HỆ TRUY VẤN ẢNH SỬ DỤNG CHỮ KÝ MỜ VÀ CÂY FS-TREE VĂN THẾ THÀNH Trung tâm Công nghệ thông tin - Trường ĐH Công nghiệp thực phẩm Tp.HCM TÓM TẮT Việc truy vấn ảnh tìm hình ảnh tương tự nội dung với hình ảnh cần truy vấn Vấn đề đặt cần xây dựng hệ thống tìm kiếm hình ảnh tương tự đảm bảo tốc độ không gian truy vấn Để giải toán tìm kiếm ảnh tương tự này, báo trích xuất vùng đặc trưng màu sắc hình ảnh dựa phương pháp HarrisLaplace, đồng thời xây dựng cấu trúc chữ ký mờ để mô tả đặc trưng nội dung màu sắc hình ảnh theo chuẩn MPEG7 Trên sở chữ ký mờ, báo tiến hành đánh giá độ đo tương tự chữ ký mờ hình ảnh qua độ đo mờ Hamming, từ đánh giá độ tương tự hình ảnh Hơn nữa, nhằm gia tăng tốc độ truy vấn, báo đề xuất cấu trúc liệu FS-Tree (fuzzy S-Tree) để lưu trữ chữ ký mờ dựa độ đo FHD (fuzzy Hamming distance) Tiếp theo, báo xây dựng thuật toán truy vấn hình ảnh FSTree kết xuất hình ảnh tương tự với hình ảnh cần truy vấn Sau cùng, báo đưa mô hình thực nghiệm đánh giá phương pháp dựa liệu hình ảnh mẫu Corel gồm 10,800 hình ảnh Từ khóa: Truy vấn ảnh, FHD, FS-Tree, Chữ ký mờ IMAGE RETRIEVAL SYSTEM USING FUZZY SIGNATURE AND FS-TREE ABSTRACT To query image will find out the similar images in content with the query image The problem need to build the image retrieval system to find the similar images which ensure the speed and space to query In order to solve this problem, the paper extracts the color feature regions in each image on the base of Harris-Laplace detector, at that time to build the fuzzy signature structure to describe the feature region in color content of image with the MPEG7 standard According to the fuzzy signature, the paper evaluates the similar measure between the fuzzy signatures of images through the Hamming fuzzy measure, from there to assess the similarity between the images Moreover, in order to speed up query image, the paper provides the data structure FS-Tree (fuzzy S-Tree) to store the fuzzy signatures on the base of FHD measure (fuzzy Hamming distance) Next, the paper builds the image retrieval algorithm in FS-Tree and shows the similar images with the query image Finally, the paper gives the experimental model and assesses the propose method on the base of the Corel’s sample image dataset which have 10,800 color images Keywords: Image Retrieval, FHD, FS-Tree, Fuzzy Signature Giới thiệu Tìm kiếm hình ảnh tập lớn hình ảnh toán khó Một cách giải gán nhãn hình ảnh [6, 7] tốn nhiều chi phí, tiêu tốn nhiều thời gian không khả thi cho nhiều ứng dụng khác Hơn nữa, trình xử lý gán nhãn phụ thuộc vào ngữ nghĩa mô tả hình ảnh Vì hệ truy vấn ảnh dựa nội dung phát triển nhằm rút trích thuộc tính thị giác để mô tả nội dung hình ảnh [6, 8] Một số hệ thống truy vấn ảnh số xây dựng như: QBIC, ADL, DBLP, Virage, Alta Vista, SIMPLY city,… Các công trình truy vấn hình ảnh dựa nội dung như: Hệ truy vấn ảnh dựa histogram màu [6], lượng tử hoá so sánh độ tương tự hình ảnh dựa histogram màu [7], độ đo tương tự hình ảnh dựa việc kết hợp màu sắc cấu trúc hình ảnh [9], truy vấn hình ảnh dựa màu sắc [10], truy vấn hình ảnh dựa độ tương tự hình ảnh [8], truy vấn ảnh dựa histogram cấu trúc hình ảnh [11], kỹ thuật truy vấn ảnh VBA (VariableBin Allocation) dựa chữ ký dạng chuỗi bit nhị phân chữ ký S-Tree [8], lượng tử hoá màu sắc để giảm số chiều không gian màu sắc [12],… Trong cách tiếp cận báo tạo chữ ký mờ hình ảnh, cách mô