NHN DNG CH Vit Tay BNG Mo Hinh Mark

LOGO
NH N D NG CH VI T TAY MỌ
HÌNH MARKOV N
H c viên : NGUY N MINH TRI T

Giáo viên h ớng dẫn : TS. VǛ Đ C LUNG
www.themegallery.com
NỘI DUNG
1 Gi I THI U Đ TẨI
2 TI N X Lụ VẨ TRệCH CH N Đ C TR NG
3 MỌ HÌNH MARKOV N
4 NG D NG MỌ HÌNH MARKOV N NH N D NG CH VI T TAY
5 CH NG TRÌNH DEMO
COMPANY LOGO
GiỚI THIỆU Đ TÀI
- Các bài toán nhận d ng đang đ ợc ng dụng trong th c t , hi n

nay tập trung vào nhận d ng mẫu, nhận d ng ti ng nói và nhận
d ng ch …
-Nhận d ng ch vi t tay là bài toán đ ợc quan tâm rất nhi u và
nhận d ng ký t không dấu đư đ t đ ợc nhi u thành công lớn.
-Nhận d ng ch vi t tay ti ng Vi t vẫn còn là vấn đ thách th c
lớn đối với các nhà nghiên c u.
- Bài toàn này ch a th gi i quy t tr n vẹn đ ợc vì nó hoàn toàn
phụ thuộc vào ng i vi t và s bi n đổi quá đa d ng trong cách
vi t và tr ng thái s c khỏe, tinh thần c a t ng ng i vi t.
COMPANY LOGO
GiỚI THIỆU Đ TÀI
- Hi n nay có một số đ tài nghiên c u nhận d ng ch vi t tay

ti ng Vi t nh m ng Nơron, máy Vector hổ trợ…., tuy nhiên k t
qu nhận d ng l i không cao .
Đó là lý do em ch n đ tài này với mong muốn nâng cao

k t qu nhận d ng đ c bi t là ti ng Vi t.
Trong đề tài tập trung vào nghiên cứu nhận dạng các ký
tự viết tay tiếng Việt đơn lẽ bằng mô hình Markov ẩn.
COMPANY LOGO
QUI TRÌNH TH C HI N
Qui trình nh n d ng ch vi t tay đ c thực hi n

qua các b c nh sau :
COMPANY LOGO
TI N X LÝ VÀ TRÍCH CHỌN ĐẶC TR NG
1. Chuyển xám
- M c đích : Chuyển ảnh màu v ảnh đa cấp xám.
Ví d :
Chuyển xám
Trước khi chuyển xám Sau khi chuyển xám
COMPANY LOGO
-Thu t toán trung bình c ng :

Ýt ng c a thuật toán nh sau: Tính trung bình cộng
giá tr c a 1pixel, sau đó gán l i giá tr trung bình cộng đó cho
RGB.
Ví d :Quá trình chuy n xám nh sau :
TBC=(145+254+43)/3 = 147
Sau đó gán l i giá tr 147 cho R,G,B. Pixel mới đ ợc mô t
nh sau
Nh vậy nh đư đ ợc chuy n v nh đa cấp xám
COMPANY LOGO
2. Phơn ng ỡng
- M c đích: Chuy n nh đầu vào thành nh đen trắng (là nh có
các pixel chỉ mang giá tr 0 ho c β55)
- Thu t toán trung bình c ng:
Sau khi tính đ ợc giá tr TBC nh phần 1 ta đem so sánh
với ng ỡng .
COMPANY LOGO
Ng ỡng là một số nằm trong kho ng t 0255. Trong

bài này đang đ t ng ỡng là 1β8
Thuật toán này cụ thể như sau:
 N u TBC < 0: Gán giá tr R,G,B = 0
 N u TBC > β55: Gán giá tr R,G,B = β55
 N u TBC < Ng ỡng: Gán giá tr RGB = 0
 N u TBC >= Ng ỡng: Gán giá tr RGB=β55
COMPANY LOGO
TI N X LÝ VÀ TRệCH CH N Đ C TR NG
3. L c nhi u
 Áp d ng b l c Median
- Mục đích: L c nhi u đốm, nhi u muối tiêu sau khi đư phân
ng ỡng nh.
-Với nh ng nh đầu vào là nh scan ho c nh chụp t đi n
tho i ho c máy nh, sau khi phân ng ỡng hay có các đi m đen
lốm đốm nằm r i rác trên toàn bộ vùng nh.
- Các đi m này g i là nhi u, mục đích c a bộ l c median là
lo i bỏ các đi m nhi u này.
COMPANY LOGO
Med 
n www.themegallery.com
2
Kỹ thu t l c trung v
Gi s ta có nh I, đi m nh P, c a sổ w(p) và ng ỡng ᶲ
Khi đó l c trung v gồm các b ớc sau :
Bước 1 : Tính trung vị
{I (q) / q  W ( p)} 
 Med ( p)
Bước 2 : Gán giá trị
I ( p) Neu / I ( p)  Med ( p) /  
I kq ( p)  
Med ( p) Neu / I ( p)  Med ( p) /  
COMPANY LOGO
Med2n2 www.themegallery.com
Ví dụ :Cho nh I, đi m nh W(γxγ), ng ỡng   2

 1 0 1 4 1 2 
 
 2 4 31 7 4 1 
I 
2 1 4 2 2 7 
 
 7 2 0 4 1 2 

Med   2
n 4
2 2
 1 0 1 4 1 2 
 
 2 4 4 4 4 1 
I kq  
2 1 4 2 2 2 
 
 4 2 0 4 1 2 

COMPANY LOGO
4.Phát hi n biên vƠ tách ch

Mục đích: Tách riêng phần nh ch a ký t t nh đầu vào, lo i
bỏ phần d th a.
Ví dụ :1 nh đầu vào nh sau:
Tr ớc khi phát hi n biên Sau khi phát hi n biên
COMPANY LOGO
 www.themegallery.com
- Đ làm đ ợc đi u này ta ph i đi tìm các đi m cận c a ký t bao gồm:

+ Cận trên (Top)
+ Cận d ới (Bottom)
+ Cận trái (Left)
+ Cận ph i (Right)
- Vì nh sau khi đư qua ti n x lý là nh chỉ bao gồm β giá tr :
+ 0: Bi u di n b i màu đen
+ β55: Bi u di n b i màu trắng
COMPANY LOGO
Tìm c n trên (Top)

Ý tưởng: Quét nh theo chi u ngang t trên xuống
d ới. Đ n khi nào g p đi m đen đầu tiên thì d ng l i đó là
đi m cận trên.
Tìm c n d i (Bottom)
Ý tưởng: Quét nh theo chi u ngang t d ới lên trên.
Đ n khi nào g p đi m đen đầu tiên thì d ng l i đó là đi m
cận d ới.
COMPANY LOGO
Tìm c n trái (Left)

Ý tưởng: Quét nh theo chi u d c t trái sang ph i. Đ n
khi nào g p đi m đen đầu tiên thì d ng l i đó là đi m cận trái.
Tìm c n ph i (Right)
Ý tưởng: Quét nh theo chi u d c t ph i sang trái . Đ n
khi nào g p đi m đen đầu tiên thì d ng l i đó là đi m cận ph i.
Sau khi tìm đ ợc 4 đi m cận. Ta cắt nh theo 4 t a độ v a
tìm đ ợc thì s thu đ ợc vùng chỉ ch a ký t .
COMPANY LOGO
5.Chỉnh nghiên : Ễp dụng ph ơng pháp tia quay (project profile)
Ví dụ :
Cách tính góc nghiêng như sau:

