Đang tải... (xem toàn văn)
TÓM TẮT LUẬN ÁN Mặc dù, các nhà nghiên cứu đã có nhiều nỗ lực trong những năm gần đây trong việc nghiên cứu hệ thống truy vấn ảnh, nhưng vẫn chưa có giải thuật thuyết phục được chấp nhận phổ biến có thể biểu diễn hoàn chỉnh các đặc điểm nhìn của con người (human vision), đặc biệt là có thể “hiểu” được ảnh, và điều này luôn là thách thức lớn với tất cả các nhà nghiên cứu. So sánh với các nghiên cứu hệ thống CBIR (Contentbased Image Retrieval) công bố trước năm 2000, sự khác biệt có thể thấy trong các nghiên cứu 10 năm gần đây là việc gia tăng của đa dạng các đặc trưng mô tả ảnh. Các đề xuất bắt nguồn từ cải tiến những đặc trưng ảnh cơ bản (như: histogram màu, texture, shape,…) đến phát triển những đặc trưng ảnh mới dựa trên những phép biến đổi như wavelets, contourlets… và kết hợp đa dạng các mô hình toán học trong thiết kế hệ thống CBIR. Do đó, Luận án tập trung nghiên cứu ứng dụng biến đổi wavelets vào thiết kế hệ thống CBIR mà cụ thể là xây dựng các thuật toán trích đặc trưng ảnh dùng biến đổi wavelets và giải thuật truy vấn phù hợp, cùng khả năng ứng dụng mở rộng của các đặc trưng đề xuất. Trong Luận án này, việc chọn lựa hướng nghiên cứu lấy biến đổi wavelets làm cơ sở nghiên cứu sâu về thiết kế đặc trưng ảnh và ứng dụng vào truy vấn ảnh đã đạt được kết quả nhất định. Theo đó, các bộ mô tả đặc trưng ảnh dựa trên biến đổi wavelets đã được đề xuất kết hợp với thiết kế giải thuật truy vấn. Cụ thể, Luận án đã đề xuất ba đặc trưng ảnh mới là: đặc trưng ảnh contourlet cooccurrence, đặc trưng ảnh phasebased LBP, đặc trưng ảnh contourlet Harris và 4 giải thuật truy vấn ảnh là: Giải thuật phối hợp các đặc trưng để truy vấn ảnh (matching), Giải thuật truy vấn ảnh dùng đặc trưng contourlet cooccurrence (CC), Giải thuật truy vấn ảnh dùng đặc trưng phasebased LBP (pbLBP), Giải thuật truy vấn ảnh dùng đặc trưng contourlet Harris (CH). Để có thể đánh giá được mức độ hiệu quả của một giải thuật truy vấn ảnh cần phải có các phương pháp, tiêu chuẩn đánh giá thích hợp và đặc thù cho lĩnh vực truy vấn ảnh. Luận án đã chọn lựa, giới thiệu bộ các phương pháp, các thông số đánh giá để sử dụng cho các thực nghiệm của Luận án. Đây là những phương pháp và thông số đánh giá đã được nhiều nhà nghiên cứu trong lĩnh vực truy vấn ảnh, truy vấn thông tin
ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN ĐỨC HOÀNG TRUY VẤN ẢNH THEO NỘI DUNG SỬ DỤNG TRÍCH ĐẶC TRƯNG TRÊN NỀN WAVELETS LUẬN ÁN TIẾN SĨ KỸ THUẬT TP. HỒ CHÍ MINH NĂM 2013 ĐẠI HỌC QUỐC GIA TP. HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN ĐỨC HOÀNG TRUY VẤN ẢNH THEO NỘI DUNG SỬ DỤNG TRÍCH ĐẶC TRƯNG TRÊN NỀN WAVELETS Chuyên ngành: Kỹ thuật điện tử Mã số chuyên ngành: 62527001 Phản biện độc lập 1: PGS. TS. Nguyễn Văn Khang Phản biện độc lập 2: PGS. TS. Dương Anh Đức Phản biện 1: PGS. TS. Ngô Quốc Tạo Phản biện 2: TS. Nguyễn Thanh Hải Phản biện 3: TS. Lê Thành Sách NGƯỜI HƯỚNG DẪN KHOA HỌC 1. PGS. TS. Lê Tiến Thường 2. TS. Đỗ Hồng Tuấn i LỜI CAM ĐOAN Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả. Các kết quả nghiên cứu và các kết luận trong luận án này là trung thực, và không sao chép từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào. Việc tham khảo các nguồn tài liệu (nếu có) đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng theo yêu cầu. Tác giả