tả trừu tượng phân bố màu sắc hình ảnh Nội dung báo hướng đến việc truy vấn hiệu “hình ảnh tương tự” hệ thống liệu lớn hình ảnh Trong báo tiếp cận việc mô tả ngữ nghĩa mặt nội dung hình ảnh thông qua chữ ký mờ, đồng thời xây dựng lưu trữ chữ ký lên FS-Tree Cấu trúc liệu FS-Tree mô tả mối quan hệ chữ ký mờ, từ mô tả mối quan hệ nội dung hình ảnh Dựa việc mô tả mối quan hệ ngữ nghĩa nội dung hình ảnh cấu trúc liệu FS-Tree, báo tiến hành tìm hình ảnh tương tự theo nội dung sở liệu ảnh Corel [16] Bài báo thực việc xây dựng hệ truy vấn ảnh tương tự dựa vùng đặc trưng cục RBIR (region-based image retrieval) Trước hết, báo trích xuất điểm đặc trưng dựa vào phương pháp Harris-Laplace, từ tạo vùng đặc trưng cho hình ảnh Dựa vùng đặc trưng báo tạo chữ ký mờ đánh giá độ tương tự hình ảnh Nhằm gia tăng tốc độ truy vấn, báo xây dựng FS-Tree lưu trữ chữ ký nhị phân để từ xây dựng thuật toán truy vấn hình ảnh tương tự FS-Tree Bài báo đóng góp hai phần giảm khối lượng không gian truy vấn làm tăng tốc độ truy vấn đối tượng ảnh sở liệu ảnh lớn Đóng góp báo việc xây dựng chữ ký mờ dựa histogram hình ảnh xây dựng độ tương tự hình ảnh dựa độ đo mờ Hamming Qua đó, báo đóng góp thuật toán phương pháp truy vấn ảnh tương tự dựa việc xây dựng cấu trúc liệu FS-Tree Mục tiêu báo nhằm giảm không gian làm tăng tốc độ truy vấn ảnh liệu ảnh lớn Các kiến thức sở 2.1 Chữ ký nhị phân Chữ ký nhị phân vector bit tạo thành phép băm đối tượng liệu [5], chữ ký có k bit (m  k ) bit dãy bit [1 m] , với m chiều dài chữ ký Các đối tượng liệu đối tượng truy vấn mã hóa thuật toán mã hóa chữ ký Khi bit chữ ký đối tượng liệu si hoàn toàn phủ bit chữ ký truy vấn sq , đối tượng liệu ứng viên thỏa câu truy vấn Theo tài liệu [5], kết truy vấn có ba trường hợp xảy ra, gồm: (1) Đối tượng liệu phù hợp với câu truy vấn Khi bit sq phủ bit chữ ký si đối tượng liệu (nghĩa sq  si  sq ); (2) Đối tượng không phù hợp với câu truy vấn (nghĩa sq  si  sq ); (3) Chữ ký đối sánh cho kết phù hợp, đối tượng liệu không phù hợp với điều kiện tìm kiếm câu truy vấn Để loại trường hợp này, đối tượng phải kiểm tra sau chữ ký đối tượng đối sánh phù hợp 2.2 Chữ ký mờ Chữ ký mờ F có chiều dài m vector ( f1 , f , , f m ) , với fi [0,1] , i  1, , m [2] Phép kết nối chữ ký mờ F i F j chữ ký mờ: [2] F i  F j  ( f1i  f1 j , f 2i  f j , , f mi  f mj ) , với f ri  f r j  min{ f ri , f r j } , r  1, , m Phép kết hợp chữ ký mờ F i F j chữ ký mờ: [2] F i  F j  ( f1i  f1 j , f 2i  f j , , f mi  f mj ) , với f ri  f r j  max{ f ri , f r j } , r  1, , m 2.3 Cây chữ ký S-Tree S-Tree [5, 8] nhiều nhánh cân bằng, nút S-Tree nhiều cặp phần tử  s, p , với s chữ ký nhị phân, p trỏ tham chiếu đến nút Nút gốc chứa hai cặp phần tử nhiều M cặp phần tử  s, p Mỗi nút chứa m cặp phần tử  s, p nhiều M cặp phần tử  s, p , với  m  M Mỗi nút S-Tree chứa tập phần tử  s, oid  , với oid định danh đối tượng, s chữ ký đối tượng tương ứng Mỗi chữ ký nút cha tổ hợp tất chữ ký nút Chiều cao tối đa S-Tree có n chữ ký h  log m n  1 Quá trình xây dựng S-Tree thực dựa thao tác chèn tách nút Tại thời điểm bắt đầu, S-Tree chứa nút rỗng, sau chữ ký chèn vào S-Tree Khi nút v trở nên đầy tách thành hai nút, đồng thời nút cha v paren tạo (nếu chưa tồn tại) hai chữ ký đặt vào nút v paren Hình Một ví dụ S-Tree [8] 2.4 Độ đo mờ Hamming Cho hai vector giá trị thực n-chiều x y , gọi tập mờ độ khác D ( x, y) , với hàm thuộc  D ( x , y )   