- Xoay nh trong 1 kho ng t góc a1a2
- B ớc nh y là 1 góc b
- nh đầu vào t v trí 1 xoay đ n v trí 4 và mỗi b ớc xoay 1
góc là b, sau mỗi lần xoay tính toán l i tr ng số c a nh .
- Tính max c a các tr ng số.
- b ớc xoay nào tr ng số đ t giá tr max thì đó là góc xoay
cần tính c a nh
COMPANY LOGO
6. Trích ch n đ c tr ng
•M c đích: Trích ra các đ c tr ng c a nh để quá trình nh n
d ng chính xác.
- Đồng nhất các nh v cùng
kích th ớc (β0*γ0)
- Chia nh thành các vùng mang nh ng
đ c tr ng c a nh đó, ta chia chi u d c
thành γ đo n chi u ngang thành γ đo n :
- Sau khi chia ký t thành các đo n ta tính l i pixel nh .
Mỗi vùng s mang các vector đ c tr ng riêng
COMPANY LOGO
Marketing Diagram
7)L ng t hóa
- Đ c toàn bộ pixel nh c a ký t . T i nh ng pixel mầu đen giá tr
l ợng t là 1.
- T i nh ng pixel mầu trắng giá tr l ợng t là 0. Lúc này d li u
nh s chỉ còn là 0 và 1.
- Tr ơng trình s tính toán và ti n hành nhận d ng trên giá tr nh
phân này.
COMPANY LOGO
•Ví dụ k t quả của ảnh sau khi l ợng t
Ví d :K t qu c a nh sau khi l ợng t :
COMPANY LOGO
MÔ HÌNH MARKOV ẨN
1. Đ nh nghĩa
Mô hình Markov ẩn (Hidden Markov Model) là mô hình
thống kê trong đó h thống đ ợc mô hình hóa đ ợc cho là quá
trình Markov với các tham số không bi t tr ớc và nhi m vụ là
xác đ nh các tham số ẩn t các tham số quan sát đ ợc d a trên
s th a nhận này. Các tham số c a mô hình đ ợc rút ra sau đó
có th s dụng đ ợc đ th c hi n các phân tích k ti p .
COMPANY LOGO
MÔ HÌNH MARKOV Ẩn
 ng d ng c a mô hình Markov n :
Nhận d ng ti ng nói
Nhận d ng ch vi t tay
X lý ngôn ng thống kê
D ch máy
Tin sinh h c
COMPANY LOGO
2.Chuổi (Xích )Markov
V b n chất, mô hình Markov là một ph ơng pháp mô
hình tín hi u nh một chuỗi k t xuất có th quan sát, đ ợc sinh
ra b i một số ti n trình đ ợc g i là nguồn (source).
Ví dụ :
Mô hình Markov 3 trạng thái

COMPANY LOGO
- qt là tr ng thái đ t đ n đ ợc th i đi m t
- aij là xác suất chuy n t tr ng thái Si sang tr ng thái Sj :
Aij = P[qt+1 = j|qt = i], a
ij 1
- S là tr ng thái c a h thống th i đi m t
COMPANY LOGO
Ví dụ : Mô hình biểu diễn thời tiết
-M a : Tr ng thái 1
0.2
-Mây : Tr ng thái β
-Nắng : Tr ng thái γ  04 0.3 0.3 
0.2 -Ma trận xác suất A  0.2 06 0.2 
 0.1 0.1 0.8 
0.1
-Chuy n tr ng thái:
Hỏi : Xắc suất đ th i ti t 4 ngày liên ti p : Nắng, m a, mây, nắng ?
Tr l i : Dưy quan sát o là (nắng , m a, mây , nắng).
P(O) = P[3,1,2,3]
= P[3]*P[1,3]*P[2,1]*P[3,2]= 1 *a31 *a12 *a23
COMPANY LOGO
3.Mô hình Markov n
Trong mô hình Markov ẩn, các s ki n quan sát đ ợc nằm trong
mỗi tr ng thái và phụ thuộc vào hàm mật độ xác suất trong các tr ng thái
đó.
qt = Tr ng thái th i đi m t
Ví dụ : S={1,β,…,N} – Tập tất c các tr ng thái ẩn
Ot = (ký hi u) quan sát th i đi m t.
V = {1,β…,M}tập tất c các ký hi u quan sát
đ ợc.
aij= P(qt+1 =j|qt =i),aij 0, 1 i,j N
  {A, B,  }
B=[bij] xác suất nh ký hi u
b = P(o =k|q=i),b  0, 1 i N&1 k  M
  [ i ]xác suất kh i tr ng  i  P(q1  i)
A=[aij] xác suất chuy n tr ng thái
COMPANY LOGO
Ví dụ : Mô hình Markov ẩn
Hệ thống bình cầu bao gồm :

