????? 2 - DOC 10

Document Sample
????? 2 - DOC 10 Powered By Docstoc
					                                        บทที่ 2
                                                  ่
                                   วรรณกรรมทีเ่ กียวข้ อง

                        ั
        เนื่องจากงานวิจยทางด้านการประมวลผลและจาแนกภาพมีมากมาย
แต่ยงไม่มีงานวิจยใดที่เกี่ยวข้องโดยตรงกับการจาแนกชนิดของยาเม็ดโดยสามารถระบุถึงชื่อของยา
     ั            ั
                                                       ้ิั
หลังจากที่มีการนายาดังกล่าวมาให้ระบบจดจาก่อน ดังนั้นผูวจยจึงได้ศึกษาถึงขั้นตอนวิธีการต่างๆ
เพื่อนาไปสู่ การวิจยั
           ั                          ั
จากงานวิจยที่ใกล้เคียงโดยเฉพาะงานวิจยด้านการประมวลผลภาพวัตถุประเภทอื่นๆ ประกอบด้วย
                                         ั ั
โดยแยกสรุ ปเป็ นหัวข้อตามขั้นตอนการวิจยได้ดงนี้
        1. การประมวลผลภาพเบื้องต้นและการหาขอบภาพ
        2. การแยกคุณลักษณะ
        3. การจาแนกโดยใช้เครื อข่ายใยประสาท

                    ้
1. การประมวลผลภาพเบืองต้ นและการหาขอบภาพ

        การหาขอบภาพนับเป็ นขั้นตอนเบื้องต้นที่สาคัญที่จะนาไปสู่ การหาคุณลักษณะทางรู ปร่ างต่
างๆ
      ่                                               ู้
แม้วาอัลกอริ ทึมที่ใช้หาขอบภาพจะมีหลายวิธีและมีผทาการทดลองเปรี ยบเทียบผลลัพธ์ที่ได้จากการ
ใช้แต่ละอัลกอริ ทึมไว้มากมาย (Heath, M. et al 2004 ; Fisher, Robert et al. 2004 ; Blodgett, Dan
2005)             แต่การจะเลือกใช้เทคนิคใดนั้นจาเป็ นต้องพิจารณาถึงความเหมาะสมกับงานที่ใช้ดวย ้
                ั              ิ
สาหรับงานวิจยนี้ได้เลือกใช้วธีการหาขอบแบบ Canny เนื่องจากให้เส้นขอบที่บางและมีการใช้
Gaussian                              filter                         ทาให้ลดสัญญาณรบกวนลงได้
              ั
นอกจากนี้ยงสามารถกาหนดระดับความละเอียดของขอบจากการกาหนดค่า                             threshold
                                                                     ั
ซึ่งเป็ นแบบที่ใช้ 2 ค่า (double threshold) ได้อีกด้วย ตัวอย่างงานวิจยที่ใช้ การหาขอบแบบ Canny
                                                         ั
ได้แก่ Foshci, Patricia G. et al. (2005) เป็ นงานวิจยที่ใช้คุณลักษณะทางสี พื้นผิวและเส้นขอบ
ร่ วมกันในการค้นคืนภาพถ่ายทางอากาศ
            ั      ั                                ั
โดยงานวิจยนี้มีวตถุประสงค์เพื่อค้นหาบริ เวณที่มีวชพืชน้ าชนิดหนึ่ง            (Egeria     densa)
ซึ่งเจริ ญมากเกินไปจนเป็ นปั ญหากับระบบกักเก็บน้ าและการเดินเรื อ
                                                                                                          8