e ( x  y ) Theo tài liệu [4], khoảng cách mờ Hamming FHD  x y ký hiệu FHD ( x, y) lực lượng mờ tập mờ D ( x, y) có hàm thuộc ứng với tham số  là:  FHD ( x , y ) ( ) :{0,1, ,n}  [0,1] Mức độ khác x y thành phần thứ k , ứng với số điều chỉnh  là: FHD ( x , y ) (k ; )  Card ( D ( x , y )) (k ) , với  k {0,1, , n}, n | Support ( D ( x, y)) | 2.4 Trích xuất vùng đặc trưng hình ảnh Để trích xuất đặc trưng thị giác hình ảnh, bước cần phải chuẩn hóa kích thước hình ảnh, tức chuyển đổi hình ảnh đầu vào có kích thước khác trở thành hình ảnh có kích thước k  k để từ rút trích đặc trưng màu sắc hình ảnh Vì ảnh theo chuẩn JPEG mô tả không gian màu YCbCr, cần sử dụng không gian màu YCbCr để trích xuất thông tin đặc trưng ảnh Gọi Y, Cb, Cr cường độ sáng, thành phần màu Blue, thành phần màu Red Theo tài liệu [13], phép chuyển đổi từ không gian màu RGB sang không gian màu YCbCr sau:  Y   65.481 128.553 24.996   R   16  Cb    37.797 74.203 112  G   128 , R, G, B  [0,1]     Cr   112 93.786 18.214  B  128 Theo tài liệu [14], [15], phép biến đổi Gaussian theo hệ thống thị giác người sau: [6.G ( x, y,  D ) * Y  2.G ( x, y,  D ) * Cb  2.G ( x, y,  D ) * Cr ] với 10 x2  y G( x, y,  D )  exp( ) 2. D2 2  D L ( x, y ,  D )  Cường độ đặc trưng I ( x, y) cho ảnh màu tính theo phương trình: I ( x, y,  I ,  D )  Det (M ( x, y,  I ,  D ))   Tr (M ( x, y,  I ,  D )) Trong đó, Det (), Tr () định thức vết ma trận, M ( x, y,  I ,  D ) ma trận moment bậc hai, định nghĩa sau: 10  Lx M ( x, y,  I ,  D )   D2 G( I )*   Lx Ly Lx Ly   Ly  Trong đó,  I ,  D giá trị vi phân, L đạo hàm theo hướng  Các điểm đặc trưng ảnh màu rút trích theo công thức: I ( x, y,  I ,  D )  I ( x ', y ',  I ,  D ) , với x ', y ' A I ( x, y,  I ,  D )   , với A tập điểm láng giềng ( x, y )  giá trị ngưỡng n Tập đường tròn đặc trưng OI  {oI , oI , , oI } có tâm điểm đặc trưng tập n bán kính đường tròn đặc trưng RI  {rI , rI , , rI } Các giá trị bán kính đặc trưng trích xuất theo phương pháp LoG (Laplace-ofGaussian) có miền giá trị [0, min(M , N ) 2] , với M , N chiều cao chiều rộng hình ảnh Hình Trích xuất vùng đặc trưng ảnh theo phương pháp Harris-Laplace Xây dựng cấu trúc liệu thuật toán truy vấn ảnh 3.1 Tạo chữ ký mờ i Mỗi vùng đặc trưng oI  OI hình ảnh I tính histogram dựa dải màu chuẩn C , thực phương pháp phân cụm dựa độ đo Euclide không gian màu RGB để phân loại màu sắc điểm ảnh hình ảnh Gọi p điểm ảnh I   có vector giá trị màu không gian RGB Vp  Rp , Gp , Bp Gọi Vm   Rm , Gm , Bm  vector màu thuộc tập dải màu chuẩn C, cho: Vm  min{|| Vp  Vi ||, Vi  C} Khi đó, điểm p chuẩn hóa theo vector màu Vm Theo thực nghiệm, báo sử dụng tập dải màu theo chuẩn MPEG7 để tính histogram cho ảnh màu liệu ảnh Corel 11 Bảng Danh mục màu theo chuẩn MPEG7 Index Color R G B Index Color R G B Black 0 13 Plum 146 109 Sea Green 182 14 Teal 146 182 170 Light Green 255 170 15 Dark Red 182 0 Olive Green 36 73 16 Magenta 182 73 170 Aqua 36 146 170 17 Yellow Green 182 182 Bright Green 36 255 18 Flouro Green 182 255 170 Blue 73 36 170 19 Red 219 73 Green 73 146 20 Rose 219 146 170 Turquoise 73 219 170 21 Yellow 219 255 Brown 109 36 22 Pink 255 36 170 10 Blue Gray 109 109 170 23 Orange 255 146 11 Lime 109 219 24 White 255 255 255 12 Lavender 146 170 Quá trình tạo chữ ký mờ cho hình ảnh thực sau: Bước Chọn tập dải màu C  {c1 , c2 , , cn } theo chuẩn MPEG7 làm sở cho việc tính histogram hình ảnh, gọi I