-N tr ng thái, M tín hi u quan sát.
-Kh năng ch n bình là xác suất chuy n tr ng thái.
- Kh năng ch n qu cầu là xác suất c a tín hi u quan sát.
COMPANY LOGO
Ba bài toán mô hình Markov n

Bài toán 1: cho tr ớc chuỗi tín hi u quan sát O = O1 O2 … OT
và mô hình HMM đ i di n b i bộ tham số λ = (A, B, π). Làm
sao đ tính toán một cách hi u qu p(O|λ) – xác suất phát sinh O
t mô hình λ?
Bài toán 2: cho tr ớc chuỗi tín hi u quan sát O = O1 O2 … OT
và mô hình HMM đ i di n b i bộ tham số λ = (A, B, π). Cần
tìm ra chuỗi tr ng thái tối u nhất Q = q1 q2 … qT đư phát sinh
ra O?
COMPANY LOGO
Bài toán 3: cho tr ớc chuỗi tín hi u quan sát O = O1, O2 … OT.

Làm th nào đ xác đ nh các tham số mô hình λ = (A, B, π) sao
cho c c đ i hóa xác suất p(O|λ)?
Bộ tham số λ có th đ ợc ch n sao cho xác suất p(O|λ) đ t c c
đ i cục bộ bằng thuật toán Baum-Welch:
- Tr ớc tiên, ta đ nh nghĩa ξt(i,j) là xác suất tr ng thái Si t i
th i đi m t và rơi vào tr ng thái Sj th i đi m t+1 cho tr ớc mô
hình λ và chuỗi tín hi u quan sát O:
ξt (i, j) =p(qt= Si , qt +1 = S j | O, λ)
COMPANY LOGO
Theo đ nh nghĩa này, ξt(i,j) có th đ ợc tính thông qua các bi n

forward α t(i) và backward t(i) nh sau:
M c khác, ta đư có t(i) là xác suất tr ng thái Si vào th i

đi m t cho tr ớc chuỗi tín hi u quan sát O và mô hình λ. Lấy tổng
ξt(i,j) trên j, ta đ ợc t ơng quan gi a t(i) và ξt(i,j) nh sau:
COMPANY LOGO
N u ta lấy tổng t(i) theo t ∈ [1, T-1], k t qu nhận đ ợc

là số lần kỳ v ng chuy n tr ng thái t Si. T ơng t , lấy tổng
ξt(i,j) theo t ∈ [1, T-1], ta s có số lần kỳ v ng chuy n t tr ng
thái Si sang Sj:
Với các đ i l ợng này, ta có các bi u th c cập nhật tham
số c a HMM nh sau:
COMPANY LOGO
  ( , A, B )
COMPANY LOGO
NG D NG MỌ HÌNH MARKOV N NH N
D NG CH VI T TAY
Huấn ly n :
‒ nh ký t đ ợc scan, chụp đ ợc đ a vào h thống
‒ Ti n x lý và trích ch n đ c tr ng
‒ Các vector đ c tr ng s đ ợc đ a vào mô hình cần huấn luy n
t ơng ng với ký t đ a vào. Các vector đ c tr ng chính là
dưy quan sát đầu vào c a mô hình Markov ẩn
Nhận d ng: Cǜng t ơng t nh phần huấn luy n. nh scan s
đ ợc lấy đ c tr ng. Dưy vector đ c tr ng lần l ợt s đ a vào các
mô hình Markov ẩn đư đ ợc huấn luy n. Mô hình nào gần nhất
với mô hình huấn luy n thì s đ ợc ch n.
COMPANY LOGO
CH ƠNG TRÌNH DEMO
- C u hình cƠi đ t : CPU pentium4, RAM 2G