2. การแยกคุณลักษณะ

             การเลือกคุณลักษณะนั้นนับเป็ นขั้นตอนที่สาคัญมากในงานด้านการจดจารู ปแบบเพื่อการจา
แนกชนิดวัตถุ ดังนั้นจึงได้ศึกษางานวิจยที่เกี่ยวข้องกับการแยกคุณลักษณะภาพ โดยมีตวอย่างดังนี้
                                            ั                                               ั
             Marotz,       J.,      C.         Lübbert      and          W.        Eisenbei         (2001)
         ั
งานวิจยนี้ได้ศึกษาการจดจาวัตถุเพื่อนับจานวนโคโลนีของแบคทีเรี ยในจานเพาะเลี้ยง
ดังนั้นจึงต้องให้ระบบจดจาลักษณะรู ปร่ างของโคโลนีก่อน                            ั
                                                                    ซึ่ งในงานวิจยนี้ได้ใช้       ค่าต่าสุ ด
สู งสุ ดและค่าเฉลี่ยของรัศมี           ร่ วมกับค่า        compactness          เป็ นค่าตัวแปรทางรู ปร่ าง
              ั                                        ั
อีกงานวิจยหนึ่งซึ่งเป็ นประโยชน์สาหรับห้องปฏิบติการทางการแพทย์                  ได้แก่               ั
                                                                                              งานวิจยของ
Solomon,C.Arulraj                 and               Dinesh           Somasundaram                   (2005)
ซึ่งทาการทดลองเพื่อหาคุณลักษณะที่เหมาะสมในการจาแนกชนิดเซลล์เม็ดเลือดขาว
ซึ่ งการทดลองนี้ได้ใช้คุณลักษณะทางพื้นผิว คุณลักษณะทางรู ปร่ าง (พื้นที่, เส้นรอบวง,
compactness, curvature, bending energy และ moment) คุณลักษณะทางสี และคุณลักษณะที่ได้จาก
Gabor                      function                   พบว่าแต่ละกลุ่มคุณลักษณะให้ผลลัพธ์ที่ต่างกันไป
โดยคุณลักษณะที่ใช้จาแนกได้ดีคือ                    คุณลักษณะทางสี            และคุณลักษณะทางรู ปร่ าง
สาหรับคุณลักษณะทางรู ปร่ างที่มีบทบาทสู งในการจาแนกคือ compactness คุณลักษณะที่ได้จาก
Gabor                             function                                         ั
                                                                  ให้ผลที่ไม่ดีนกกับภาพถ่ายเซลล์จริ ง
ส่ วนคุณลักษณะทางพื้นผิวนั้นจาแนกได้เบื้องต้นเท่านั้น
             Soltanian-Zadeh, Hamid, Farshid Rafiee-Rad and Siamak Pourabdollah-Nejad D. (2004)
           ั
เป็ นวิจยทางการแพทย์เพื่อการตรวจวินิจฉัยมะเร็ งเต้านม
โดยได้ใช้คุณลักษณะทางรู ปร่ างเปรี ยบเทียบกับวิธีอื่นๆ ได้แก่ multiwavelet, wavelet และ Haralick
เพื่อแยกประเภทการสะสมของแคลเซียมขนาดเล็ก (microcalcification) ในภาพถ่ายแมมโมแกรม
(mammogram) โดยคุณลักษณะทางรู ปร่ างที่ใช้ ได้แก่ ขนาดของ microcalcification, Compactness,
moment และคุณลักษณะที่เกี่ยวกับกลุ่มของแคลเซี ยมโดยรวม พบว่าวิธี                              multiwavelet
ได้ผลดีที่สุดและการใช้คุณลักษณะทางรู ปร่ างให้ผลดีรองลงมา
                ั
นอกจากนี้ยงมีการศึกษาในแง่ของการตรวจจากส่ วนที่เป็ นก้อนเนื้องอก                          ในงานวิจยของ ั
Intharasombat, Ouychai (2003) ซึ่ งได้ใช้คุณลักษณะทางรู ปร่ าง 5 อย่าง ได้แก่ พื้นที่(area),
เส้นรอบวง(perimeter), compactness, รัศมี (radius) และ Fourier Descriptor
                                                                                                        9



