ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LÊ THỊ NGỌC TÚ

NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ MẠNG
NƠRON TẾ BÀO VÀO BÀI TOÁN PHÂN ĐOẠN ẢNH

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Thái Nguyên năm 2015

Số hóa bởi Trung tâm Học liệu – ĐHTN




ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LÊ THỊ NGỌC TÚ

NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ MẠNG
NƠRON TẾ BÀO VÀO BÀI TOÁN PHÂN ĐOẠN ẢNH

Chuyên ngành: Khoa học máy tính
Mã số: 60 48 01 01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

NGƢỜI HƢỚNG DẪN KHOA HỌC

TS.Vũ Đức Thái đã hướng dẫn tận tình và tạo mọi điều kiện cho em hoàn
thành luận văn.
Em xin chân thành cảm ơn ban lãnh đạo các thầy giáo, cô giáo, các cán
bộ nhân viên Trường Đại học Công nghệ thông tin và Truyền thông – ĐH
Thái Nguyên đã giúp đỡ, tạo điều kiện cho em hoàn thành bản luận văn này.
Cuối cùng, em xin chân thành cảm ơn sự quan tâm giúp đỡ của gia
đình, bạn bè và tập thể lớp Cao học K12G đã cổ vũ động viên em hoàn thành
tốt luận văn của mình.

Thái nguyên, ngày 13 tháng 4 năm 2015
Học viên
Lê Thị Ngọc Tú

Số hóa bởi Trung tâm Học liệu – ĐHTN




DANH MỤC CÁC CHỮ VIẾT TẮT
- CNN (Cellular Neural Network): Công nghệ mạng nơron tế bào.
- CPU (Central Processing Unit): Bộ xử lí trung tâm.
- A(Digital)/A(Analog):Tín hiệu số/Tín hiệu tương tự
- IC (Integrated Circuit): Các vi mạch tích hợp
- CNN-UM (CNN-Universal Machine): Máy tính mạng nơron tế bào.
- PDE (Partial differential Equation): Phương trình vi phân đạo hàm riêng
(trong luận văn dùng thuật ngữ tiếng Việt là “phương trình đạo hàm riêng”).
- FPGA (Field Programmable Gate Array): Mảng cổng dạng trường lập trình
- ADC (Analog

Digital Converter): Bộ chuyển đổi tín hiệu tương tự thành

Hình 3.2: Mặt nạ phát hiện dòng..................................................................... 53
Hình 3.3. Minh họa việc phát hiện dòng ......................................................... 54
Hình 3.4. Biểu đồ mức xám của đường ngang ............................................... 55
Hình 3.5. Biểu đồ mức xám của đường nghiêng thông qua ảnh..................... 56
Hình 3.6. Mặt nạ phát hiện cạnh và 8 hướng cạnh ......................................... 58
Hình 3.7. Ví dụ về tăng trưởng miền ảnh ....................................................... 59
Hình 3.8. Lược đồ mức xám ........................................................................... 61

Số hóa bởi Trung tâm Học liệu – ĐHTN




Hình 3. 9. Tách cây tứ phân ............................................................................ 61
Hình 3.10 Thử nghiệm mẫu phân đoạn ảnh .................................................. 65

Số hóa bởi Trung tâm Học liệu – ĐHTN




MỤC LỤC
Chương I: CÁC LÝ THUYẾT BỔ TRỢ .......................................................... 3
1.1. Mạng nơron tế bào ..................................................................................... 3
1.1.1. Kiến trúc mạng nơron tế bào CNN ......................................................... 3
1.1.1.1. Giới thiệu chung về mạng nơron tế bào ............................................... 3
1.1.1.2.Kiến trúc mạng Nơron tế bào ................................................................ 4
1.1.1.3.Kiến trúc của máy tính mạng Nơron tế bào ........................................ 10
1.1.1.4. Một số vấn đề cơ bản của CNN ......................................................... 13
1.2. Xử lý ảnh .................................................................................................. 15

