Sử dụng kỹ thuật phân lớp dữ liệu để tính toán các bins màu động trong tra cứu ảnh dựa trên màu sắc
Chúng tôi đã đề xuất ý tƣởng sử dụng kỹ
thuật phân lớp dữ liệu để tính toán các bins
màu nhằm khắc phục nhƣợc điểm cúa kỹ
thuật cơ sở tra cứu ảnh dựa trên màu sắc. Kỹ
thuật này cho kết quả tốt hơn kỹ thuật cơ sở
trong trƣờng hợp ảnh tăng giảm độ sáng, tuy
nhiên tốc độ tính toán các bins màu chậm
hơn. Hƣớng nghiên cứu tiếp theo của chúng
tôi sẽ là:
Nâng cao hiệu quả của kỹ thuật phân lớp dữ
liệu áp dụng cho việc tính toán các bins màu.
Thực nghiệm với các độ đo khác nhau, kết
hợp với các cải tiến đã có nhƣ sử dụng quan
hệ không gian giữa các pixel
5 trang |
Chia sẻ: dntpro1256 | Lượt xem: 664 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Sử dụng kỹ thuật phân lớp dữ liệu để tính toán các bins màu động trong tra cứu ảnh dựa trên màu sắc, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53
49
SỬ DỤNG KỸ THUẬT PHÂN LỚP DỮ LIỆU ĐỂ TÍNH TOÁN
CÁC BINS MÀU ĐỘNG TRONG TRA CỨU ẢNH DỰA TRÊN MÀU SẮC
Nguyễn Văn Tới*, Phạm Việt Bình, Nguyễn Tiến Thành
ĐH Công nghệ Thông tin & Truyền thông – ĐH Thái Nguyên
TÓM TẮT
Kỹ thuật tra cứu dựa trên màu sắc là một trong những hƣớng tiếp cận cơ bản trong tra cứu ảnh.
Trong kỹ thuật này, ngƣời ta chia không gian màu ra thành các bins. Việc chia thành các bins màu
có kích thƣớc bằng nhau và cố định dẫn đến một số hạn chế trong việc tra cứu nhƣ không tính đến
tính tƣơng đồng giữa các màu khi phân các pixel vào các bins, vấn đề về tăng giảm độ sáng ảnh.
Bài báo này trình bày một cách tính toán các bins màu mềm dẻo sử dụng kỹ thuật phân lớp dữ liệu.
Chúng tôi đã thử nghiệm với thuật toán K-Means trên cơ sở dữ liệu ảnh MISC [4] và cơ sở dữ liệu
ảnh IFIT (Thƣ viện ảnh của Khoa Công nghệ thông tin-ĐH Thái Nguyên).
Từ khóa: Kỹ thuật phân lớp dữ liệu, bins màu động,thuật toán K-means
GIỚI THIỆU*
Cùng với sự phát triển nhanh chóng của công
nghệ phần cứng trong đó có các thiết bị thu
nhận ảnh, lƣu trữ dữ liệu, lƣợng dữ liệu ảnh
trong các lĩnh vực và trong đời sống ngày
càng gia tăng. Từ thực tế trên, nhu cầu lƣu
trữ, quản lý và tra cứu ảnh đƣợc đặt ra. Tra
cứu ảnh là việc tìm kiếm từ một cơ sở dữ liệu
(CSDL) ảnh ra một ảnh theo một yêu cầu nào
đó. Đã có nhiều hƣớng tiếp cận cho việc
nghiên cứu vấn đề này (xem [1]). Một trong
những hƣớng tiếp cận chính đó là tra cứu ảnh
dựa vào màu sắc. Kỹ thuật cơ sở tra cứu ảnh
dựa trên màu sắc sẽ đƣợc giới thiệu trong
phần 2. Các kỹ thuật cơ sở tra cứu ảnh dựa
trên màu sắc còn một số hạn chế. Những hạn
chế này đƣợc giới thiệu trong phần 3 cùng với
một số hƣớng tiếp cận khắc phục của một số
tác giả. Trong bài báo này, chúng tôi đƣa ra
một hƣớng khắc phục khác cho những hạn
chế của kỹ thuật cơ sở. Ý tƣởng của cách
khắc phục này là cải tiến việc tính toán các
bins màu bằng cách sử dụng kỹ thuật phân
lớp dữ liệu. Ý tƣởng này đƣợc trình bày trong
phần 4. Việc thực nghiệm với thuật toán phân
lớp dữ liệu K-Means và kết quả đƣợc trình
bày trong phần 5. Trong phần 6, chúng tôi
đƣa ra một số kết luận và hƣớng nghiên cứu
tiếp theo.