ảnh màu cần tính histogram Lượng tử hoá màu chiếm ưu ảnh I tập màu CI  {c1I , c2I , , cnI } , vector histogram ảnh I I H I  {h , h , , h } I I I n I Bước Thực việc chuẩn hoá histogram ảnh I dải màu C vector histogram chuẩn hoá H  {h1 , h2 , , hn } , với giá trị hi  [0,1] chuẩn hoá: hi  h jI  j h jI ci  C  CI , ngược lại hi  Bước Mỗi màu c Ij mô tả thành chữ ký mờ có chiều dài m f1 j f j , , f mj Do đó, chữ ký mờ ảnh I là: f11 f 21 , , f m1 f12 f 22 , , f m2 f1n f 2n , , f mn , đó:  h   i j fi   0   i 100 m i i  hi  100 m i  hi  j j j j Đặt F  f1 f f m , chữ ký mờ ảnh I là: FuzzySig  F 1F F n 3.2 Độ đo tương tự FHD n Mỗi chữ ký mờ FuzzySig I  F F F hình ảnh I chuyển thành vector VI  (v1 , v2 , , ) , vi  weight ( F i )   wki , với F i  f1i f 2i f mi , và: m k 1   w  i k  f k  m 100  i k f ki  f ki  12 Gọi J hình ảnh cần tính độ tương tự so với ảnh I , cần tính khoảng cách mờ J J J I I I Hamming hai vector VI  (v1 , v2 , , ) VJ  (v1 , v2 , , ) Khoảng cách mờ FHD tập mờ lực lượng tập mờ D (VI ,VJ ) , nghĩa là: n FHD (VI ,VJ )  Card ( D (VI ,VJ ))   i ( Card ( D (V ,V )) (i)) i 0  I J Trong đó, Card ( D (V ,V )) (i)   (i)  (1   (i  1))  min{ (i), (1   (i  1)} ,  (i) giá trị lớn  I J thứ i hàm thuộc i ứng với tập mờ D (VI ,VJ )   i i  (0)  1,  (n  1)  n i 1 Khi đó, mức độ khác VI VI k thành phần là: FHD (V ,V ) (k ,  )  Card ( D (V ,V )) (k ) , với k {0,1, , n}, n | Support ( D ( x, y)) |  I J  I J 3.3 Tạo FS-Tree Nhằm giảm không gian tăng tốc độ truy vấn, báo tiến hành xây dựng chữ ký FS-Tree lưu trữ chữ ký mờ hình ảnh Mỗi nút FS-Tree lưu trữ tập phần tử { FuzzySig , next } , với FuzzySig chữ ký mờ next trỏ tham chiếu đến nút Các nút lưu trữ phần tử { FuzzySig , Oid } , với FuzzySig chữ ký mờ hình ảnh Oid định danh hình ảnh tương ứng Quá trình tạo FS-Tree thực dựa thao tác chèn tách nút [5, 8] Thuật toán tạo chữ ký FS-Tree lưu trữ chữ ký mờ thực sau: Input: tập chữ ký FS = { | i = 1,…,n} Output: chữ ký FS-Tree Algorithm1 Gen-FSTree(S, Root) Begin Bước v = Root; If FS =  then STOP; Else Chọn  S S = S \ ; Qua bước 2; Bước If v nút then begin v = v  ; UnionSignature(v); If v.count > M then SplitNode(v); Quay lại bước 1; end Else begin FHD(SIG0FuzzySig, Fuzzysig) = min{FDH(SIGiFuzzySig,FuzzySig)| SIGi  v}; v = SIG0next; Quay lại bước 2; end End Thuật toán Algorithm1 đưa chữ ký FuzzySig từ tập chữ ký FS vào FS-Tree Với chữ ký FuzzySig chèn vào nút phù hợp, nút đầy trình tách nút thực FS-Tree tăng trưởng chiều cao theo hướng gốc Tại nút FS-Tree, ưu tiên theo hướng có độ tương tự FHD nhiều hơn, trình duyệt tìm nút phù hợp 13 Ứng với chữ ký cần chèn duyệt qua đường có chiều cao h  log m n  1 , với m số chữ ký tối thiểu nút S-Tree Gọi k chiều dài chữ ký, nút có tối đa M chữ ký, trình duyệt để tìm nút phù hợp có chi phí tối đa k  M  log m n  1 Tuy nhiên, tìm nút phù hợp bị đầy, cần phải thực trình tách nút, việc tách nút dựa sở phép toán   seed ,   seed thực sau: Input: Nút v Output: Cây FS-Tree sau thực phép tách nút Algorithm2 SplitNode(v) Begin v chứa chữ ký   seed   seed v = v \ {   seed ,   seed } Tạo nút v For (SIGi  v) If (FHD(SIGiFuzzySig,   seed )< FHD(SIGiFuzzysig,   seed ))then v = v  SIGi; Else v = v  SIGi; s =  SIGi , với SIGi  v ; s =  SIGi , với SIGi  v ; If ( v parent != null) then v parent  v parent  s ; v parent  v parent  s ; If ( v parent count > M ) then If ( v parent = null) then SplitNode( v parent ); Root = { s , s }; End Procedure UnionSignature( v ) Begin s =  SIGi , với SIGi  v ; If( v parent != null) then begin SIGv = {SIGi | SIGi  next = v , SIGi  v parent } ; v parent  ( SIGv  FuzzySig ) = s ; UnionSignature( v parent ); end End 3.4 Thuật toán truy vấn ảnh FS-Tree Sau lưu trữ chữ ký định danh hình ảnh chữ ký FS-Tree, trình truy vấn đưa chữ ký hình ảnh dựa việc duyệt FS-Tree với độ đo tương tự FHD Sau tìm chữ ký hình ảnh tương tự, dựa vào định danh hình ảnh tìm cụ thể hình ảnh tương tự với hình ảnh truy vấn Do đó, toán cần thực tìm chữ ký hình ảnh định danh hình ảnh tương ứng, trình truy vấn thực sau: Input: chữ ký truy vấn FuzzySig FS-Tree Output: Tập chữ ký mờ tập Oid tham chiếu đến hình ảnh tương ứng Algorithm3 Search-Image-Sig(FuzzySig, FS-Tree) Begin v = root; SIGOUT = ; Stack = ; Push(Stack, v); while(not Empty(Stack)) begin 14 v = Pop(Stack); If(v is not Leaf) then begin For(SIGi  v and SIGiFuzzySig  FuzzySig = FuzzySig) FHD(SIG0Fuzzysig, FuzzySig) = min{FHD(SIGiFuzzySig, FuzzySig)| SIGi  v}; Push(Stack, SIG0  next); end Else SIGOUT = SIGOUT  { | SIGi  v}; end return SIGOUT; End Vì FS-Tree nhiều nhánh cân bằng, nút duyệt theo hướng có độ tương tự tốt nhất, tốn chi phí tối đa duyệt h  log m n  1 Quá trình tìm kiếm thực tương tự trình duyệt cây, chi phí trình truy vấn FS-Tree k  M  log m n  1 , với k chiều dài chữ ký, m số chữ ký tối thiểu, M số chữ ký tối đa nút FS-Tree Ứng dụng thực nghiệm 4.1 Mô hình thực nghiệm Quá trình xây dựng ứng dụng thực nghiệm gồm hai pha, pha thứ thực trình tiền xử lý nhằm chuyển đổi liệu hình ảnh trở thành dạng chữ ký mờ đưa vào chữ ký FS-Tree dựa độ đo tương tự FHD Pha thứ hai thực trình truy vấn, ứng với hình ảnh cần truy vấn chuyển đổi thành chữ ký mờ thực truy vấn chữ ký FS-Tree dựa độ đo tương tự FHD Sau tìm chữ ký hình ảnh tương tự, truy xuất hình ảnh cụ thể xếp theo thứ tự ưu tiên độ đo tương tự FHD Hình Mô hình hệ truy vấn ảnh dựa độ đo FHD FS-Tree 15 Pha 1: Thực tiền xử lý Bước Lượng tử hoá hình ảnh liệu ảnh chuyển thành histogram Bước Chuyển đổi histogram hình ảnh thành chữ ký mờ Bước Lần lượt tính khoảng cách FHD chữ ký mờ chèn chữ ký mờ vào FS-Tree Pha 2: Thực truy vấn Bước Với hình ảnh truy vấn, tính histogram chuyển thành chữ ký mờ Bước Thực truy vấn chữ ký nhị phân FS-Tree gồm chữ ký hình ảnh tương tự nút qua độ đo FHD Bước Sau có hình ảnh tương tự, tiến hành xếp theo độ tương tự từ cao đến thấp đưa danh sánh hình ảnh sở độ tương tự FHD 4.2 Kết thực nghiệm Quá trình thực nghiệm truy vấn liệu mẫu Corel [16] gồm có 10,800 hình ảnh chia thành 80 chủ đề khác Với hình ảnh truy vấn trích lọc liệu ảnh Corel tìm hình ảnh có độ tương tự nhiều với hình ảnh truy vấn, từ đối sánh với danh mục chủ đề hình ảnh nhằm đánh giá độ xác phương pháp Bảng Một số kết đánh giá mẫu trình truy vấn ảnh liệu Corel có 10,800 ảnh ID ID Image Recall Precision ID 644000.jpg 0.990 0.990 18 569062.jpg 0.440 0.440 19 135032.jpg 0.580 0.580 113014.jpg 0.340 212001.jpg 0.365 ID Image Recall Precision ID ID Image Recall Precision 303024.jpg 0.402 0.390 35 275007.jpg 0.420 0.420 312001.jpg 0.430 0.430 36 275002.jpg 0.850 0.850 20 318003.jpg 0.380 0.380 37 280014.jpg 0.920 0.920 0.340 21 345002.jpg 0.833 0.500 38 387015.jpg 0.303 0.300 0.840 22 377003.jpg 0.357 0.350 39 470083.jpg 0.383 0.310 280000.jpg 0.355 0.710 23 283000.jpg 0.850 0.850 40 487005.jpg 0.917 0.770 476034.jpg 0.330 0.330 24 435000.jpg 0.810 0.810 41 569015.jpg 0.520 0.520 40000.jpg 0.740 0.740 25 569012.jpg 0.800 0.640 42 569095.jpg 0.650 0.650 84000.jpg 0.350 0.350 26 435011.jpg 0.660 0.660 43 856089.jpg 0.233 0.700 10 114000.jpg 0.876 0.780 27 644099.jpg 0.990 0.990 44 409061.jpg 0.350 0.350 11 124000.jpg 0.370 0.370 28 225000.jpg 0.350 0.350 45 135072.jpg 0.680 0.680 12 131000.jpg 0.400 0.400 29 186000.jpg 0.410 0.410 46 136045.jpg 0.778 0.280 13 150000.jpg 0.350 0.350 30 343000.jpg 0.420 0.420 47 75050.jpg 0.760 0.760 14 167001.jpg 0.338 0.760 31 350000.jpg 0.600 0.600 48 113026.jpg 0.520 0.520 15 208000.jpg 0.400 0.400 32 473000.jpg 0.350 0.350 49 84049.jpg 0.420 0.420 16 221001.jpg 0.350 0.350 33 546000.jpg 0.650 0.650 50 221009.jpg 0.660 0.660 17 247000.jpg 0.380 0.380 34 817000.jpg 0.300 0.300 51 113090.jpg 0.720 0.720 16 1.2 0.8 0.6 0.4 0.2 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Recall Average Recall Hình Độ xác truy vấn hình ảnh theo thực nghiệm 1.2 0.8 0.6 0.4 0.2 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Precision Average Precision 10 00 10 80 26 25 11 83 49 48 48 48 48 47 45 30 25 200000000 180000000 160000000 140000000 120000000 100000000 80000000 60000000 40000000 20000000 22 Số phép toán so sánh Hình Khả truy vấn thành công hình ảnh theo thực nghiệm Số lượng hình ảnh Hình Số phép toán so sánh tạo FS-Tree 10000000 8000000 6000000 4000000 2000000 10 00 10 80 26 25 11 83 49 48 48 48 48 47 45 30 25 22 Thời gian (milli-seconds) 12000000 Số lượng hình ảnh 17 Hình Thời gian tạo FS-Tree (tính theo milli giấy) 10 80 10 80 10 80 10 80 10 80 10 00 10 00 Truy vấn FS-tree 10 00 10 00 10 00 10 00 Truy vấn tuyến tính 10 00 2000000 1800000 1600000 1400000 1200000 1000000 800000 600000 400000 200000 10 00 Thời gian truy vấn (milli-seconds) Các chữ ký nhị phân đưa vào hai dạng cấu trúc truy vấn gồm cấu trúc tập tin chữ ký SSF (sequential signature file) FS-Tree Hình Hình mô tả số liệu thực nghiệm trình truy vấn hình ảnh tương tương liệu ảnh Corel Số lượng hình ảnh Hình Thời gian (tính theo mili giây) truy vấn ảnh FS-Tree SSF 800000 700000 FS-tree 600000 500000 400000 300000 200000 100000 10800 10800 10800 10800 10800 10800 10800 10800 10800 10800 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 Số phép toán so sánh 900000 Số lượng hình ảnh Hình Số phép toán so sánh thực truy vấn ảnh Hình 10 Một số kết truy vấn ảnh liệu ảnh Corel 18 Kết luận Trong báo đưa phương pháp đánh giá độ tương tự hai hình ảnh dựa chữ ký nhị phân, đồng thời mô ứng dụng thực nghiệm liệu ảnh phân loại Corel Theo thực nghiệm cho thấy hiệu phương pháp đưa hệ thống thực thi tốt hệ thống Online Offline, đồng thời cải thiện đáng kể tốc độ truy vấn hình ảnh nhiều lần so với phương pháp đối sánh trực tiếp phương pháp SSF (signature sequence file) Tuy nhiên, việc sử dụng đặc trưng màu sắc cho kết chưa xác theo ý nghĩa nội dung hình ảnh Do đó, hướng phát triển báo thực trích xuất đối tượng hình ảnh, từ tiến hành xây dựng chữ ký nhị phân để mô tả đối tượng mô tả nội dung cho hình ảnh, đồng thời tạo cấu trúc liệu mô tả mối quan hệ dựa độ tương tự nội dung chữ ký với hình ảnh Lời cám ơn Chúng xin cám ơn Trung tâm Công nghệ thông tin, trường Đại học Công nghiệp thực phẩm Tp.HCM nơi bảo trợ cho thực nghiên cứu 19 TÀI LIỆU THAM KHẢO Heba Aboulmagd, Neamat EI-Gayar, Hoda Onsi (2008), “A new approach in content-based image retrieval using