luận án __________________________________ Nguyễn Đức Hoàng ii TÓM TẮT LUẬN ÁN Mặc dù, các nhà nghiên cứu đã có nhiều nỗ lực trong những năm gần đây trong việc nghiên cứu hệ thống truy vấn ảnh, nhưng vẫn chưa có giải thuật thuyết phục được chấp nhận phổ biến có thể biểu diễn hoàn chỉnh các đặc điểm nhìn của con người (human vision), đặc biệt là có thể “hiểu” được ảnh, và điều này luôn là thách thức lớn với tất cả các nhà nghiên cứu. So sánh với các nghiên cứu hệ thống CBIR (Content-based Image Retrieval) công bố trước năm 2000, sự khác biệt có thể thấy trong các nghiên cứu 10 năm gần đây là việc gia tăng của đa dạng các đặc trưng mô tả ảnh. Các đề xuất bắt nguồn từ cải tiến những đặc trưng ảnh cơ bản (như: histogram màu, texture, shape,…) đến phát triển những đặc trưng ảnh mới dựa trên những phép biến đổi như wavelets, contourlets… và kết hợp đa dạng các mô hình toán học trong thiết kế hệ thống CBIR. Do đó, Luận án tập trung nghiên cứu ứng dụng biến đổi wavelets vào thiết kế hệ thống CBIR mà cụ thể là xây dựng các thuật toán trích đặc trưng ảnh dùng biến đổi wavelets và giải thuật truy vấn phù hợp, cùng khả năng ứng dụng mở rộng của các đặc trưng đề xuất. Trong Luận án này, việc chọn lựa hướng nghiên cứu lấy biến đổi wavelets làm cơ sở nghiên cứu sâu về thiết kế đặc trưng ảnh và ứng dụng vào truy vấn ảnh đã đạt được kết quả nhất định. Theo đó, các bộ mô tả đặc trưng ảnh dựa trên biến đổi wavelets đã được đề xuất kết hợp với thiết kế giải thuật truy vấn. Cụ thể, Luận án đã đề xuất ba đặc trưng ảnh mới là: đặc trưng ảnh contourlet cooccurrence, đặc trưng ảnh phase-based LBP, đặc trưng ảnh contourlet Harris và 4 giải thuật truy vấn ảnh là: Giải thuật phối hợp các đặc trưng để truy vấn ảnh (matching), Giải thuật truy vấn ảnh dùng đặc trưng contourlet cooccurrence (CC), Giải thuật truy vấn ảnh dùng đặc trưng phase-based LBP (pbLBP), Giải thuật truy vấn ảnh dùng đặc trưng contourlet Harris (CH). Để có thể đánh giá được mức độ hiệu quả của một giải thuật truy vấn ảnh cần phải có các phương pháp, tiêu chuẩn đánh giá thích hợp và đặc thù cho lĩnh vực truy vấn ảnh. Luận án đã chọn lựa, giới thiệu bộ các phương pháp, các thông số đánh giá để sử dụng cho các thực nghiệm của Luận án. Đây là những phương pháp và thông số đánh giá đã được nhiều nhà nghiên cứu trong lĩnh vực truy vấn ảnh, truy vấn thông tin iii sử dụng nên có giá trị cao trong việc tham chiếu hiệu quả các kết quả thực nghiệm của giải thuật đề xuất so với các giải thuật đã công bố. Ngoài ra, Luận án đã khảo sát khả năng sử dụng đặc trưng đề xuất vào ứng dụng phân loại ảnh (image classification) là một hướng nghiên cứu có liên quan chặt chẽ với truy vấn ảnh. Các đề xuất gồm phương pháp MKL (Multiple Kernel Learning) kết hợp các kernel, integrate method chọn những class có độ chính xác cao để gia tăng độ chính xác phân loại cho thấy mức độ hiệu quả so sánh được với những phương pháp đã công bố gần đây. Nhìn chung, Luận án này đã giới thiệu được tổng hợp các công trình công bố quan trọng có liên quan đến hướng nghiên cứu và có những đề xuất về các bộ trích đặc trưng ảnh, thiết kế các giải thuật truy vấn ảnh, và đã kiểm chứng hiệu quả truy vấn đề xuất thông qua thực nghiệm cho kết quả truy vấn cải tiến hơn. Luận án cũng đã nghiên cứu ứng dụng mở rộng của đặc trưng đề xuất trong hướng nghiên cứu