*
Tel: 0912847077; Email: nvtoicntt@gmail.com
KỸ THUẬT CƠ SỞ TRA CỨU ẢNH DỰA
TRÊN MÀU SẮC
Ý tƣởng của các kỹ thuật tra cứu ảnh trên cơ
sở màu là tra cứu từ CSDL ảnh những ảnh có
màu cảm nhận tƣơng tự ảnh truy vấn hay phù
hợp với mô tả của ngƣời sử dụng. Ngƣời ta đã
đề xuất một số kỹ thuật khác nhau nhƣng ý
tƣởng chủ đạo là nhƣ nhau. Mỗi ảnh trong
CSDL đƣợc biểu diễn bằng ba kênh của
không gian màu. Không gian màu hay sử
dụng nhất là RGB. Mỗi kênh màu đƣợc số
hóa thành m khoảng. Nhƣ vậy, tổng số tổ hợp
màu rời rạc (gọi là bins) sẽ là n = m3. Thí dụ,
nếu mỗi kênh màu đƣợc số hóa thành 16
khoảng thì sẽ có 4096 bins. Biểu đồ màu
H(M) là véc tơ (h1, h2, ..., hj, ..., hn), trong đó
phần tử hj biểu diễn tổng số pixel trong ảnh M
rơi vào bin j (j=1,..,n). Biểu đồ màu là véc tơ
đặc trƣng, sẽ đƣợc lƣu trữ làm chỉ mục ảnh.
Khi tra cứu ảnh, biểu đồ màu của ảnh truy
vấn đƣợc tính toán. Sau đó, tính toán khoảng
cách giữa biểu đồ màu của ảnh truy vấn và
từng biểu đồ màu của các ảnh trong CSDL
ảnh. Kết quả trình diễn cho ngƣời sử dụng là
k ảnh đầu tiên có khoảng cách nhỏ nhất.
Đã có nhiều độ đo khoảng cách biểu đồ màu
giữa hai ảnh I và H đƣợc đề xuất. Ví dụ nhƣ:
+ Độ đo L-1 (thuộc nhóm Minkowski-form
r=1):
n
l
ll jiJId
1
),( .
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53
50
+ Độ đo khoảng cách Euclide (L-2) thuộc
nhóm Minkowski-form r=2:
n
l
ll jiJId
1
2
),( .
MỘT SỐ KỸ THUẬT TĂNG CƢỜNG KỸ
THUẬT CƠ SỞ ĐÃ ĐƢỢC ĐỀ XUẤT
Kỹ thuật tra cứu ảnh trên cơ sở màu cơ bản có
nhiều hạn chế. Trong phần này chúng tôi giới
thiệu một số hạn chế và cách khắc phục đã
đƣợc đề xuất.
• Hạn chế thứ nhất của kỹ thuật cơ sở là
không sử dụng tính tƣơng đồng giữa các màu.
Khi đó, hai ảnh với màu cảm nhận tƣơng
đồng nhƣng không có màu chung thì khoảng
cách của chúng sẽ lớn, có thể là cực đại. Điều
này xảy ra vì:
+ Ngƣời sử dụng nhiều khi không chỉ quan
tâm đến các ảnh có màu chính xác nhƣ câu
truy vấn mà còn quan tâm đến ảnh có màu
cảm nhận tƣơng tự.
+ Màu của ảnh có thể thay đổi do nhiễu hay
do thay đổi độ sáng.
Với hạn chế thứ nhất này, một số tác giả đã
đƣa ra những cách khắc phục nhƣ: Niblack
[5] đƣa ra thƣớc đo mức độ giống nhau trong
đó quan tâm đến đóng góp các màu cảm nhận
tƣơng tự. Chan [6] đề xuất kỹ thuật tính toán
khoảng cách màu trong đó các giá trị biểu đồ
màu đƣợc điều chỉnh trên cơ sở mức độ tƣơng
tự màu. Lu và Phillips [2] đƣa ra hƣớng tiếp
cận sử dụng biểu đồ trọng số cảm nhận (PWH
– perceptually weighted histogram).
• Hạn chế thứ hai là không sử dụng quan hệ
không gian giữa các pixel. Để giải quyết vấn
đề này, Lu và Phillips [2] đƣa ra hƣớng tiếp
cận là tách màu nền khỏi màu cận cảnh (phân
đoạn ảnh) sau đó biểu đồ màu nền và biểu đồ
màu cận cảnh đƣợc tính toán và sử dụng.
• Hạn chế thứ ba là không gian màu lựa chon
đƣợc lƣợng tử hóa đồng nhất mặc dù các màu
điểm ảnh không phân bổ đồng nhất trong
không gian màu. Wan và Kuo [7] đƣa ra giải
pháp lƣợng tử hóa màu không đồng nhất. Để
khắc phục những nhƣợc điểm của phƣơng
pháp cơ sở, hƣớng tiếp cận lựa chọn không
gian màu thích hợp cũng đã đƣợc đề cập.
SỬ DỤNG KỸ THUẬT PHÂN LỚP DỮ
LIỆU ĐỂ TÍNH TOÁN CÁC BINS MÀU
Trong phần này, chúng tôi trình bày một
hƣớng tiếp cận nhằm khắc phục hạn chế thứ
nhất và hạn chế thứ ba nêu trên của kỹ thuật
cơ sở. Hƣớng tiếp cận mà chúng tôi đƣa ra là
cải tiến việc tính toán các bins màu bằng cách
sử dụng kỹ thuật phân lớp dữ liệu. Giả sử ta
muốn chia không gian màu ra thành k bins.
Thay vì chọn các điểm chia cố định và đều
nhau trên các kênh màu thì chúng ta sử dụng
kỹ thuật phân lớp dữ liệu để phân các pixel
của ảnh ra thành k lớp. Khi đó mỗi lớp sẽ là
một bins. Khi phân lớp, mỗi pixel đƣợc coi là
một phần tử. Toàn bộ các pixel của ảnh là
một tập các phần tử. Chúng ta áp dụng kỹ
thuật phân lớp để chia tập các phần tử này ra
thành k lớp.
Một số nhận xét:
+ Các pixel thuộc cùng một bins sẽ có màu
tƣơng tự nhau.
+ Khắc phục đƣợc hạn chế thứ nhất (trong
trƣờng hợp ảnh bị tăng giảm độ sáng).
+ Khắc phục hạn chế thứ ba, vì các bins ở đây
không cố định, không phải là đƣợc chia đồng
nhất mà phụ thuộc vào bản thân dữ liệu ảnh.
+ Việc tính toán các bins phức tạp.
Hình 1 minh họa sự so sánh việc tính toán các
bins màu cố định, đồng nhất và các bins màu
đƣợc tính toán bằng kỹ thuật phân lớp dữ liệu.