2.4.2.1. Tính ưu việt và ý nghĩa ..................................................................... 39
2.4.2.2. Tình hình nghiên cứu về xử lý ảnh dùng CNN trong nuớc ............... 40
2.4.2.3. Kết quả xử lý ảnh dùng CNN............................................................. 41
2.4.2.4. Hạn chế và giải pháp ứng dụng CNN ................................................ 42
2.4.3. Mẫu và vai trò của mẫu ......................................................................... 43
2.4.3.1. Giới thiệu chung ................................................................................. 43
2.4.3.2. Thư viện mẫu CNN ........................................................................... 45
2.4.3.3. Các phương pháp thiết kế mẫu cho CNN .......................................... 47
2.5. Thuật toán phân đoạn ảnh trên CNN ....................................................... 49
2.6. Kết luận .................................................................................................... 51
Chương III: MÔ PHỎNG THUẬT TOÁN PHÂN ĐOẠN ẢNH ................. 52
3.1. Mô tả bài toán mô phỏng ......................................................................... 52
3.1.1. Phát hiện biên ........................................................................................ 52
3.1.1.1. Phát hiện điểm .................................................................................... 52
3.1.1.2. Phát hiện dòng .................................................................................... 53
3.1.1.3. Phát hiện cạnh .................................................................................... 55
3.1.1.4. Phát hiện biên Candy ......................................................................... 56
3.1.2. Bài toán phân đoạn ảnh ......................................................................... 58
3.1.2.1. Công thức cơ sở ................................................................................. 58
3.1.2.2. Tăng trưởng miền ảnh ........................................................................ 59
Số hóa bởi Trung tâm Học liệu – ĐHTN




3.1.2.3. Tách và ghép miền ............................................................................. 61
3.2. Cài đặt mô phỏng ..................................................................................... 62
3.2.1. Ví dụ: Đoạn mã lệnh ............................................................................. 62
3.2.2. Mô phỏng 1: .......................................................................................... 65
3.2.3. Mô phỏng 2 ........................................................................................... 66

gian xử lý nhất là với những ảnh có kích thước lớn. Để đáp ứng yêu cầu đó
người ta đã và đang tìm kiếm nhiều phương pháp xử lý ảnh song song khác
nhau nhằm giảm thời gian xử lý. Mạng nơron tế bào CNN là một trong những
công cụ xử lý ảnh thời gian thực sự hữu hiệu và đang được quan tâm nghiên
cứu rộng rãi trên thế giới do có nhiều ưu điểm trong đó có bản chất xử lý song
song. Ảnh số là một mảng số thực hai chiều kích thước MxN trong đó mỗi
phần tử ảnh là một tế bào C(i,j), i = 1, 2,..., M, j = 1, 2,..., N, biểu thị mức xám
của ảnh tại các vị trí (i,j) tương ứng. Ảnh được coi là ảnh nhị phân nếu C(i,j)
Số hóa bởi Trung tâm Học liệu – ĐHTN




2

chỉ nhận giá trị 0 hoặc 1. Các đặc trưng của ảnh thường bao gồm các thành
phần như: mật độ xám, phân bố xác suất, phân bố không gian, biên ảnh.
Được sự gợi ý của giáo viên hướng dẫn và nhận thấy tính thiết thực của
vấn đề này, tôi đã chọn đề tài: “Nghiên cứu ứng dụng công nghệ mạng
Nơron tế bào vào bài toán phân đoạn ảnh” để làm đề tài cho luận văn tốt
nghiệp của mình

Số hóa bởi Trung tâm Học liệu – ĐHTN




3

Chƣơng I


4

những ưu thế thực sự của CNN là nó tương đương với chíp có mật độ tích
hợp lớn tiêu thụ nhiều năng lượng.
Một ứng dụng quan trọng của mạng nơron tế bào là xử lý ảnh. Chức
năng cơ bản của mạng nơron tế bào trong quá trình xử lý ảnh là ánh xạ hoặc
chuyển hình ảnh đầu vào tương ứng với hình ảnh đầu ra.[3].
Ngoài ứng dụng xử lý ảnh tốc độ cao ra công nghệ CNN còn được
dùng để tối ưu hoá hệ thống truyền dữ liệu băng thông rộng, giải phương
trình vi phân đạo hàm hàm riêng PDE. Ngược lại, với cấu trúc xử lý song
song hoàn toàn, liên tục theo luồng theo thời gian, với việc cho phép triển
khai nhiều mô hình toán học trong cả trường số thực và số phức người ta có
thể xây dựng các mô hình CNN một lớp hoặc nhiều lớp trên phần cứng.
1.1.1.2.Kiến trúc mạng Nơron tế bào
- Có hai định nghĩa tổng quát của một CNN như sau:
+ Ðịnh nghĩa 1: Một mạng nơron tế bào CNN là một mảng 2, 3 hoặc n
chiều của các hệ thống động lực học được gọi là các tế bào, hầu hết các hệ
này là đồng nhất và thoả mãn hai thuộc tính:
 Ảnh hưởng phổ biến là cục bộ trong phạm vi bán kính r.
 Tất cả các biến trạng thái là giá trị tín hiệu liên tục.
+ Ðịnh nghĩa 2: Một mạng nơron tế bào CNN là một mạch điện phi tuyến
động lực học bậc cao được tạo nên bởi ghép nối liên kết cục bộ theo không
gian các khối mạch điện giống nhau - mỗi khối mạch điện được gọi là một tế
bào. Mạng được tạo thành có thể có kiến trúc bất kỳ như dạng lưới hình chữ
nhật, 6 cạnh, 3 cạnh, hình cầu,...

