chương 6 nhận dạng ảnh - 3.0.100.178

Nhập môn Xử lý ảnh 1

Chương 6

Nhận dạng ảnh


Nội dung

1. Giới thiệu tổng quan

2. Nhận dạng dựa theo miền không gian

3. Nhận dạng dựa theo cấu trúc

4. Nhận dạng dựa theo phương pháp học (mạng Nơron)

5. Một số phương pháp tiên tiến


Nhận dạng ảnh

Có bao nhiêu con ngựa?


Nhận dạng ảnh

Bạn nhìn thấy gì?

http://upload.wikimedia.org/wikipedia/en/c/c9/Allisvanity.jpg


Ứng dụng

Nhận dạng khuôn mặt người


Ảnh y tế


Localization


Ứng dụng

Nhận dạng ký tự viết tay:


Nhận dạng vân tay


Image categorization


Giới thiệu về nhận dạng:

TLTK: Patrec_tutorial1: Sorting fish

patrec_tutorial1.pdf


1. Giới thiệu

Khái niệm nhận dạng:

– Nhận dạng là quá trình phân loại các đối tượng và gán chúng một tên (gán

cho đối tượng một tên gọi, tức là một dạng) dựa theo những quy luật và

mẫu chuẩn. Các đối tượng được biểu diễn theo một mô hình nào đó.

– Quá trình nhận dạng dựa vào những mẫu biết trước gọi là nhận dạng (học)

có giám sát (supervised) hay học có thầy, trong những trường hợp ngược

lại gọi là học không có giám sát (unsupervised).

– Nhận dạng ảnh: hiểu ảnh (image understanding), những nội dung, đối

tượng chứa trong ảnh – phân loại các đối tượng chứa trong ảnh dựa trên

dữ liệu ảnh.


Giới thiệu

3 cách tiếp cận:

– Nhận dạng dựa vào phân hoạch không gian.

– Nhận dạng dựa vào cấu trúc.

– Nhận dạng dựa vào kỹ thuật học (ví dụ: mạng nơron).

Các giai đoạn:

– Tiền xử lý (tăng cường chất lượng ảnh, làm nổi các chi tiết…)

– Trích chọn và biểu diễn các đặc trưng

– Nhận dạng.


Giới thiệu

Các không gian biểu diễn

Không gian biểu diễn đối tượng

– Đối tượng ảnh X (ảnh, chữ viết, dấu vân tay,…) được biểu diễn bởi n thành

phần (n đặc trưng): X={x1,x2…xn}; Không gian biểu diễn X (không gian đối

tượng) thường được định nghĩa:

X = { X1, X2,…Xm}

mỗi Xi biểu diễn một đối tượng, mỗi xi biểu diễn một đặc tính.

Không gian diễn dịch:

– là tập các tên gọi của đối tượng: Ω={w1, w2,… wk}, vd: khuôn mặt người, Bill

Gate, xe máy, ngôi nhà…

– Quá trình nhận dạng đối tượng f là một ánh xạ f: X → Ω với f là tập các quy

luật để xác định một phần tử X trong X ứng với một phần tử trong Ω.


Giới thiệu

Mô hình và bản chất của quá trình nhận dạng

Mô hình: Hai loại

– Mô hình tham số: sử dụng một vectơ để đặc tả đối tượng. Mỗi phần tử của

vectơ mô tả một đặc tính của đối tượng.

– Mô hình cấu trúc: sử dụng một số dạng nguyên thủy như đoạn thẳng,

cung…


Giới thiệu

Bản chất: Quá trình nhận dạng gồm 3 giai đoạn chính:

– Chọn mô hình biểu diễn đối tượng.

– Chọn luật ra quyết định (phương pháp nhận dạng, mô hình học) và suy

diễn.

– Học nhận dạng.

Biểu diễn: đối tượng ~ vector (số thực)

Học: cung cấp tri thức (về đối tượng - object) cho hệ thống, nhằm cải

thiện, điều chỉnh việc phân loại tập đối tượng thành các lớp (class).

Nhận dạng: là tìm ra quy luật, thuật toán để có thể gắn đối tượng vào

một lớp (gán tên - labeling cho đối tượng: car, face…)


Giới thiệu

Học trong nhận dạng:

Học có giám sát (supervised learning): kỹ thuật phân loại nhờ kiến thức

biết trước.

– Cần có một thư viện các mẫu chuẩn. Mẫu cần nhận dạng sẽ được đem so

sánh với mẫu chuẩn để xem nó thuộc loại nào.

– Vấn đề: Thiết kế một hệ thống có tri trức về đối tượng để có thể đối sánh

đối tượng trong ảnh với mẫu chuẩn và quyết định gán cho chúng vào một

lớp.

– Công cụ: hàm phân lớp (hàm ra quyết định).

Học không có giám sát (unsupervised learning): tự xác định ra các lớp

và các tham số đặc trưng cho từng lớp.

– Số lớp không biết trước, những đặc trưng của lớp cũng không được biết

trước.

– Tiến hành mọi cách gộp nhóm, qua nhiều thủ tục xử lý khác nhau có thể và

dần chọn lựa cách tốt nhất.


Hệ thống nhận dạng ảnh

Vd: Kết quả nhận dạng khi tri thức về

đối tượng còn “yếu”


2. NHẬN DẠNG DỰA THEO MIỀN KHÔNG GIAN

Trong nhận dạng dựa theo miền không gian, các đối tượng nhận dạng

là định lượng. Mỗi đối tượng được biểu diễn bởi một vectơ nhiều chiều.

1- Phân hoạch không gian


2- Hàm phân lớp (hay hàm ra quyết định)

– Phân lớp dựa theo khoảng cách (Distance): các đối tượng “gần nhau” về

một đặc trưng nào đó hay không? - gộp chúng lại, hoặc tách ra

– Phân lớp dựa theo xác suất có điều kiện (Conditional Probability): dựa vào

xác suất có điều kiện để phân lớp cho đối tượng; Lý thuyết Bayes.


3- Nhận dạng theo phương pháp thống kê (TLTK)


3- NHẬN DẠNG DỰA THEO CẤU TRÚC

TLTK


4- NHẬN DẠNG DỰA THEO MẠNG NƠRON

TLTK: dùng tài liệu PDF


Mạng nơ ron sinh học

~ 100 billion neurons

Mỗi neuron có hàng

ngàn kết nối:

– Thu nhận tín hiệu

– Lan truyền thông

tin


Mô hình mạng nơ ron nhân tạo


Cấu trúc nơ ron nhân tạo


Mạng nơ ron nhân tạo


Ch1-2: ANN

Ch3-4: ANN

Thực hành Matlab


5- MỘT SỐ PHƯƠNG PHÁP TIÊN TIẾN

Szeliski book: www.szeliski.org/Book Chapter Recognition

http://www.szeliski.org/Book


MỘT SỐ PHƯƠNG PHÁP TIÊN TIẾN

Slides from Fei-Fei Li: pattern recognition Part 2, Uni Brown

Features: Uni Washington

Recognition: ~

Face recognition: ~

Tool: OpenCV

chương 6 nhận dạng ảnh - 3.0.100.178

Documents