Trong hình 1(a), lƣợc đồ phía trên là
histogram của ảnh I, lƣợc đồ phía dƣới là của
ảnh J. Ảnh J thu đƣợc từ ảnh I bằng cách tăng
độ sáng. Nhƣ vậy, khi ta phân chia các bins
cố định, đồng nhất thì khoảng cách giữa hai
ảnh này sẽ rất lớn. Còn trong hình 1(b) là hình
ảnh các bins màu đƣợc tính toán bằng cách sử
dụng kỹ thuật phân lớp dữ liệu. Nếu sử dụng
cùng một phƣơng pháp phân lớp dữ liệu mà
kết quả phƣơng pháp này chỉ phụ thuộc
vào bản thân tập dữ liệu đầu vào thì sẽ
cho kết quả là hai biểu đồ màu của ảnh I
và J giống nhau.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53
51
Hình 1. (a) Các bins màu đồng nhất, cố định
(b) Các bins màu được tính toán bằng kỹ
thuật phân lớp dữ liệu
THỰC NGHIỆM
Chúng tôi tiến hành thực nghiệm với thuật
toán K-Means [3]. Khi áp dụng thuật toán K-
Means cho việc tính toán các bins màu,
khoảng cách giữa hai phần tử (hai màu) trong
không gian màu RGB mà chúng tôi sử dụng
là khoảng cách Euclide. Các điểm trung tâm
xuất phát của các cụm đƣợc chỉ định theo
cùng một nguyên tắc đối với các ảnh khác
nhau. Ví dụ, nếu ảnh có bảng màu thì k điểm
trung tâm đƣợc lấy là k phần tử cách đều nhau
trong bảng màu. Chúng tôi tiến hành cài đặt
thử nghiệm với Visual C++ 6.0 và chạy thử
nghiệm với nhiều CSDL ảnh khác nhau. Kết
quả thực nghiệm cho thấy phƣơng pháp
chúng tôi đề xuất cho kết quả giống với kỹ
thuật cơ sở trong trƣờng hợp bình thƣờng; tốt
hơn kỹ thuật cơ sở trong trƣờng hợp ảnh tăng
giảm độ sáng. Khi xuất hiện ảnh trong CSDL
là ảnh thu đƣợc từ ảnh truy vấn bằng cách
tăng hay giảm độ sáng thì phƣơng pháp cơ sở
không tìm ra, còn phƣơng pháp đƣợc đề xuất
trong bài báo này đã tìm ra. Tuy nhiên, chúng
ta dễ nhận ra nhƣợc điểm của phƣơng pháp
này là thời gian tính toán bins màu là lớn hơn
kỹ thuật cơ sở. Hình 2 và hình 3 minh họa
một số kết quả thực nghiệm.
KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU
TIẾP THEO
Chúng tôi đã đề xuất ý tƣởng sử dụng kỹ
thuật phân lớp dữ liệu để tính toán các bins
màu nhằm khắc phục nhƣợc điểm cúa kỹ
thuật cơ sở tra cứu ảnh dựa trên màu sắc. Kỹ
thuật này cho kết quả tốt hơn kỹ thuật cơ sở
trong trƣờng hợp ảnh tăng giảm độ sáng, tuy
nhiên tốc độ tính toán các bins màu chậm
hơn. Hƣớng nghiên cứu tiếp theo của chúng
tôi sẽ là:
Nâng cao hiệu quả của kỹ thuật phân lớp dữ
liệu áp dụng cho việc tính toán các bins màu.
Thực nghiệm với các độ đo khác nhau, kết
hợp với các cải tiến đã có nhƣ sử dụng quan
hệ không gian giữa các pixel.
