọc nhiễu loại lọc có hiệu cao… * Tối ưu hóa giải thuật chương trình 5.5 Các ứng dụng áp dụng: Xử lý ảnh lĩnh vực cịn mẻ q trình phát triên mạnh mẽ Các ứng dụng xử lý ảnh thiết thực cần thiết nhiều lĩnh vực Áp dụng lọc ECP-SDF bậc k giúp ta giải nhiều tốn nhiều lĩnh vực như: * Nhận dạng biển báo giao thông để thông báo lại cho người tham gia điều khiển giao thông * Nhận dạng sản phẩm dây chuyền sản xuất tự động * Nhận dạng biển số xe ghi số tự động Môc lôc LỜI GIỚI THIỆU CHƯƠNG MỞ ĐẦU 1.1 Bài tốn nhận dạng vật thể mục đích luận văn 1.2 Tổ chức luận văn CHƯƠNG TỔNG QUAN VỀ XỬ LÝ ẢNH - NHẬN DẠNG VẬT THỂ 2.1 Xử lý ảnh (số) khái niệm liên quan: 2.1.1 Xử lý ảnh (số) .4 2.1.2 Các khái nịêm liên quan: .4 2.1.3.Nhận dạng phân loại ảnh (recognition and classification of image partterns) 1.Phương pháp phân loại dựa việc thu nhận có giám sát(supervised learning) 2.Phương pháp phân loại sử dụng kỹ thuật không cần giám sát(nonsupervised learning) .9 CHƯƠNG NHẬN DẠNG VẬT BẰNG XỬ LÝ ẢNH .10 3.1.Tương quan tuyến tính tương quan phi tuyến 10 3.2 Các kỹ thuật lọc phi tuyến nhận dạng theo tỉ lệ 11 3.3 Thuật toán Kth_law ECP-SDF (equal-correlation-peak synthetic discriminant function) tạm dịch hàm phân biệt tổng hợp ảnh tuân theo tỉ lệ tương quan 12 3.4 BIẾN ĐỔI FOURIER RỜI RẠC 13 3.4.1 Lấy mẫu miền tần số biến đổi Fourier rời rạc 14 3.4.2 Biến đổi Fourier nhanh FFT: .19 CHƯƠNG 20 XỬ LÝ ẢNH VỚI MATLAB .20 4.1 Giới thiệu MATLAB 20 4.1.1 Các đặc điểm MATLAB: 20 4.1.2 Phát triển giải thuật ứng dụng .21 4.1.3 Phân tích tiếp cận liệu: .22 4.1.4 Tiếp cận liệu 23 4.1.5 Hình ảnh hóa liệu 23 4.1.6 Xuất kết triển khai ứng dụng 24 4.2 Xử lý ảnh MATLAB 25 4.2.1.Ảnh MATLAB 25 ... Nhận dạng vật thể, tác giả trình bày khái niệm thường gặp giai đoạn xử lý ảnh nói chung nhận dạng vật thể nói riêng Chương Nhận dạng vật xử lý ảnh, tác giả giới thiệu phương pháp chung nhận dạng. .. vấn đề Đó kỹ thuật nhận dạng vật thể dựa thuật toán kth-law ECP-SCF Đồng thời, khuôn khổ luận văn giới thiệu chương trình nhận dạng vật thể theo thời gian thực dùng thuật toán viết MATLAB 1.2... ảnh giải thuật điều cần thiết nhận dạng phân loại vật thể cần xác tốc độ cao Đã có nhiều kỹ thuật phát triển ứng dụng lĩnh vực nhận dạng phân loại vật thể: nhận dạng đường biên, nhận dạng qua

Ngày đăng: 20/11/2012, 11:35

Hình ảnh liên quan

Hình vẽ trang 115 - Phương pháp nhận dạng vật thể dựa trên thuật toán kth-law ECP-SDF

Hình v.

ẽ trang 115 Xem tại trang 7 của tài liệu.
Hình 4.1 - Phương pháp nhận dạng vật thể dựa trên thuật toán kth-law ECP-SDF

Hình 4.1.

Xem tại trang 22 của tài liệu.
Hình 4. đồ thị hàm y= sin(x) - Phương pháp nhận dạng vật thể dựa trên thuật toán kth-law ECP-SDF

Hình 4..

đồ thị hàm y= sin(x) Xem tại trang 24 của tài liệu.
Hình 4. Thành phần hộp công cụ thu nhận ảnh - Phương pháp nhận dạng vật thể dựa trên thuật toán kth-law ECP-SDF

Hình 4..

Thành phần hộp công cụ thu nhận ảnh Xem tại trang 28 của tài liệu.

Từ khóa liên quan

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan