- Trang Chủ
- Điện - Điện tử
- Kỹ thuật tra cứu ảnh cây dược liệu dựa vào nội dung phục vụ cho phát hiện, quản lý và khai thác
Xem mẫu
- HộiHội
Thảo Quốc
Thảo Gia
Quốc 2015
Gia 2015về
vềĐiện
ĐiệnTử,
Tử,Truyền
TruyềnThông và Công
Thông và CôngNghệ
Nghệ Thông
Thông TinTin (ECIT
(ECIT 2015)
2015)
Kỹ Thuật Tra Cứu Ảnh Cây Dược Liệu Dựa Vào Nội
Dung Phục Vụ Cho Phát Hiện, Quản Lý Và Khai Thác
Nguyễn Văn Huân và Nguyễn Văn Tảo
Trường Đại Học Công Nghệ Thông Tin và Truyền Thông – Đại Học Thái Nguyên
Email: nvhuan@ictu.edu.vn, nvtao@ictu.edu.vn
Abstract—Bài báo này đề xuất việc nghiên cứu và áp dụng kỹ lá cây được nhận dạng sẽ được trích đường viền đặc trưng sau
thuật tra cứu ảnh về cây dược liệu theo nội dung sử dụng dấu đó so sánh với các mẫu lá cây có trong cơ sở dữ liệu.
hiệu nhị phân của ảnh như xác định véc tơ đặc trưng, biểu diễn Tuy nhiên, khi số lượng ảnh được lưu trữ trở nên rất lớn thì
và trích rút đặc trưng và tính độ tương tự nhằm hỗ trợ cho công vấn đề đặt ra là phải có những phương pháp tổ chức cơ sở dữ
tác tìm kiếm, nhận dạng và phát hiện về cây dược liệu. Đồng thời,
liệu ảnh tốt cùng với những kỹ thuật tra cứu, tra cứu ảnh hiệu
đề xuất cài đặt ứng dụng thực nghiệm có sử dụng kỹ thuật tra
cứu ảnh cây dược liệu vào phục vụ cho việc quản lý, khai thác và quả, có độ chính xác cao và có hiệu năng tốt mới đáp ứng được
duy trì một cách có hiệu quả các nguồn cây dược liệu của Việt nhu cầu ngày càng cao của con người. Việc xây dựng các hệ
Nam. Kết quả đề xuất này sẽ góp phần giúp cho các nhà quản lý, thống tra cứu ảnh là rất cần thiết. Trong thực tế, bài toán tra
nhà dược liệu có được một công cụ hữu ích nhằm theo dõi, thống cứu ảnh số có rất nhiều ứng dụng quan trọng. Ví dụ trong lĩnh
kê, nhận dạng và quản lý cây dược liệu một cách hiệu quả. vực ngân hàng việc so sánh chữ ký của khách hàng với mẫu
chữ ký đã được lưu trữ sẵn có thể thực hiện rất nhanh và chính
Keywords- Cây dược liệu, Véc tơ đặc trưng, Tính độ tương tự, xác nếu có được một phần mềm so sánh mẫu chữ ký tốt. Các
Đo khoảng cách. ứng dụng phức tạp hơn như so sánh mẫu vân tay, tra cứu ảnh
tội phạm v.v... là những bài toán tra cứu ảnh được áp dụng
I. GIỚI THIỆU trong ngành khoa học hình sự.
Cây thuốc (cây dược liệu) có một vai trò quan trọng đối với Phần còn lại của bài báo được tổ chức như sau: trong phần
đời sống của mỗi con người, đặc biệt trong chăm sóc sức khỏe. II, chúng tôi trình bày kỹ thuật đề xuất. Trong phần III, chúng
Ngày nay, cây dược liệu đã được con người phát hiện, nhận tôi đưa ra kết quả thực nghiệm. Phần IV đánh giá kết quả và
dạng và khai thác trên cơ sở công dụng của chúng đối với đời phân tích lý thuyết. Cuối cùng, chúng tôi kết luận bài báo
sống chúng ta, đặc biệt là cây dược liệu đem lại giá trị kinh tế trong phần V.
