MBA Thesis

Xử lý ảnh (XLA) là một trong những chuyên ngành quan trọng và lâu đời của ngành Công nghệ thông tin. XLA được ứng dụng trong nhiều lĩnh khác nhau như y học, an ninh, quốc phòng…

XLA thường là: XLA ban đầu để có được một bức ảnh mới theo yêu cầu cụ thể; phân tích ảnh để thu được các thông tin đặc trưng trên ảnh nhằm hỗ trợ cho việc phân loại và nhận biết ảnh; phân đoạn ảnh (image segmentation) để nhận diện được các thành phần trong ảnh nhằm hiểu được kết cấu của bức ảnh ở mức độ cao hơn. Để xử lý được một bức ảnh thì phải trải qua nhiều bước, nhưng bước quan trọng và khó khăn nhất đó là phân đoạn ảnh. Nếu bước phân đoạn ảnh không tốt thì dẫn đến việc nhận diện sai lầm về các đối tượng có trong ảnh.

Hiện nay đã có nhiều thuật toán được đề xuất để giải quyết bài toán phân đoạn ảnh. Các thuật toán trên hầu hết đều dựa vào hai thuộc tính quan trọng của mỗi điểm ảnh so với các điểm lân cận của nó, đó là: sự khác (dissimilarity) và giống nhau (similarity). Các phương pháp dựa trên sự khác nhau của các điểm ảnh được gọi là các phương pháp biên (boundary-based methods), còn các phương pháp dựa trên sự giống nhau của các điểm ảnh được gọi là phương pháp miền (region-based methods). Tuy nhiên, cho đến nay các thuật toán theo cả hai hướng này đều vẫn chưa cho kết quả phân đoạn tốt, vì cả hai loại phương pháp này đều chỉ nắm bắt được các thuộc tính cục bộ (local) của ảnh. Do đó, trong thời gian gần đây, việc tìm ra các thuật toán nắm bắt được các thuộc tính toàn cục (global) của bức ảnh đã trở thành một xu hướng.

Mục đích chính của luận văn là nắm được tổng quan về xử lý ảnh số, nắm được các hướng tiếp cận chính trong phân đoạn ảnh và cài đặt thử nghiệm một vài thuật toán phân đoạn ảnh. Luận văn sẽ tập trung tìm hiểu và trình bày thêm một phương pháp được đánh giá là hiệu quả hơn các phương pháp trước đây, khắc phục được hai khó khăn quan trọng trong ảnh tự nhiên là bài toán đường biên yếu và kết cấu yếu. Phương pháp này dựa vào việc coi một bức ảnh như một đồ thị có trọng số. Sau khi tính xác suất trạng thái ổn định của mỗi điểm ảnh bằng cách sử dụng RWR, chúng ta có thể ước lượng khả năng phân tách và cuối cùng gán nhãn vào mỗi điểm ảnh.

Mục đích quan trọng trong phân tích ảnh là đối sánh và nhận dạng đối tượng. Việc này có thể được thực hiện thông qua một vài cách, sử dụng màu sắc, kết cấu, hình dạng, momen và vị trí. Hình dạng là yếu tố quan trọng của đối tượng và cũng là hướng nghiên cứu quan trọng trong phân lớp và nhận dạng. Hình dạng của đối tượng phẳng có thể được mô tả dựa trên đường bao hoặc dựa trên xương của chúng.

Khi sử dụng đường bao trong phân lớp và nhận dạng, những lớp hình dạng có thay đổi lớn về hình dạng toàn cục do có biến đổi cấu trúc hoặc yếu tố nào đó thường gây ra khó khăn cho quá trình nhận dạng [4]. Những phương pháp đối sánh hình dạng đích với các hình dạng mẫu được lưu trữ trong cơ sở dữ liệu thì đòi hỏi một số lượng lớn các mẫu được lưu trữ [5]. Hơn nữa những phương pháp dựa trên mô hình và ví dụ rất khó quản lý được lớp đối tượng có phần khác nhau mà không phân tách thành các lớp con riêng biệt.

Xương (còn được gọi là trục trung vị) lần đầu tiên được xác định bởi tác giả Blum năm 1976 [7,1], là cách mô tả hình dạng rất hữu ích và quan trọng cho nhận dạng đối tượng vì nó chứa các đặc trưng hình dạng của đối tượng gốc. Hình dạng tương tự dựa trên đối sánh xương thường thực hiện nhanh hơn đường biên [3]. Do vậy, xương được sử dụng để biểu diễn và phân tích hình dạng trong nhiều lĩnh vực ứng dụng như hệ thống tra cứu ảnh dựa trên nội dung, hệ thống nhận dạng ký tự... Những thập kỷ qua, có rất nhiều phương pháp trích chọn xương đã được đề xuất [6,7].

Hầu hết các phương pháp tìm xương hiện tại đều có một hạn chế chung đó là nhạy cảm cao đối với nhiễu đường biên: những biến đổi nhỏ trên đường biên của đối tượng có thể làm thay đổi đáng kể xương nhận được. Do các phương pháp này thường tạo ra các nhánh xương “giả”, ảnh hưởng tới việc nhận dạng đối tượng dựa trên cấu trúc xương. Do đó, có thể nói việc nghiên cứu các phương pháp cắt tỉa xương nhằm nâng cao hiệu quả biểu diễn đối tượng phục vụ cho đối sánh và nhận dạng đối tượng dựa trên Shape là hết sức cần thiết.