Số hóa bởi Trung tâm Học liệu – ĐHTN



số nguyên dương)
+ Giá trị trạng thái của tế bào là những tín hiệu có giá trị liên tục.
- Các phương trình quan trong mô tả cho hệ CNN là:
+ Phương trình trạng thái:

xij   xij 



C ( k ,l )Sr ( i , j )

A(i, j; k , l ) ykl 



C ( k ,l )Sr ( i , j )

B(i, j; k , l )u kl  zij

(1.1)

xij  R, yij  R và zij  R được gọi là trạng thái: đầu ra, đầu vào, ngưỡng của tế

bào C(i,j), A(i, j; k, l) và B(i, j; k, l) được gọi là toán tử phản hồi và toán tử
dẫn nhập đầu vào.
+ Phương trình đầu vào
Vuij=Eij với 1 ≤ i ≤ M; 1≤ j ≤ N

(1.2)


1≤ i≤ M; 1 ≤ j≤ N

(1.6)

+ Điều kiện biên xác định và là các tế bào thuộc hiệu ứng cầu của các
tế bào cạnh nhưng nằm ngoài mảng kích thước MxN
Số hóa bởi Trung tâm Học liệu – ĐHTN




7

- Đối với ứng dụng CNN trong xử lý ảnh, đầu vào thường là cường độ
điểm ảnh, thang độ xám kích thước MxN, -1

C(i,j+1)

C(ij-1)

C(i+1,j)

C(i+1,j+1)

+ Toán tử dẫn nạp hồi tiếp A(i,j;k,l), trong không gian bất biến có thể viết
như sau:
Công thức tính mẫu



A(i, j; k , l ) ykl 



B(i, j; k , l )ukl 

C ( k ,l )Sr ( i , j )

C ( k ,l )Sr ( i , j )

zij  z;
Số hóa bởi Trung tâm Học liệu – ĐHTN

 


 a1,1 yi 1, j 1  a1,0 yi 1, j  a1,1 yi 1, j 1  a0, 1 yi, j 1  a0,0 yi, j 
a0,1 yi , j 1  a1, 1 yi 1, j 1  a1,0 yi 1, j  a1,1 yi 1, j 1


1

1

 a

k 1 l 1

k ,l

yi  k , j l

(1.8)

hoặc có thể minh hoạ phép toán nhân chập như sau:

 a1,1 a1,0

  a0,1 a0,0
 a1,1 a1,0


a1,1   y1,1
 
a0,1  *  y0, 1
a1,1   y1, 1


0

0

a0,0

0

0

0

0



A

a-1,-1

a-1,0

a-1,1

a0,-1

0

a0,1

ui , j
b1,1  ui 1, j 1 ui 1, j

b1,1 b1,0

  b0,1 b0,0
 b1,1 b1,0


kl



1

1

 b

k i  r l  j  r

u

k ,l i  k , j  l

ui 1, j 1 

ui , j 1   B *U ij
ui 1, j 1 



b-1,-1 b-1,0 b-1,1


B

b0,-1

0

b0,1

b1,-1

b1,0

b1,1

(1.13)

- Kiến trúc xử lý của máy tính mạng nơron tế bào CNN-UM
Cấu trúc xử lý của tế bào C(i,j)

Hình 1.3. Mô tả kiến trúc của CNN
Mạng nơron tế bào được L.O. Chua và L. Yang đưa ra năm 1988 có
kiến trúc chuẩn là một mảng hai chiều các tế bào mà mỗi tế bào là một chip
xử lý, các tế bào chỉ có liên kết cục bộ với các tế bào láng giềng. Các tế bào
có cấu tạo giống hệt nhau gồm các điện trở, tụ tuyến tính; các nguồn dòng
tuyến tính và phi tuyến. Cho đến nay kiến trúc mạng CNN đã được phát triển
đa dạng phức tạp trong nhiều ứng dụng khác nhau nhưng vẫn hoạt động dựa