phân loại ảnh. Tất cả các công trình giới thiệu và nghiên cứu đề xuất trong Luận án này đáp ứng mục tiêu nghiên cứu theo những “thang độ” khác nhau. Các thực nghiệm đóng vai trò minh chứng để đưa ra các nhận định, kết luận và có giá trị tham khảo cho các nghiên cứu sau này. Trên cơ sở các mục tiêu đã đề ra, Luận án đã đề xuất được các bộ trích đặc trưng ảnh mới dựa trên biến đổi wavelets, và thiết kế các giải thuật truy vấn, đề xuất các giải pháp ứng dụng trong phân loại ảnh. Các thực nghiệm đã chứng minh được hiệu quả cải tiến của các giải thuật đề xuất. Tóm lại, Luận án với kết quả nghiên cứu đạt được là thiết thực, có đóng góp cụ thể, và đáp ứng được các mục tiêu đề ra cho Luận án. iv ABSTRACT Although researchers have made great efforts in recent years for the study of image retrieval systems, but no algorithm is accepted widely that can extract image features like human visions (can “understand” images as human). This is always the challenge to all researchers. Compared to the previous researches of Content-based Image Retrieval (CBIR) systems published before the year 2000, the differences viewed in the recent decades of studies are the increasing of many image features. The improvements are based on basic image features (such as color histogram, texture, shape …), to develop new image features based on the transformations such as the wavelets, the contourlets… and combine many mathematical operators to design CBIR systems. Therefore, the thesis is focused into researches based on the wavelet transform to extract image features then using these features to design CBIR systems and the extended application of the proposed features. In the thesis, the choice of using the wavelet transform to extract image features and design CBIR systems have achieved certain results. Accordingly, the wavelet- based feature extractors have been proposed and used to design the image retrieval algorithms. Three new image features has been proposed as follows: contourlet cooccurrence, phase-based LBP, contourlet Harris; and four image retrieval algorithms as follows: global features matching (matching), using the contourlet cooccurrence feature (CC), using the phase-based LBP feature (pbLBP), using the contourlet Harris feature (CH). To evaluate retrieval effectiveness of an image retrieval algorithm must have evaluation methods, evaluation criteria appropriate to image retrieval algorithms. The thesis presents the evaluation methods based on the experimental parameters. These methods and parameters have been used commonly in the performance evaluation of information retrieval and image retrieval by many researchers. So that, achieved experimental results have high values to compare between proposed algorithms with other related algorithms. Furthermore, the thesis also examine the possibility of using the proposed features in image classification that is closely to the relation of CBIR. In this extended application, the proposed methods consists of Multiple Kernel Learning v (MKL) and integrated methods to increase the classification accuracy. The experiment results show the efficient perfomance compared with the state-of-the-art methods. Overall, the thesis has introduced a combined research has proposed 3 new image features, 4 new image retrieval algorithms. They