cao. Tuy nhiên hiện nay, nguồn cây dược liệu đang ngày càng
II. KỸ THUẬT TRA CỨU ẢNH CÂY DƯỢC LIỆU
bị cạn kiệt do nhiều nguyên nhân. Việc ứng dụng Công nghệ
thông tin vào quản lý các loài cây dược liệu đã được phát hiện THEO NỘI DUNG DỰA VÀO DẤU HIỆU NHỊ PHÂN
không còn là mới, tuy nhiên ứng dụng vào phát hiện và tra cứu, Trong bài báo sử dụng kỹ thuật tra cứu ảnh cây dược liệu theo
cụ thể là kỹ thuật xử lý ảnh [3] hiện nay không có nhiều. nội dung dựa vào dấu hiệu nhị phân và vector đặc trưng.
Liên quan tới vấn đề cây dược liệu và nhận dạng lá cây có - Dựa vào dấu hiệu nhị phân:
một số công trình, bài báo trong và ngoài nước đã nghiên cứu Việc lưu trữ các đặc trưng của ảnh có thể sẽ tốn rất nhiều
vấn đề này như công trình nghiên cứu của tác giả Đỗ Tất Lợi không gian lưu trữ. Để giảm bớt việc tiêu tốn không gian lưu
[4] cây dược liệu có vai trò rất quan trọng đối với cuộc sống trữ, tác giả sử dụng dấu hiệu nhị phân, là các chuỗi bit nhị phân
của mỗi chúng ta, nó là nguyên liệu để chăm sóc sức khỏe con có kích thước được xác định trước đại diện cho sự phân bố màu
người và góp phần phát triển kinh tế. Trong công trình nghiên sắc của một hình ảnh. Khi ta tra cứu ảnh, giả định rằng dấu
cứu của tác giả cũng đã chỉ ra nhiều loài cây dược liệu với hiệu nhị phân của hình ảnh được lưu trữ tuần tự trong một tập
những công dụng quan trọng. Trong các công trình nghiên cứu tin. Để xử lý một tra cứu, tập tin được quét và tất cả các dấu
của nhóm tác giả K. Lee và cộng sự [8], A. Bhardwaj và cộng hiệu nhị phân của hình ảnh được so sánh với dấu hiệu nhị phân
sự [1], C. Sari [2] đã sử dụng kỹ thuật nhận dạng dựa vào của các hình ảnh tra cứu bằng cách sử dụng một số liệu tương
đường viền và hình dạng của lá để nhận dạng lá cây. Kết quả tự cũng được xác định. Các hình ảnh được so sánh sẽ được lấy
bài báo đã nhận dạng và phát hiện với khoảng gần 2000 lá của ra và xếp hạng theo tương đồng với hình ảnh truy vấn.
32 loài cây khác nhau. Công trình nghiên cứu của nhóm tác giả Hệ thống tra cứu ảnh dựa vào dấu hiệu nhị phân gồm hai pha.
Patil và cộng sự [10] đã sử dụng kỹ thuật nhận dạng ảnh dựa Pha thứ nhất, tạo cơ sở dữ liệu đặc trưng. Các ảnh trong cơ sở
vào mầu, cấu trúc và hình dạng của ảnh. Một cơ sở dữ liệu ảnh dữ liệu được xác định để lấy các vector đặc trưng, các đặc
gồm các thông tin như trên được tạo và ảnh cần nhận dạng sẽ trưng được trích rút thành một cơ sở dữ liệu đặc trưng. Pha thứ
được trích rút các đặc trưng và so sánh với những ảnh mẫu hai, truy vấn cơ sở dữ liệu. Khi ảnh cây dược liệu cần truy vấn
trong cơ sở dữ liệu ảnh. Kết quả nghiên cứu của nhóm tác giả được đưa vào hệ thống, nó sẽ được xác định vector đặc trưng và
J. Du và cộng sự [6], [5,7,9] đã sử dụng kỹ thuật phân lớp các được đối sánh với các đặc trưng của các ảnh cây dược liệu mẫu.
lá cây. Các lá cây mẫu được phân lớp và lưu vào cơ sở dữ liệu,
ISBN: 978-604-67-0635-9 353
353
- Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Hình 1. Kiến trúc của kỹ thuật tra cứu ảnh cây dược liệu sử dụng dấu hiệu nhị phân
Trong đó, pos( BQj ), pos( B I ) là các vị trí của các bit được
j
Các đặc trưng của ảnh lá cây dược liệu truy vấn được so sánh
với các đặc trưng của tất cả các ảnh lá của cây dược liệu mẫu thiết lập trong chuỗi dấu hiệu nhị phân của ảnh Q và I (hay các
sử dụng độ đo tương tự. Vì thế, ba quá trình quan trọng trong bin được thiết lập) bin Bj của hình ảnh Q và I.
hệ thống tra cứu ảnh theo nội dung sử dụng dấu hiệu nhị phân 1 2 3
là: xác định vector đặc trưng; biểu diễn, trích rút đặc trưng và Ta có pos( B A = 2, pos( B A ) = 1,và pos( B A ) = 8. Tuy
tính độ tương tự. nhiên phương pháp này không mạnh mẽ và không thể hiện
- Đo độ tương tự: được sự khác biệt rõ ràng của các ảnh. Để minh họa cho thuật
Khi ta đưa một ảnh lá cây dược liệu vào để thực hiện tra cứu, toán ta xét dấu hiệu nhị phân của ba ảnh A, B và C.
đầu tiên ảnh đầu vào cũng được xác định chuỗi dấu hiệu nhị Ta thấy mật độ màu (cột thứ hai trong bảng), hình ảnh A và C
phân của nó. Tiếp theo chuỗi đó sẽ được so sánh với tập các là tương tự như nhau hơn so với hình ảnh A và B. Tuy nhiên,
chuỗi dấu hiệu nhị phân của tập ảnh lá cây dược liệu mẫu. Nó chúng ta có: d0(A, B) = (4 - 4) + (4-4) + (5 - 3) = 2 và d0 (A,
là cơ bản của việc tính toán độ tương tự giữa các chuỗi dấu C) = (4 - 3) + (4-3) + (5-5) = 2, điều này cho thấy rằng cả ảnh
hiệu nhị phân của hình ảnh lá cây dược liệu truy vấn được B và C đều có giá trị như nhau tương tự như ảnh A, do đó trái
người dùng chỉ định và tất cả các hình ảnh lá cây dược liệu ngược với trực giác. Nhưng nếu chúng ta bình phương khoảng
mẫu khác. Ngay từ đầu, tôi sử dụng các phương pháp sau đây cách giữa các bộ số nhị phân, chúng ta có thể có thấy được sự
để tính độ tương tự giữa ảnh truy vấn và ảnh mẫu: khác biệt rõ ràng của các hình ảnh. Và khoảng cách giữa các
n
bộ số nhị phân là:
d 0 (Q, I ) ( pos( BQj ) pos( BIj )
j 1
(1)
354
354
- Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Bảng 1. Chuỗi dấu hiệu nhị phân minh họa sự giống và khác nhau của ảnh
Bin màu sắc Mật độ màu Dấu hiệu nhị phân
được thiết
b1 b2 b3 b4 b5 b6 b7 b8 b9 b10
lập
Ảnh A
c1/B1A 30% 0 0 0 1 0 0 0 0 0 0
2
c2/B A 30% 0 0 0 1 0 0 0 0 0 0
c3/B3A 40% 0 0 0 0 1 0 0 0 0 0
Ảnh B
c1/B1B 39% 0 0 0 1 0 0 0 0 0 0
2
c2/B B 39% 0 0 0 1 0 0 0 0 0 0
3
c3/B B 22% 0 0 1 0 0 0 0 0 0 0
Ảnh C
1
c1/B C 29% 0 0 1 0 0 0 0 0 0 0
c2/B2C 29% 0 0 1 0 0 0 0 0 0 0
3
c3/B C 42% 0 0 0 0 1 0 0 0 0 0
Thuật toán tính độ tương tự giữa hai ảnh Q và I:
III. KẾT QUẢ THỰC NGHIỆM
Đầu vào: Các chuỗi dấu hiệu nhị phân của ảnh Q và I
Bài toán đặt ra là khi người sử dụng cung cấp một ảnh lá cây
Đầu ra: Khoảng cách d(Q, I) dược liệu cần tra cứu. Hệ thống có nhiệm vụ tìm kiếm trong
dữ liệu ảnh lá cây dược liệu đã có và đưa ra kết quả là tỷ lệ độ
j
Tìm Pos( BQ ) và Pos( B I )
j
tương đồng của ảnh cần truy vấn với các ảnh trong cơ sở dữ
liệu ảnh.
j j
Pos( BQ ) và Pos( B I ) là các vị trí của các bit được Ban đầu, ảnh lá cây dược liệu mẫu sẽ được tiền xử lý (bởi
công đoạn tiền xử lý) để trích rút các véc tơ đặc trưng. Công
thiết lập trong chuỗi dấu hiệu nhị phân của ảnh Q và I (hay đoạn tra cứu nhận dạng ảnh lá cây dược liệu được truy vấn từ
các bin được thiết lập) bin Bj của hình ảnh Q và I. người sử dụng thông qua giao diện đồ họa, trích rút các véc tơ
Tính khoảng cách d(Q, I) đặc trưng từ ảnh truy vấn, so sánh với các cụm đặc trưng của
ảnh lá cây dược liệu mẫu trong cơ sở dữ liệu ảnh và trả về các
n ảnh có độ tương tự lớn nhất với ảnh truy vấn.
j
[pos ( BQ ) – pos ( B I )]2 - Công đoạn tiền xử lý được thực hiện như sau:
j
d(Q, I)= (2)
j 1 Thông qua bước này, ảnh truy vấn sẽ được loại bỏ những
thông tin nhiễu hay những thông tin không cần thiết. Tập ảnh
Return d(Q, I).
thô ban đầu được xử lý lưu trữ dưới các định dạng .JPG,
.JPEG, hay .GIF để giảm độ lớn dung lượng khi lưu vào cơ sở
Nhận xét: Bằng cách sử dụng các khoảng cách tương tự thu dữ liệu ảnh. Kích thước của ảnh cũng được giảm xuống còn
được, các thiết lập hình ảnh sau đó được sắp xếp lại đối với 1x1 cm. Tại công đoạn này ảnh được truy vấn sau loại bỏ
khoảng cách tăng dần của các ảnh lá cây dược liệu mẫu (so nhiễu sẽ được trích rút vector đặc trưng của ảnh và biểu diễn
với hình ảnh truy vấn) và ảnh nào có khoảng cách tương tự so hình ảnh dưới dạng chuỗi dấu hiệu nhị phân.
với ảnh truy vấn nhỏ nhất, nó chính là ảnh giống với ảnh truy Hình 2 dưới đây sẽ minh họa quá trình tiền xử lý ảnh, cụ thể:
vấn nhất. với các tập ảnh thô thu nhận được bằng cách sử dụng máy ảnh,
Trước khi ảnh lá cây dược liệu được cho vào cơ sở dữ liệu ảnh scanner,… Sau đó, chúng ta sử dụng các công cụ như
và ảnh truy vấn, ảnh lá cây sẽ được tiền xử lý. Ảnh lá cây dược Photoshop, Paint,… xử lý các ảnh thô về các ảnh tinh với kích
liệu thu được ở giai đoạn thu nhận ảnh vẫn còn nhiều “nhiễu” thước 1x1 cm để phục vụ cho quá trình nhận dạng và tra cứu
làm cho quá trình nhận dạng ảnh và quản lý phức tạp gây chậm sau này.
hệ thống, do đó cần phải xử lý trước khi trích rút các đặc trưng.
355
355
- Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015)
Hình 2. Tiền xử lý ảnh dữ liệu
- Công đoạn tra cứu được thực hiện như sau:
Người sử dụng cung cấp cho hệ thống ảnh truy vấn thông qua Chuỗi dấu hiệu nhị phân của ảnh truy vấn sẽ được so sánh với
giao diện đồ họa. Sau đó hệ thống phân đoạn ảnh truy vấn chuỗi dấu hiệu nhị phân của các ảnh trong cơ sở dữ liệu. Kết
thành các vùng ảnh và trích rút các véc tơ đặc trưng của các quả trả về là tập các ảnh có độ tương tự với ảnh truy vấn nhất.
ảnh. Tập ảnh kết quả được phân hạng theo thứ tự giảm dần của độ
tương tự.
Hình 3. Hiển thị kết quả tra cứu
Hình 3 ở trên cho biết, với ảnh nguồn đưa vào (Source) và ảnh Đồng thời, hiển thị ra kết quả là các ảnh đích được sắp xếp theo
thứ tự từ ảnh có độ chính xác cao đến độ chính xác thấp hơn so
đích – kết quả cần tìm (Destination). Sau đó, thực hiện tra cứu,
với ảnh nguồn.
trong quá trình thực hiện tra cứu, hệ thống sẽ hiện thị ra độ
tương tự giữa hai ảnh nguồn và đích dưới dạng biểu đồ.
356
356
- HộiHội
Thảo Quốc
Thảo Gia
Quốc 2015
Gia 2015vềvềĐiện
ĐiệnTử,
Tử,Truyền
TruyềnThông và Công
Thông và CôngNghệ
NghệThông
ThôngTinTin (ECIT
(ECIT 2015)
2015)
IV. ĐÁNH GIÁ KẾT QUẢ thấy độ chính xác ứng với số lượng ảnh nguồn là 20; 30;
Chương trình thử nghiệm được xây dựng dựa trên kỹ thuật tra 50 sẽ cho kết quả tương ứng là 52%; 50%; 45%. Như vậy,
cứu ảnh sử dụng dấu hiệu nhị phân của màu. Với kết quả của kỹ với kết quả này khẳng định là độ chính xác của kết quả
thuật tra cứu này sẽ góp phần giúp cho các nhà quản lý, nhà truy vấn là tương đối cao
nghiên cứu dược liệu có những giải pháp nhận dạng, xử lý và Nhận xét: Qua ba nhóm dữ liệu cuả ba nhóm nguồn ảnh thử
phát hiện những cây dược liệu quý một cách nhanh chóng, hiệu nghiệm đầu vào trên, cho thấy qua những lần thử nghiệm khác
quả trên cơ sở những đặc trưng, đặc tính và công dụng của nhau với số lượng ảnh nguồn đầu vào tăng dần khác nhau thì
chúng. kết quả cho thấy độ chính xác trong kết quả nhận dạng, tra cứu
Ảnh lá cây dược liệu đầu vào được thực hiện với các loài cây sẽ giảm dần.
như Rau má, Ráy, Diệp hạ châu,… Mỗi ảnh cần truy vấn sẽ
được thực hiện tối thiểu 3 lần tương ứng với số lượng ảnh lá V. KẾT LUẬN
cây dược liệu nguồn đầu vào lần lượt là 20, 30 và 50 lá.
Bảng 2. Kết quả thực hiện truy vấn Cây dược liệu là một trong những loài cây không chỉ có vai trò
hết sức quan trọng trong chăm sóc sức khỏe cho con người,
Lần Số lượng ảnh Kết quả động vật,… mà còn đem lại giá trị kinh tế cao cho đất nước.
STT Ảnh đầu vào Nhằm tìm kiếm, khai thác, sử dụng, bảo vệ, quản lý, duy trì và
thử nguồn (%) phát triển một cách hiệu cây dược liệu của Việt Nam. Trong
bài báo này, chúng tôi đã nghiên cứu và đề xuất áp dụng kỹ
1 20 98 thuật tra cứu ảnh dựa vào nội dung sử dụng dấu hiệu nhị phân
và véc tơ đặc trưng vào thực hiện truy vấn ảnh lá cây dược liệu.
1 2 Rau má 30 98 Kết quả của bài báo đã đánh giá được tỷ lệ phần trăm độ tương
tự khi thực hiện truy vấn ảnh lá cây dược liệu đối với kho dữ
3 50 97 liệu ảnh mẫu được xây dựng thông qua các công đoạn từ việc
thu thập ảnh, tiền xử lý đến thực hiện trích chon các đặc trưng
1 20 54 của ảnh. Kết quả của bài báo có thể giúp cho các nhà quản lý
xem xét và áp dụng vào quy trình quản lý, bảo tồn các loài cây
2 2 Ráy 30 53 quý hiếm đặc biệt là các loài cây dược liệu quý một cách hiệu
quả hơn.