11

và logic của tế bào. Khối xử lý logic cục bộ (LLU) và khối logic đầu ra tương
tự cục bộ (LAOU) thực hiện các phép tính toán logic và tương tự cho mỗi tế
bào của mình. Các kết quả của mỗi tế bào được lưu giữ trong các bộ nhớ cục
bộ. Khối điều khiển và truyền thông cục bộ (LCCU) thực hiện chức năng điều
khiển và trao đổi thông tin giữa các tế bào lân cận và tới khối lập trình toàn
cục (GAPU). Khối lập trình tương tự - số toàn cục GAPU có các thanh ghi và
khối điều khiển toàn cục. Thanh ghi chương trình analog APR lưu trữ các
trọng số của tế bào mạng CNN. Trong trường hợp r = 1 tổng số trọng lưu trữ
là 19 số thực. Thanh ghi chương trình logic LPR chứa các lệnh logic cần thực
hiện cho các tế bào. Thanh ghi cấu hình chuyển mạch (SRC) chứa các thông
số khởi động và các tham số cho các chức năng hoạt động của tế bào. Khối
điều khiển tương tự số toàn cục (GACU) lưu các lệnh tuần tự của chương
trình chính (analogic) và thực hiện các chức năng điều khiển toàn cục khác.
Một thuật toán chạy trong CNN-UM có thể được thực hiện tuần tự qua các
lệnh analog và logic. Mức độ kết quả trung gian có thể được tổ hợp và lưu trữ
cục bộ. Các phép tính analog (analog operation ) được định nghĩa bởi các
trọng liên kết tuyến tính hoặc phi tuyến. Đầu ra có thể được định nghĩa cả
trong trạng thái xác định hoặc không xác định của mạng. Các phép tính logic
(NOT, AND, OR,…) và số học (cộng, trừ) có thể được thực hiện trong mỗi tế
bào. Dữ liệu có thể được chuyển đổi giữa các bộ nhớ cục bộ LAM và LLM.
-Ngôn ngữ, chương trình dịch, hệ điều hành của CNN-UM

Số hóa bởi Trung tâm Học liệu – ĐHTN



và ngày càng được bổ sung thêm.[2]
1.1.1.4. Một số vấn đề cơ bản của CNN
- Giới hạn động lực học của CNN
Trước khi thiết kế một CNN vật lý cần phải biết rằng giới hạn động lực
học của nó có thoả mãn điều kiện để xây dựng các tế bào bằng các phần tử
bán dẫn hiện đang sử dụng trong lĩnh vực điện tử hay không. Ðây cũng là sự
khác nhau cơ bản giữa các CNN và các mạng nơron thông thường vì một
CNN có phạm vi động lực học thực sự có thể tính toán được.
- Ðộ ổn định của CNN.
Với một CNN xác định (A,B,z xác định), điều kiện khởi tạo, tín hiệu
vào bất kỳ thì sau quá trình quá độ phân rã về không trạng thái của mạch điện
sẽ hội tụ như thế nào và trong những điều kiện nào? Trả lời các câu hỏi này
vấn đề độ ổn định của CNN một lớp đơn chuẩn là:
+ Sau thời gian quá độ phân rã về 0 luôn thu được một hằng số tín hiệu
ở đầu ra của CNN.
+ Một CNN tuyến tính tiêu chuẩn một lớp luôn có các trạng thái cân
bằng ổn định.

Số hóa bởi Trung tâm Học liệu – ĐHTN




14

Trong một số trường hợp có thể sử dụng định lý về đối xứng dấu của
LO.Chua [8] để khảo sát nhanh chóng tính ổn định của CNN. Tuy nhiên có
những CNN không thoả mãn định lý đối xứng dấu này thì cũng không có
nghĩa là chúng không ổn định.
- Ðịnh nghĩa Mẫu đối xứng dấu [5]

của đối tượng trong không gian và nó có thể xem như một hàm n biến. Do đó,
ảnh trong xử lý ảnh có thể xem như ảnh n chiều.
Xử lý ảnh là quá trình:
- Thực hiện các thao tác xử lý (hiệu chỉnh, sữa chữa, biến đổi, cải
thiện) trên ảnh đầu vào để thu được một ảnh đầu ra thỏa mãn yêu cầu.
- Thực hiện các thao tác phân tích, trích rút các đặc trưng của ảnh để
hiểu nội dung chứa trong ảnh.
- Đối tượng ảnh: Ảnh tự nhiên, ảnh chụp, dữ liệu ảnh, tín hiệu số
Mục đích của việc xử lý ảnh là biến đổi ảnh làm tăng chất lượng ảnh và
tự động nhận dạng, đoán ảnh, đánh giá nội dung của ảnh.
* Sơ đồ tổng quát của một hệ thống xử lý ảnh:

Số hóa bởi Trung tâm Học liệu – ĐHTN