(FD)ในการจาแนกว่าเป็ นเนื้ องอกชนิ ดธรรมดาหรื อชนิดร้ายแรง                    พบว่าให้ผลการจาแนกถูกต้อง
90%
                ่             ั
           แม้วาจะไม่มีงานวิจยที่จาแนกชนิดเม็ดยาทัวไปจากการใช้ระบบรู ้จาดังที่ได้กล่าวไว้ขางต้น
                                                       ่                                         ้
แต่พบงานที่เกี่ยวกับเรื่ องภาพถ่ายเม็ดยาเพื่อมุ่งเน้นตรวจสอบยาเม็ดในกลุ่มที่ผดกฎหมายของ
                                                                                     ิ
Geradts,                     Zeno                        et                     al.                (2005)
        ั
งานวิจยนี้ได้ทาการทดลองเปรี ยบเทียบผลการค้นคืนภาพตามเนื้อหาโดยใช้ระบบที่มีวธีการค้นต่างกั  ิ
น โดยนาระบบที่ใช้ในเชิงพาณิ ชย์ 3 ระบบ ได้แก่ QBIC, Imatch และ MPEG-7 สาหรับ QBIC และ
Imatch                              วิธีการค้นหานั้นยังไม่ทราบชัดเจนแต่เก็บคุณลักษณะในแง่ของสี
                                                                      ิ
พื้นผิวและรู ปร่ างจากภาพในฐานข้อมูล ส่ วน MPEG-7 ใช้วธีเปรี ยบเทียบรู ปร่ าง (object bounding
box, region-based shape contour-based shape) เมื่อได้ทาการทดลองเพื่อค้นคืนภาพยาที่ตองการ 3     ้
ชนิดจากฐานข้อมูลยา                                          ิ
                                                โดยใช้วธีที่มีใช้ในเชิงพาณิ ชย์                          3
                       ้
โปรแกรมที่กล่าวไว้ขางต้นเปรี ยบเทียบกับวิธีหาความสัมพันธ์ของ                           log           polar
ในขั้นต้นเมื่อพิจารณาโดยรวมพบว่า QBIC และ Imatch สามารถค้นคืนได้ถูกต้องมากที่สุด
      ั
แต่ท้ งนี้เป็ นผลมาจากการใช้สีในการจาแนกซึ่ งถ้ามีความแปรปรวนเรื่ องแสงจะทาให้ความถูกต้องล
ดลงได้                                                        แต่เมื่อแยกพิจารณาเฉพาะสัญลักษณ์บนเม็ดยา
พบว่าการใช้คุณสมบัติทางรู ปร่ างให้ผลลัพธ์ที่มีความเหมาะสมที่สุดในแง่ของเวลาในการจัดอันดับ
ส่ วนวิธีหาความสัมพันธ์ของ             log            polar              จะใช้เวลาในการคานวณมากเกินไป
              ั
จากงานวิจยนี้จะพบว่าสี และรู ปร่ างเป็ นคุณลักษณะที่สามารถใช้ในการจาแนกชนิดเม็ดยาได้
                     ั                    ่         ้
           จากงานวิจยดังกล่าวข้างต้นแม้วาวัตถุที่ตองการจาแนกนั้นมีความแตกต่างกันแต่อย่างไรก็ต
                  ั
ามพบว่างานวิจยส่ วนใหญ่ได้ใช้คุณลักษณะทางรู ปร่ างเข้าร่ วมในการจาแนกชนิดวัตถุและในงานวิจ ั
ยของ Geradts, Zeno et al. (2005) ซึ่ งเป็ นเรื่ องเกี่ยวกับยาเม็ดได้ให้แนวคิดที่สอดคล้องกันคือ
การใช้สี รู ปร่ างและคุณลักษณะภายในเม็ดยา (สัญลักษณ์หรื อรอยพิมพ์) ในการจาแนกชนิดยา

3. การจาแนกโดยใช้ เครือข่ ายใยประสาท

             พบว่ามีงานวิจยมากมายที่เกี่ยวข้องกับการใช้เทคนิคของเครื อข่ายใยประสาททั้งงานทางด้า
                          ั
นการจดจาภาพ                                                       จาแนกชนิดวัตถุและงานด้านอื่นๆ
ทั้งนี้เนื่ องจากการใช้เครื อข่ายใยประสาทนั้นสามารถช่วยลดปั ญหาในเรื่ องการควบคุมสภาวะแวดล้
                                      ั
อมเพราะการเรี ยนรู ้ของระบบที่ใช้ตวอย่างภาพในหลายรู ปแบบ
                                             ่
นอกจากนี้การใช้เครื อข่ายใยประสาทแม้วาจะไม่ทราบกลไกหรื อรู ปแบบสมการทางคณิ ตศาสตร์ที่ใ
ช้ในการคานวณก็สามารถให้ผลลัพธ์ได้ (Menendez, Anne 2004) ตัวอย่างงานวิจย ได้แก่ ั
                                                                                                 10



            Storbeck,       Frank        and        Berent      Daan       (2001      :       11-15)
                ั                         ่
ได้ทางานวิจยการจาแนกชนิ ดปลาที่อยูบนสายพานโดยใช้เครื อข่ายใยประสาทที่ใช้รูปแบบการเรี ยน
รู้แบบ Back-propagation ซึ่ งให้ผลการจาแนกถูกต้องมากกว่า 95%
                  ั
            งานวิจยของ Langner, Jens (2004)ได้ใช้เครื อข่ายใยประสาทแบบ feed-forward
backpropagation network ที่มีจานวน hidden layer 1 ชั้น ในการจาแนกพันธ์ของใบไม้
โดยใช้ค่าไซน์และโคไซน์ของมุมระหว่างจุดที่เป็ นเส้นขอบของใบไม้ซ่ ึ งเรี ยกว่า token เป็ นค่าอินพุต
ซึ่ งพบว่าระบบจะสามารถจาแนกพันธ์ของใบไม้ได้ถาใช้มากกว่า  ้                 5       ภาพต่อสายพันธ์
เพื่อให้ระบบเรี ยนรู้
นอกจากงานวิจยดังกล่าวแล้วยังมีงานวิจยที่เกี่ยวข้องกับการจาแนกชนิดพืชอีกโดยใช้เครื อข่ายใยปร
                    ั                        ั
ะสาทแบบ                           Self-Organizing                    Map                      (SOM)
เพื่อจาแนกประเภทธัญพืชออกจากหญ้าโดยใช้คุณสมบัติการดูดกลืนแสงเป็ นอินพุต                    (Moshou,
Dimitrios 2001 : 5-16)
            Zhang,                                      Mengjie                               (2004)
        ั
งานวิจยนี้ได้ใช้เทคนิคเครื อข่ายใยประสาทในการจดจาวัตถุขนาดเล็กโดยมีอินพุตเป็ นข้อมูลในแต่ล
ะพิกเซลของภาพ                         ทั้งนี้เพื่อลดขั้นตอนก่อนการประมวลผลและการแยกคุณลักษณะ
              ั
จากงานวิจยนี้พบว่าการใช้เครื อข่ายใยประสาทแบบ                     Multilayer            feed-forward
สามารถหาตาแหน่งและจาแนกวัตถุที่มีในภาพได้ในเฉพาะกรณี ที่ภาพนั้นไม่มีความซับซ้อนมากนัก
เช่น รู ปวงกลม รู ปสี่ เหลี่ยม และเหรี ยญ แต่ไม่สามารถใช้ได้ในกรณี ภาพที่มีความซับซ้อนมาก เช่น
แยกชนิดเส้นเลือดในเรตินา ซึ่ งให้ค่าความแม่นยาน้อยกว่า 10%
            ในงานวิจยทางด้านการพัฒนาความสามารถในการมองเห็นของหุ่ นยนต์ ของ Mitzias,
                      ั
Dimitris A. and Basil G. Mertzios (2004 : 315-330) ได้ใช้ระบบ NEural MUlticlassifier System
                                  ั
(NEMUS) ซึ่งเป็ นระบบที่ใช้ตวจาแนก (Classifier) หลายชนิดร่ วมกัน โดยมีการทางานหลัก 2
ขั้นตอน คือ ขั้นแรกจาแนกจากกลุ่มของคุณลักษณะที่แตกต่างกัน 3 กลุ่ม (คุณลักษณะทางเรขาคณิ ต,
central moment และ เทคนิคการประมาณค่ารู ปหลายเหลี่ยม) โดยใช้ Back-propagation neural
classifiers ในขั้นถัดมาจึงนาผลลัพธ์ที่ได้มาประมวลผลร่ วมกันโดยใช้ decision making network
(DM-Net)              พบว่าการใช้คุณลักษณะเพียงกลุ่มเดียวจะให้ความถูกต้องสู งสุ ดเพียง         75.6%
แต่หากใช้ร่วมกันจะให้ค่าความถูกต้องสู งสุ ด                            98.3                        %
          ั
งานวิจยนี้นอกจากจะเป็ นตัวอย่างของการใช้เครื อข่ายใยประสาทในการจาแนกวัตถุแล้วยังแสดงให้เ
ห็นถึงการใช้คุณลักษณะหลายกลุ่มร่ วมกันเพื่อช่วยในการจาแนกวัตถุอีกด้วย
                                                                                            11



                           ั              ้                ั
         จากตัวอย่างงานวิจยที่ได้กล่าวไว้ขางต้นมีหลายงานวิจยที่ใช้เครื อข่ายใยประสาทแบบ Feed-
forward         multilayer        perceptron        และการเรี ยนรู้แบบ         Back-propagation
ซึ่ งแสดงให้เห็นถึงความนิยมของรู ปแบบเครื อข่ายใยประสาทดังกล่าว

				
DOCUMENT INFO
Shared By:
Categories:
Tags:
Stats:
views:11
posted:12/5/2011
language:Thai
pages:5