fuzzy”, Springer Science, Telecommun Syst, 40, 55-66 Vaclav Snasel, Zdenek Horak, Milos Kudelka, Ajith Abraham (2011), “Fuzzy Signatures Organized Using S-Tree”, Proceedings of the IEEE International Conference on Digital Object Identifier, 633-637 K Konstantinidis, A Gasteratos, I Andreadis (2005), “Image retrieval based on fuzzy color histogram processing”, Optics Communications, 248(4-6), 375-386 Mircea M Ionescu, Anca L Ralescu (2005), “Image Clustering for a Fuzzy Hamming Distance Based CBIR System”, Proceedings of the Sixteen Midwest Artificial Intelligence and Cognitive Science Conference, 102-108 Yangjun Chen and Yibin Chen (2006), “On the Signature Tree Construction and Analysis”, IEEE Trans Knowl Data Eng., 18(9), 1207-1224 Neetu Sharma S, Paresh Rawat S, Jaikaran Singh S., (2011) “Efficient CBIR Using Color Histogram Processing”, Signal & Image Processing: An Inter Jour., 2(1), 94-112 Fazal Malik, Baharum Bin Baharudin (2012), “Feature Analysis of Quantized Histogram Color Features for Content-Based Image Retrieval Based on Laplacian Filter”, International Conference on System Engineering and Modeling, 34, 44-49 M A Nascimento, E Tousidou, V Chitkara, Y Manolopoulos (2002), “Image indexing and retrieval using signature trees”, Data & Knowledge Eng., 43(1), 57-77 Rahul Mehta, Nishchol Mishra, Sanjeev Sharma (2011), “Color - Texture based Image Retrieval System”, International Journal of Computer Applications, 24(5), 24-29 10 Gunja Varshney, Uma Soni (2011), “Color-Based Image Retrieval in Image Database System”, International Journal of Soft Computing and Engineering, 1(5), 31-35 11 Ch Kavitha, M Babu Rao, B.Prabhakara Rao, A.Govardhan (2011), “Image Retrieval based on Local Histogram and Texture Features”, International Journal of Computer Science and Information Technology, 2(2), 741-746 12 S-C Ch, C-K Y (2001), “A fast and novel technique for color quantization using reduction of color space dimensionality”, Pattern Recognizer Letter, 22(8), 845-956 13 G H Liu, J Y Yang (2013), “Content-based Image Retrieval Using Color Difference Histogram”, Pattern Recognition, 46, 188-198 14 X Y Wang, J F Wu, H Y Yang (2010), “Robust Image Retrieval Based on Color Histogram of Local Feature Regions”, Springer Science, Multi Tools Appl, 49, 323-345 15 X.-Y Wang et al., (2013), “Robust Color Image Retrieval Using Visual Interest Point Feature of Significant Bit-Planes”, Digital Signal Processing, 23(4), 1136-1153 16 Corel Corp, http://www.corel.com 20 [...]... 00 Thời gian truy vấn (milli-seconds) Các chữ ký nhị phân được đưa vào hai dạng cấu trúc truy vấn gồm cấu trúc tập tin chữ ký SSF (sequential signature file) và cây FS- Tree Hình 8 và Hình 9 mô tả số liệu thực nghiệm về quá trình truy vấn hình ảnh tương tương trên dữ liệu ảnh Corel Số lượng hình ảnh Hình 8 Thời gian (tính theo mili giây) truy vấn ảnh trên cây FS- Tree SSF 800000 700000 FS- tree 600000... Số lượng hình ảnh Hình 9 Số phép toán so sánh khi thực hiện truy vấn ảnh Hình 10 Một số kết quả truy vấn ảnh trên dữ liệu ảnh Corel 18 5 Kết luận Trong bài báo đã đưa ra phương pháp đánh giá độ tương tự giữa hai hình ảnh dựa trên chữ ký nhị phân, đồng thời mô phỏng ứng dụng thực nghiệm trên dữ liệu ảnh phân loại của Corel Theo thực nghiệm cho thấy sự hiệu quả của phương pháp đã đưa ra và hệ thống này... Số lượng hình ảnh Hình 6 Số phép toán so sánh khi tạo cây