- Ngôn ng l p trình : Ngôn ng C# , mư nguồn m
- Giao di n chính ch ng trình :
COMPANY LOGO
K T LUẬN
 Đ tài đư ng dụng mô hình Markov ẩn vào nhận d ng ch

vi t tay cho thấy k t qu nhận d ng t ơng đối tốt.
 H ớng phát tri n ti p theo
- Nhận d ng đo n văn b n vi t tay….
- Phát tri n đ ch ơng trình có th tích hợp với các tr ơng trình
qu n lý sinh viên, h c sinh. Phát tri n thêm v m t d li u đ
tr ơng trình có th ho t động tốt với d li u c a các ch ơng trình
qu n lý.
- C i ti n một số thuật toán ti n x lý đ ch ơng trình có tốc độ
tốt hơn.
- Phát tri n giao di n thân thi n hơn với ng i s dụng.
COMPANY LOGO
LOGO
EM XIN C M N TH Y CỌ VẨ CÁC B N Đẩ
L NG NGHE !

NHN DNG CH Vit Tay BNG Mo Hinh Mark

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

NHN DNG CH Vit Tay BNG Mo Hinh Mark

Uploaded by

Copyright:

Available Formats

LOGO

H c viên : NGUY N MINH TRI T

4 NG D NG MỌ HÌNH MARKOV N NH N D NG CH VI T TAY

GiỚI THIỆU Đ TÀI

- Các bài toán nhận d ng đang đ ợc ng dụng trong th c t , hi n

GiỚI THIỆU Đ TÀI

- Hi n nay có một số đ tài nghiên c u nhận d ng ch vi t tay

Đó là lý do em ch n đ tài này với mong muốn nâng cao

Qui trình nh n d ng ch vi t tay đ c thực hi n

TI N X LÝ VÀ TRÍCH CHỌN ĐẶC TR NG

Trước khi chuyển xám Sau khi chuyển xám

TI N X LÝ VÀ TRÍCH CHỌN ĐẶC TR NG

-Thu t toán trung bình c ng :

TI N X LÝ VÀ TRÍCH CHỌN ĐẶC TR NG

TI N X LÝ VÀ TRÍCH CHỌN ĐẶC TR NG

Ng ỡng là một số nằm trong kho ng t 0255. Trong

Bước 2 : Gán giá trị

Ví dụ :Cho nh I, đi m nh W(γxγ), ng ỡng   2

4.Phát hi n biên vƠ tách ch

Tr ớc khi phát hi n biên Sau khi phát hi n biên

- Đ làm đ ợc đi u này ta ph i đi tìm các đi m cận c a ký t bao gồm:

Tìm c n trên (Top)

Tìm c n trái (Left)

Cách tính góc nghiêng như sau:

Ví d :K t qu c a nh sau khi l ợng t :

Mô hình Markov 3 trạng thái

Hệ thống bình cầu bao gồm :

Ba bài toán mô hình Markov n

Bài toán 3: cho tr ớc chuỗi tín hi u quan sát O = O1, O2 … OT.

Theo đ nh nghĩa này, ξt(i,j) có th đ ợc tính thông qua các bi n

M c khác, ta đư có t(i) là xác suất tr ng thái Si vào th i

N u ta lấy tổng t(i) theo t ∈ [1, T-1], k t qu nhận đ ợc

CH ƠNG TRÌNH DEMO

- C u hình cƠi đ t : CPU pentium4, RAM 2G

 Đ tài đư ng dụng mô hình Markov ẩn vào nhận d ng ch

You might also like