have been verified the retrieval effectiveness through the experimental simulations that have improved the query results. The thesis also research an extended application of the proposed features applied to the image classification. All of the introduced and proposed works in the thesis have achieved the research objectives by different levels. The empirical evidences have been used to make remarks, conclusions and maybe referenced to further researches. Based on the research objectives, the thesis has proposed image retrieval algorithms using the wavelet-based feature extraction. The experiments have demonstrated the improved retrieval effectiveness of the proposed algorithms in CBIR and image classification. In summary, the contributions of the thesis are practical and specific, fulfill all research objectives. vi LỜI CÁM ƠN Trong quá trình thực hiện Luận án, tôi đã được các Thầy cô của Trường Đại học Bách Khoa Tp. Hồ Chí Minh, Trung tâm Nghiên cứu Ứng Dụng Khoa học Kỹ thuật Truyền hình (BRAC) là đơn vị nơi tôi công tác đã hỗ trợ và tạo mọi điều kiện thuận lợi, người thân trong gia đình và bạn bè đã thường xuyên động viên. Tôi xin bày tỏ sự cảm ơn chân thành với những sự hỗ trợ và giúp đỡ này. Luận án này sẽ không thể hoàn thành nếu không có sự hướng dẫn tận tình và giúp đỡ quý báu của PGS. TS. Lê Tiến Thường, TS. Đỗ Hồng Tuấn là những Người thầy mà tôi muốn bày tỏ lòng biết ơn sâu sắc nhất. Tôi cũng xin cảm ơn tập thể các thầy cô trong Khoa Điện-Điện tử, đặc biệt là các Thầy cô trong Bộ môn Viễn Thông đã có những ý kiến đóng góp và phản biện trong suốt quá trình nghiên cứu và hoàn chỉnh Luận án, cảm ơn Phòng Đào tạo sau đại học đã hỗ trợ các thủ tục trong quá trình hoàn thành khóa học Nghiên cứu sinh. Đặc biệt tôi xin tỏ lòng cảm ơn đến PGS. TS. Đặng Thành Tín, TS. Trịnh Hoàng Hơn, PGS. TS. Hoàng Đình Chiến đã có những ý kiến phản biện sâu sắc trong các chuyên đề cũng như các góp ý quan trọng về nội dung Luận án. Xin cảm ơn Ban giám đốc Trung tâm Nghiên cứu Ứng Dụng Khoa học Kỹ thuật Truyền hình (BRAC) – Đài Truyền hình Việt Nam nhất là TS. Trần Dũng Trình, nguyên Giám đốc đơn vị đã có nhiều hỗ trợ về chuyên môn, về thời gian, về kinh phí, và giúp đỡ để tôi hoàn thành Luận án này. Tôi xin bày tỏ lòng cảm ơn đến cố PGS. TSKH. Nguyễn Kim Sách, nguyên Giám đốc Trung tâm Nghiên cứu Ứng Dụng Khoa học Kỹ thuật Truyền hình (BRAC) đã có những dìu dắt, hỗ trợ tôi trong nghiên cứu khoa học. Cuối cùng, tôi cảm ơn tất cả những sự giúp đỡ của người thân, đồng nghiệp, bạn bè đã đóng góp ý kiến, động viên khích lệ, tạo nguồn lực tinh thần to lớn để tôi có thể thực hiện và hoàn thành được Luận án này. vii MỤC LỤC 1 CHƯƠNG 1 - GIỚI THIỆU 1 1.1 Đặt vấn đề 1 1.1.1 Phương pháp xử lý truy vấn 1 1.1.2 Sự cần thiết của nghiên cứu 3 1.1.3 Hướng nghiên cứu 5 1.2 Mục tiêu và nội dung nghiên cứu 10 1.3 Những đóng góp của Luận án 12 1.3.1 Nghiên cứu phối hợp các đặc trưng toàn cục để truy vấn ảnh 12 1.3.2 Nghiên cứu kết hợp biến đổi contourlets và ma trận GLCM để đề xuất một bộ mô tả đặc trưng ảnh mới contourlet cooccurrence 12 1.3.3 Nghiên cứu kết hợp biến đổi wavelets phức và toán tử LBP để truy vấn ảnh texture. 13 1.3.4 Nghiên cứu kết hợp biến đổi Nonsubsampled Contourlet (NSCT) và bộ dò góc Harris để hình thành bộ trích đặc trưng contourlet Harris và thiết kế giải thuật truy vấn 13 1.3.5 Thực nghiệm khảo sát đánh giá mở rộng các giải thuật đề xuất và so sánh hiệu quả truy vấn với một số giải thuật đã công bố khác 14 1.3.6 Ứng dụng mở rộng của các đặc trưng đề xuất 14 1.4 Cấu trúc Luận án 14 2 CHƯƠNG 2 - CÁC KỸ THUẬT THIẾT KẾ, ĐÁNH GIÁ HỆ THỐNG TRUY VẤN ẢNH VÀ CÁC MÔ HÌNH NGHIÊN CỨU 16 2.1 Giới thiệu 16 2.2 Các kỹ thuật trích đặc trưng ảnh 17 2.2.1 Biểu diễn và mô tả ảnh 17 2.2.2 Các đặc trưng cơ bản 18 2.2.3 Các đặc trưng dựa trên wavelets 21 2.3 Kỹ thuật đo đạc sự tương tự giữa các đặc trưng 22 2.4 Đánh giá hiệu quả giải thuật truy vấn 22 2.5 Xây dựng mô hình nghiên cứu 23 2.5.1 Các mô hình nghiên cứu trích đặc trưng ảnh 24 2.5.2 Nhận xét 33 2.6 Kết chương 34 viii 3 CHƯƠNG 3 - ĐỀ XUẤT CÁC PHƯƠNG PHÁP TRÍCH ĐẶC TRƯNG ẢNH VÀ GIẢI THUẬT TRUY VẤN 35 3.1 Giới thiệu 35 3.2 Phối hợp các đặc trưng để truy vấn ảnh 36 3.2.1 Giới thiệu 36 3.2.2 Chọn các đặc trưng ảnh 37 3.2.3 Thiết kế giải thuật truy vấn 39 3.2.4 Độ phức tạp giải thuật 42 3.2.5 Thực nghiệm đánh giá 43 3.2.6 Kết luận 48 3.3 Truy vấn ảnh dùng đặc trưng contourlet cooccurrence 49 3.3.1 Giới thiệu 49 3.3.2 Đặc trưng ảnh contourlet cooccurrence 51 3.3.3 Lựa chọn phép đo sự tương tự mặc định 55 3.3.4 Kết quả thực nghiệm 56 3.3.5 Kết luận 58 3.4 Truy vấn ảnh dùng đặc trưng ảnh phase-based LBP 58 3.4.1 Giới thiệu 58 3.4.2 Đặc trưng ảnh Phased-Based LBP 60 3.4.3 Kết quả thực nghiệm 62 3.4.4 Kết luận 67 3.5 Truy vấn ảnh dùng đặc trưng ảnh contourlet Harris 67 3.5.1 Giới thiệu 67 3.5.2 Bộ dò contourlet Harris 69 3.5.3 Đề xuất giải thuật truy vấn 73 3.5.4 Kết quả thực nghiệm 75 3.5.5 Kết luận 77 3.6 Đánh giá MAP của các đề xuất với các kết quả trong [8] 77 3.7 Kết chương 79 4 CHƯƠNG 4 - THỰC NGHIỆM KHẢO SÁT MỨC ĐỘ HIỆU QUẢ CỦA CÁC GIẢI THUẬT TRUY VẤN ĐỀ XUẤT 80 4.1 Giới thiệu 80 4.2 Khảo sát hiệu quả của 4 giải thuật đề xuất so với các giải thuật truy vấn ảnh khác 80 4.2.1 Khảo sát với cơ sở dữ liệu ảnh: UIUC 81 [...]... này sử dụng nhiều giải pháp khác nhau để trích đặc trưng ảnh và thiết kế hệ thống Theo đó, các đặc trưng ảnh mô tả nội dung ảnh có thể phân loại như sau: Đặc trưng mức thấp (low-level features) thường là các đặc trưng cơ bản (màu, texture, shape, ); Đặc trưng mức cao (high-level features) là các đặc trưng có thể mô tả nội dung ảnh theo ngữ cảnh (nghĩa là có thể mô tả ảnh ở mức cao hơn như: cảnh... Intergrated Region Matching xiv Chú thích nghĩa tiếng Việt (Hệ thống) truy vấn ảnh ALIP Độ chính xác trung bình (Đặc trưng) Affine-SIFT Mô hình túi các từ mã - BoW Truy vấn ảnh dựa trên nội dung (Giải thuật) truy vấn/ đặc trưng ảnh CC Vector đặc trưng màu CCV Bộ lọc băng hướng phức (Giải thuật) truy vấn/ đặc trưng ảnh CH (Giải thuật) truy vấn ảnh CW3C Biến đổi cosin rời rạc Dãy bộ lọc hướng Phương pháp DM... năng ứng dụng wavelets để trích đặc trưng ảnh và thiết kế hệ thống CBIR có thể mang lại hiệu quả truy vấn cao Rõ ràng, hướng nghiên cứu này vẫn còn nhiều “vùng” cần được khảo sát, và luôn có những kết quả mới trong các công trình công bố gần đây Vì thế, cần một nghiên cứu chi tiết, sâu hơn về vấn đề Truy vấn ảnh theo nội dung sử dụng trích đặc trưng trên nền wavelets và đó cũng chính là 4 nội dung nghiên... Dựa trên tổng hợp nội dung và text: sẽ sử dụng kết hợp cả text và nội dung để thực hiện truy vấn ảnh Hệ thống minh họa cho