FS- Tree 10000000 8000000 6000000 4000000 2000000 10 00 10 80 0 26 6 25 5 11 5 83 49 48 48 48 48 47 45 30 25 0 22 Thời gian (milli-seconds) 12000000 Số lượng hình ảnh 17 Hình 7 Thời gian tạo cây FS- Tree (tính theo milli giấy) 10 80 0 10 80 0 10 80 0 10 80 0 10 80 0 10 00 10 00 Truy vấn trên FS- tree 10 00 10 00 10 00 10 00 Truy vấn tuyến tính... các hệ thống Online và Offline, đồng thời đã cải thiện đáng kể về tốc độ truy vấn hình ảnh rất nhiều lần so với phương pháp đối sánh trực tiếp cũng như phương pháp SSF (signature sequence file) Tuy nhiên, việc sử dụng các đặc trưng về màu sắc sẽ cho kết quả chưa chính xác theo ý nghĩa về nội dung hình ảnh Do đó, hướng phát triển tiếp theo của bài báo sẽ thực hiện trích xuất đối tượng trên các hình ảnh, ... thực hiện trích xuất đối tượng trên các hình ảnh, từ đó sẽ tiến hành xây dựng chữ ký nhị phân để mô tả các đối tượng cũng như mô tả nội dung cho hình ảnh, đồng thời tạo ra một cấu trúc dữ liệu mô tả mối quan hệ dựa trên độ tương tự về nội dung của các chữ ký với mỗi hình ảnh Lời cám ơn Chúng tôi xin cám ơn Trung tâm Công nghệ thông tin, trường Đại học Công nghiệp thực phẩm Tp.HCM là nơi bảo trợ cho... chính xác truy vấn hình ảnh theo thực nghiệm 1.2 1 0.8 0.6 0.4 0.2 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Precision Average Precision 10 00 10 80 0 26 6 25 5 11 5 83 49 48 48 48 48 47 45 30 25 200000000 180000000 160000000 140000000 120000000 100000000 80000000 60000000 40000000 20000000 0 22 Số phép toán so sánh Hình 5 Khả năng truy vấn thành công hình ảnh theo thực... approach in content-based image retrieval using fuzzy”, Springer Science, Telecommun Syst, 40, 55-66 2 Vaclav Snasel, Zdenek Horak, Milos Kudelka, Ajith Abraham (2011), “Fuzzy Signatures Organized Using S -Tree , Proceedings of the IEEE International Conference on Digital Object Identifier, 633-637 3 K Konstantinidis, A Gasteratos, I Andreadis (2005), “Image retrieval based on fuzzy color histogram processing”,... Fuzzy Hamming Distance Based CBIR System”, Proceedings of the Sixteen Midwest Artificial Intelligence and Cognitive Science Conference, 102-108 5 Yangjun Chen and Yibin Chen (2006), “On the Signature Tree Construction and Analysis”, IEEE Trans Knowl Data Eng., 18(9), 1207-1224 6 Neetu Sharma S, Paresh Rawat S, Jaikaran Singh S., (2011) “Efficient CBIR Using Color Histogram Processing”, Signal & Image... Laplacian Filter”, International Conference on System Engineering and Modeling, 34, 44-49 8 M A Nascimento, E Tousidou, V Chitkara, Y Manolopoulos (2002), “Image indexing and retrieval using signature trees”, Data & Knowledge Eng., 43(1), 57-77 9 Rahul Mehta, Nishchol Mishra, Sanjeev Sharma (2011), “Color - Texture based Image Retrieval System”, International Journal of Computer Applications, 24(5), ... hình ảnh trở thành dạng chữ ký mờ đưa vào chữ ký FS- Tree dựa độ đo tương tự FHD Pha thứ hai thực trình truy vấn, ứng với hình ảnh cần truy vấn chuyển đổi thành chữ ký mờ thực truy vấn chữ ký FS- Tree. .. Thuật toán truy vấn ảnh FS- Tree Sau lưu trữ chữ ký định danh hình ảnh chữ ký FS- Tree, trình truy vấn đưa chữ ký hình ảnh dựa việc duyệt FS- Tree với độ đo tương tự FHD Sau tìm chữ ký hình ảnh tương... toán tạo chữ ký FS- Tree lưu trữ chữ ký mờ thực sau: Input: tập chữ ký FS = { | i = 1,…,n} Output: chữ ký FS- Tree Algorithm1 Gen-FSTree(S, Root) Begin Bước v = Root; If FS =  then