c
H(c)
c
H(c)
(a)
H(c)
c
H(c)
c
(b)
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53
52
Hình 2. Kết quả thực nghiệm với 100 ảnh của CSDL ảnh MISC [4] (2 truy vấn với 2 ảnh truy vấn khác
nhau). Kết quả liệt kê 5 ảnh giống ảnh truy vấn nhất
Hình 3. Kết quả thực nghiệm với 100 ảnh của CSDL ảnh MISC thêm 2 ảnh: 0a.jpg (thu được từ 0.jpg bằng cách
tăng độ sáng) và 100a.jpg (thu được từ 100.jpg bằng cách giảm độ sáng). Kết quả thực hiện 2 truy vấn. Kết quả liệt
kê 5 ảnh giống ảnh truy vấn nhất
100.jpg
ảnh truy vấn
100.jpg
Kết quả giống nhau của kỹ thuật
cơ sở và kỹ thuật đề xuất
112.jpg 31.jpg
116.jpg 108.jpg
0.jpg
ảnh truy vấn
0.jpg
49.jpg 23.jpg
40.jpg 34.jpg
Kết quả giống nhau của kỹ thuật
cơ sở và kỹ thuật đề xuất
0.jpg 0a.jpg 49.jpg
40.jpg 23.jpg
23.jpg 49.jpg 0.jpg
34.jpg 40.jpg
Kết quả của phương pháp có dùng kỹ
thuật phân lớp dữ liệu (tìm ra ảnh 0a.jpg
là ảnh 0.jpg được tăng độ sáng):
Kết quả của kỹ thuật cơ sở
(không đưa ra ảnh 0a.jpg):
100.jpg
ảnh truy vấn
Kết quả của kỹ thuật sử dụng phân
lớp dữ liệu (đưa ra ảnh 100a.jpg):
108.jp
g
116.jpg 100.jpg
31.jpg 112.jpg
Kết quả của kỹ thuật cơ sở (không đưa
ra ảnh 100a.jpg, là ảnh 100.jpg được
giảm độ sáng):
116.jp
g
100a.jpg 100.jpg
108.jp
g
112.jpg
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53
53
TÀI LIỆU THAM KHẢO
[1]. Đặng Văn Đức, Hệ quản trị CSDL đa phương
tiện, Giáo trình dành cho lớp Cao học - Khoa
Công nghệ thông tin – Đại học Thái Nguyên.
[2]. Guojun Lu; Phillips, J., (1998), Using
perceptually weighted histograms for colour-based
imageretrieval, Signal Processing Proceedings,
1998. ICSP apos’98. Fourth International
Conference on Volume 2, Issue, Page(s):1150 -
1153.
[3]. J. B. MacQueen, (1967), Some Methods for
classification and Analysis of Multivariate
Observations, Proceedings of 5-th Berkeley
Symposium on Mathematical Statistics and
Probability, Berkeley, University of California
Press, 1:281-297.
[4]. Jame Z Wang, J. Li. CSDL ảnh MISC,
[5]. James Hafner, Harpreet S. Sawhney, Will
Equitz, Myron Flickner, Wayne Niblack, (July
1995), Efficient Color Histogram Indexing for
Quadratic Form Distance Functions, IEEE
Transactions on Pattern Analysis and Machine
Intelligence, vol. 17, no. 7, pp. 729-736.
[6]. S. K. Chan, National University of Singapore,
(1994), Content-based Image Retrieval, MSc
thesis.
Xia Wan; Kuo, C.-C.J., (Sep 1998), A new
approach to image retrieval with hierarchical
colorclustering, Circuits and Systems for Video
Technology, IEEE Transactions on Volume 8,
Issue 5, Page(s):628 – 643
ABSTRACT
USING DATA CLUSTERING TECHNIQUE FOR CALCULATING FLEXIBLE
COLOR BINS IN SEARCHING IMAGES BASED ON COLORS
Nguyen Van Toi
*
, Pham Viet Binh, Nguyen Tien Thanh
College of Information Technology and Communication – TNU
Techniques based on color is one of the basic approach in the image retrieval. In this technique, we
divide the color space into bins. Divided the color space into equal and fixed size color bins causes
some limitations as to be unused compatibility between the color of the pixel when add it into the
bins, the increased, reduction of image brightness. This article presented a calculation of the color
bins flexible use of the data clustering technique. We tested with the algorithm K-Means based on
image data misc [4] and the database image IFIT (Gallery of the Faculty of Information
Technology - Thai Nguyen University).
Key words: Data clustering technique, flexible color bins, the algorithm K-Means
*
Tel: 0912847077; Email: nvtoicntt@gmail.com
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Các file đính kèm theo tài liệu này:
- brief_33268_37094_3182012846321_split_9_7814_2052448.pdf