3 50 47 Kết quả của bài báo đã được cài đặt, thử nghiệm và đánh giá
thông qua hệ thống phần mềm và kết quả cho thấy độ chính
1 20 52 xác cao, bước đầu đã thấy khả quan.
3 2 Diệp hạ châu 30 50 TÀI LIỆU THAM KHẢO
[1] A. Bhardwaj, M. Kaur, and A. Kumar, “Recognition of plants by Leaf Image
3 50 45 using Moment Invariant and Texture Analysis”, International Journal of
Innovation and Applied Studies, Vol. 3, No. 1, pp. 237-248, 2013.
Kết quả truy vấn là tỷ lệ phần trăn độ tương đồng của ảnh truy [2] C. Sari. (2013), “Shape Based Leaf Recognition”, Proceedings of Sistem
ve Kontrol Mühendisli˘gi Bölümü.
vấn với cơ sở dữ liệu ảnh nguồn. Tỷ lệ phần trăm càng lớn có
[3] Đỗ Năng Toàn, Phạm Việt Bình, Xử lý ảnh (Nhà xuất bản Khoa học và
nghĩa là ảnh cây dược liệu cần truy vấn càng giống với bộ ảnh kỹ thuật), 2008.
dữ liệu đầu vào. [4] Đỗ Tất Lợi, Những cây thuốc và vị thuốc Việt Nam, NXB Y Học, 2004.
Trong bảng 2. Minh họa độ chính xác của kết quả thử nghiệm [5] H. Ehsanirad and S. Kumar Y, “Leaf recognition for plant classification
using GLCM and PCA methods”, Oriental Journal of Computer Science
trên ba nhóm dữ liệu đầu vào: & Technology, Vol. 3, No 1, pp. 36-38, 2010.
- Nhóm 1: Ảnh đầu vào là Rau má với ba lần thử nghiệm [6] J. Du, X. Wang and G. Zhang, “Leaf shape based plant species
recognition”, Applied Mathematics and Computation, Vol. 185, No
với số lượng ảnh nguồn khác nhau. Kết quả cho thấy độ 2007, pp. 883-893, 2007.
chính xác ứng với số lượng ảnh nguồn là 20; 30; 50 sẽ cho [7] J. Chaki and R. Parekh, “Plant Leaf Recognition using Shape based
kết quả tương ứng là 98%; 98%; 97%. Như vậy, với kết Features and Neural Network classifiers”, International Journal of
quả này khẳng định là độ chính xác của kết quả truy vấn là Advanced Computer Science and Applications, Vol. 2, No. 10, 2011.
tương đối cao. [8] K. Lee, K. Hong, “Advanced Leaf Recognition based on Leaf Contour
and Centroid for Plant Classification”, International Journal of Bio-
- Nhóm 2: Ảnh đầu vào là Ráy với ba lần thử nghiệm với số Science and Bio-Technology, Vol. 5, No. 2, 2012.
lượng ảnh nguồn khác nhau. Kết quả cho thấy độ chính [9] N.Valliammal and Dr.S.N.Geethalakshmi, “Automatic Recognition
xác ứng với số lượng ảnh nguồn là 20; 30; 50 sẽ cho kết System Using Preferential Image Segmentation For Leaf And Flower
Images”, Computer Science & Engineering: An International Journal
quả tương ứng là 54%; 53%; 47%. Như vậy, với kết quả (CSEIJ), Vol.1, No.4, 2011.
này khẳng định là độ chính xác của kết quả truy vấn là cao. [10] S. R Raj, V. R Patil, P.S Jaiswal, N. Subhash, Plant regeneration from
leaf explants of mature sandalwood (Santalum album L.) trees under in
- Nhóm 3: Ảnh đầu vào là Diệp Hạ Châu với ba lần thử vitro conditions. In Vitro Cell. Dev. Biol. Plant 49, 216–222, 2013.
nghiệm với số lượng ảnh nguồn khác nhau. Kết quả cho
357
357
nguon tai.lieu . vn