xử lý này xem trong [2] [3] Dựa trên phản hồi của hệ thống (mức đơn giản): hệ thống hỗ trợ tương tác với người sử dụng chỉ theo một tiêu chí nào đó Ví dụ: các hệ thống truy vấn ảnh trên cơ sở hồi tiếp dựa trên nội dung Dựa trên phản hồi của hệ thống (mức tổng hợp): người sử dụng. .. có các mô tả toán học của ảnh dưới dạng các dấu hiệu đặc trưng ảnh để phục vụ cho từng mục tiêu truy vấn đặc thù Ví dụ: truy vấn ảnh có cùng tông màu; truy vấn ảnh có thông tin texture, shape giống nhau; truy vấn ảnh chứa các đối tượng giống nhau;… Tùy theo cấu trúc của đặc trưng ảnh sử dụng mà một phép đo hoặc một nhóm phép đo có thể được chọn để đo sự tương tự giữa các đặc trưng Thường thì việc lựa... những phân tích trên, các nội dung sau được Luận án nghiên cứu: 1 Nghiên cứu khả năng kết hợp của các đặc trưng ảnh được tạo ra dựa trên biến đổi wavelets và các đặc trưng phổ biến khác như đặc trưng màu, đặc trưng texture,… 11 2 Nghiên cứu xây dựng đặc trưng ảnh dựa trên các wavelets công bố gần đây 3 Nghiên cứu kết hợp biến đổi wavelets và các công cụ toán học khác để mô tả đặc trưng ảnh 4 Thiết kế... [6], Hệ thống truy vấn dùng wavelet correlogram [9], [10], Các hệ thống CBIR giới thiệu ở đây chủ yếu sử dụng biến đổi wavelets cơ bản để trích đặc trưng ảnh Từ các đặc trưng này, các tác giả kết hợp với những công cụ toán học, các đặc trưng khác để hình thành nên đặc trưng chung của ảnh Ví dụ, với hệ thống SIMPLYcity là sử dụng phân đoạn ảnh để hình thành các vùng ảnh, trích đặc trưng từng vùng... cứu ứng dụng biến đổi wavelets vào thiết kế hệ thống CBIR mà cụ thể là xây dựng các thuật toán trích đặc trưng ảnh dùng biến đổi wavelets và giải thuật truy vấn phù hợp, cùng khả năng ứng dụng mở rộng của các đặc trưng đề xuất Điều này có nghĩa là phải phân tích các đặc tính hình học trong miền wavelets của ảnh (dựa trên các băng con) để trích đặc trưng ảnh Vấn đề đặt ra là giải pháp nào để trích được... thức truy vấn sau thường được sử dụng trong các hệ thống truy vấn: 1 Từ khóa: người sử dụng đề xuất yêu cầu đơn giản bằng 1 hoặc 2 từ Đây hiện là cách phổ biến nhất để truy vấn ảnh, ví dụ: các công cụ truy vấn ảnh của Google và Yahoo! Nhóm từ: người sử dụng dùng một nhóm từ, câu, câu hỏi hoặc một diễn giải thể hiện mong muốn cần hệ thống đáp ứng Ảnh mẫu: người sử dụng muốn truy vấn một ảnh tương... Retrieval) Bước đầu, hệ thống phải trích các đặc trưng của ảnh truy vấn (là ảnh mẫu hay ảnh đồ họa do người dùng yêu cầu), sau đó các đặc trưng ảnh này sẽ được so sánh với tập các đặc trưng ảnh của cơ sở dữ liệu ảnh trong hệ thống Hệ thống sẽ trả về kết quả là những ảnh trong cơ sở dữ liệu có các giá trị đo đạc sự khác biệt (về đặc trưng ảnh) nhỏ nhất so với ảnh truy vấn Đây cũng là hệ thống được nghiên . query results. The thesis also research an extended application of the proposed features applied to the image classification. All of the introduced and proposed works in the thesis have achieved. features to design CBIR systems and the extended application of the proposed features. In the thesis, the choice of using the wavelet transform to extract image features and design CBIR systems. must have evaluation methods, evaluation criteria appropriate to image retrieval algorithms. The thesis presents the evaluation methods based on the experimental parameters. These methods and